- 综合排序
- 最热优先
- 最新优先
- 来自专栏Hank’s Blog
4-2 R语言函数 apply
#apply函数，沿着数组的某一维度处理数据 #例如将函数用于矩阵的行或列 #与for/while循环的效率相似，但只用一句话可以完成 #apply(参数)：apply(数组,维度,函数/函数名) > x <- matrix(1:16,4,4) > x [,1] [,2] [,3] [,4] [1,] 1 5 9 13 [2,] 2 6 10 14 [3,] 3 7 11 15 [4,] 4 8 12 16 >
72310发布于 2020-09-16 - 来自专栏Java
试题 算法训练 4-2找公倍数
试题 算法训练 4-2找公倍数 资源限制 内存限制：256.0MB C/C++时间限制：1.0s Java时间限制：3.0s Python时间限制：5.0s 问题描述 这里写问题描述。
26310编辑于 2025-01-21 - 来自专栏趣学算法
数据结构 第4-2讲 双向链表
数据结构第4-2讲双向链表 链表是线性表的链式存储方式，逻辑上相邻的数据在计算机内的存储位置不一定相邻，那么怎么表示逻辑上的相邻关系呢？ 可以给每个元素附加一个指针域，指向下一个元素的存储位置。
99240发布于 2018-09-13 - 来自专栏sringboot
x86汇编加载用户程序-4-2
索引寄存器的端口号是 0x3d4，可以向它写入一个值，用来指定内部的某个寄存器。比如， 两个 8 位的光标寄存器，其索引值分别是 14（0x0e）和 15（0x0f），分别用于提供光标位置的高 8 位和低 8 位。 指定了寄存器之后，要对它进行读写，这可以通过数据端口 0x3d5 来进行。 高八位 和第八位里保存这光标的位置，显卡文本模式显示标准是25x80，这样算来，当光标在屏幕右下角时，该值为 25×80－1=1999
1K30编辑于 2021-12-06 - 来自专栏育种数据分析之放飞自我
笔记 | GWAS 操作流程4-2：LM模型+数值协变量
上一篇，我们介绍了数量性状进行GWAS的一般线性模型分析的方法（笔记 | GWAS 操作流程4：LM模型assoc），这里我们考虑一下数字协变量，然后用R语言进行对比。
1.5K20发布于 2020-05-26 快递查询-物流查询-快递物流查询API接口
目前，电商、货运等行业都需要快递查询API，对运单号的物流轨迹进行跟踪。通过快递查询接口，可以实时查询物流轨迹。支持一千多家快递公司与官网同步数据更新。 可以实现将快递查询功能集成到自有的系统中，方便用户实时跟踪物流信息。比如：电商网站，直接在“我的订单”页面内就能看到订单的物流状态。 物流平台可以自动筛选出“已签收”、“疑难件”等状态的单号，减轻物流跟单人员的压力。评估选择快递公司，根据“已签收”的运单数，可以算出销售人员的业绩，且便于应对货到付款的结算。 ，详见：物流状态编码对照表; "logisticsStatusDesc": "已签收", // 物流状态描述 "theLastMessage": "", // 运单号物流流转当前最新描述 { "time":1632123146000, // 物流变更时间 "logisticsStatus":"ACCEPT", // 物流状态 详见：物流状态编码对照表
94410编辑于 2026-01-28- 来自专栏cwl_Java
C++编程之美-数学之趣(代码清单4-2)
代码清单4-2 struct point { double x, y; }; double Product(point A, point B, point C) { return
35130编辑于 2022-11-30 - 来自专栏人工智能领域
京东物流营销 Agent：智能驱动，物流新篇（1330）
一、京东物流 Agent 概述 在当今数字化浪潮的席卷下，物流行业正历经深刻变革。人工智能技术的蓬勃发展，尤其是大模型的出现，为物流行业的智能化转型注入了强劲动力。 京东物流，作为行业的领军者，敏锐地捕捉到这一技术趋势，积极探索大模型在物流营销中的应用，创新性地推出了京东物流 Agent，旨在进一步提升物流服务的效率与质量，优化客户体验，增强市场竞争力。 通过整合海量物流数据与前沿人工智能技术，京东物流 Agent 成为了物流营销领域的智能中枢，为物流企业在市场竞争中脱颖而出提供了有力支持。 在物流营销的宏大版图中，京东物流 Agent 扮演着多重关键角色。 从行业影响来看，京东物流 Agent 的发展将推动整个物流行业的智能化转型和升级。它将成为物流行业的标杆和典范，引领其他物流企业加快技术创新和应用步伐，促进物流行业的标准化和规范化发展。
2K11编辑于 2024-12-27 - 来自专栏SAP ERP管理实践
工厂物流设计
