2、经营者客户群体，在煤炭、水泥、钢铁等生产物流领域确立了领先优势。E6专注于提供软件订阅服务，深耕大型货主与大型物流企业，在快速消费品、零售、食品、冷链等消费物流领域成为行业龙头。合并后，公司将优化供应链和服务网络，降低采购与运营支出，向客户提供更具成本竞争力的优质服务。本次合并，是培育具有国际竞争力现代物流企业过程中两股智能物流力量的融合，是物流科技企业在供给侧主动整合、合力拓荒新领域的一次有益的尝试。第10章智能物流中的智能计算技术双方经过首阶段业务整合后，至少还要经历3个融合发展阶段。一是1+12阶段。G7与E6坚持在物联网、数据、算法、软件等方面进行技术投入，持续加强各自的技术优势和竞争
3、壁垒，成为行业中少有的具备IoT SaaS能力的企业。双方除了有IT基础优势，还有G7的交易服务和运力池、E6货主的视角和透明供应链，其优势叠加，内部对标补强，对外集成提供“软硬一体、全链贯通”的解决方案，助力客户实现数字化运营、精益化管理。用数据为企业赋值，为行业赋能，降本增效。二是1+1=1+阶段。双方合并后成为行业中唯一具备完整IoT SaaS能力的技术公司。这个“+”是在协同后的一种有效融合，就是要打破原有组织形式，催生出新的产品和组织形态。物流科技来源于物流，服务于物流。面对千亿级的庞大市场，新的公司一方面要研发出类似“改变世界集装箱”的硬件拳头产品，另一方面基于数据提供端到端的智慧
4、物流解决方案，助力于行业降本增效，推动商品增值、组织变革和生态发展，形成以数字化物流为基础设施和关键要素的跨界融合新模式。第10章智能物流中的智能计算技术三是6742阶段。“”的力量来源于数字化供应链、商业模式的创新和资本的力量。G7与E6发力于供应链，聚焦产业链，助力实体经济，满足人民高品质生活的需求。双方收集更多的可用数据，发挥数据的放大、倍增作用，改变生产关系，用数据创造利润，重塑团队，推进产业数字化及数字产业化，把握新一轮科技革命和产业变革的新机遇。同时，创新商业模式，服务于更广大的用户群体，连接货主、物流公司、司机和保险公司，培育数字化物流新生态，吸引不同的物种、种群聚集形成群落。第
5、10章智能物流中的智能计算技术10.1 大数据技术第10章智能物流中的智能计算技术10.1.1 大数据概述1.大数据的概念自20世纪90年代以来，随着计算机技术，尤其是互联网和移动通信技术的发展，人们能够获取的数据呈爆炸式增长，“大数据”的概念应运而生。大数据是继云计算、互联网之后，信息技术产业的又一项重大革新技术，它让人们的生活发生了新的变化。大数据是指在一定时间范围内无法用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。对于大数据，可以从资源、技术和应用3个层面来理解。资源层面，大数据具有体量大、
6、结构多样、时效性等特征的数据资源；技术层面，处理大数据需采用新型计算架构和智能算法等技术；应用层面，大数据的应用强调将新的理念应用于辅助决策、发现新的知识，更强调在线闭环的业务流程优化。因此，大数据不仅“大”，而且“新”，是新资源、新技术和新应用的综合体。第10章智能物流中的智能计算技术2.大数据的特征大数据具有4个特征，即数据量大(Volume)、处理速度快(Velocity)、数据类型多(Variety)和价值密度低(Value)，这些特征简称为“4V”。(1)数据量大。数据量大是大数据的首要特征。当前企业为提高整个企业决策效率所需利用的数据数量庞大，并且正在以前所未有的速度持续增加，数据
