现代物流管理(3版修改)课件-第14章 智能技术在物流领域中的应用.ppt

第14章智能技术在物流领域中的应用,案例讨论第一节智能物流概述第二节人工智能技术及其在物流中的应用第三节数据仓库、数据挖掘技术及其在物流中的应用,案例讨论,根据引导案例未来的工厂（P328-329），思考以下问题：西门子的智能化工厂与传统的工厂相比，有哪些优势？西门子的智能化工厂使用了哪些新的智能技术？你如何理解工业互联网？物流领域的智能技术应用有哪些？畅想一下未来的工厂是什么样子的？,第一节智能物流概述,1.1智能物流的概念1.2智能物流的特点,1.1智能物流的概念,智能物流是指利用集成智能化技术，使物流系统能模仿人的智能，具有思维、感知、学习、推理判断和自行解决物流中某些问题的能力。这里强调系统的集成智能化，包含两方面的内容:一是对物流管理、规划等技术的软智能，即集成智能优化技术;二是物流设备的硬智能，即智能设备，如自动导引车、智能叉车、自动悬挂单软车、自动化仓储系统等,智能物流的目标是实现软智能与硬智能二者的融合,第二节人工智能技术及其在物流中的应用,2.1人工智能的定义2.2人工智能的研究与应用领域2.3人工智能在物流中的应用,2.1人工智能的定义,人工智能就是用人工的方法在机器(计算机)上模拟或实现人类的智能。从智能机器和学科的角度来看，人工智能学科是计算机科学中涉及研究、设计和应用智能机器的一个分支。从实用的观点来看，人工智能是一门知识工程学。,2.2人工智能的研究与应用领域,专家系统神经网络进化计算,专家系统（1：定义、结构与特点）,专家系统是一种基于知识的智能系统，它将领域专家的经验用知识表示出来，并放入知识库中，供推理机使用。,特点：启发性透明性灵活性智能性,图专家系统的结构,专家系统（2：类型）,解释专家系统预测专家系统诊断专家系统设计专家系统规划专家系统监视专家系统,控制专家系统调试专家系统教学专家系统修理专家系统决策专家系统咨询专家系统,神经网络（1：定义、结构与特点）,神经网络是在生物神经网络研究的基础上模拟人类的形象直觉思维，根据生物神经元和神经网络的特点通过简化、归纳、提炼总结出来的一类并行处理网络。,人工神经元模型,特点：分布存储和容错性并行处理非线性处理能力自学习、自适应、自组织性,神经网络（2：类型）,BP神经网络Hopfield网络ART网络,进化计算,进化计算是指模拟生物进化过程中“优胜劣汰“的自然选择机制和遗传信息传递规律的算法的总称。遗传算法（GA）蚁群算法（ACO）粒子群算法(PSO),2.3人工智能在物流中的应用,专家系统在物流中的应用神经网络在物流中的应用进化计算在物流中的应用,专家系统在物流中的应用,专家系统应用于物流领域通常是利用专家系统的诊断、控制、预测和解释功能，从而辅助物流管理。目前国内外已有一些应用案例，开发了包括运输、存储、配送、计划、评价在内的一系列专家系统。两个比较典型的应用：专家系统运用于库存管理之中；将专家系统运用于智能仿真之中,神经网络在物流中的应用,在物流领域，通常利用神经网络较强的学习、联想、存储以及并行处理能力来分析海量数据，并从中找到对于人们有用的规则和知识。目前，它已在物流管理的优化、预测、决策支持、建模和仿真、全球化管理等方面得到了应用。其中利用神经网络进行预测和优化应用的最为广泛。目前在物流领域运用神经网络进行预测时，所选择的的神经网络模型多为BP神经网络。在利用神经网络进行物流管理优化时，通常采用Hopfield网络。,进化计算在物流中的应用,进化计算应用于物流领域，主要用于解决物流中的优化问题。,第三节数据仓库、数据挖掘技术及其在物流中的应用,3.1数据仓库概述3.2数据挖掘概述3.3数据仓库在物流中的应用3.4数据挖掘在物流中的应用,3.1数据仓库概述,数据仓库的定义数据仓库的特点数据仓库系统的体系结构,数据仓库的定义,数据仓库（DataWarehouse）是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。首先，数据仓库用于支持决策，面向分析型数据处理，它不同于企业现有的操作型数据库；其次，数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存储在数据仓库中的数据一般不再修改。,数据仓库的特点,面向主题集成性相对稳定性反映历史变化,数据仓库系统的体系结构,3.2数据挖掘概述,数据挖掘的概念数据挖掘的功能数据挖掘中的方法,数据挖掘的概念,数据挖掘（DataMining）就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，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。,数据挖掘的功能,关联分析聚类分析分类预测时序模式偏差分析,数据挖掘中的方法,神经网络方法进化算法决策树方法粗糙集方法统计分析方法模糊集方法,3.3数据仓库在物流中的应用,客户跟踪控制商品库存一对一服务决策信息服务,客户跟踪,有了数据仓库，就可以了解顾客的各种信息，然后提供更好的个性化的服务给他/她，并以此创造更多利润。,控制商品库存,利用数据仓库，他们可以通过网上供货商随时补充货源，实现对库存商品更有效的控制，达到最小库存量。,一对一服务,随着一对一的销售和个性化的销售逐渐成为企业利润增长的和重要来源，数据仓库也将成为电子商务时代企业竞争差异的关键。,决策信息服务,数据仓库有效集成了企业的业务数据，提供了标准的报表和图表功能，从而为企业提供了多方位的决策支持。数据仓库可以按照面向主题的原则对业务数据进行清洗和加工，使它们成为统一格式的易于使用的支持决策的数据。,3.4数据挖掘在物流中的应用,选址问题配送问题仓储问题,选址问题,物流中心（流通中心、配送中心）选址问题属于最小成本问题，即最小化运输成本、变动处理成本和固定成本等之和。对于这类问题，在实际操作中，当问题规模变得很大，或者要考虑一些市场因素（比如顾客需求量）时，数学规划就存在一些困难。针对这一问题，可以用数据挖掘中的分类树方法来加以解决。,配送问题,配送问题是现代物流系统中重要的一部分，配送问题包括配送计划的编制、配送路线的设计和优化以及配送过程中的配载（混载）问题。在采取有效的配送策略时这些因素都必须同时考虑，这时如果用进化算法进行求解，或者将顾客的需求和运输路径综合起来进行分类，则对整个配送策略中车辆的合理选择分派都会有着较好的作用。,仓储问题