Применение методов Data Mining для повышения эффективности автомобильных перевозок

Применение методов data mining в транспортной логистике позволяет увеличить объем и скорость обрабатываемых данных, а так же открывает новые возможности для анализа данных о перевозках. Однако, методам data mining уделяется недостаточно внимания в связи с их инновационностью. Целью данной работы было решение проблемы поиска оптимального сочетания факторов, которые влияют на эффективность автомобильных грузовых перевозок, путем применения метода сигнала родства для кластеризации данных о перевозках. Предварительная кластеризация данных позволила ускорить процесс поиска закономерностей и шаблонов в массиве данных. Кластеризация осуществлялась в среде разработки R Studio на языке программирования R. В работе был применен корреляционный анализ для выявления зависимостей данных внутри кластеров. В первой главе работы можно увидеть обзор применения инструментов и методов data mining в логистике как в России, так и за рубежом, к примеру, в Индии, Китае, США, Южной Корее, Словакии и Норвегии. Так же здесь представлен обзор теоретической базы для определения показателей эффективности в автомобильных грузовых перевозках. Вторая глава посвящена классификации методов data mining и обоснованию выбора определенных инструментов для решения вопроса поиска оптимальных сочетаний факторов, влияющих на эффективность перевозок. Третья глава работы освящает вопрос создания алгоритма для решения поставленной задачи и его апробации на данных автотранспортной компании ООО «ТЭУС». В результате использования алгоритма данные о перевозках компании были разделены на 6 кластеров, в каждом из которых прослеживалось определенное сочетание факторов: день недели, время начала поездки и фамилия водителя. Определив кластеры с наилучшими показателями эффективности: минимальное время поездки, минимальное расстояние и минимальное количество жалоб – можно было описать шаблоны сочетания факторов при достижении наилучших результатов. Разработанный алгоритм поиска оптимального сочетания факторов, которые влияют на показатели эффективности перевозки, является адаптацией широко используемых методов data mining для узкой области – транспортной логистики. Алгоритм можно считать прототипом для создания искусственной нейронной сети с аналогичной целью.