基于数据挖掘的货品存储分配策略研究

论文摘要

近年来,随着经济的发展,企业之间的竞争已经从传统领域的贸易竞争和科技竞争逐步扩展到了物流领域等方面的竞争。作为供应链管理的重要组成部分,货品存储管理一直备受企业的关注。配送成本是企业经营成本的重要组成部分之一,通过合理的货品存储管理来达到减少配送成本的目的,一直是各个企业经营实践的目标之一。因此,研究供应链管理中的货品存储分配策略,实现企业物流配送成本的控制,对于社会和企业而言具有非常重要的现实意义。另一方面,数据挖掘技术在许多行业已经得到了广泛的应用并取得了显著的经济效益。然而,利用基于模糊聚类分析的数据挖掘技术在物流研究领域进行配送成本的控制,目前相关的研究工作并不是很多。有基于此,本文以某轮胎生产企业为例,研究了基于模糊聚类分析的数据挖掘技术在货品存储分配策略中的应用,并通过系统仿真来验证该应用。主要研究内容如下：首先,本文介绍了数据挖掘技术的概念、特点、常用算法以及基于聚类分析的数据挖掘技术,同时对基于聚类分析的数据挖掘技术在本文中的应用作了相关的研究和论证,提出了基于模糊c-均值聚类算法的数据挖掘模型；其次,研究了基于数据挖掘的货品存储分配策略。以某轮胎生产企业的订单等数据为前提,在前期数据准备、选择以及数据预处理等工作的基础上,采用模糊c-均值聚类算法作为数据挖掘的聚类分析算法,通过C++编程语言实现该算法并运用于企业的货品分类,最终结合企业实际情况得到了货品的存储分配策略；最后,本文以Arena仿真软件作为仿真分析的工具,对前面基于数据挖掘的货品存储分配策略进行了配送仿真建模。以仿真结果为基础,对数据挖掘前后的货品存储分配策略进行了对比分析,验证了基于数据挖掘的货品存储分配策略能够帮助企业节省货品存储中的配送成本,提高企业仓储配送服务水平并优化货品存储分配,使企业的货品存储分配更加科学、合理。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 研究背景介绍
• 1.2 研究目的及意义
• 1.3 研究现状综述
• 1.4 研究内容及论文结构
• 第2章 基于聚类分析的数据挖掘技术
• 2.1 数据挖掘技术概述
• 2.1.1 数据挖掘概念及特点
• 2.1.2 数据挖掘技术及算法
• 2.1.3 数据挖掘技术的发展趋势
• 2.2 聚类分析数据挖掘技术概述
• 2.2.1 聚类分析概述
• 2.2.2 常用聚类分析算法
• 2.2.3 聚类分析步骤
• 2.2.4 聚类分析在数据挖掘中的应用
• 2.3 基于聚类分析的数据挖掘技术在本文中的应用
• 2.3.1 模糊聚类分析简介
• 2.3.2 模糊聚类分析算法的选择
• 2.3.3 基于模糊c-均值聚类算法的数据挖掘模型
• 2.4 本章小结
• 第3章 基于数据挖掘的货品存储分配策略实际案例研究
• 3.1 问题描述
• 3.2 数据准备
• 3.3 数据选择
• 3.4 数据预处理
• 3.5 基于模糊c-均值聚类算法的数据挖掘
• 3.5.1 聚类指标的选取
• 3.5.2 初始参数的选择
• 3.5.3 初始隶属度矩阵的确定
• 3.5.4 聚类迭代
• 3.5.5 聚类结果分析
• 3.6 货品存储分配策略的确定
• 3.7 本章小结
• 第4章 货品存储分配策略的仿真分析验证
• 4.1 仿真分析工具Arena概述
• 4.1.1 Arena简介
• 4.1.2 Arena仿真步骤
• 4.2 货品存储分配策略下的配送仿真建模
• 4.2.1 业务流程描述
• 4.2.2 确定成本函数
• 4.2.3 模型实体定义
• 4.2.4 根据订单配送的Arena建模
• 4.2.5 数据输入分析
• 4.2.6 仿真参数设置
• 4.3 仿真结果分析
• 4.4 本章小结
• 第5章 总结与展望
• 参考文献
• 附录A FCM聚类算法（C++实现）
• 攻读学位期间公开发表论文
• 致谢
• 研究生履历