第7章 物流大数据

第7章物流大数据本章内容7.1物流大数据的构成7.2物流大数据的应用领域7.3物流大数据的应用案例本章小结本章练习7.1.1云仓储数据云仓储数据需求在开发云仓储管理平台时，仓储系统的数据需要满足以下功能需求:系统的用户包括超级管理员、城市运营商、代理商、供应商、商店等，每个角色都具有不同的职能，为保证系统具有较高的安全性，必须对各个角色所拥有的权限进行严格规划;云仓储是企业供应链中最基础的环节之一，云仓储平台需要与商城系统和店铺ERP系统相连接;云仓储平台需要实现仓库管理系统的主要功能系统必须能够对数据进行分析，以便管理员能够及时发现异常数据。7.1.1云仓储数据云仓储数据构成类别系统管理数据组织机构与用户信息管理数据权限管理数据商品存储管理数据商品管理出入库管理数据退货管理数据盘点任务数据商品调拨数据人工调拨系统智能调拨商品配送功能对车辆的管理完成配送任务优化调整配送路线7.1.2配送大数据配送数据的构成（1）配送业务数据配送业务数据是快递企业某一时间段内的物流配送信息，包括待配送的快递包裹数量、正在配送路上的快递包裹数量、配送员配送快递包裹的详细记录等，其作用是实时监控快递包裹的动态以及配送员配送的实时情况。（2）客户特征数据客户特征数据是接收用户的个性化数据，包括用户要求的上门配送时间、用户接收快递时的即时位置等，其作用是帮助企业了解用户的自然行为习惯，为配送路径的调度优化收集基础数据。（3）配送员配送轨迹配送员配送轨迹是配送员进行快递包裹的配送路线，包括配送员按照个人经验自主选择的配送路线以及由系统给出的建议配送路线，其作用是为配送路线的调度优化收集基础数据。（4）实时环境数据实时环境数据是指配送员配送快递过程中的环境数据，包括配送时的天气环境数据、配送路线的地理环境数据等，其作用是减小环境对调度优化的影响。7.1.2配送大数据物流中心大数据特征大数据时代，物流配送中心具有以下几点特征:1）响应速度快。在大数据时代，物流配送中心作为物流网络的中心节点，对上游的制造商和下游的顾客的响应速度都加快，一方面依据大数据的预测功能，提前做好资源调配，另一方面依据大数据技术，对大交易数据、大感知数据和大交互数据的处理结果更加精准，处理时间缩短。2）服务个性化。物流配送中心不仅满足原有的仓储、运输、加工、装卸服务外，还可以根据货物的类别、顾客的需求增加个性化服务，如货物的个性化包装、配送的个性化定制等。3）作业规范化。传统的物流仓储和装卸等环节很多依靠老员工的经验或者通用式的操作办法，但对于每个物流配送中心来说，这种作业办法往往不是最适合、最有效的方式。针对每个物流配送中心，分析其历史的交易数据和感知数据，建立各个环节的优化模型，使作业具有更规范、更实用。4）配送数据化。在大数据时代，所有的信息都是数字化的，配送过程中产生大量的感知数据，大数据技术提供了对感知数据的存储和分析方法，保证产品配送过程中的全方位、智能化的技术支持，决策过程、决策方案以数据为依据，避免主观决策的盲目性。7.1.2配送大数据配送数据的功能需求大数据时代，物流配送中心具有以下几点特征:1）响应速度快。在大数据时代，物流配送中心作为物流网络的中心节点，对上游的制造商和下游的顾客的响应速度都加快，一方面依据大数据的预测功能，提前做好资源调配，另一方面依据大数据技术，对大交易数据、大感知数据和大交互数据的处理结果更加精准，处理时间缩短。2）服务个性化。物流配送中心不仅满足原有的仓储、运输、加工、装卸服务外，还可以根据货物的类别、顾客的需求增加个性化服务，如货物的个性化包装、配送的个性化定制等。3）作业规范化。传统的物流仓储和装卸等环节很多依靠老员工的经验或者通用式的操作办法，但对于每个物流配送中心来说，这种作业办法往往不是最适合、最有效的方式。