ศุกร์, 28 เม.ย. 2017
 
 

Resources

Login Form



Who's Online

เรามี 354 บุคคลทั่วไป ออนไลน์
การประยุกต์ใช้การทำเหมืองข้อมูลในระบบโลจิสติกส์
User Rating: / 2
แย่ดีที่สุด 
วันจันทร์ที่ 06 กุมภาพันธ์ 2012 เวลา 19:08 น.
smaller text tool iconmedium text tool iconlarger text tool icon

Applications of Data Mining in Logistics
โดย ดร. วิจิตรสวัสดิ์ สุขสวัสดิ์ ณ อยุธยา

    เทคโนโลยีสารสนเทศได้รับการพัฒนาอย่างรวดเร็วเพื่อเพิ่มความสะดวกสบายให้แก่ผู้ใช้งาน ทั้งด้านการสื่อสาร ด้านการศึกษา หรือด้านความบันเทิง ระบบโลจิสติกส์ก็ได้รับประโยชน์จากการใช้เทคโนโลยีที่ได้รับการพัฒนา ระบบหน้าร้าน (Front Store) ซึ่งทำหน้าที่เชื่อมต่อร้านค้าปลีกเข้ากับระบบส่วนกลางเพื่อใช้ในการจัดการสินค้าคงคลัง บัญชี และอื่นๆ โดยที่มีระบบรหัสแท่งเป็นตัวช่วยในการเก็บข้อมูล ซึ่งข้อมูลเหล่านี้มีประโยชน์ไม่เฉพาะสำหรับการบริหารงานเท่านั้น แต่ยังสามารถนำข้อมูลเหล่านี้ไปต่อยอดเพื่อเพิ่มยอดขาย หรือปรับปรุงการพยากรณ์ความต้องการสินค้าให้มีความแม่นยำมากขึ้น ข้อมูลที่ถูกรวบรวมเหล่านี้สามารถนำมาหาความสัมพันธ์หรือความรู้ในฐานข้อมูลด้วยวิธี “การทำเหมืองข้อมูล (Data Mining) ซึ่งจะมีประโยชน์ในการจัดการและมีส่วนช่วยให้ผู้ประกอบการสามารถตัดสินใจวางแผนงานต่างๆ ได้มีประสิทธิภาพมากขึ้น
    การทำเหมืองข้อมูลเป็นกระบวนการหาความสัมพันธ์ของรูปแบบข้อมูลและนำความรู้ที่ได้จากข้อมูลมาใช้ประโยชน์ การทำเหมืองข้อมูลอาศัยวิธีการจากปัญญาประดิษฐ์ (Artificial Intelligence) ในการค้นหารูปแบบหรือพฤติกรรมจากกลุ่มของข้อมูล โดยแบ่งออกเป็นการหากฎความสัมพันธ์ (Association Rule) การจำแนกข้อมูล (Data Classification) การแบ่งกลุ่มข้อมูล (Data Clustering) และ จินตทัศน์ (Visualization) การทำเหมืองข้อมูลได้รับความนิยมอย่างแพร่หลาย ปัจจุบันได้มีนำระบบเหมืองข้อมูลเป็นโปรแกรม Add-Ins ในโปรแกรมกระดาษคำนวณ (Spreadsheet, i.e. Excel)
    การทำเหมืองข้อมูลเริ่มถูกนำไปประยุกต์ในด้านโลจิสติกส์ อาทิเช่น
