教授讲座第四讲智能物流信息处理 Still waters run deep.流静水深流静水深,人静心深人静心深 Where there is life, there is hope。有生命必有希望。有生命必有希望主要内容数据仓库数据挖掘相关应用神经网络决策支持系统2数据仓库概念按照DSS的需要对企业数据信息的重组，面向主题的、整合的、稳定的、且时变的收集以支持管理决策的数据结构形式，它具有强有力的从运行系统中取出数据的能力；可操作的管理能力和进一步支持决策的分析能力。 企业管理和决策的完整数据结构: 3数据仓库技术 面向主题 集成的 随时间变化而变化 稳定可靠的 4数据仓库的实现数据仓库的关键技术包括数据的抽取、清洗、转换、加载和维护技术。 5数据仓库的实现 InfoMart：信息集市，是一个应用功能（或从应用功能产生的输出）可多次运行数据仓库，它是对应业务问题的答案。 DataMart：数据集市，是数据仓库的一个数据子集，对应最终用户的信息需求，比数据仓库中的数据要更加归纳、汇总一些数据集市主要面向部门级业务，并且只是面向某个特定的主题，数据集市可以在一定程度上缓解访问数据仓库的瓶颈，在此基础上在通过其他工具处理、分析数据挖掘等，最后进行再分析，产生真正能够为决策支持带来帮助的有用信息 6数据集市 7数据仓库的展现在数据仓库实现的基础上产生的对管理和决策人员提供决策支持的信息的方式，通常通过查询报表，在线分析等方式展现，具体形式多为图表等直观、易于理解的界面信息流上主要表现为：经过数据确认、数据转化、数据整合以及数据汇总等数据处理步骤，形成各种主题表，在经过汇总形成汇总表。主题表和汇总表都是不同程度上的有用信息。 8数据仓库的展现9数据仓库应用数据仓库的应用主要包含：OLAP（在线分析处理）、BI（商业智能）、DataMining（数据挖掘）以及决策支持系统 10数据仓库应用数据仓库的应用主要包含：OLAP（在线分析处理）、BI（商业智能）、DataMining（数据挖掘）以及决策支持系统 11数据仓库用途:客户跟踪数据仓库是根本任务:把数据加以整理归纳，并及时提供给相应的管理决策人员，供他们做出改善其业务经营的决策，使信息发挥作用，支持决策。网站在你不知不觉中记录你的行踪，抓到你的喜好。如果你在网上点击一下衬衫，之后又看了一下裤子。网站就会让住你的点击顺序，记下你在每个产品上停留的时间以及你买了什么，没买什么，这些信息都由数据仓库保存整理。假如你买了裤子，没实衬衫，下次你上网时，数据仓库会跟你说，“欢迎再次光顾，上次您买了裤子，现在我们有一件衬衫可以优惠卖给您。您感兴趣吗？有了数据仓库，就可以了解客户是谁，他要什么，怎样提供更好的服务给他，并以此创造更多利润。但目前84%的在线交易没有对客户进行跟踪；96%的在线交易没有为客户提供个性化的服务；75%的在线交易无法辨认重复客户。这使那些电子商务公司的经营长时间处于无序和迷茫之中，虽然他们急于想抓住已有的客户并发展潜在的客户，但实际上却在忽视他们，渐渐丢失这部分最重要资源。而面对客户个性化需求的不断增长，电子商务公司更是一筹莫展。1213数据仓库用途:减少跳线率跳线:客户从甲公司跳到乙公司，三个月后，他又回到了甲公司。这种现象就使企业浪费了巨额资金。如果你有了数据仓库，就能预测“跳线”，知道谁可能跳线到竞争对手那里。在客户跳走之前，公司就可以和他们接触一下，劝他们不要离开。这样减少跳线率的收益将是十分巨大的。4、14数据仓库用途:一对一服务传统模式的公司一般都比较以自我为中心，他们开发了一个新产品，就希望大家都来买。新一代一对一商业模式侧重客户的需求，以信息定制产品，没有数据仓库，这种一对一的商业模式就不可能实现。随着一对一的销售和个性化的销售正逐渐成为企业利润增长的重要来源，数据仓库也将是造成电子商务时代企业竞争差异的关键。15数据仓库用途: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的功能，从而为企业提供了多方们的决策支持数据仓库可以按照面向主题的原则对灾些数据进行清洗和加工，使它们成为统一的格式的易于使用的支持决策的数据。