针对每个物流配送中心，分析其历史的交易数据和感知数据，建立各个环节的优化模型，使作业具有更规范、更实用。4）配送数据化。在大数据时代，所有的信息都是数字化的，配送过程中产生大量的感知数据，大数据技术提供了对感知数据的存储和分析方法，保证产品配送过程中的全方位、智能化的技术支持，决策过程、决策方案以数据为依据，避免主观决策的盲目性。7.1.2配送大数据配送数据的功能需求（1）配送单元管理（2）运营监控和数据分析（3）任务调度管理（4）环境管理（5）路径规划和优化（6）远程操控（7）消息通信功能（8）状态同步和校正（9）安全监控和异常处理7.2.1智能仓储管理系统系统的架构设计1）整体架构系统架构基于WMS操作系统的C/S结构模式，C/S结构模式要求在客户端安装专用的客户端软件，从而真正体现硬件环境的有效性，保证系统的稳定性为达到使用便利的效果，服务器必须采取集中分布方式。2）功能架构系统功能架构主要包括:系统管理模块、出入库管理模块、基础资料管理模块、库存管理模块、配送任务模块、退货管理模块以及智能调拨模块。3）数据库设计智能仓储物流管理平台系统根据自身架构，覆盖系统的所有业务流程，将系统内部重要流程中的用户及仓库商品等实体属性进行排列，再与业务流程之间进行抽象性的联系，形成实体管理平台架构。7.2.1智能仓储管理系统系统的设计与实现（1）权限管理的设计与实现权限管理模块主要对系统中新的角色和访问权限进行管理，在此基础上，根据不同的用户需求标准在业务流程之间分配不同的权限和功能。（2）出入库模块的设计与实现1）出库模块。2）入库模块。（3）库存管理模块的设计与实现1）盘点任务。2）库存调整。（4）配送任务模块的设计与实现智能仓储物流管理平台的配送任务模块主要负责货品的配送服务，因此，必须保证库存满足相关订单要求，这就需要对库存进行核算。1）路线规划。2）配送任务管理。7.2.2物流中心选址物流选址的数据需求在对配送中心选址问题进行研究的过程中可发现，起到决定性作用的便是配送中心建设成本、物流运输成本以及分拨中心需求量三个因素，因此可研究以上三个因素与数据交互强弱相关性、大感知数据以及大交易数据之间的关系。对于大交易数据来说，可分为两个部分行业内的大交易数据，例如物流流通加工作业量、装卸搬运、包装以及运输等指标。其次是派生行业大交易数据，其他行业的派生需求也可看作为物流需求，与物料市场、消费品生产以及工业生产等领域具有一定联系，因此可使用日用品行业、医学、工业以及农业等产业的物料存储、加工和生产数据进行分析。大感知数据技术可对运输成本造成较大影响，对于传统的物流运输来说，对其运输成本造成影响的因素有配送能力、配送时间以及地理距离等。7.2.2物流中心选址物流中心选址的影响因素相关数据分析自然环境数据气象条件数据地质条件数据水文条件数据地形条件数据经营环境因素经营环境数据商品特性数据物流费用基础数据服务水平数据基础设施数据交通数据公共设施相关数据其他因素与数据国土资源利用数据环境污染数据临近设施数据7.2.2物流中心选址地理信息系统数据地理信息系统（GeographicInformationSystem或Geo－Informationsystem，GIS）又称为“地学信息系统”或“资源与环境信息系统”。它是一种特定的十分重要的空间信息系统。它是在计算机硬、软件系统支持下，对整个或部分地球表层（包括大气层）空间中的有关地理分布数据进行采集、存储、管理、运算、分析、显示和描述的技术系统。地理信息系统处理、管理的对象是多种地理空间实体数据及其关系，包括空间定位数据、图形数据、遥感图像数据、属性数据等，用于分析和处理在一定地理区域内分布的各种现象和过程，解决复杂的规划、决策和管理问题。它的基本功能是将表格型数据转换为地理图形显示。