.png){kind=icon}
返回
Enhancing Logistics with Data-Driven Process Analysis and Knowledge-Based Methods
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-08573-3_5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现代物流系统的规划与控制因各种动态影响因素而具有显著复杂性。信息系统被应用于多个层面以支持甚至完成规划与控制任务。这些信息系统不仅管理物料流，还记录物料移动情况，从而产生大量标准化的过程数据。本文概述了如何在整体流程模型中利用数据驱动方法来挖掘这些过程数据，识别薄弱环节，并推导行动建议。基于相关输入数据的识别及其向过程信息和关键绩效指标的聚合，可通过所谓的“相互依存效应系统”进行偏差分析，从而自动识别优化潜力。通过应用机器学习分类模型，这些优化潜力被分配到定义的根源类别中。流程专家可进一步分析识别出的根本原因，并使用支持工具提出行动建议。该流程模型的应用性和可用性通过案例研究得到验证。
Keyword:
Data science
Decision support systems
Key performance indicators
Machine learning
Logistics
Planning and control
Process optimization
期刊
E
IF:
0
论文数:
17
被引数:
0
机构
暂无机构信息
引用论文
.png){kind=icon}
分享收藏
分享收藏
查看更多内容