大数据时代郑明现代物流管理问题系统优化方案.docx
- 文档编号:11891836
- 上传时间:2023-04-08
- 格式:DOCX
- 页数:67
- 大小:892.98KB
大数据时代郑明现代物流管理问题系统优化方案.docx
《大数据时代郑明现代物流管理问题系统优化方案.docx》由会员分享,可在线阅读,更多相关《大数据时代郑明现代物流管理问题系统优化方案.docx(67页珍藏版)》请在冰豆网上搜索。
大数据时代郑明现代物流管理问题系统优化方案
《郑明杯》物流设计大赛
l
2015/10/31
题目:
大数据时代郑明现代物流系统问题优化方案
参赛组名:
酱香毛毛虫
参赛成员:
周素宇温燕怡曾露陈水清陈永菁
指导老师:
刘广海
摘要
随着科学技术的飞速发展,生产力的不断提升,以及顾客消费水平的不断提升,企业间的竞争越来越激烈。
为了提高竞争力,企业逐渐将目光从生产过程转向流通领域,在降低物资消耗,提高劳动生产率的基础上加强物流管理成为“第三利润源泉”。
在信息,数据作为当今时代最为重要的两个因素,受到越来越多的关注。
大数据是实现物联网数据感知,云计算数据计算,三网融合数据服务的基础,其分析应用已经渗透到社会的各个方面。
企业如何在大数据下挖掘获取真实可靠高质量的信息,成为急需解决的问题。
本文将以郑明公司为例,用大数据优化郑明现代物流的系统问题,其中包括末端物流信息,技术及企业内部等的问题。
我们首先分析了ZM公司存在的问题,分析了大数据在物流企业中应用,通过优化内部系统建设,解决内部信息不对称问题,从而进行有效及时沟通,提高ZM公司风险评估的准确度。
采用无线射频识别技术,利用射频信号的电磁感应传输特性,实现对被识别物体的自动识别并获取相关数据;采用指数平滑法,对温度时间序列的历史记录进行处理,能够很好的解决温度变化之间的相关性,通过GPS等技术提高对车辆的定位追踪,以便及时感知了解货物信息。
车辆调度问题是各企业存在的较为棘手的问题,通过遗传算法模型的构建,优化车辆调度,实现最经济的运行路线,即在保证货物需求的前提下,使运输时间或运输费用最省。
关键词:
大数据CRM车辆调度温度监控预警系统可溯源系统
在途配送内部建设
第1章绪论
1.1选题的背景及意义
1.1.1上海现代物流有限公司概况
上海郑明现代物流有限公司于2011年5月正式成立。
其前身是1994年成立的上海郑明汽车运输有限公司。
深耕于冷链物流领域的上海郑明现代物流有限公司初创至今已走过20多年的历程,由单一的冷链运输商已华丽转型为将商流、物流、信息流和资金流整合为一体的供应链集成商,正朝着领先的专业供应链解决方案提供商迈进。
郑明现代物流有限公司主要从事冷链物流、汽配物流、电商物流、商贸物流、供应链金融等领域的服务。
作为国内最早从事冷链物流的公司之一,郑明物流于今年年初提出了“百库计划”,表示要在2015年前将公司的冷库数量从32个扩张到100个。
郑明在全国各地设有仓储基地和冷库中心,正逐渐形成辐射全国,走向海外的冷链物流网络。
在强大设备资源的基础上,郑明现代物流为客户提供集物流方案设计、干线运输、城市配送、仓库管理、包装分拣、信息反馈等全方位的现代冷链物流服务。
在国内各区已具备一定的客户基础,在冷链方面建立自有相当容积的冷库,配备车辆、人员用于仓储、运输等方面的服务。
在汽配、快消品、医药制品方面,建立自有普货仓库,配备车辆、人员,除仓储运输外,还增加高附加值的服务。
1.1.2研究背景
国际金融危机爆发后,世界经济进入了缓慢的复苏期,我国经济也受到一定程度的影响。
虽然物流行业的发展前景依然看涨,但是对于第三方物流企业来说,这既是机遇也是挑战。
郑明现代物流作为一家由中、美、法合资的国际企业,业务范围涉及供应链的多个方面,需要不断的改良自身的不足以适应经济与社会的发展。
现国内的冷链物流行业,相对于干线物流而言,末端物流配送具有环节多、服务面广、配送线路复杂等诸多因素,且对存储条件和运输温度等都有较为苛刻的要求,这使得我国区域配送中心城市末端物流配送能力不足,严重制约着整个物流系统的高效运作。
