在上一期小编跟大家分享的作品中，我们看到沈阳理工大学的小伙伴们用关
联规则分析了电商企业的用户购买行为，不知道你是不是了解到关联规则的
内涵了呢？
今天我们再来看看，厦门理工的星星点灯团队用关联规则做了什么呢？
仓储货位优化我在行
大数据驱动下的仓储货位全局优化-厦门理工学院-星星点灯
作品解读
某物流公司成立于2001年，是较有规模的第三方物流企业、自动化立体仓库。公司在全国各主要城市均有网点分布，公司货物数量多、进出库频繁对仓储方面有较高要求。
为了解决目前物流企业存在的一些问题，我们重新设计仓储方案，以大数据驱动仓储运营。
基于我们所使用的分析方法以及实验的局限性，作出如下假设：
一个货架存放同一类货物；
一种货物只占一个仓位；
补货周期为一个月；
储位优化只针对发货区仓储货位；
不考虑货物的理化性质；
在分析方法上，我们的优化针对的单位为各个种类和各个储位，对于储位内部具体的每一件货物摆放不做探讨，因此假设一个货架存放同一类货物且一种货物只占一个仓位。
在参考数据上，我们使用按月统计的货物数据，因此设置补货周期为一个月。参考数据内容主要包括频率、发货数量等货物出库信息，不涉及生产环节和货物性质，因此该方案只针对发货区仓储货位且不考虑货物的理性性质。
此次案例的数据源来自logis JMT数据挖掘平台上的仓储作业数据。
首先我们要将这些数据进行分析并得出以下结论：
图-总体数据分析及结论
其次就是针对我们选用的算法——关联规则，进行数据预处理。关联规则对数据的要求是数据类型为标称型数据，原始数据中若有数值型需要进行离散化处理。
图-无关字段移除
基于我们是利用关联-聚类相结合的算法，所以针对以上数据集在使用聚类方法时也要进行数据预处理。
数据过滤
我们是对剔除缓冲区货物后的剩余货物进行聚类，所以要剔除关联筛选出的货物。
图-选择“removewithvalues”并进行参数设置
屏蔽非数值型数据“pn_no”
“pn_no”为标称型数据，只起到对货物的标记作用，并不具备大小意义，不能进行计算，古窑屏蔽。
图-屏蔽“pn_no”
数据规范化
要将数据字段信息进行规范化处理，权重相同好对比。
图-选择“normolize”并进行参数设置
权重设置
为满足客户小批量多批次的需求，我们给予出库频度最大权重，设置为5。
图-选择“addexpression”进行参数设置
使用预处理后的数据，进入关联规则模块，选择关联算法Apriori。
图-Apriori的参数设置
表-关联结果
数据结果分析后对每条规则进行分析
图-储位安排流程图
表-储位安排表
在实验中我们赋予出库信息中的出库数量、出库频率、城市覆盖数量和所占仓位数5:4:2:2的权重。根据货物这四个指标的相似性将货物分为5簇，再计算每簇的指标和大小，将各簇以指标和由大到小排序依次对应距离仓库出口由近及远的货位。基于聚类分析能实现对仓储货位的全局优化，提高拣货效率。
我们运用了最经典的K-Means算法。
图-选择“simplekmeans”算法并进行参数设置
结果展现
图-分簇信息
图-各簇货物种类数占比
图-各簇指标柱状图
图-物流公司原始仓位图
图-物流公司优化后仓位图
我们采用关联+聚类分析的数据分析策略，不仅可以对仓库整体的储位进行优化，同时也能针对库存货物挖掘出其内在的联系，从而保证经济效益。以上的优化结果可以为企业带来几点优势：
能够大大降低成本
可以更好的提高分拣效率
有利于物流全过程的运作
怎么样？
用关联+聚类解决仓储作业优化问题
你学会了吗？
声明：微信文章为独家原创，欢迎个人用户分享到朋友圈；其他任何形式的转载，请联系本公号取得授权，否则将追究法律责任。长风大数据（微信号：cf-dsj）隶属于Logis北京络捷斯特科技发展股份有限公司，简称：络捷斯特，证券代码：834832。
长风大数据（微信号：cf-dsj）基于多行业的海量数据资源，为企业运营和院校科研提供先进的数据挖掘分析工具，帮助用户释放数据价值、捕获深层信息。
联系电话：010-65568598转8013
电子邮箱：cfdsj@logis.cn
网址：http://www.cfdsj.cn