多维分析是通过把一个实体的多项重要的属性定义为多个维度，使得用户能方便地汇总数据集，简化了数据的分析处理逻辑，并能对不同维度值的数据进行比较，而维度则表示了对信息的不同理解角度，例如时间和地理区域是经常采用维度。应用多椎分析可以在一个查询中对不同阶段的数据进行纵向或横向比较。在数据仓库的基础上进行数据挖掘，可以针对整个企业的状况和未来发展做出比较完整、合理、准确的分析和预测。16主要内容数据仓库数据挖掘相关应用神经网络17主要内容动机: 为什么要数据挖掘?什么是数据挖掘?数据挖掘: 在什么样的数据上挖掘?数据挖掘功能所有的模式都是有趣的吗?数据挖掘的主要问题18为什么要数据挖掘? 数据的爆炸性增长: 从TB到PB数据收集和数据可用性自动的数据收集工具, 数据库系统, Web丰富数据的主要来源商业: Web, 电子商务, 事务, 股票, 科学: 遥感, 生物信息学, 科学仿真, 社会: 新闻, 数码相机, 我们正淹没在数据中, 但却渴望知识! “需要是发明之母”数据挖掘自动化的大规模数据集分析19数据库技术的演化1960s:数据收集, 数据库创建, 信息管理系统IMS和数据库管理DBMS1970s: 关系数据模型, 关系DBMS实现1980s: RDBMS, 高级数据模型 (扩展关系的, OO, 演绎等.) 面向应用的DBMS (空间, 科学, 工程等.)1990s: 数据挖掘, 数据仓库, 多媒体数据库, 和Web数据库2000s流数据管理和挖掘数据挖掘和它的应用Web技术(XML, 数据集成) 和全球信息系统20什么是数据挖掘?数据挖掘 (从数据中发现知识) 从海量数据中提取感兴趣(重要的, 隐含的, 以前未知的 和 潜在有用的)模式或知识21为什么要数据挖掘?潜在的应用数据分析和决策支持市场分析和管理目标市场定位, 客户关系管理 (CRM), 购物篮分析, 交叉销售欺诈检测和不寻常模式的检测 (离群点)其他的应用文本挖掘 (新闻组, email, 文档) 和Web挖掘流数据挖掘生物信息学和生物数据分析22Ex. 1: 市场分析和管理数据从哪来?信用卡交易事务, 会员卡, 优惠券, 客户投诉电话, 公众生活方式研究目标市场寻找“榜样”客户的聚类,他们共享相同的特征: 兴趣, 收入水平, 消费习惯等 确定客户在一段时间的购买模式交叉市场分析寻找产品销售之间的关联/相关性,以及基于这些关联进行预测客户轮廓(profile)什么类型的客户买什么产品 (聚类或分类)23知识发现 (KDD) 过程数据挖掘知识发现过程的核心数据清理数据清理数据集成数据集成数据库数据库数据仓库数据仓库任务相关的数据任务相关的数据选择选择数据挖掘数据挖掘模式评估模式评估24数据挖掘: 多种技术的融合 数据挖掘数据挖掘数据库技术统计学机器学习模式识别算法其他技术可视化25数据挖掘: 在什么样的数据上进行?面向数据库的数据集及其应用关系数据库, 数据仓库, 事务数据库高级数据集和高级应用数据流和传感器数据时间序列数据, 序列数据（包括生物序列数据）多媒体文本数据库World-Wide Web26数据挖掘功能频繁模式, 关联规则, 相关性 vs. 因果关系牛奶 面包 0.5%, 75% (相关还是因果?)分类和预测 为将来的预测构建模型 (函数) 来描述和区分类或者概念例,将国家基于气候来分类, 将汽车根据耗油量来分类预测某些未知的或丢失的数值。 27数据挖掘功能 (2)聚类分析类标签是未知的: 将数据分组形成新的类别, 最大化类内相似性并最小化类间相似性离群点（孤立点）分析离群点: 数据对象并不遵从常见的数据行为噪音还是异常? 在欺诈检测中有用, 罕见事件的分析28应用例子关联规则挖掘Web使用挖掘空间数据挖掘29关联规则挖掘动机: 寻找数据中固有的规律什么产品会经常在一起购买? 啤酒和尿布?!买了一台电脑之后接着会买什么?哪种 DNA对新药是敏感的?我们能够自动分类Web文档吗?