除此之外,车辆合理调度、系统对接等问题也是物流行业
中难以解决的弊端,如何在最短时间内完成车辆调度同时以最短时间将多个公司的货物聚集到一辆车或一批车上,并安排最优路线,都是当前物流行业的挑战。
信息方面,订单追中与运输可视化的问题同样严峻,虽然拥有严格的高科技的GPS等技术,郑明现代物流在信息对接方面仍显不足,为了保证配送的质量与更好的满足客户需求,这些问题都必须及时解决。
随着科技的不断发展,物联网与云计算等前沿概念也应运而生。
一些国际IT巨头甚至已经开始聚焦物流网和云计算产业背后的大数据,并通过挖掘大数据得到其背后的潜在价值。
作为产生海量数据的物流行业,善用大数据的应用技术可推动郑明现代物流发展更迅速,提升郑明现代物流的企业综合竞争力。
作为行业内的佼佼者,郑明现代物流同样存在着诸如车辆调度、信息交流障碍、技术设备不配套等常见问题。
为了更好解决郑明现代物流存在的各方面的不足,郑明现代物流可利用其企业常年累积的海量数据,如运输、仓储、配送等环节的信息流量,并对这些数据进行准确及时的处理,用大数据应用技术处理下得到的有价值的数据来帮助企业更好的聚焦发展方向,提高作业效率,为郑明现代物流带来利润。
1.1.3项目研究意义
为了优化改善郑明现代物流的问题,运用先进且有效率的技术是必不可少的。
运用物流企业的特有优势——海量数据,通过相关分析,将不同情境下的各种解决方案计算并进行逻辑性串联,用数据指引企业的成长,发掘适应企业发展的社会条件,摒弃过分依赖主观臆断的市场分析模式,使得企业的战略制定更显科学性。
同时,运用大数据有利于帮助郑明现代物流锁定资源,使得企业内部资源精确锁定。
在郑明现代物流的运营过程中,大数据的搜集与分析可帮助形成基于企业自身的资源分布可视图,将各个配送中心的资源、车辆、仓储等信息通过图表的形式精确的展示,实现配送中心到终端客户的模拟路径,使得郑明现代物流能更好的利用各种已有或潜在的资源。
(以下郑明现代物流有限公司简称为ZM公司)
1.2上海郑明现代物流有限公司现存的几大问题
1.2.1信息问题
(1)客户与企业之间交流不流畅,缺乏定时、及时的交流,业务效率低,ZM公司无预警其重要客户的流失。
(2)客户服务欠缺。
虽然获得了“2011-2012年度中国冷链产业金链奖十佳物流服务商”的称号,ZM公司的客户服务仍然没有统一的标准,随着客户满意度的下降,郑明现代物流的客户投诉次数日益上升,客户反馈工作不够及时,客户关系并未得到良好维护。
运输与仓储的货损与延时导致客户满意度下降。
(3)老客户关系维护不够,新客户关系难以开发。
由于郑明现代物流正在快速成长,但是在对待新老客户关系发展上仍然是统一对策与标准,并没有各自针对性的战略。
(4)ZM公司企业并不完全了解每一客户的需求,无法做出最及时的物流计划并提供具有针对性的方案。
(5)ZM公司客户数量多,且客户需求量不统一,在配送的时候要和n个公司进行系统对接,也要求在最短的时间内完成车辆调度,同时以最短的时间进行将n各公司的货物聚集到一辆或一批车上,并及时安排最优路线(6)在满足货运任务要求的前提下,如何选择最经济的运行路线,是一项重要的工作,所谓最经济的运行路线是指在保证货物需求的前提下,运输时间或运输费用最省的路线。
(7)在需求点较多且分布不均匀,道路网复杂的情况下,制定调度方案单凭个人经验是难以做好的,尤其是现在客户对物流配送服务质量要求较高,对配送的时效性要求较强,按规定,当日要求配送到的货物一定要配送到位,如何设计一定的配送调度模型和算法,,并用计算机来实现意义重大。
1.2.2技术问题
(1)缺乏规范式的保鲜冷链运输车厢和温度控制设施,无法为易腐食品的流通提供质量保障。
(2)冷链物流信息技术的应用水平较低,射频识别技术、地理信息系统(GIS)全球卫星定位系统(GPS)等物流管理软件的应用还处于理论阶段。
(3)系统不对接,主要是温湿度控制等问题,设施设备及先进技术缺乏,预警系统不健全。
(4)生鲜产品生产不够标准化、溯源不够透明,用户对产品就无法产生信任感。