GIS通过地理空间拓扑结构建立地理图形的空间数据模型并定义各空间数据之间的关系，从而实现地理图形和数据库的结合。7.2.2物流中心选址物流中心选址方法目前关于物流中心的选址已经有很多方法，大致可分为定性和定量两大类。定性方法是指凭借个人或集体的经验来做出决策，它的执行步骤一般是先根据经验确定评价指标，对各待选中心利用评价指标进行优劣性检验，根据检验结果做出决策。定性方法的优点是注重历史经验、简单易行，其缺点是容易犯经验主义和主观主义的错误，并且当可选地点较多时不易做出理想的决策。定量方法根据各种约束条件和所要达到的目标，把选址问题转化为函数，再利用合适的算法进行求解，求出最符合条件的解（即具体的地点）作为将建物流中心的位置。7.2.2物流中心选址物流中心选址方法（1）层次分析法（2）模糊聚类法（3）重心法（4）交叉中值法（5）加权评分法（6）P－中值法（7）网络覆盖模型（8）系统模拟法（9）遗传算法（10）模糊品质机能法（11）最短路径法（12）双层模拟退火算法7.2.3智慧配送物流配送假想有供应商，配送中心,以及客户（零售商或最终客户）如图所示，现某零售商需要一定单位的商品G，物流供应商（这里指第三方物流）接到订单之后，首先必须确定哪个配送中心拥有所需商品的库存（在信息共享的条件下，甚至可以知道那个工厂拥有库存以及数量多少），确定由哪个配送中心发货之后，在货源地和客户目的地之间计算出货物最优的配送路径，最后派出车辆完成任务。7.2.3智慧配送大数据下的智慧配送特征智慧配送是智慧物流体系中的核心功能，借助集成智能化技术，让配送系统模仿人的智能，具备思维、学习、感知、推理判断、解决问题等能力，以对配送过程中出现的各种难题进行分析判断进而自行解决。也就是利用各种互联网技术从接收订单开始，自动化处理备货、存储、分拣及配货、配装、配送运输、送达服务及配送加工，让信息流快速流动，以便在各操作环节及时获取信息，对信息进行分析做出决策。简单而言，智慧配送就是借助传感器、RFID、移动通信技术让物流配送实现自动化、信息化、网络化。配送过程的智慧性应具有以下特征:自动感知。整体规划。智能分析。决策优化。修正与反馈。7.2.3智慧配送智慧配送体系7.2.4应急物资调度在应急指挥中心对事件进行分级后，根据情景分析及应急物资的需求预测，如等级在一定的范围内，就直接调用当地储备库里的应急物资;当等级超过一定范围后，储备库内的物资无法满足需求，政府将与合作的供应商联系进行市场采购、生产，或者直接征用当地的物资设备等;同时在互联网媒体的宣传下，个人和社会组织进行社会捐赠。在各方的积极行动下，各类应急物资汇集到应急物资调度中心;然后统一调运到各分发点，派送给灾区的群众;最后根据当地救灾情况将资源信息反馈到应急指挥中心。在灾情得到控制后，即进入应急物资的逆向物流过程，此时的物资已没有了应急特性，只需按照一般性物资处理。7.2.4应急物资调度大数据环境下应急物资调度系统功能分析应急物资的管理涉及救援过程的前、中、后三个阶段，主要内容有:应急物资的储备、需求预测、调度配送和灾后灾情评价等。其中，应急物资的储备是属于前期的管理行动，应急物资的需求预测、筹集和调度配送则是应急物资管理的核心内容，属于事中、后的管理行动。目前，在应急救灾的过程中，由于捐赠给受灾地区的各类物资质量各不相同，又缺少统一的科学管理，为物资的调度和配送增加了很多负担，也使得应急物资的使用价值得不到最大化，同时还会给救灾的质量造成一定的影响。故本文研究如何在大数据和现代物流的发展下，利用大数据和供应链物流等思想，设计应急物资管理各环节集成于一个系统而又可以相对独立运行的模式。在应急物资管理行动中，在最大的资源利用效率下实现最低的资源运输损失，实现应急物资的最大价值。

