大数据环境下的智慧物流理论与方法科研日志

核心提示摘要在大数据时代的背景下,智慧物流的发展已经成为了必然,同时物流行业面临巨大的挑战和机遇。大数据的核心价值在于海量数据的存储和分析,大数据技术的战略意义不在于掌握海量数据信息,而在于对这些有意义的数据进行专业化处理。大数据作为一种海量、高增

摘要

在大数据时代的背景下,智慧物流的发展已经成为了必然,同时物流行业面临巨大的挑战和机遇。大数据的核心价值在于海量数据的存储和分析,大数据技术的战略意义不在于掌握海量数据信息,而在于对这些有意义的数据进行专业化处理。大数据作为一种海量、高增长率、多样化的信息资产,将它运用于物流中,可以提高物流的智慧化,促进物流行业的发展,提高用户的体验感。

智慧物流是一种物流的转型创新,是让物流适应"大数据时代"的重要渠道,是国家重点关注的对象。本文在目前物流行业发展现状的大背景下,借鉴国内外学者关于智慧物流的相关研究成果,通过对比国内外智慧物流进程,然后基于智慧物流智慧化、数据化和协同一体化的特点,结合智慧物流带来的作用,分析得出智慧物流的可行性。

本文针对大数据环境下的智慧物流理论与方法进行总结和分析;由此希望可以帮助x企业提高物流技术水平,推动企业长远发展。

关键词:大数据,智慧物流,技术方法,理论

目 录

一、引言

二、大数据环境下的智慧物流理论分析

大数据的概念

智慧物流的概念

智慧物流与大数据的关系

智慧物流与传统物流差异

智慧物流带来的机遇

三、大数据环境下的智慧物的应用方法与模型计算

物流配送

库存管理

物流全链路分析

产品的市场预测

结论

参考文献

一、引言

在大数据的背景下,传统的物流运营模式的弊端逐渐显露并放大,已经不再适合中国的新型经济环境,因此建设一个与当代经济发展相匹配的物流运营模式体系成了物流运营的关键。智慧物流就是通过大数据处理技术,再利用软件系统将人和设备更好地结合起来,系统不断提升智慧化水平,让人和设备能够发挥各自的优势,达到系统最佳的状态,并且不断进化。大数据与智慧物流属于相辅相成,互相促进的关系。在大数据的背景下,传统物流成本极大的滞缓了经济的发展,因此物流企业向智慧物流转型成了企业升级的必经之路。

二、大数据环境下的智慧物流理论分析

大数据的概念

大数据不仅是一个数据资源库,更是一种数据处理、分析和应用的能力。大数据作为一个新兴名词,对各个行业有着不同的含义。它可以定义为一种在一定时间内对大数据集进行分析、处理和提取的软件程序。大数据可以实现的应用可以概括为两个方向,一个是精确定制,另一个是预测。你通过淘宝搜索相同的产品,每个人的结果都是不同的,有时候价格相差很大。基于互联网背景,研究通过“互联网+”技术对目前物流行业现状进行转化升级由传统物流向智慧化物流转型。运用大数据平台,对物流各个环节进行实时化管理。

现在,中国已经建立了一批大数据产业园,许多城市都设立了大数据管理局。可见,国家对大数据高度重视。大多数组织都有大数据概念。因为他们已经了解利用数据并从中提取价值的必要性。

智慧物流的概念

“智慧物流”主要是指利用智慧化、信息化和自动化技术形成的一种新型物流形式。总体来说就是对物流过程中的各个环节进行优化,提出最佳的解决方案。它不仅具有传统的储存、储存功能,还包括拣选、配送、检验等工作,以及贴标、再包装等配送功能和流通加工功能。

与传统物流不同,智慧物流的“智慧”体现在对“物”的操作上,它具有:动识别和控制、全过程跟踪、实时响应和处理、智慧决策和优化、绿色、低碳、环保等特点。

智慧物流有三个典型特征:一是数据驱动,即利用大数据、互联网、人工智慧等技术,构建物流信息平台,从内部管理和外部服务的角度优化资源配置;二是信息互联,它把物流管理作为一个系统工程和政府部门作为一个整体;第三是人工智慧,即它应该由人完成复杂的工作,应该由机器设计完成程序,通过技术赋予机器以人的思维和行动能力,从而降低人工成本,提高管理效率。通过价值角度对智慧物流内涵进行了描述,即智慧物流的本质是依托信息数据、感知技术以及云技术,通过互联网网络平台整合物流资源要素,实现物流产业的可持续发展目标。