应用购物篮分析, 交叉销售, 分类设计, 销售活动分析, Web 日志(点击流)分析, 以及DNA 序列分析.30关联规则挖掘购物篮分析购物篮分析商店的经理想了解顾客的购物习惯“什么商品组或集合顾客多半会在一次购物时同时购买”可以帮助制定营销策略:有选择地安排货架按比例进货31关联规则挖掘项集 X = x1, , xk找到所有的满足最小支持度和最小置信度的 X Y 规则支持度, s, 一个包含X Y的事务的概率置信度, c, 一个包含X也包含Y的事务的条件概率设 supmin = 50%, confmin = 50%关联规则:A D (60%, 100%)D A (60%, 75%)Customerbuys diaperCustomerbuys bothCustomerbuys beerTransaction-idItems bought10A, B, D20A, C, D30A, D, E40B, E, F50B, C, D, E, F32Web使用挖掘Web使用挖掘的主要目标是从Web的访问记录中抽取感兴趣的模式。WWW中的每个服务器都保留了访问日志，记录了用户访问和交互的信息。分析这些数据可以帮助理解用户的行为，从而改进站点的结构，或为用户提供个性化的服务。Web使用挖掘在旅游电子商务网站中的应用群集客户提高旅游者的忠诚度33Web使用挖掘34Web使用挖掘群集客户群集客户 例如： 经常性浏览探险刺激类旅游项目（如漂流，生态，探险等）的访客，可以将它们聚集为青年旅游市场，迎合这一细分市场的旅游需要，对这类访客提供新奇、动感、参与性强、刺激性强的旅游项目推荐； 经常性浏览历史文化类旅游项目（如历史遗产参观，历史事件发生参观等）的访客，可以聚集为中老年旅游市场，为这类访客提供更多历史类、文化溯源等项目推荐。35Web使用挖掘提高旅游者的忠诚度提高旅游者的忠诚度 通过分析访客的行为模式，帮助网站采取一些行动将这些访客变为现实旅游者，将一次性的顾客变为长期的忠实顾客，并信赖旅游网站。 例如：通过序列模式的发现，客户在一周以来经常浏览关于某旅游地方面的资料，可以预测他有去该地的想法。这时可以把有关该旅游地最近的旅游活动和广告发送到客户的邮箱，以满足他对旅游信息的需求。 36商务智能37BIBI实际上是帮助企业提高决策能力和运营能力的概念、方法、过程以及软件的集合商业智能是通过收集、存储、挖掘和分析数据，为决策者提供相应的决策依据。BI通过独有的数据仓库、联机分析处理和数据挖掘等技术，帮助你从业务数据中提取有用的信息，然后根据这些信息来采取明智的行动，从而告别“拍脑袋”决策。38BI与ERP、CRM等的关系尽管ERP理论上包括商务智能(BI)和客户关系管理(CRM)，但实际上并不如此，甚至很多公司只是执行了ERP方案中的财务部分。ERP是面向操作的软件，而BI是面向决策的软件，两者在功能上有着显著的区别BI可以建立在ERP系统己收集原始数据的基础上，弥补ERP在分析、决策功能上的不足，但绝不是简单的ERP附属模块而CRM的主要目的是从一个单一的、完整的，从企业角度理解的谁是真正的消费者，他们对公司的感觉如何，他们喜欢公司什么，不喜欢公司什么，哪些东西盈利性好，能给“最优”的消费者提供较高的价值和服务。39当前，很多企业ERP上线前，在某些时候没有数据可以分析：上了ERP之后，有时，面对海量数据，却又难以分析，企业老总的决策也不能得到确定对于这些企业来说，仅仅实施了ERP的信息化系统仍然是不够的，它还需要商务智能系统。商务智能就能够帮助经营和决策者发现企业本身的问题和不足，并且给他们提供一种后果的设想，帮助他们选择最佳的方案和渠道，来影响执行层面的行为。所以，ERP和BI是可以并驾齐驱的两个系统。40如：运输成本分析通过运输成本分析可以清楚地了解何种方式运到不同目的地的成本比较和差别，从而使决策者可以决定以何种运输方式运输不同的目的地，从而大大降低成本，提高企业的核心竞争力可以了解到何种车型用何种运输方式比较经济，何种运距以何种运输方式经济等甚至发现有些目的地采用混合运输的方式更为经济，可能先采用铁路，再采用公路等方式41承运商运输成本分析供应商运输成本分析运输线路成本分析42其它分析了解不及时调度的车辆有多少不能及时调度的量集中在哪个厂家，哪个仓库等订单处理是否及时，没有及时处理的订单有多少，集中在哪个操作部门，那个厂家等43基于个性化技术的物流信息系统44个性化技术概述个性化服务：指针对不同用户的不同特点提供不同的服务策略和服务内容的服务模式。