基于数据挖掘的货品库位分配策略研究与实现

发布时间：2017-03-27 09:01

  本文关键词：基于数据挖掘的货品库位分配策略研究与实现，，由笔耕文化传播整理发布。

【摘要】：近年来,随着网上购物的快速普及,电子商务行业带动着物流行业飞速发展,而随着用户对于网上购物体验的要求越来越高,物流成为制约电子商务行业用户体验进步的一个重要环节,因此众多电子商务企业投入大量资金对传统的物流行业进行改造,包括投入大量的人力和物力成本提高仓库的订单生产能力及配送环节的配送时效。在仓库作业当中,订单拣选为人力资源和时间消耗最大的工作,为了缩减成本以及提升用户的网购体验,大量的学术专家、物流行业专家及商业公司尝试了大量的方法提升拣选效率。由于无需增加额外成本,进行货位优化(Slotting Optimization)成为最热门的研究课题之一,但目前的货位优化方案普遍采用一次性的计算方法如经验策略、分级策略等。由于未能与用户的订单信息充分结合,因而这些方法对拣选效率的提升有限,并且优化效果具有时效性,随着订单模式的变化,拣选效率随之逐渐下降,因而需要定期进行拣选优化,消耗大量人力成本。为解决这种现状,本文采用了聚类分析以及关联规则挖掘两种方法对历史订单进行大数据挖掘分析,根据商品在订单当中被同时订购的情况,将商品进行分类或者计算商品的关联度,并结合了周转率、货位与出口距离等信息,针对不同场景设计了不同的货位分配方法,提出了对货位分配的整体优化策略。由于本文提出的方法基于订单数据分析,货位分配策略根据订单数据的分析结果而确定,因而具有自适应性,能够根据订单特征的变化而自动调整推荐货位,保证了优化效果。最后,本文利用了ODPS (Open Data Processing System)数据处理平台实现了该货位分配策略,并采用离线计算的模式进行数据处理,将数据计算与业务数据库分离,根据离线计算结果来进行货位推荐。经过实际订单数据测试验证,本文所提出的基于数据挖掘的货位分配策略对订单拣选效率具有显著的提升效果,从而可以降低仓库的运营人力成本,形成直接的经济效益；同时,通过将关联商品集中存储,可以减少库工识别库位的难度,降低出错概率；此外,本文提出的方法还考虑了货位的高度信息,由此可以减少仓库作业人员的非舒适型拣选操作次数,提高人机交互体验,降低工作疲劳度。
【关键词】：数据挖掘 货位分配 仓库管理系统
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F274;TP311.13
【目录】：

• 中文摘要4-5
• 英文摘要5-8
• 第一章 绪论8-15
• 1.1 研究背景8-11
• 1.2 论文研究内容及意义11-12
• 1.3 国内外研究现状12-14
• 1.4 论文组织结构14-15
• 第二章 数据挖掘技术15-27
• 2.1 数据挖掘技术概述15-18
• 2.1.1 数据挖掘概念15-17
• 2.1.2 数据挖掘技术17-18
• 2.2 聚类分析数据挖掘方法18-22
• 2.2.1 聚类分析概述18-19
• 2.2.2 常用聚类分析算法19-20
• 2.2.3 聚类分析步骤20-21
• 2.2.4 聚类分析的应用21-22
• 2.3 关联规则数据挖掘方法22-25
• 2.3.1 关联规则挖掘方法概述22
• 2.3.2 常用关联规则挖掘算法22-24
• 2.3.3 关联规则挖掘步骤24
• 2.3.4 关联规则挖掘的应用24-25
• 2.4 算法选择与适配25-26
• 2.4.1 聚类分析算法选择与适配25
• 2.4.2 关联规则挖掘算法选择与适配25-26
• 2.5 货位分配策略26
• 2.6 本章小结26-27
• 第三章 基于数据挖掘的自适应货位分配策略27-41
• 3.1 问题描述27
• 3.2 数据选择27
• 3.3 聚类数据挖掘分配模型27-36
• 3.3.1 订单数据聚类分析28-36
• 3.4 关联规则数据挖掘分配模型36-40
• 3.4.1 订单数据关联规则挖掘37-38
• 3.4.2 生成关联指数38-39
• 3.4.3 货位分配模型产生及求解39-40
• 3.5 本章小结40-41
• 第四章 商品存储货位分配策略验证分析41-56
• 4.1 数据来源41
• 4.2 验证条件41-44
• 4.3 货位分配策略验证条件及方法44-45
• 4.4 聚类方法验证分析45-52
• 4.4.1 存储分配策略46
• 4.4.2 计算目标函数46-47
• 4.4.3 结果分析47-52
• 4.5 关联规则方法分析52-54
• 4.6 本章小结54-56
• 第五章 总结与展望56-58
• 5.1 研究成果56-57
• 5.2 局限性57
• 5.3 后续展望57-58
• 致谢58-59
• 参考文献59-61
• 作者简介61