工厂布局规划主要是研究工序之间、车间之间以及 工厂整体的设备、工作台、原材料、成品仓库等配置的合理性，以达到整个生产系统的人流与物流畅通化、搬运最优化、流程最优化、效率最大化的目标。 3、人流、物流畅通原则，在进行工厂布局设计与改善时，必须使工序没有堵塞，物流畅通无阻。 二、两个回避 避免一：孤岛型布局 孤岛型布局把生产线分割成一个个单独的工作单元，其缺陷在于单元与单元之间互相隔离，无法互相协助； 避免二：鸟笼型布局 鸟笼型布局往往没有考虑到物流、人流顺畅的结果，这种布局错误的用机器设备或者工作台把作业员围在中间 ，使得物流不顺畅，在制品增加，单元与单元之间的相互支援也变得几乎不可能。
1.1K20发布于 2021-03-16 - 来自专栏Java项目实战
物流架构介绍
物流资源交易中心物流资源交易中心是负责管理整个物流过程中的资源，包括运输车辆、物流设备、物流人力等各方面的资源。 物流资源交易中心可以实现资源的自动化交易和调度，包括资源的申请、资源的分配、资源的运营等功能。此外，物流资源交易中心还可以提供资源查询、资源统计等功能。 主数据管理中心主数据管理中心是负责管理整个物流过程中的核心数据，包括物流节点、物流路线、物流产品、物流价格等各方面的数据。 全程监控平台可以实现物流过程的实时监控和控制，包括节点状态的查询、节点异常的处理、节点数据的统计等功能。此外，全程监控平台还可以提供物流过程的数据分析和预测等功能。 运营监控平台可以实现物流过程的实时监控和控制，包括数据的收集、数据的分析、数据的报告等功能。此外，运营监控平台还可以提供物流过程的运营优化和决策支持等功能。
71620编辑于 2023-03-23 - 来自专栏供应链项目实践
供应链逆向物流系统 | 系统集成：逆向物流系统与正向物流数据打通
引言我们已经从零构建了一套完整的逆向物流系统：从退货申请、OCR运单识别、质检分级、维修工单、动态定价、环保合规、数据分析到消费者自助门户。每一个模块都在各自的领域发挥着价值。 但如果这些系统只是孤岛式运转——退货数据不知道商品当初是怎么采购进来的，质检结果无法反哺供应商管理，维修记录与正向库存脱节——那么逆向物流就永远只能做"善后工作"，而无法成为驱动供应链整体优化的战略引擎 当正向物流（采购、WMS、OMS）与逆向物流（RMA、维修、定价）打通后，企业就能回答一些之前根本无法回答的问题：这个供应商的批次退货率是不是异常偏高？ phase]||'#999';}functiongetPhaseLabel(phase){constlabels={procurement:'采购入库',sales:'订单销售',delivery:'物流配送 数据延迟高（定时执行）低（分钟级）极低（秒级）适用场景初始化/小数据量大多数业务场景（推荐）金融级实时要求本文采用初始化引导✅主力方案未来扩展4.2系统打通后的数据价值曲线总结我们从业务价值出发，论证了正向物流与逆向物流数据打通的必要性
14820编辑于 2026-09-13 - 来自专栏Android点滴积累
IOS Widget（4-2）：创建可配置小组件（动态修改配置数据）
上一篇文章，讲解了如果通过配置修改小组件行为，只不过配置数据是写死的，本文将继续探索配置数据的高级用法，配置数据在小组件中动态创建的
4.3K11发布于 2021-05-10 - 来自专栏历史专栏
【愚公系列】2021年12月 攻防世界-进阶题-MISC-072(4-2)
文章目录 一、4-2 二、答题步骤 1.词频分析 总结 一、4-2 题目链接：https://adworld.xctf.org.cn/task/task_list?
64820编辑于 2021-12-09 - 来自专栏智能仓储物流技术研习社
物流设备集成商的工厂物流规划总体思路
文：中国工程机械工程学会物流工程分会副理事长 邱伏生 众所周知，智慧工厂对于物流集成商有着较高的要求，主要体现在交付能力、稳定性、库存周转率等方面。 尤其重要的是，在工厂的制造全流程中要求整套物流体系没有断点。一旦出现物流断点，就会影响生产的整体流程。 如果物流集成商能够在这些方面满足工厂的要求，就可以做到把整条生产线变成一条大型物流供应链，从而实现按照订单生产及制造工厂的物流中心化。 物流解决方案如何将物料、供应商和制造工艺有机结合起来，决定了库存以及物流和生产效率，决定了该项目是否成功。 综上所述，从制造业物流规划的发展趋势来看，未来制造业中“工厂物流中心化”会成为主流。 制造业在发展过程中有着鲜明的特点：工况千变万化，个性要求高，非标要求多，只有定制设备和定制方案能力强的物流设备提供者才能在制造业物流市场站稳脚跟;制造业物流过程参数化，整个过程必须可视可控，物流集成商必须向这样的方向努力提升自己
90620发布于 2021-04-26 - 来自专栏精益六西格玛资讯
精益物流与传统物流的区别是什么？