个性化服务具有主动性，可定制性，智能性等特点。主动性：指根据用户提出的明确要求，或基于用户的学科、偏好等个人特征，主动向用户提供其可能需要的信息和服务。可定制性：指用户可以定制自己的兴趣爱好，呈现布局等。智能性：指个性化服务中使用了一些智能技术，如数据挖掘，聚类分析等，它能够根据用户的浏览习惯来更新用户的兴趣模型。45个性化技术简介推荐系统是个性化技术中最普遍的应用之一，根据用户行为和用户偏好自动地过滤用户不感兴趣的东西、预测用户感兴趣的东西。常用的推荐技术有三类（协同过滤）46协同过滤技术是目前应用最为广泛的推荐技术利用相似的行为和特征来进行个性化推荐协同过滤技术基于历史用户数据找到与当前用户相似的用户群，并基于相似用户群的喜好向当前用户提供推荐47传统物流信息系统存在的问题信息量大，查全不易系统用户界面复杂检索系统千篇一律48信息量大，查全不易当前的物流信息系统中信息量越来越庞大且动态变化、形式多种多样在这个海量仓库里有配送、运输、仓库、物流广告等内部或外部信息，这些信息严重超载网络使得用户面临从信息不足逐渐过度到选择过多的问题上来。49系统用户界面复杂如果一个物流信息系统要涵盖物流的各个方面，系统界面势必非常复杂而对于用户来说，往往只关心物流的某些局部信息，复杂的操作界面或操作流程无疑是一种累赘因此用户迫切希望有一个适合自己的操作界面。50检索系统千篇一律不同用户有着不同的兴趣爱好与信息需求，而且这种兴趣与需求在基本稳定的同时还可能不断漂移然而当前的检索系统往往对所有的用户呈现同样的界面，用户所需求的信息往往混杂在大量无关信息中，使得用户找到期望的信息变得更加困难。51基于个性化技术的物流信息系统把数据挖掘技术加入到系统中使用数据挖掘技术不断更新用户的兴趣模型，使个性化推荐能够根据用户兴趣模型得到更准确的推送信息以解决传统检索系统千篇一律的问题。把物流信息分为几类信息，采用推荐算法进行运算时能够更好地缩小范围，减少运算量，提高搜索速度及质量，解决传统系统中搜索信息过多的问题。52系统设计框架框架主要分为三个部分第一部分为信息收集部分：使用组件抓取XML文件信息，接着对XML解析得到具体信息最后把具体信息存入元数据库中。第二部分为信息分析部分信息显示部分：评分后的信息按照用户个性化设置的要求显示到用户的界面上来。53信息分析数据库包括了用户兴趣模型信息、用户兴趣文档信息、用户基本信息、用户日志信息和物流交易信息、物流流通信息、物流基本信息这三种物流信息。使用数据挖掘技术将元数据库中的信息进行聚类分析，把聚类后信息归属为不同的物流信息类中。聚类分析技术是将具有相似爱好、兴趣的用户分配到相同的簇。54信息分析当用户浏览物流信息时，首先把服务器中的用户访问记录存储到数据库中然后对数据库中的日志信息进行挖掘得到用户的兴趣文档信息接着根据用户的兴趣文档更新用户的兴趣模型最后依据用户兴趣模型采用个性化推荐技术对具体信息进行评分，评分的高低反应了用户对信息的喜好程度。55基于关联规则的数据挖掘在集装箱追踪系统中的应用56目标通过对海量数据的采集、分析，挖掘出客户发货去向之间发现发货种类与发货去向之间的关联关系可缩短营销的时间，加快了市场营销的步伐57货物数据转换1类货物为金属制品，如铁丝、钢丝、铁管、不锈钢器具、炉具和通信电缆等，用数字1表示；2类货物为饮食品，如食糖、挂面、米粉、膨化食品，肉制品和乳制品等，用数字2表示；3类货物为工业原料品，如煤、石油、金属矿石和水泥等，用数字3表示；4类货物为高精端产品，如计算机、打印机和数码相机等，用数字4表示；其他货物类型按数字升序以此类推。58站名数据转换可将到站为北京东、唐山、赤峰等办理站的归为北京方向，以字母A表示；到站为乌鲁木齐西、吐鲁番、库尔勒等办理站的归为乌鲁木齐方向，以字母B表示到站为成都东、重庆东、宜宾等办理站的归为成都方向，以字母C表示到站为上海西、杨浦等办理站的归为上海方向，以字母D表示。