(5)冷链各个环节信息阻塞。
食品冷链的第三方物流发展滞后,ZM公司服务网络和信息系统不健全,大大影响了生鲜产品物流的在途质量和运送的及时性。
(6)质量安全监管信息系统不完善。
ZM公司借助简单的标识与记录很难实现产品全过程的追溯,而简单的产品信息使得追溯过程十分的繁琐和复杂。
若市场上发现有危害消费者的产品,ZM公司不能立刻撤出该批次产品,也很难确定产品出现问题环节,追究其事件的责任人。
1.2.3企业内部问题
(1)公司内部信息传递及部门沟通不顺畅。
(2)与京东等电商平台信息不对接,信息系统不完善。
京东货物录入系统,入库后,在网上进行销售,郑明接收订单配货、包装、派送,这中间涉及信息传递问题,郑明与京东不是同一个系统,因此信息的对接存在问题。
(3)公司选用的社会车辆监管不足以及冷链运输设备不完善。
因运输过程中食品腐烂而造成的损失每年可达30-50万元人民币,对外包车辆没有实施标准化统一,无论是外包车队还是公司自有车队的冷链运输设备不足,导致配送过程出现问题。
(4)库房环境维护,如冷冻、冷藏、存放库等维修,包材(冰袋、干冰等)的维护;KPI考核,对及时率和准确率的要求;食品安全方面,对温度的需求;各类电商狂欢节下的短时间大规模产品出库的高峰处理等,也是ZM内部的亟待解决的问题。
(5)风险评估与管控系统不够完善。
自由贸易试验区试行两年仍存在许多问题,对于借助自贸区的金融政策,利用国外低成本融资,进行国际并购,扩张海外市场的设想,在风险评估和管控上仍需大力完善。
同时,对于冷链物流金融方案的设想,该如何规避可能会出现的风险,也是公司的问题之一。
(6)公司业务模式传统、单一。
虽然公司有很多优势的,比如区域位置、政策支持、贸易发展等,虽然也不可避免的面临同类竞争的劣势。
1.3行业内部现状及郑明现代物流企业的末端配送实验
随着经济的发展,目前我国的冷链物流行业虽具有一定规模,但在生鲜产品质量安全控制方面同欧美发达国家相比仍存在明显差距。
单从行业发展空间来看,当前我国综合冷链流通率仅为19%,而美、日等发达国家的冷链流通率达到85%以上。
随着人们生活水平的提高以及消费观念的改变,消费者对于生鲜产品的质量要求越来越高,绿色、有机产品需求大幅提升,冷链物流成为必不可少的一大环节,这也就给冷链物流发展带来了新的机遇。
目前中国冷藏保温车辆约有7万辆,而美国拥有20多万辆,中国冷藏保温汽车占货运汽车的比例仅为0.3%左右,按人均占有的冷库容积来看美国是中国的5倍。
我国易腐物品装车大多在露天而非在冷库和保温场所操作,80%-90%的水果、蔬菜、禽肉、水产品都是用普通卡车运输,大量的牛奶和豆制品是在没有冷链保证的情况下运输的,运输这些易腐食品时大多在上面盖一块帆布或塑料布,有时棉被还成了最好的保温材料。
我国生鲜产品的腐败率超过35%,生鲜产品供应链被定位为“成本高、耗损大、无利润产品”。
为了找到生鲜产品冷链运输质量问题所在,某记者挑选了三个全程冷链配送的网站,购买生鲜产品进行了三个实验。
在第一个网站购买了葡萄,物流公司只是用了硬纸纸箱和泡沫箱包装,并没有其他的冷藏保鲜措施,送来时,已经有一半的葡萄变质了。
在第二个网站上购买了虾,保鲜方式是冰袋和泡沫箱,配送站内并没有任何冷冻冷藏设施,送来时很多虾已经变软,冰基本上已经融化。
在第三个网站购买了提子、螃蟹和三文鱼,用了保温箱和冰袋包装,但没有将这两种类型的商品隔开存放,而且只是用普通小车进行配送,送来时,提子已经部分坏掉,螃蟹和三文鱼的内部已经融化。
通过以上三个实验,说明我国冷链配送情况不乐观,冷链设施配备简陋,控制产品在途配送以及保障产品整个供应链的质量安全方面,还有很多问题需要解决。
1.4解决存在问题的必要性
现有冷链物流问题突出,严重影响着生鲜产品冷链全程运输中的质量与安全,也制约着我国冷链物流的发展。
对于ZM企业而言,冷藏车运输过程中的物品损耗造成了严重浪费并影响到其经营效益,也会因为没有达到客户的要求而给客户留下负面的印象和客户投诉。
对于消费者而言,这些无法保质保鲜的食品流向市场,将直接影响消费者的身体健康。