【相似文献】

中国期刊全文数据库 前10条

1 香丽芸;浅谈数据挖掘及其应用[J];昌吉师专学报;2001年02期

2 郑雪燕,张杰明,岳洋;数据挖掘语言[J];计算机时代;2001年11期

3 刘明晶;数据挖掘[J];华南金融电脑;2001年04期

4 张伟;刘勇国;彭军;廖晓峰;吴中福;;数据挖掘发展研究[J];计算机科学;2001年07期

5 钟晓;马少平;张钹;俞瑞钊;;数据挖掘综述[J];模式识别与人工智能;2001年01期

6 朱建平,张润楚;数据挖掘的发展及其特点[J];统计与决策;2002年07期

7 傅岚;在数据海洋中打捞信息数据挖掘[J];科技广场;2002年11期

8 李峻;数据挖掘,企业洞察先机的“慧眼”[J];中国计算机用户;2002年48期

9 罗可,蔡碧野,卜胜贤,谢中科;数据挖掘及其发展研究[J];计算机工程与应用;2002年14期

10 ;2002数据挖掘研讨班[J];计算机工程;2002年06期

中国重要会议论文全文数据库 前10条

1 史东辉;蔡庆生;张春阳;;一种新的数据挖掘多策略方法研究[A];第十七届全国数据库学术会议论文集（研究报告篇）[C];2000年

2 张弦;;数据挖掘在农业中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会（CSAE 2009）论文集[C];2009年

3 魏顺平;;教育数据挖掘:现状与趋势[A];信息化、工业化融合与服务创新——第十三届计算机模拟与信息技术学术会议论文集[C];2011年

4 关清平;沉培辉;;概率网络在数据挖掘上的应用[A];科技、工程与经济社会协调发展——中国科协第五届青年学术年会论文集[C];2004年

5 丁瑾;;基于Web数据挖掘的综述[A];山西省科学技术情报学会学术年会论文集[C];2004年

6 聂茹;田森平;;Web数据挖掘及其在电子商务中的应用[A];中南六省（区）自动化学会第24届学术年会会议论文集[C];2006年

7 李菊;王军;;数据挖掘在客户关系管理的应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

8 肖阳;李启贤;;数据挖掘在中国钢铁行业中的应用[A];中国计量协会冶金分会2012年会暨能源计量与节能降耗经验交流会论文集[C];2012年

9 杨磊;王贵成;汪勇;张占胜;;SQL Server 2005在数据挖掘中的应用[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

10 谢中;邱玉辉;;面向商务网站有效性的数据挖掘方法[A];第十八届全国数据库学术会议论文集（技术报告篇）[C];2001年

中国重要报纸全文数据库 前10条

1 本报记者褚宁;数据挖掘如“挖金”[N];解放日报;2002年

2 周蓉蓉;数据挖掘需要点想像力[N];计算机世界;2004年

3 □中国电信股份有限公司北京研究院 张舒博 □北京邮电大学计算机科学与技术学院 牛琨;走出数据挖掘的误区[N];人民邮电;2006年

4 《网络世界》记者 王莹;数据挖掘保险业的新蓝海[N];网络世界;2012年

5 刘俊丽;基于地理化的网络数据挖掘与分析提升投资有效性[N];人民邮电;2014年

6 本报记者 连晓东;数据挖掘：金融信息化新热点[N];中国电子报;2002年

7 本报记者 凤小华 朱仁康;“数字挖掘软件”引领中国信息化新浪潮[N];中国电子报;2003年

8 本报记者　史延廷;“成功企业数据挖掘暨数量化管理论坛”在京举办[N];中国旅游报;2002年

9 朱小宁;数据挖掘：信息化战争的基础工程[N];解放军报;2005年

10 本报记者 王小平;从“大集中”走向数据挖掘[N];金融时报;2002年

中国博士学位论文全文数据库 前10条

1 于自强;海量流数据挖掘相关问题研究[D];山东大学;2015年

2 张馨;全基因组SNP芯片应用于CNV和L0H分析的软件比对与数据挖掘[D];复旦大学;2011年

3 彭计红;基于数据挖掘的痴呆中医证的研究[D];南京中医药大学;2015年

4 李秋虹;基于MapReduce的大规模数据挖掘技术研究[D];复旦大学;2013年

5 邬文帅;基于多目标决策的数据挖掘方法评估与应用[D];电子科技大学;2015年

6 谢邦彦;整合数据挖掘与TRIZ理论的质量管理方法研究[D];首都经济贸易大学;2010年

7 何伟全;云南高校学生意外伤害因素关联规则挖掘及风险管控体系研究[D];昆明理工大学;2015年

8 段功豪;基于多结构数据挖掘的滑坡灾害预测模型研究[D];中国地质大学;2016年

9 白晓明;基于数据挖掘的复合材料宏—细观力学模型研究[D];哈尔滨工业大学;2016年

10 蓝永豪（LAM Wing Ho）;基于数据挖掘技术分析当代中医名家痤疮验方经验研究[D];南京中医药大学;2016年

中国硕士学位论文全文数据库 前10条

1 林仁红;基于数据挖掘的机遇识别与评价研究[D];首都经济贸易大学;2007年

2 张彦俊;游戏运营中的数据挖掘[D];复旦大学;2011年

3 王杰锋;物联网能耗数据智能分析及其应用平台设计[D];江南大学;2015年

4 刘学建;数据挖掘在电子商务推荐系统中的应用研究[D];昆明理工大学;2015年

5 戴阳阳;基于数据挖掘的金融时间序列预测研究与应用[D];江南大学;2015年

6 石思优;基于主题模型的医疗数据挖掘研究[D];广东技术师范学院;2015年

7 陈丹;移动互联网信令挖掘实现智慧营销的设计与实现应用研究[D];华南理工大学;2015年

8 陈思;基于数据挖掘的大学生客户识别模型的研究[D];昆明理工大学;2015年

9 位长帅;基于客户数据挖掘的电信客户关系管理研究[D];西南交通大学;2015年

10 安康;基于数据挖掘的商业银行客户关系管理研究[D];兰州交通大学;2014年

  本文关键词：基于数据挖掘的货品库位分配策略研究与实现，由笔耕文化传播整理发布。

本文编号：270140