图1智慧物流与传统物流区别

智慧物流与大数据的关系

智慧物流作为物流产业的一种新业态,其核心内容在于依靠大数据或云计算等技术实现物流产业的优化。大数据驱动的智慧物流平台的建立对智慧物流能够产生许多积极作用,它不仅可以促进物流产业优化和管理的透明度,还能实现物流产业各个环节信息共享和协同运作。大数据技术在智慧物流中的应用实例很多,诸如从客户角度出发的智慧物流,可以刻画出地区用户画像,精确定位物流需求。预测出地区需求数据时,物流企业不仅可以提前对该地区增加配送人员以应对可能出现的物流高峰,也可以合理规划临近配送点,对配送路线进行优化,提高运输车满载率的同时提高配送效率,为地区客户带来更好的配送体验。

智慧物流与传统物流差异

区域运输配送模式

智慧物流运输配送模式更加符合现代物流观念。在运输的过程中,完整的GPS和GIS集成不仅可以实时监控运输车辆的运输状态,此外,根据网络信息交流平台,我们可以使用大数据技术来预测车辆运输过程中不确定的风险。通过地理信息系统的GIS技术,我们可以及时上传合适的运输路线,并通过信息平台将其传送到运输车辆上,从而有效避免运输过程中的不确定因素。

包装和流通加工过程中

使用后的原材料不能及时进行废物处理,尤其是医疗药品,如果不及时回收利用,很容易造成环境污染。构建现代信息技术与仓储模式相结合的物流体系结构是仓储发展的必然趋势。集成现代信息技术的新型智慧物流仓储模式,使仓储模式从货物入库到货物出库的整个环节更加科学、简单、智慧化,更符合党的十九大提出的建设现代物流体系的运行模式。

随着快递行业的发展,信息技术建设的不完善,不能及时满足快递服务业的需求,导致工单升级、省时等问题部分的数量增加,这严重限制了快递的时间节约,浪费了成本和资源。利用大数据技术,提前感知交通运输的潜在风险,通过调度指令优化路线,快递员可以根据网络扫描信息,合理安排配送路线。

智慧物流带来的机遇

随着信息技术的快速发展,特别是云计算和物联网技术的成熟,推动了以大数据应用为标志的智慧物流业的崛起。智慧物流极大地促进了物流业优化管理的透明化,实现了物流业各方面的信息共享和协同运作,实现了社会资源的高效配置。

在智慧物流环境中,每天将有数亿封邮件和包裹通过大数据分析,再准确有序地发送到世界各个地方。智慧物流的最终目标是通过现代物流业的技术创新和产业转型,实现并确保整个社会系统的和谐、稳定、有序运行。

降本增效机遇

由于我国物流企业是中小企业占据主导地位,资金匮乏人才不足、制度不健全等因素严重制约着智慧物流的发展步伐,统一、完善的智慧物流体系尚未真正建立,要实现智慧物流发展必须将大、中、小物流企业全部纳入公共智慧物流系统[7]。大数据时代的到来,催生了大数据技术的不断发展,如大数据采集、存储、检索、预处理和分析等核心技术,扩泛应用于物流运输和管理各个环节,为物流环节中数据的识别、传播和利用提供了极大的信息支撑。正是由于大量信息的存在和应用,物流企业得以形成自己的数据平台,从而加强了企业自身的人财物有效管理,使企业的各项决策方案更加科学合理,在降低物流成本的同时提高了物流效率。智慧物流是现代物流体系和物联网相互结合的产物,并使得物流产业具有了可视化、自动化及可控性等能力。物流企业可以动态掌握物流信息和市场运行状态,有利于提升物流企业的管理能力以及实现物流产业的降本增效目标。

精准管理机遇

智慧物流的管理包括物资管理、员工管理、信息管理和技术管理等,这些管理措施对于物流业的发展起到重要的引导和保障作用。平台利用大数据技术,创建共享平台使物流供应链,上下游的企业和相关产业得以有机联合,通过智慧配对推送竞价交易信息,并辅之以无车承运人业务,使物流货物配.送、质量安全和服务保障都实现了精准资源配置。可以说,中储智运平台是大数据时代重新定义精准物流管理的典型例证。再以货物仓储为例,利用大数据能够清楚呈现货物储量、库存状况、作业规范等情况,对仓储环境参数进行实时监控,当仓储临时出现问题时能够及时作出回应,提高仓储工作的智慧化和精准化管理水平。

优化决策机遇

智慧物流的典型功能之一就是优化决策。对于整个物流环节而言,物流决策主要体现为规划和预测两个方面,前者主要以成本和时间为优化目标,常用于仓储选址、运输路径、仓储布局等方面;后者主要以管理和服务为优化目标,常用于商品库存、客户信赖、设备维修等方面。在大数据时代,哪个物流企业掌握了更为先进和成熟的大数据技术,也就拥有了最为核心的竞争力。