ZM公司优化和解决冷链物流运输存在的信息、技术等方面的问题,与同行业的其他公司相比,会更具有竞争力。
完善的冷链物流,不仅是保障人民生命安全的需要,也有利于最大限度的减少浪费,节约社会资源,提高人民生活品质。
ZM公司现存在的冷链物流问题都对冷链物流的发展提出了更高的要求,作为以服务为主要产品的冷链物流行业,满足客户需求,保证产品质量安全,使自身企业利润最大化是其主要目标。
信息技术的应用对保证产品质量安全起着关键作用,且其还能更好的延长产品保质期,增加产品附加值,最终决定产品的价值。
因此,我们需要运用信息、技术等大数据的方法去解决和优化冷链物流问题,信息技术在冷链物流上的良好应用,将给企业带来良好的运营效果,也是市场需求下冷链物流发展的必然趋势。
第2章大数据理论及应用现状
2.1大数据的背景和内涵
近几年来,随着计算机和信息技术的迅猛发展和普及应用,行业应用系统的规模迅速扩大,行业应用所产生的数据呈爆炸性增长。
动辄达到数百TB甚至数十至数百PB规模的行业/企业大数据已远远超出了现有传统的计算技术和信息系统的处理能力,因此,寻求有效的大数据处理技术、方法和手段已经成为现实世界的迫切需求。
XX目前的总数据量已超过1000PB,每天需要处理的网页数据达到10PB~100PB;淘宝累计的交易数据量高达100PB;Twitter每天发布超过2亿条消息,新浪微博每天发帖量达到8000万条;中国移动一个省的电话通联记录数据每月可达0.5PB~1PB;一个省会城市公安局道路车辆监控数据三年可达200亿条、总量120TB。
据世界权威IT信息咨询分析公司IDC研究报告预测:
全世界数据量未来10年将从2009年的0.8ZB增长到2020年的35ZB(1ZB=1000EB=1000000PB),10年将增长44倍,年均增长40%。
早几年人们把大规模数据称为“海量数据”,但实际上,大数据(BigData)这个概念早在2008年就已被提出。
2008年,在Google成立10周年之际,着名的《自然》杂志出版了一期专刊,专门讨论未来的大数据处理相关的一系列技术问题和挑战,其中就提出了“BigData”的概念。
关于大数据,难以有一个非常定量的定义。
维基百科给出了一个定性的描述:
大数据是指无法使用传统和常用的软件技术和工具在一定时间内完成获取、管理和处理的数据集。
进一步,当今“大数据”一词的重点其实已经不仅在于数据规模的定义,它更代表着信息技术发展进入了一个新的时代,代表着爆炸性的数据信息给传统的计算技术和信息技术带来的技术挑战和困难,代表着大数据处理所需的新的技术和方法,也代表着大数据分析和应用所带来的新发明、新服务和新的发展机遇。
由于大数据处理需求的迫切性和重要性,近年来大数据技术已经在全球学术界、工业界和各国政府得到高度关注和重视,全球掀起了一个可与20世纪90年代的信息高速公路相提并论的研究热潮。
美国和欧洲一些发达国家政府都从国
家科技战略层面提出了一系列的大数据技术研发计划,以推动政府机构、重大行业、学术界和工业界对大数据技术的探索研究和应用。
由于大数据技术的特点和重要性,目前国内外已经出现了“数据科学”的概念,即数据处理技术将成为一个与计算科学并列的新的科学领域。
为了紧跟全球大数据技术发展的浪潮,我国政府、学术界和工业界对大数据也予以了高度的关注。
大数据在带来巨大技术挑战的同时,也带来巨大的技术创新与商业机遇。
不断积累的大数据包含着很多在小数据量时不具备的深度知识和价值,大数据分析挖掘将能为行业/企业带来巨大的商业价值,实现各种高附加值的增值服务,进一步提升行业/企业的经济效益和社会效益。
由于大数据隐含着巨大的深度价值,美国政府认为大数据是“未来的新石油”,对未来的科技与经济发展将带来深远影响。
因此,在未来,一个国家拥有数据的规模和运用数据的能力将成为综合国力的重要组成部分,对数据的占有、控制和运用也将成为国家间和企业间新的争夺焦点。
由于大数据行业应用需求日益增长,未来越来越多的研究和应用领域将需要使用大数据并行计算技术,大数据技术将渗透到每个涉及到大规模数据和复杂计算的应用领域。