7、量从原有TB级发展到PB级甚至ZB级。据统计，全球2024年已生成159.2ZB数据，2028年将增加一倍以上，达到384.6ZB，复合增长率为24.4%。(2)处理速度快。大数据的第二个特征是处理速度快。数据产生、处理和分析的速度在不断地加快，很多数据产生的数据快到让传统系统无法捕获、存储和分析，如视频监控、语音通话和RFID传感器等持续的数据流。(3)数据类型多。大数据的第三个特征就是数据类型多。随着无线感知设备、监控设备、智能设备以及社交协作技术的应用，企业中的数据也变得更加复杂，不仅包含传统关系型数据，还包含Web日志、网页、搜索索引、帖子、电子邮件、文档、传感器数据、音频、视频等原始
8、、半结构化和非结构化数据。传统系统很难存储和执行必要的分析以理解这些数据的内容，因为很多信息不适合传统的数据库技术。第10章智能物流中的智能计算技术(4)价值密度低。由于数据产生量巨大且数据产生速度非常快，必然会形成各种有效数据和无效数据错杂的状态，因此数据价值的密度大大降低。以视频为例，在不间断的监控过程中，可能有用的数据只有2s。所以，如何结合业务逻辑并通过强大的机器算法来挖掘数据价值，是大数据时代最需要解决的问题。另外，大数据管理还需要重点关注安全和隐私问题(特别是收集的数据涉及个人时，通常会出现一些伦理、法律或保密方面的问题)等。10.1.2 大数据技术概述大数据技术是指从各种各样的数
9、据中，快速获得有价值信息的能力。大数据技术主要包括数据采集技术、数据预处理技术、分布式处理技术和数据存储技术。第10章智能物流中的智能计算技术1.数据采集技术数据采集技术指的是首先对数据源进行抽取(Extract)、转换(Transform)和加载(Load)，然后再经过数据清洗，最终按照预先定义好的数据模型，将数据加载到数据仓库中。由于采集的数据种类错综复杂，所以对于这种不同种类的数据，必须通过抽取技术从原始数据中抽取出所需要的数据，这里可以丢弃一些不重要的字段。而且数据源头的数据采集机制可能不完善以及存在误差，因此对于抽取后的数据必须进行数据清洗，以便将那些不正确的数据进行过滤和剔除。同时
10、针对不同的应用场景，所用的数据分析模型或者数据仓库系统可能不同，因此还需要对数据进行转换操作，将数据转换成不同的数据格式。第10章智能物流中的智能计算技术2.数据预处理技术采集到的原始数据通常来自多个异构数据源，数据在准确性、完整性和一致性等方面存在着多种多样的问题。在数据分析和数据挖掘之前，首先要做的就是对数据进行预处理，处理数据中的“脏数据”，从而提高数据分析的准确性和有效性。“脏数据”的主要表现形式为数据缺失、数据重复、数据错误和数据不可用等。数据预处理有多种方法，如数据清洗、数据集成、数据规范化、数据离散化和数据规约等。第10章智能物流中的智能计算技术3.分布式处理技术分布式处理技术可
11、以将不同地点、具有不同功能、拥有不同数据的多台计算机通过通信网络连接起来，在控制系统的统一管理与控制下，协调完成信息处理任务。MapReduce是Google公司提出的一种云计算的核心计算模式，是一种分布式运算技术，也是简化的分布式编程模式。MapReduce能自动完成计算任务的并行化处理，自动划分计算数据和计算任务，在集群节点上自动分配和执行任务以及收集计算结果，将数据分布存储、数据通信、容错处理等并行计算涉及的很多系统底层的复杂细节交由系统负责处理，大大减少了软件开发人员的负担。MapReduce将复杂的运行于大规模集群上的并行计算过程高度地抽象为Map(映射)和Reduce(规约)两个计
12、算过程。4.数据存储技术数据存储技术指的是用存储器把采集到的数据存储起来，建立相应的数据库，并进行管理和调用。该技术主要解决大数据的可存储、可表示、可处理、可靠性及有效传输等几个关键问题。第10章智能物流中的智能计算技术10.1.3 大数据技术在物流中的应用1.大数据技术赋能智能物流信息化变革在“互联网+”发展时背景下，各行各业都在加速信息化变革。作为传统劳动密集型的物流产业，由于缺乏相应技术，相比于其他技术型产业而言，其信息化转型进程较缓。随着大数据技术的成熟与广泛应用，使得传统物流产业信息化速度加快。大数据技术涵盖了物流产业链的各环节，包括生产制造、库存分析、销售分析及消费者行为分析等。大