其他到站类型按字母升序以此类推596061结果分析可发现如：往北京方向发货的客户同时还向上海方向发货的可能性为51%，往乌鲁木齐方向发货的客户同时还向上海方向发货的可能性为40%在做上海方向的市场营销时，除了挖掘新客户外，还可以找以前往北京方向发货以及往乌鲁木齐方向发货的老客户，可以快速方便的帮助建立市场营销的客户群；从而缩短营销的时间，加快了市场营销的步伐62结果分析还可以看到：货物类型为1类的货物往北京方向发的可能性为80%，1类货物为金属制品，所以在开发北京方向的货源市场时可以去一些金属制品企业或者小工厂（如灶具厂、钢铁厂等）寻找货源；还可以知道货物类型为3类的货物往成都方向发的可能性为75%，3类货物为工业原料品，所以在开发成都方向的货源市场时，可以去一些工业原料品企业或者小工厂（如水泥厂、煤矿企业等）寻找货源；63结果分析货物类型为2类的货物往上海方向发的可能性为88%，2类货物为饮食品，所以在开发上海方向的货源市场时，可以去一些饮食品企业或者小工厂（如郑州食品厂、白象面粉厂等）寻找货源；货物类型为4类的货物往乌鲁木齐方向发的可能性为78%，4类货物为高精端产品，所以在开发乌鲁木齐方向的货源市场时，可以去找一些经营电脑、数码相机等高端产品的客户。64基于神经网络模型的逆向物流中心选址65废旧物资的回收涉及到的范围极其广大，在回收网络建立的前期，逆向物流中心的选址是个关键问题，它直接关系到整个回收网络的回收效率、效果和成本。66利用BP神经网络的特性，建立逆向物流中心选址的模型介绍BP神经网络构建的逆向物流中心选址评价指标体系说明BP神经网络模型的设计67神经网络理论基础神经网络理论基础68神经网络理论基础神经网络理论基础人脑人脑q人的思维由脑完成 人脑约由10111012个神经元组成，每个神经元约与104105个神经元联接，能接受并处理信息。因此，人脑是复杂的信息并行加工处理巨系统。q 人脑 可通过自组织、自学习，不断适应外界环境的变化。其自组织、自学习性来源于神经网络结构的可塑性，主要反映在神经元之间联接强度的可变性上。69人工神经网络人工神经网络q人工神经网络 是从微观结构与功能上模拟人脑神经系统而建立的一类模型，是模拟人的智能的一条途径。q人工神经网络 信息处理由人工神经元间的相互作用来实现，由联接权来传递，具有学习能力、自适应性、联接强度的可变性。70神经网络的分类神经网络的分类q 神经网络的不同分类： 1. 按性能分：连续型与离散型；确定型与随机型； 静态与动态网络 2. 按联接方式分：前馈型与反馈型 3.按逼近特性分：全局逼近型与局部逼近型 4.按学习方式分：有导师的学习；无导师的学习； 再励学习三种q 从总的方面讲，一般将神经网络分为： 前馈、反馈 自组织与随机型四种71BP网络网络72BP网络网络有导师的学习73BP网络网络有导师的学习74BP网络网络有导师的学习反向传播(BP)学习算法75BP网络网络有导师的学习反向传播(BP)学习算法76网络结构网络结构77网络结构网络结构78网络结构网络结构79网络结构网络结构80网络结构网络结构81反向传播反向传播(BP)学习算法学习算法82反向传播反向传播(BP)学习算法学习算法83反向传播反向传播(BP)(BP)学习算法学习算法84反向传播反向传播(BP)(BP)学习算法学习算法三层前馈网络：三层前馈网络：输入输入/输出样本对：输出样本对：up/dp p=1L85反向传播反向传播(BP)(BP)学习算法学习算法三层前馈网络：三层前馈网络：输入输入/输出样本对：输出样本对：up/dp p=1L86反向传播反向传播(BP)(BP)学习算法学习算法三层前馈网络：三层前馈网络：输入输入/输出样本对：输出样本对：up/dp p=1Lup dp87反向传播反向传播(BP)(BP)学习算法学习算法三层前馈网络：三层前馈网络：输入输入/输出样本对：输出样本对：up/dp p=1Lup dp88反向传播反向传播(BP)(BP)学习算法学习算法反向传播(BP)学习算法: 正向传播 输入输出 反向传播89反向传播反向传播(BP)(BP)学习算法学习算法反向传播(BP)学习算法: 正向传播 输入输出 反向传播90反向传播反向传播(BP)(BP)学习算法学习算法反向传播(BP)学习算法: 