不仅如此,以大数据处理为中心的计算技术将对传统计算技术产生革命性的影响,广泛影响计算机体系结构、操作系统、数据库、编译技术、程序设计技术和方法、软件工程技术、多媒体信息处理技术、人工智能以及其他计算机应用技术,并与传统计算技术相互结合产生很多新的研究热点和课题。
大数据技术的发展将给我们研究计算机技术的专业人员带来新的挑战和机遇。
目前,国内外IT企业对大数据技术人才的需求正快速增长,未来5~10年内业界将需要大量的掌握大数据处理技术的人才。
IDC研究报告指出,“下一个10年里,世界范围的服务器数量将增长10倍,而企业数据中心管理的数据信息将增长50倍,企业数据中心需要处理的数据文件数量将至少增长75倍,而世界范围内IT专业技术人才的数量仅能增长1.5倍。
”因此,未来十年里大数据处理和应用需求与能提供的技术人才数量之间将存在一个巨大的差距。
目前,由于国内外高校开展大数据技术人才培养的时间不长,技术市场上掌握大数据处理和应用开发技术的人才十分短缺,因而这方面的技术人才十分抢手,供不应求。
国内
几乎所有着名的IT企业,如XX、腾讯、阿里巴巴和淘宝、奇虎360等,都大量需要大数据技术人才。
2.2大数据的特点
大数据的总特征
目前的研究认为,大数据具有以下主要特征:
(1)Volume:
数据量大,数据量以PB,EB,ZB来衡量。
(2)Velocity:
数据产生和处理的速度快,时效要求高,不仅是静态数据,更多是动态实时数据。
(3)Variety:
数据类型多样化,不仅是结构化数据,还包括网页、社交网络、日志、音视频、图片、位置等数据,更多是半结构化数据和非结构化数据。
(4)Value:
数据量大但价值密度低,需要价值提纯。
(5)Veracity:
真实而准确的数据才能使数据的管控和治理有意义。
(6)Complexity:
数据复杂性高。
(7)Fail:
传统的处理和分析工具失效(从采集、清洗、存储、索引和检索、共享、传输、分析等各环节传统手段都失效)。
物流行业中大数据的特征
(1)来源复杂,类型繁多
从数据来源来看,大致可以归纳为8个方面:
社会化媒体、互联网及移动互联网、电子商务;传感器网络、链接设备、智能终端、实时监控设备;商业智能BI、企业辅助决策系统;计算机、平板电脑、手机、其他移动设备、移动存储;物联网、车联网、RFID、GPS、GIS等物流信息技术的应用;云计算、第三方数据处理技术、第三方平台的应用;专业研究报告、行业资讯、行业活动记录;其他大交互、大交易数据来源。
相应地,物流行业的大数据类型也呈多样化特点,可以描述如下:
人的行为信息、习惯信息、偏好信息、交互数据等;Web文本数据、流量分析数据、电商交易数据、使用者网络活动数据等;各类设施设备采集的数据——传感器读数、运营数据、实体数据、车载信息、仪表读数,监控视频数据等;企业内部基干类
系统和信息类系统所采集或处理的各类数据——辅助决策信息、运营数据、产品数据、供应链数据、HR数据、财务数据、顾客数据、呼叫记录、市场数据等;计算机使用数据和移动设备使用数据等;基础地理位置信息、RFID读取信息、GPS映射数据、图像文件、车载信息、时间与位置数据、车辆数据、高分辨率影像、矢量、遥感及动态监测数据等;CRM、KDD、DWH、流量监测、查询应用、分析器等应用数据;报告资讯、科研数据、调研数据、公共数据、公共信息。
(2)结构多维,格式多样
物流行业的大数据,可以从多个维度进行解构:
结构化数据、半结构化数据、非结构化数据。
物流行业的大数据既包括存储在数据库里的结构化数据,也包括日志文件、XML文档、JSON文档和电子邮件等半结构化数据,而更多的数据类型是办公文档、文本、图片、XML、HTML、各类报表、图像和音频/视频信息等非结构化数据,半机构化、非结构化数据约占大数据总量75%-85%。
内部数据与外部数据。
物流企业的大数据既有来自企业经营的内部交易数据、CRM数据,也有来自其他数据源的外部数据。
物流企业的大数据兼具公共、私密二重属性。