组织内部物流的传统方式是优化物流时只考虑物流自身的因素，没有过多考虑生产效率。通常，生产部门进行优化倾向于自身的改进（受限于现有的物流过程和工具)，并没有探索生产流最优化的概念。 这种方式的结果是，在生产和物流上同时存在许多类型的浪费。图片传统方式组织物流基于以下原则：-- 最大限度地减少内部运输，这导致每次运输大量原材料供应生产线（通常每班一次）。 精益方式组织物流基于与传统方式不同的原则，它们包括：-- 需要提供合适尺寸的容器，最大限度地提高生产线的效率和敏捷性。-- 通过设置拣货区域，使合适尺寸容器的频繁供应变得更有效率。 精益方式组织物流是在有效性和效率方面的一个突破。他创造了一种全新的整合物流与生产方式，使内部物流环的完整优化成为可能。
69420编辑于 2023-04-03 - 来自专栏物流IT圈
物流大数据简述
物流行业是近些年快速发展起来的朝阳行业，正是互联网技术的发展催生出的电子商务给物流行业带来了前所未有机遇。 物流大数据主要包括运单信息的数据和车辆信息的数据。 01 物流大数据都是哪些数据？ 从当前现实的数据条件来看，实业界和学术界的物流大数据主要是关于货运车辆信息的数据。 数据海量性： 物流车辆一般以10秒到30秒的间隔向数据中心发送当前位置信息，这些移动在全国各地路网中的物流车辆每天生成的北斗/GPS数据都达到了GB甚至TB规模，并且还在不断增长中。 04 物流数据挖掘的意义 物流车辆的海量大数据中包含着许多关于交通路况、车辆运行甚至社会经济发展动态的信息。 ，同时也可以为政府提供物流运价指数、货运效率指数等优先经济指标。
3.3K41发布于 2019-09-03 - 来自专栏AI机器学习与深度学习算法
机器学习入门 4-2 scikit-learn中的机器学习算法封装
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍使用sklearn实现KNN算法。
1.2K00发布于 2019-11-13 - 来自专栏PingCAP的专栏
TiDB x 安能物流丨打造一栈式物流数据平台
作者：李家林 安能物流数据库团队负责人本文以安能物流作为案例，探讨了在数字化转型中，企业如何利用 TiDB 分布式数据库来应对复杂的业务需求和挑战。 安能物流作为中国领先的综合型物流集团，需要应对大规模的业务流程，面临着核心结算系统所带来的数据库挑战。 关于安能物流安能物流（简称：安能）成立于 2010年，是中国领先的综合型物流集团，为企业组织及消费者提供安全、便捷、优质、高效的物流服务。 截止到目前安能物流自有员工 20,000 多名，自建 136 个分拨转运中心，乡镇覆盖高达 98%以上，服务范围遍及全国。 虽然安能不是快递物流行业第一个使用 TiDB 的用户，但是所有结算业务 all in TiDB，在行业内安能是第一个。
67350编辑于 2023-09-02 - 来自专栏腾讯位置服务
物流解决方案重磅升级 9大利器助力高效物流
物流行业重度依赖地图和位置服务，可以说是地图服务的“试金石”。尤其是这些年“智慧物流”概念的兴起，更是需要充分借助LBS、物联网、大数据、人工智能等技术，来助力物流行业的快速发展。 一直以来，腾讯位置服务依托庞大的数据生态和专业稳定的技术服务，持续深耕物流行业，与物流行业的头部客户如京东物流、中国邮政等，保持着长期的深度合作。 即时物流：保障履约效率 近些年来随着外卖、O2O行业的快速发展，即时物流成为物流行业中一个非常热门的细分领域。 京东物流在供应链体系与腾讯位置服务有着非常全面的合作，腾讯位置服务深入到京东物流的复杂业务单元，助力其构建更加优质的物流产品体系。 产业互联网时代，物流行业也迎来数字化转型的大好时机。 腾讯位置服务将继续深耕物流行业场景，聚焦物流行业需求，为客户提供业界领先的行业解决方案，与合作伙伴一起携手开拓“智慧物流”的新领域，促进物流行业的智能化升级转型！
93620发布于 2021-06-07 - 来自专栏Lansonli技术博客
客快物流大数据项目(二)：物流项目详细介绍
目录 物流项目详细介绍 一、行业背景介绍 二、物流行业特点 三、项目背景介绍 四、物流大数据的作用 五、物流大数据应用案例 1、车货匹配 2、运输路线优化 3、库存预测 4、设备修理预测 5、供应链协同管理 物流产业是物流资源产业化而形成的一种复合型或聚合型产业。 信息化是现代物流的灵魂，是现代物流发展的必然要求和基石。 根据数据分析结果，规划、预计运输路线和配送路线，环节运输高峰期的物流行为，提高客户的满意度，提高客户粘度。 四、物流大数据的作用 物流大数据应用对于物流企业来讲具有以下 3 个方面的重要作用。 提高物流的智能化水平 降低物流成本 提高用户服务水平 五、物流大数据应用案例 针对物流行业的特性，大数据应用主要体现在车货匹配、运输路线优化、库存预测、设备修理预测、供应链协同管理等方面
3.2K20编辑于 2021-12-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号