       1) การจัดการคลังสินค้าซึ่งสินค้ากลุ่มสินค้าสองหรือสามกลุ่มอาจจะไม่มีนัยยะทางสถิติต่อกันเลย แต่หลายครั้งที่สินค้าทั้งสองกลุ่มนี้ถูกเรียกจากคลังสินค้าพร้อมกัน ระบบเหมืองข้อมูลจะใช้วิธีการหากฎความสัมพันธ์ และให้ผู้รับผิดชอบคลังสินค้านำกฎเหล่านี้ไปปรับตำแหน่งการเก็บสินค้าเพื่อให้การเดินทางไปหยิบสินค้าจากที่เก็บใช้ระยะเวลาเดินทาง และการหาสินค้าน้อยลง อีกตัวอย่างหนึ่งคือ การจัดชั้นวางสินค้าในร้านค้าปลีกแบบซุปเปอร์มาร์เก็ต สินค้าบางประเภทไม่น่าจะเข้าคู่กันได้เช่น ผ้าอ้อมกับเบียร์จะถูกจัดวางไว้ในตำแหน่งที่ใกล้กัน เนื่องจากการทำเหมืองข้อมูลพบว่าคนที่ซื้อผ้าอ้อมส่วนใหญ่จะทำการซื้อเบียร์ด้วย (เหตุผลเพราะว่าพ่อบ้านถูกแม่บ้านใช้ให้ไปซื้อผ้าอ้อมและพ่อบ้านก็จะทำการซื้อเบียร์ติดกลับมาด้วย)
       2) การเพิ่มประสิทธิภาพการพยากรณ์ความต้องการของลูกค้าโดยจะเป็นการหาลักษณะแนวโน้มความต้องการสินค้าของผู้บริโภคที่มีข้อจำกัดในการคำนวณด้วยวิธีทางสถิติ
       3) การวิเคราะห์ความสามารถของผู้จัดส่งวัตถุดิบ (Supplier) โดยอาศัยข้อมูลอาทิเช่น ด้านราคา ด้านระยะเวลาการส่งมอบ ด้านคุณภาพของวัตถุดิบ ผู้จัดซื้อสามารถใช้วิธีการแบ่งกลุ่มข้อมูล (Data Clustering) ในการแบ่งกลุ่มของผู้จัดส่งวัตถุดิบ
    วิธีการทำเหมืองข้อมูลยังได้ถูกนำไปใช้ประโยชน์ในอีกหลายด้าน ยกตัวอย่างเช่น ธนาคารสามารถใช้วิธีการจำแนกข้อมูล (Data Classification) ในการวิเคราะห์ว่า กลุ่มคนประเภทใดที่มีความเสี่ยงในการผิดนัดชำระหนี้เพื่อช่วยในการพิจารณาให้สินเชื่อ การจัดการความสัมพันธ์กับลูกค้า (Customer Relationship Management) เพื่อช่วยในการวิเคราะห์ว่า ลูกค้าลักษณะใดมีแนวโน้มจะตอบรับการประชาสัมพันธ์ผ่านจดหมายหรือใบปลิว แทนที่จะส่งใบปลิวออกไปเป็นจำนวนมาก อีกทั้งยังใช้ในการแบ่งกลุ่มลูกค้าตามความต้องการในการใช้ผลิตภัณฑ์ การทำเหมืองข้อมูลคงจะเริ่มเข้ามาแพร่หลายในบ้านเราในเวลาอีกไม่นานนัก ดังนั้นการทำความเข้าใจและการเลือกใช้วิธีต่างๆของเหมืองข้อมูลจึงเป็นสิ่งสำคัญในการเลือกใช้ซอฟแวร์การทำเหมืองข้อมูลเพื่อให้เกิดประโยชน์สูงสุดต่อทั้งเงินที่ลงทุนและผลตอบแทนที่จะได้รับ.

อ้างอิง
1. Robert Groth (2000). Data Mining: Building Competitive Advantage. Prentice Hall. ISBN 9780130862716
2. Jiawei Han; Micheline Kamber (2001). Data Mining: Concepts and Techniques. Academic Press. ISBN1-55860-489-8

ที่มา .freightmaxad.com, 1 ก.พ. 55
http://www.freightmaxad.com/magazine/?p=2744

จำนวนผู้ชม 9620 ครั้ง

  กรุณาล็อกอินเข้าสู่ระบบก่อนเขียนข้อความเสนอแนะความคิดเห็นของท่าน(Comments) หรือให้คะแนนความนิยม (Rating) ของข่าวและบทความ