外部数据的公共性特征比较明显,而内部数据由于和行业标准和商业机密密切相关,因而具有私密性。
与数据结构的多维特征相对应,物流企业大数据的格式也是多样的。
除了传统的纸质文件、档案、报表、表格、记录、信函等之外,更多的是以数字数据存在的Web文本、视频、短信、音频、视频、邮件,存储信息、配置文件、符号、图片、档案等。
数据格式的多样性和互不兼容、数据访问的随机性,为数据的采集、存储、分析、应用带来了困难。
2.3大数据的分析方法
大数据是针对海量数据的计算机辅助分析,是智能化处理模式,是另类智能。
这是一种新的探索领域,过去由于计算机联网水平、处理水平、信息积累能力的限制,人们看不到大数据这个领域,因此就无法针对大数据进行建模处理。
由于科技发展,大数据呈现在人们面前,人们有了新的视野,这是急需的是大数据理论和大数据挖掘的方法以及数据运用。
积累数据相对容易,大数据理论能够知道
人们更有效地构建大数据分析和挖掘系统,运用大数据则需要建立在先进、完善的理论基础之上。
一环扣一环,成为一套提升智能和竞争力的路劲。
其操作过程(分析平台)如下图所示:
图1操作过程
Fig1ProductionProcess
那么,构建大数据分析和挖掘系统则需要具体的分析方法,主要有以下几个方面:
(1)数据挖掘
数据挖掘就是从大量的、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,是统计学、数据库技术和人工智能技术的综合运用,是通过在数据库管理系统上综合运用统计和机器学习的方法从大数据集中提取出模式的一组技术。
常见的主要数据挖掘方法包括关联规则学习、聚类分析、分类分析、序列分析、偏差检测、预测分析、模式相似性挖掘和回归分析等。
典型的商用数据挖掘工具有IBMSPSS、SGIMineSet、OracleDarwin,开源的有Weka等。
这些工具主要站在BI的角度,提供从分析到可视化的商业解决方案。
(2)统计分析
统计分析就是基于数学领域的统计学原理,对数据进行收集、组织和解释的科学。
统计的方法主要用于对变量间可能出现的关系、变量间的定量关系进行分析处理。
典型的方法有A/B测试等。
在该领域,经典的统计分析工具是R语言工具包。
。
R是开源的统计分析软件,提供了丰富的经典统计分析算法和绘图技术,包括线性和非线性模型、统计检验、时间序列、分类、聚类等算法,实现了很多经典的、现代的统计算法。
,应用R语言进行数据挖掘分析,该环境将R语言算法移植和集成到了Hadoop的并行处理环境下,对大数据进行统计分析。
(3)自然语言处理
自然语言处理ing)是基于计算机科学和语言学,利用计算机算法对人类自然语言进行分析的技术,属于人工智能领域的一个重要方法。
其关键技术涉及词法分析、句法分析、语义分析、语音识别、文本生成等。
很多自然语言处理算法都是基于机器学习的方法。
该技术领域典型的应用就是基于社交媒体对语言的情感进行分析、法律领域的电子侦查,其他应用还包括欺诈检测、文本分类、信息检索和过滤、文字转换系统、机器翻译等。
(4)机械学习
大数据环境下,机器学习的主要应用领域可以总结为三方面:
搜索、迭代优化和图计算。
机器学习作为人工智能领域的重要内容之一,被分为监督学习和无监督学习两大类。
监督学习要求算法的使用者知道要预测什么(即目标变量的分类信息),主要采用分类和回归算法,如果预测的目标值为离散型(如是/否、AVB/C等)则适合用分类算法,如k近邻算法、决策树算法、朴素贝叶斯算法、支持向量机算法、AdaBoost算法等;如果预测的目标值为连续性的数值(如0—100、0.1—150等),则适合回归算法,如Logistic回归、CART算法(分类回归树算法)等。
2.4物流企业运
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数据 时代 现代 物流 管理 问题 系统 优化 方案
![提示](https://static.bdocx.com/images/bang_tan.gif)