论文 RFID数据分析进展.docVIP

RFID数据分析进展 摘要：首先介绍了RFID数据分析的发展和价值，然后探讨了在零售、边检、物流、医疗等多个行业中，数据追踪回溯、频繁路径挖掘、物化规则衍生、复杂事件处理等典型RFID分析的进展，并指出了数据管理、数据处理和数据应用等分析工作中存在的难题和解决办法，最后总结了RFID数据分析工作未来的难点。 关键词：无线射频识别RFID Data Analysis Abstract：Firstly, the development and value of RFID data analysis was introduced. Then, recent progress of some popular research topics, including data lineage, frequent path mining, materialization of rule-derived and complex event processing, were discussed in retail, quarantine, and logistics. RFID data analysis was divided into three steps, data management, processing and application, and the problems existing in each stage were analyzed in detail. Finally, the research issues were also summarized for further research in RFID data analysis. Key words：RFID; data analysis; supply chain management; logistics management 0 引言 人们对无线射频识别技术Radio Frequent Identification, RFID）的研究，在第二次世界大战已经开始[1]无论是RFID标签成本不断下降[]。可以预见在不久的将来，每个移动的物体可以标记。Wal-Mart三天所产生数据量就等于整个美国国会图书馆的数据量。如此庞大的数据还必须在短时间内进行分析、管理和应用[8,9]。其次，从应用中获取的RFID数据最大特点是包含了对象的时间和空间属性，若能有效地结合其时空属性，将会使RFID数据分析的深度超越传统意义的数据挖掘[10]。但独特的结构使RFID数据很难通过传统的数据挖掘工具直接进行处理，还需要通过一些数据预处理，这是当前RFID数据分析所关注的焦点之一。此外，RFID应用的特点决定了数据必须实时传递，而传统数据仓库定期计算、脱机计算的方法无法满足RFID数据使用和存储的实时性要求，因此研究适合RFID复杂数据分析的技术和方法，以提高分析的速度和效率，这对RFID数据分析提出了许多新的挑战。 本文首先介绍了RFID数据分析在柔性管理、模型优化和自动管理等典型领域的应用，然后对零售、边检、物流和医疗等行业应用中常见的RFID数据分析难点进行了探讨，分析了当前RFID数据分析的进展，并讨论了RFID数据处理流程各阶段研究的现状，最后总结了目前RFID数据分析存在的主要问题和发展方向。 1 RFID数据分析的价值 使用RFID可以节省大量的劳动力，不需要扫描Hector Gonzalez对RFID数据进行分析后，提出了两个观点：首先，只有少数项目[11]。以零售行业为例，货架库存管理是至关重要的业务。通常商店里每个货架都要对应一些备用库存，如何有效地降低库存量，直接提高商店盈利。利用RFID技术，可以实现自动追踪货架存货。一旦货架上的货物数量低于阈值，就自动提供进货订单，并立即提交给门店经理或供应商。而阈值是需要根据实际情况动态调整的，经过挖掘后所获得的异常往往是阈值修正的重要依据。也就是说，通过RFID数据分析，可以即时捕获实际情况与设计的差异，为供应链的管理者提供反馈，尽快适合环境的变化，从而实现供应链的柔性管理。 1.2 优化数据模型 合适的数据模型会直接提高数据分析的效率。RFID应用的关键在于动态观测和记录数据状态的变化[12]。因此，对RFID数据管理，数据模型Hector和Han Jiawei在华盛顿数据工程大会上初步讨论了物品在供应链中的移动特点，即在移动的初期，物品以包的形式一起移动，并指出RFID数据记录的是物品移动的原始信息，而分析人员常常使用抽象后的路径信息[10]。根据上述观点，RFID数据仓库会频繁地与抽象层Wal-Mart采用RFID技术后，大幅降低了该流程的成本，使定期清点库存可以很容易完成。进一步地，Wal-