正向传播 输入输出 反向传播91反向传播反向传播(BP)(BP)学习算法学习算法反向传播(BP)学习算法: 正向传播 反向传播 调整权系值92反向传播反向传播(BP)(BP)学习算法学习算法反向传播(BP)学习算法: 正向传播 反向传播 调整权系值93反向传播反向传播(BP)(BP)学习算法学习算法反向传播(BP)学习算法: 正向传播 反向传播调整权系值94反向传播反向传播(BP)(BP)学习算法学习算法反向传播(BP)学习算法: 正向传播 反向传播调整权系值95正向传播:由输入uP 输出yP=Ng(up)反向传播反向传播(BP)(BP)学习算法学习算法up dp96反向传播反向传播(BP)(BP)学习算法学习算法正向传播:由输入uP 输出yP=Ng(up)up dp97反向传播反向传播(BP)(BP)学习算法学习算法正向传播:由输入uP 输出yP=Ng(up)up dp98反向传播反向传播(BP)(BP)学习算法学习算法正向传播:由输入uP 输出yP=Ng(up)up dp99反向传播反向传播(BP)(BP)学习算法学习算法正向传播:由输入uP 输出yP=Ng(up)up dp100反向传播反向传播(BP)(BP)学习算法学习算法正向传播:由输入uP 输出yP=Ng(up)up dp101反向传播反向传播(BP)(BP)学习算法学习算法正向传播:由输入uP 输出yP=Ng(up)up dp102反向传播反向传播(BP)(BP)学习算法学习算法反向传播: 调整权系值 103反向传播反向传播(BP)(BP)学习算法学习算法反向传播: 调整权系值 104反向传播反向传播(BP)(BP)学习算法学习算法105正向反向反向传播反向传播(BP)(BP)学习算法学习算法106反向传播反向传播(BP)(BP)学习算法学习算法正向反向107正向正向108正向正向109正向正向110正向正向111正向正向112正向正向113正向正向114正向正向115正向正向116反向反向117反向反向118反向反向119逆向物流中心选址决策指标由物流环境、生产能力和经济效益三个部分、九个指标构成。120物流环境指标许可日吞吐量（X1）：根据逆向物流中心可能选址处的交通、道路、路口允许通过的最低车流量减去其他单位分配到的通过量，为定量指标；许可占地面积（X2）：定量指标；道路通达情况（X3）：主要考虑逆向物流中心道路许可通过车辆的最大吨位和环境许可噪音等级，为定性指标。121生产能力指标拆卸处理能力1（X4）：代表拆卸废旧设备的能力，以万台/年为单位，定量指标；拆卸处理能力2（X5）：代表处理零散部件、元器件的能力，以万吨/年为单位，为定量指标；柔性化水平（X6）：逆向物流中心对市场变化（用户数量与需求的变化、交通条件的变化、物流成本和价格的变化等）造成流通量波动的容纳能力，为定性指标。122经济效益指标投资总额（X7）：包括前期投资（征地、拆迁、市政、交通建设等费用）、直接投资（建筑物建设、有关设备和信息处理系统的购置与安装、自有车辆的购置等费用）和相关投资（水、气、电、环境保护等工程建设费用），为定量指标；运营费用（X8）：包括运费，工作人员工资，水、气、电费和设备折旧费等维持逆向物流中心正常运转的费用，为定量指标；投资回收期（X9）：逆向物流中心投资方收回成本的期限，为定量指标。123把逆向物流中心选址方案分为很好、好、较好、一般、较差、差、很差七个等级邀请物流专家结合实际情况，针对七个等级，给出各单因素的等级评价标准124电子商务环境下智能物流信息系统（DSS）125智能物流系统通过将信息技术、智能技术、计算机技术等高新技术引入物流领域，并与系统的其它技术集成，能够有效地整合社会物流系统的各项资源，提高整个社会的物流效率，降低物流成本。126电子商务时代物流的特点信息化：物流信息收集的数据库化和代码化、物流信息处理的电子化和计算机化、物流信息传递的标准化和实时化、物流信息存储的数字化等因此，条码技术、数据库技术、电子定货系统、电子数据交换、快速反应及有效的客户反映、企业资源计划技术与观念在我国的物流中将会得到普遍的应用。127网络化。