数据挖掘论文二：

《数据挖掘在生产物流过程中的应用》

摘　要：近几年，信息化物流网络体系的应用促使数据规模得到不断扩大，产生了巨大的数据流。在企业的物流过程当中，涉及到的数据较多，容易造成数据混乱的现象，所以如何进行高效的数据挖掘，是企业面临的重要问题。本文着重分析了数据挖掘在生产物流过程中的应用，并对应用过程中注意的问题进行分析。

关键词：数据挖掘；生产物流；应用分析

伴随物流一体化的不断进步，我国许多企业都逐步实现了对物流体系的分析和运用，以提高自身服务水平和竞争实力。现代物流系统已发展成熟和健全，物流过程中产生和涉及到的数据量十分巨大。若是没有进行及时的数据挖掘，极易导致大量的数据无法得到有效管理和运用。

生产物流是企业物流的关键组成部分，是指其在生产过程中原料、半成品以及成品等在企业内部的实体流动。这个过程中产生了大量的数据信息，包括采购、生产、存储等各环节相关的数据，这些信息由于数量巨大且分散而无法得到有效的收集、管理和储存，使得企业的数据信息重复、不连贯，无法对生产决策提供参考和支撑。

数据挖掘技术，是指从巨大的数据群中发现比较有运用价值的知识。一般来说，对其进行定义包括广义和狭义两个方式，前者是指数据库中的知识挖掘；后者则是挖掘和信息提取的一个过程。利用数据挖掘技术将生产过程中产生的数据进行集中、萃取和提炼，发现和总结生产过程中的内在规律，对企业改进生产模式、优化作业流程有重要意义。

一、数据挖掘在生产物流过程中的应用

一般情况下，数据挖掘在生产物流中的运用包括以下三个方面：

1.产量预测

产量是对企业运行以及经营活动的规划有着直接影响的重要因素。实际上，产品在进入市场之后并不能完全保证销量的稳定。产品在销售时随着市场变化会经历大致四个不同的阶段，在每一个阶段都有不同的要求。因此，需要对产量进行合理的预测，以保证经济效益的最大化。

2.物流需求预测

这项工作对企业的长远发展有着重要的影响。生产物流涉及到的环节较多，对实际工作中通常是通过预测的方式进行提前规划。若预测不够精准，则极易造成资源浪费和生产进程的中断，增加企业物流成本。

3.部门绩效分析

对生产过程设计到的各个部门进行相关数据的收集和整理。利用海量的数据对各部门工作效能进行分析，为内部绩效考核提供依据，达到激励和监督的效果，进而提高企业的经营效率。

二、数据挖掘在生产物流运用中应注意的问题

在具体的生产物流中，涉及到的数据量一般比较大，且来源多样化，其特质主要有以下几个方面的体现：一是生产物流的相关数据来自于多个数据库，这些数据大量且缺乏组织性，需对其进行处理和整合，以保证能够得到充分利用；二是在对数据进行分析的过程中，对数值运算能力与综合处理能力等要求比较高，需充分发挥能动性。因此，在进行数据收集和分析时，应注意以下问题：

首先，需明确挖掘的目标，以保证充分挖掘出重要的信息，促使模型发挥指导作用；其次，重视对数据库的构建以及数据的积累，促使数据可靠性的提升。数据挖掘能够实现的前提，即是拥有大量的数据，若是数据不足，则无法有效开展这一工作。而若是数据的真实性不高，也极易导致数据挖掘结果的可靠性较低。企业在生产物流过程中，应注意对数据的整合和储存，以能够为后续的挖掘工作奠定一定的基础；再次，在面临不同的问题时，需根据实际选择适应的算法。任意一种数据挖掘算法都有一定的适用范围，不能保证适应所有的数据挖掘。因此，在实际工作中，依据不同的问题、不同的需求应采取不同的方法。为了保险起见，在面临一种问题可以有多个计算方法的时候，也应提前做好评估工作。

三、数据挖掘在生产物流过程中应用的发展前景

1.框架方面

目前，数据挖掘技术已经在我国的各个领域得到了广泛的运用，包括电信业等，并起到了重要的作用。严格来说，数据挖掘是在有数据库存在的前提下实现的，而数据库的产生需要有海量的数据和信息进行支持。因此，生产物流数据与信息的整体框架的构架十分重要。根据这一趋势，在保证依据其基础框架的基础上，生产物流第一次分析之后，可以得出后续的活动。随后，再在第一次分析的活动基础上再进行第二次分析。通过数据框架的强调，能够保证对其进行高效的分析，以获取尽可能多的有效数据。加强数据挖掘在生产物流过程中的运用，对企业的长远发展，以及短期目标的实现有着重要的意义。

2.数据方面

数据挖掘在企业中得到广泛运用，其本质原因是物流的直接需求。条形码技术的发展，使得物流部门能够通过前端PC收集、储存大量的信息与数据。同样，生产物流也储存有大量的相关数据，这些都是数据挖掘实现的条件。随着经济和科学技术的进一步发展，数据挖掘工作将会更加成熟与完善，包括挖掘的数据更加具体。可靠性更高等。同时，数据的储存量与储存空间也将会逐渐增加，以保证数据挖掘能够获得更多有用的知识。

3.技术方面

随着数据挖掘运用的不断深入以及运用范围的扩大，数据挖掘的技术也会不断改进和创新，以充分满足不同用户的需求，最大程度发挥出自身价值。目前，数据挖掘的主要研究方向包括更高效率的挖掘算法、专用挖掘系统以及挖掘结果可视化的实现等方面。这些技术能力的提高，不仅能够在数据挖掘过程中获得更多的有效信息，还能提高数据挖掘的适应能力，扩大其运用范围，实现数据挖掘过程的逐步深化。

四、结束语

数据挖掘在生产物流过程中发挥了重要的作用。随着经济的不断发展，这一技术在企业中的运用也日渐广泛，为企业的长远发展提供了重要的推动力量。与此同时，数据挖掘也在应用过程中不断完善和改进，逐步形成更加健全和成熟的挖掘体系。总之，通过数据挖掘技术的充分运用，不仅能帮助企业对市场需求进行科学预测与分析，也能为企业物流过程的优化和成本控制提供决策支撑。

参考文献

[1]　巢文.数据挖掘在生产物流过程中的应用研究[J].中国证券期货，2013(，2)：228-230.

[2]　梅钢.数据挖掘技术在物流管理中的应用[J].湖北第二师范学院学报，2012，(2)：64-67.

[3]　祝方珍，韩鹏.数据挖掘技术在物流配送企业管理中的应用[J].物流工程与管理，2011，(6)：124-126，146.