Hyppää sisältöön
    • Suomeksi
    • In English
Trepo
  • Suomeksi
  • In English
  • Kirjaudu
Näytä viite 
  •   Etusivu
  • Trepo
  • Kandidaatintutkielmat
  • Näytä viite
  •   Etusivu
  • Trepo
  • Kandidaatintutkielmat
  • Näytä viite
JavaScript is disabled for your browser. Some features of this site may not work without it.

Big datan hyödyntäminen tiekuljetusten reittioptimoinnissa

Ratilainen, Miika (2023)

 
Avaa tiedosto
Kandidaatintyö (573.3Kt)
Lataukset: 



Ratilainen, Miika
2023

Teknis-taloudellinen kandidaattiohjelma - Bachelor's Programme in Business and Technology Management
Johtamisen ja talouden tiedekunta - Faculty of Management and Business
This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Hyväksymispäivämäärä
2023-06-07
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:tuni-202305125712
Tiivistelmä
Reittioptimoinnilla pyritään usein madaltamaan logistiikkaan liittyviä kuluja. Jotta reittioptimoinnista saadaan hyötyä, tarvitaan tietolähteitä, joita optimoinnissa voidaan hyödyntää. Työn tavoitteena on selvittää, kuinka big dataa ja siihen liittyviä tietolähteitä voidaan käyttää tiekuljetusten reittioptimoinnissa. Tutkimuksen päätutkimuskysymykseksi nousee, miten big dataa voidaan hyödyntää tiekuljetusten reittioptimoinnissa. Kysymykseen pyritään vastaamaan selvittämällä reittioptimointiin liittyviä tietotarpeita, sekä esittämällä kuinka kyseisiin tarpeisiin voidaan vastata big datan avulla.

Tämä tutkimus on toteutettu kirjallisuuskatsauksena hyödyntäen Finkin seitsemän kohdan menetelmää. Tutkimusaineistona käytetään pääosin kirjallisuuskatsauksessa löydettyjä tieteellisiä artikkeleita sekä jotain aiheeseen liittyviä kirjoja. Tutkimuksen teoriaosa on jaettu kahteen lukuun. Ensimmäisessä luvussa perehdytään tiekuljetusten ominaispiirteisiin sekä reittioptimointiin. Yleisin tavoite, johon reittioptimoinnilla pyritään, on kuljetun matkan minimointi. Reittioptimoinnilla voidaan kuitenkin pyrkiä myös muihin tavoitteisiin, kuten esimerkiksi käytettävien ajoneuvojen määrän tai myöhässä toimitettavien lähetysten minimointiin. Toisessa teorialuvussa big data määritellään kolmen V:n mallin mukaisesti, jonka lisäksi sen tyypit ja analyysitavat käydään läpi. Teoriaosan jälkeen käsitellyt aiheet yhdistetään ja big datan hyödyntämistapoja reittioptimoinnissa esitellään.

Kandidaatintyön tuloksena big datalle tunnistettiin useita käyttötapoja tiekuljetusten reittioptimoinnissa. Big dataa voidaan käyttää etenkin tukemaan muita datalähteitä reittioptimoinnin toteuttamisessa, koska big data lisää optimoinnissa hyödynnettävän datan määrää ja datatyyppejä. Tutkimuksessa osoitettiin, että big datalla on mahdollisuuksia kehittää reittioptimointia etenkin tulevaa ennakoivalla analysoinnilla. Datalähteistä etenkin reittihistoriaa voidaan hyödyntää monipuolisesti reittioptimoinnin eri tavoitteiden saavuttamiseksi. Big datan hyödyntämisestä reittioptimoinnissa on saatavilla suhteellisen vähän tutkimustietoa, mutta yhdistämällä reittioptimoinnin tietotarpeita ja big datan tarjoamia mahdollisuuksia käsitteleviä artikkeleita, tutkimuskysymyksiin pystyttiin vastaamaan.
Kokoelmat
  • Kandidaatintutkielmat [10646]
Kalevantie 5
PL 617
33014 Tampereen yliopisto
oa[@]tuni.fi | Tietosuoja | Saavutettavuusseloste
 

 

Selaa kokoelmaa

TekijätNimekkeetTiedekunta (2019 -)Tiedekunta (- 2018)Tutkinto-ohjelmat ja opintosuunnatAvainsanatJulkaisuajatKokoelmat

Omat tiedot

Kirjaudu sisäänRekisteröidy
Kalevantie 5
PL 617
33014 Tampereen yliopisto
oa[@]tuni.fi | Tietosuoja | Saavutettavuusseloste