数据驱动的物流储配策略优化研究
发布时间：2019-09-09 11:26
【摘要】：随着现代科技的飞速发展,互联网与电子商务成为经济增长的重要支柱,作为线上线下商务连接的支撑产业,物流服务行业也加快了发展的脚步。数据成为各方发展与竞争的新兴资本,通过对数据的深入分析挖掘其丰富的价值内涵是提升企业运营效率与降低成本的关键,烟草行业也将数据的最大化利用视为新的增长点。本文结合数据挖掘方法与可视化展示技术对D市2014年至2015年烟草物流数据展开分析研究,并构建基于时间序列的配送量预测模型,通过数据分析与对配送量的预测达到利用历史数据驱动物流储配策略优化的目的。主要研究工作包括以下几个方面:(1)对烟草物流储配过程进行数据分析。使用R语言编程将数据挖掘方法应用到烟草物流储配策略的研究中,并绘制多种现代统计图形,结合数据可视化对多项指标进行数据挖掘分析,同时研究了配送路径结构分布图与订单分拣及配送延迟的内在原因,展示并分析了物流储配环节运营特性及流程特征。(2)结合数据分析结果,建立基于时间序列的配送量预测模型。经过物流储配过程数据分析,发现物流配送量在物流储配策略的制定中起着较大作用,依据烟草配送数据生成周配送量时间序列,建立基于Holt-Winters算法的配送量预测模型,使用R语言包中的相应函数进行仿真,通过对拟合结果的误差分析检验模型效果,并应用模型得出周配送量预测趋势。(3)针对该模型的不足,构建基于L-M算法的神经网络配送量预测模型。利用MATLAB软件编程仿真实验,对比两个模型的性能表现和误差检验,得出短时期内基于L-M算法的神经网络周配送量模型更为有效和准确的结论。使用该模型进行配送量预测,得到一致的预测趋势,并通过该预测结果提出了物流储配的宏观策略。本文通过对物流储配数据的分析与模型预测,以数据为依托,驱动企业做出合理高效的决策,起到了利用数据有效提高企业物流活动效率,优化物流储配策略的作用。
【图文】：
学、时空分析等许多新兴研宄方向。根据传统任务分类，数据挖掘技术可分为分逡逑类、聚类、关联规则、评估、预测、数据可视化和复杂数据类型的挖掘等几类［５７］［５８］。逡逑根据挖掘的对象不同进行分类，可分为如图２－１所示的几类。逡逑挖掘对象逡逑逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦￣￣逦Ｉ逦Ｉ逦Ｉ逦：邋＼逦逡逑关系空间时态文本多媒异质遗产逡逑数据数据数据数据体数数据数据Ｗｅｂ逡逑ｆ邋库库库源据库库库逡逑图２－１根据挖掘的对象进行分类逡逑根据挖掘的方法不同进行分类，可分为决策树、分类、回归分析、聚类、关逡逑联分析、特征分析等，如图２－２所示。具体方法将在下一节详细介绍。逡逑１０逡逑
图２－３根据挖掘的|馐浇蟹掷噱义，
本文编号：2533558
【图文】：
学、时空分析等许多新兴研宄方向。根据传统任务分类，数据挖掘技术可分为分逡逑类、聚类、关联规则、评估、预测、数据可视化和复杂数据类型的挖掘等几类［５７］［５８］。逡逑根据挖掘的对象不同进行分类，可分为如图２－１所示的几类。逡逑挖掘对象逡逑逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦Ｉ逦￣￣逦Ｉ逦Ｉ逦Ｉ逦：邋＼逦逡逑关系空间时态文本多媒异质遗产逡逑数据数据数据数据体数数据数据Ｗｅｂ逡逑ｆ邋库库库源据库库库逡逑图２－１根据挖掘的对象进行分类逡逑根据挖掘的方法不同进行分类，可分为决策树、分类、回归分析、聚类、关逡逑联分析、特征分析等，如图２－２所示。具体方法将在下一节详细介绍。逡逑１０逡逑
图２－３根据挖掘的|馐浇蟹掷噱义，
本文编号：2533558
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/2533558.html