根据前文的研究分析，大数据环境下应急物资调度系统的主要功能有:应急物资需求预测、选择应急物资调运线路、应急物资的定向分配、能力绩效和满意度评估。7.2.4应急物资调度大数据环境下的应急物资调度系统构建大数据环境下应急物资调度系统的主要功能框架图7.2.4应急物资调度大数据环境下的应急物资调度系统构建大数据应急物资的需求预测7.2.4应急物资调度大数据环境下的应急物资调度系统构建大数据应急物资调运线路7.2.4应急物资调度大数据环境下的应急物资调度系统构建大数据应急物资定向分配7.2.4应急物资调度大数据环境下的应急物资调度系统构建大数据应急物资定向分配7.2.4应急物资调度大数据环境下的应急物资调度系统构建大数据应急物资定向分配7.3.1物流中心选址实例大数据环境下的应急物资调度系统构建大数据应急物资定向分配7.3.1物流中心选址实例仅考虑地理分布的配送点聚类结果综合考虑商家分布与订单信息的配送点聚类结果7.3.1物流中心选址实例综合聚类结果与商业分区之间的关系综合聚类结果与地理分区之间的关系7.3.1物流中心选址实例基于配送地理聚类信息的网点聚类划分结果基于配送综合聚类信息的网点聚类划分结果7.3.1物流中心选址实例基于两种聚类结果的网点划分分析图（纵坐标为综合聚类结果，横坐标为地理聚类结果）7.3.1物流中心选址实例物流节点节点编号网点（地理聚类）网点（综合聚类）配送区域商户区域1A020C1C5P3S32A099C1C4P3S33A093C2C1P1S34A045C2C7P1S15A009C3C2P2S16A116C3C8P2S17A094C4C3P1S18A007C4C8P1S19A012C5C5P1S110A082C5C6P1S211A108C6C5P2S212A021C6C6P2S213A066C7C6P4S27.3.1物流中心选址实例物流节点辐射图7.3.2物流配送路径优化实例一个配送点用多辆车或者一辆车向n个客户送货，其中客户的需求量和位置坐标是确定的，车辆的载重量和单次配送的最大行驶距离也是有限的。如何安排配送车辆的行驶路线才能使所用的配送总成本最少、延误的惩罚费用最低，还必须同时满足以下约束条件:1）配送车辆的总载重量要大于不同客户群体的需求量。2）配送车辆一次能配送的最大行驶路程距离大于各条路径的距离。3）必须满足每个客户的需要，并且送货只能由一辆车配送车进行。4）必须在客户规定的时间内送到。7.3.2物流配送路径优化实例其中采用的方法主要包括导入地理信息数据的ArcGIS数据库、求解物流节点到配送点优化路径的Dijkstra法，以及计算共同配送运量分配的表上作业法。1）基于GIS的物流节点与交通路网数据信息导入。GIS通过管理数据,借助插值与统计分析功能,来实现对物流量的预测。此外,也能够通过调用外部的预测模型来分析,按照时间顺序,直观显示地图或专题地图。将网点与配送点基础数据导入到编辑好的路网中，为后续最优路径计算提供依据。2）基于表上作业法的共同配送供需分配。在基于表上作业法计算共同配送供需分配时，主要用到了运筹学中的最小元素法和位势法。具体步骤可分为以下几步：第一步：列出运价表和调运物资平衡表第二步：编制初始调运方案第三步：初始方案的检验与调整3）基于Dijkstra的共同配送路径优化。通过Dijkstra算法将各个网点到与之对应的所有网点之间的最短时间计算出来。7.3.2物流配送路径优化实例

A020A038A117A099A018A087需求量B61485740513540334B495161465541443620B443552363210181537B28075542433340363B13005543423240356B32535135378181866B3644543739102021220B39235034376161774B17825542391216171