13、数据技术的应用为智慧物流发展提供了基础技术保障，通过对物流商品信息化、信息处理电子化、数据存储数据库化及物流信息传输标准化，使得智慧物流产业更加互联、先进以及智能。大数据技术为物流产业带来的变革主要体现在3个方面。第10章智能物流中的智能计算技术1)加速了智能物流产业链的互联互通在技术赋能下，智能物流供应链中所有的参与企业都可实现信息连接，并将静态、单一的货物运输过程转变为动态数据，供应链的不同节点间可以有效互动，加深彼此的业务联系，打破了传统物流产业链各节点单一活动的问题。同时，大数据技术加深了智能物流终端消费者与智能物流产业链上游企业的联系，基于大数据的挖掘与处理技术，可依据消费者需求进行
14、前端产品开发，在节约整个产业链服务时间的前提下，提升服务质量，进而形成消费者、供应商及物流企业等多主体存在的互联生态。更为先进的大数据技术改变了传统物流的运作方式，由数字化、电子化及自动化的物流信息处理取代了传统物流的人工劳作，依靠GPS、传感器及RFID标签等技术实现了多场景应用，其效率更高。大数据技术包括数据挖掘、分析与自我学习过程，不仅可基于不同场景数据模拟不同服务结果，还可通过海量数据分析深挖消费者潜在需求，拓展智能物流产业链的利润空间。同时大数据的自我学习和修正功能有助于物流企业更好地应对突发事件，加速其响应速度，可以避免或消除更多风险。第10章智能物流中的智能计算技术2)智能物流发
15、展的内在驱动经济要素随着中国电子商务产业的快速发展，市场对物流服务需求不断增多。虽然物流市场规模不断提升，但由于受到市场竞争及劳动力成本等因素的影响，中国物流企业的利润空间被极度压缩，行业利润两极分化明显，产业头部效应显现。在此影响下，物流产业朝着资源整合和产业优化及协同方向发展的趋势明显，传统物流企业进行智慧化转型势在必行。同时，电子商务产业规模的持续增长，使得消费者对物流产业服务的碎片化及配送过程中的去中心化需求日益增强，而传统物流服务模式较为单一，若要满足消费者的个性化及柔性化物流服务需求，则经济成本较高。从社会经济发展角度来看，中国产业结构调整也为智能物流发展提供了良好环境。一方面，高
16、质量经济发展和产业结构调整战略，使得中国社会经济结构转向信息化发展。与之相关的物流企业需要通过信息化转型实现更为精准的库存控制，以满足大众对小批量和多批次物流服务需求。另一方面，随着中国“互联网+”战略的深入实施以及近年来对基础设施建设的持续投资，与智能物流发展相匹配的基础设施不断增多，与智能物流发展需求不谋而合。由此，物流产业进行智能化转型符合企业的经济利益和市场发展需求。第10章智能物流中的智能计算技术3)智能物流产业升级的内在驱动力当前，大数据技术已经成为智能物流发展的基础与根基，在整个智能物流产业链体系中起到关键性支撑作用。在大数据技术赋能下，智能物流产业链各环节均得以实现质的提升，为物流产业提供了一条新的提质增效路径。例如，在智能物流终端配送环节中，大数据技术使得物流配送管理环节更具有系统性、集成性与规范性，技术赋能使得物流配送各环节无缝连接，不仅能提升物流配送效率，同时也能减少物流配送过程中存在的包裹及货物损坏问题。在分拣过程中，大数据技术可同时处理多组数据，并对货物进行多元化分拣，通过电子标签识别等技术进行自动分拣。在仓储过程中，智能物流通过识别货物上的RFID标签，可以
本文（《智能物流技术》_第10章 智能物流中的智能计算技术.pptx）为本站会员主动上传，兔兜文库仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对上载内容本身不做任何修改或编辑。若此文所含内容侵犯了您的版权或隐私，请立即通知兔兜文库（点击联系客服），我们立即给予删除！