主要指计算机网络通信如借助于增殖网上的电子定货系统和电子数据交换技术来自动实现订货过程物流配送中心通过计算机网络自动收集下游客户的定货信息128智能化：物流作业过程大量的运筹和决策如库存水平的确定、运输路径的选择、自动导向车的运行轨迹和作业控制等问题都需要借助于大量的知识才能解决专家系统、机器人等技术的发展为提高物流现代化的水平，实现物流智能化提供了必要条件。129智能物流系统是在智能交通系统和现代信息技术的基础上，以电子商务方式运作的现代物流服务体系综合运用现代物流技术、信息技术、自动化技术等，使物流过程以及资源得到优化通过智能交通系统（简称ITS）和相关信息技术解决物流作业的实时信息采集，并在一个集成的环境下对采集的信息进行分析和处理。通过在各个物流环节中的信息传输，有效地提高物流企业的核心竞争力，为客户提供方便、快捷的服务，满足客户需求。130智能物流系统的关键技术智能交通系统（ITS）技术：是充分利用现代通信技术、信息技控制技术的高效运输系统，它是智能物流系统的核心。它包括交通信息系统，交通系统，车辆控制系统，紧急救援系统等，这些信息管理系统实现了运输信息管理网络化、实时化通过将智能交通技术与物流管理有机地结合起来，使得物流企业在降低成本，缩短货物送达时间的同时，能够随时掌握货物在运输过程中的状态，并能够些信息及时反馈给客户，供客户查询ITS向物流企业提供的服务主要集中在货物管理和车辆动态控制两方面，如通过提供当前道路交通信息，为物流企业制定优化方案提供决策依据；通过收集车辆位置状态的实时信息，向物流企业及客户提供车计到达时间，为物流中心确定配送计划、车辆调度、库存动态管理提供信息依据。131132自动识别技术。自动识别技术就是应用一定的识别装置，通过被识别物品和识别装置之间的接近活动，自动地获取被识别物品的相关信，并提供给后台的处理系统来完成相关后续处理的一种技术是一种高度自动化的数据采集技术，能够帮助人们快速而又准确地进行海量数据的自动采集和输入，目前在运输、仓储、配送等方面已得到广泛的应用。133134数据仓库和数据挖掘技术135人工智能技术：是研究人类智能活动的规律，并用于模拟、延伸和扩展人类智能的一门新的技术科学，是在计算机、控制论、信息论、数学、心理学等多种学科相互综合、相互渗透的基础上发展起来的一门新兴边缘学科它借鉴仿生学思想，用数学语言抽象描述知识，用以模仿生物体系和人类的智能机制。目前实现人工智能的方法主要有神经网络、进化计算和粒度计算等。136决策支持系统决策支持系统是通过数据、模型和知识，以人机交互方式辅助决策者进行半结构化或非结构化决策的计算机应用系统。以信息论、管理科学、运筹学和行为科学为基础，以计算机和仿真技术为手段决策支持系统是管理信息系统向更高一级发展而产生的先进信息管理系统，它为决策者提供分析问题、建立模型、模拟决策过程和方案的环境，调用各种信息资源和分析工具，帮助决策者提高决策水平和质量。137决策支持系统结构138决策支持系统结构在数据库系统的基础上，增加了模型库系统数据库接受并回答用户提出的访问数据库的各种应用请求。模型是以某种形式对一个系统的本质属性的描述，以揭示系统的功能、行为及其变化规律。模型库是提供模型存储和表示模式的计算机系统。模型库系统是一个进行模型提取、访问、更新和合成等操作的系统，它能够为用户生成模型和管理模型提供友好环境。模型库管理系统的存在，使得DSS能够辅助决策者进行推理、比较选择和分析问题。模型库目标是在决策者需要的时候按要求构造模型。由于模型的生成、修改、更新、删除和连接是经常性的操作，即模型库具有动态性的特征，所以模型库的管理非常重要。139决策支持系统主要是以模型库系统为主体，通过定量分析进行辅助决策。决策支持系统的本质是将多个模型有机组合起来，对数据库中的数据进行处理而形成决策问题大模型。决策支持系统的辅助决策能力从单模型辅助决策发展到多模型综合决策，使辅助决策能力上了一个新台阶。140智能决策支持系统（传统决策支持系统）：决策支持系统与专家系统相合141新决策支持系统新决策支持系统的特点是从数据中获取辅助决策信息和知识，完全不同于传统决策支持系统用模型和知识辅助决策。