论文 RFID数据分析进展.docx

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；数据分析；供应链管理；物流管理

ResearchontheDevelopmentofRFIDDataAnalysis

Abstract：Firstly,thedevelopmentandvalueofRFIDdataanalysiswasintroduced.Then,recentprogressofsomepopularresearchtopics,includingdatalineage,frequentpathmining,materializationofrule-derivedandcomplexeventprocessing,werediscussedinretail,quarantine,andlogistics.RFIDdataanalysiswasdividedintothreesteps,datamanagement,processingandapplication,andtheproblemsexistingineachstagewereanalyzedindetail.Finally,theresearchissueswerealsosummarizedforfurtherresearchinRFIDdataanalysis.

Keywords：RFID; dataanalysis; supplychainmanagement; logisticsmanagement

引言

人们对无线射频识别技术(RadioFrequentIdentification,RFID）的研究，在第二次世界大战时期就已经开始[1]。进入21世纪，无论是RFID标签的尺寸还是成本都在不断下降[2]。可以预见，在不久的将来，每个移动的物体都可以被标记。目前，RFID已广泛应用于物流跟踪、国防军用、邮政服务、航空航天、医疗保健和区域定位等诸多行业 [3-7]。对于大量频繁移动的物品，RFID系统可以自动记录其轨迹，再对记录的数据进行分析，实现产业链中物品的有效监控和追踪，掌握实时信息，预测物品走向。RFID

最终将形成集数据采集、传输、处理和业务管理于一体的整套无线综合应用解决方案，为下一代物联网

（InternetofThings,IOT）实现产业化奠定基础。

RFID应用提高了效率，也给RFID数据分析工作带来了许多新的难题。首先，RFID的应用产生了海量的数据。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

PAGE

PAGE10

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。

RFID数据分析的价值

使用RFID可以节省大量的劳动力，企业不再需要使用很多员工进行机械、低效的物品扫描工作。而使用RFID数据分析工具，对这些实时信息进行处理，就能找出内在规律，进一步帮助企业提高管理效率，调整或完善业务流程。

管理柔性供应链

供应链管理近年来开始向着柔性的方向发展，以适应不断变化的业务需求。RFID数据分析可以有效地得到预测数据与实际数据的差异，根据实际需要动态修正模