传统决策支持系统和新决策支持系统是两种不同的辅助决策方式，两者不能相互代替，更应该是互相结合。142综合决策支持系统把数据仓库、联机分析处理、数据挖掘、模型库、数据库、知识库结合起来形成的决策支持系统，即将传统决策支持系统和新决策支持系统结合起来的决策支持系统是更高级形式的决策支持系统，称为综合决策支持系统综合决策支持系统发挥了传统决策支持系统和新决策支持系统的辅助决策优势，实现更有效的辅助决策。综合决策支持系统是今后的发展方向。143物流管理智能决策支持系统总体框架144电子商务物流存在的问题及原因145物流管理智能决策支持系统功能：物流管理智能决策支持系统应该具有解决上述问题的能力它是公司领导层通过信息技术，对海量信息进行有效分析，从而做出科学决策的平台能够为企业管理层、基层进行信息分析、综合决策提供一个方便科学的平台146物流管理智能决策支持系统功能：（1）基本信息管理功能。提供企业信息管理功能可以解决企业信息化程度不高的问题。企业信息管理一方面可以为企业提供电子信息管理平台，实现企业管理的信息化；另一方面负责采集物流企业的各种信息，为企业决策支持系统的建立提供必要的数据，物流管理智能决策支持系统运行在企业信息管理模块所收集到的数据之上。147客户信息管理：负责维护企业的客户信息，主要记录客户的基本信息以及客户对各种商品的需求信息客户对商品的需求量是物流中心选址决策系统的一个重要决策条件需要建立客户管理子系统，对客户需求量进行搜集和管理，为选址决策系统提供必要的数据。148供应商信息管理：负责维护供应商的信息，主要记录各供应商的基本信息和供货能力供应商及其供货能力也是物流中心选址决策系统的一个重要决策条件配送中心的选择方案受供货点的供货能力所影响需要建立供应商信息管理子系统，对供应商的信息进行搜集和管理，为选址决策系统提供必要数据。149物流中心信息管理：负责维护物流中心的信息，主要包括各供货点到物流中心的单位运输费用、物流中心流转产品的单位管理费用、物流中心的建设容量、物流中心到用户的单位运输费用等这些信息是物流中心选址决策系统的重要决策条件，直接影响决策的可行性和正确性，因此，必须设立单独的信息系统对其进行管理。因此物流中心管理子系统的主要功能是为选址决策系统提供必要的分析数据。150仓储库存信息管理：负责维护库存产品的日常信息，包括库存各产品的存储成本、生产准备成本、订购成本、短缺成本、日需求量、单价、从订货到交货的时间等信息。仓储库存信息管理子系统搜集仓储库存相关的信息和历史数据，而这些信息和历史数据正是库存仓储决策得以进行的基础因此，要实现库存仓储决策的功能，必须首先建立仓储库存信息管理子系统。151物流管理智能决策支持系统功能：（2）高级的决策支持功能：决策支持功能是物流管理IDSS的主要功能目的是为物流企业提供优化的物流中心选址方法、仓储库存决策方法以及配送方案的优化以提高物流企业在决策方面的科学性、经济性和时效性。物流管理IDSS系统的决策支持功能应包括三个决策子功能，分别是物流中心选址决策功能、库存仓储决策功能和智能配送决策功能。152物流中心选址决策功能：该功能负责为管理层提供基于现代计算机技术的科学决策方法。该功能子系统基于客户信息管理子系统、供货点信息管理子系统和配送中心信息管理子系统搜集的大量相关数据利用智能算法从若干备选配送中心中选择出最优的配送中心选址方案，并将该方案作为选址决策提供给物流企业的管理者。选址决策子系统充分利用了企业的历史数据和目前先进的数据挖掘技术，分析更科学、更准确。153库存仓储决策功能：该功能为管理者提供基于现代计算机技术的科学决策平台。该功能子系统基于仓储库存信息管理子系统搜集的大量信息和历史数据，通过分析预测，从而给出最优的企业库存仓储模型154运输决策功能：根据物流中心信息管理中的各客户之间的距离、运费以及各客户的订单数据，运用运输模型科学的配送，同时模型库中的货物混装模型为充分利用车辆空间提供了科学依据。路径优化功能：根据数据库中的配送信息生成最佳调度方案，实现车辆装载、行驶路线的统一安排，把车辆配送路径科学化，节省了配送时间，提高了配送效率，保证了配送质量155物流管理智能决策支持系统功能结构图156