提升服务机遇

现代社会是网络信息高度发达的社会,人民群众的物质生活较为丰富导致网购需求积极膨胀,但客户对交通出行、饮食购物等物流便捷服务体验的追求程度也越来越高。以快递.业为例,相比快鸟驿站、丰巢等传统取件方式,送货上门则保障了末端配送的“最后100米",让客户获得更为良好的购物体验,也意味着服务质量的大幅度提升。物流业只有提供更便捷、高质量的服务,才能进一步巩固其与客户间的信赖关系,增强客户的黏粘性,避免客户的流失。大数据时代为物流企业提升服务质量带来机遇,通过提前预测能够了解不同地区、不同群体的消费需求,掌握客户的消费习惯,提升客户的消费体验度;通过科学决策能够及时处理商品在配送过程中出现的各种问题,及时保持与客户的沟通联系,为客户提供个性化的定制服务。大数据背景下,数据采集难度较大、数据分析环节薄弱、数据安全问题突出和数据专业人才匮乏的挑战。

三、大数据环境下的智慧物的应用方法与模型计算

物流配送

配送效率是衡量一个物流企业的服务能力强弱的关键标准。某平台智能供应链利用大数据提高物流配送效率,降低物流成本。物流成本包括运送途中消耗的人工成本、运输成本。某平台运用大数据建立以北京市、广州市、西安市等六大城市为中心的物流配送网络。某平台通过大数据技术能够在物流配送的过程中以各个物流人员的任务为依据,解决多仓库之间的调配,实现合理有效的布局,优化配送站的选址,仓库的分布以及库房内的拣货路径来提高拣货效率和降低人工成本;利用算法计算选出物流派送人员,同时利用大数据技术再配合全球定位系统、地理信息系统等可以抓取到配送地区实时路况,结合智能算法为物流人员选择最优配送路径,提高了配送效率和客户的满意度。甚至,某平台还可以依靠海量的大数据在用户下单前即预测到其行为,比如:一款新型手机首发的时候,某平台通过建立模型和算法分析预测出每个小区的需求量,并把相应数量的手机发到最近的仓库,用户一下单,配送员就可以快速从仓库把手机送达至用户。

其中,数据挖掘中的聚类蚁群算法在物流配送优化的环节运用最多。聚类即将数据分成多个簇,使每个簇中尽量达到相似性最大,不同簇之间达到相似性最低,是一种基于距离计算的算法。聚类蚁群算法是一种仿生学算法,现已经被广泛应用在组合最优解的问题中。以物流路径优化为例,假如物流配送车需要从A点出发,并将货物送到分别位于1-9号位置的客户处,不同客户还存在不同的时间要求。物流配送示意图如下。

图2物流配送示意图

对于配送公司而言,还有还有配送车空置率和成本等要求。在满足上述约束的前提下,可以通过聚类蚁群算法来选择最优运送路径。在大数据技术中路径是一种序列数据,可以通过基于线段的路径表示方法获取和记录仓库到每一个客户之间的路径距离及客户与客户之间的路径距离。当运输车辆在地点i为某位客户完成服务以后,按照下面的蚁群算法模型公式来选择下一个服务的客户j。

其中,allowk为车辆K在t时刻完成一位客户的服务之后,可选择的下一位待服务客户;Tij为t时刻,客户i到客户j的信息要素;ηij为t时刻,客户i到客户j的可见度;α和β为信息素和启发因子对路径选择的影响程度。将上述公式不断进行迭代,经过多次寻找,即可完成对所有客户的服务,最后返回仓库。

某平台近年来已经停止活跃用户下滑趋势,这说明消费者近年来在某平台平台的购物体验有所提升。根据网络中的消费者调查问卷结果显示,优质的物流服务是消费者对某平台平台粘性增加的主要原因。并且,根据某平台在2021年3月11日发布的2020年财务报表所示,与2019年全年相比,2020年全年净服务收入增长42.0%。在电商物流行业内竞争如此激烈的当下,某平台净服务收益率仍可实现稳步增长,可以看出大数据技术在某平台优化物流配送方面的效果,确实达到了提升盈利能力的目的。

库存管理

截至2020年12月31日,某平台物流公司共经营900多个仓库,覆盖全国超50个城市,其中包括6座自建亚洲1号仓库,总面积达到超过2100万平方米,与多个数码、服装、日化等品牌供应商建立稳定合作关系,保证了足够的库存商品数量和种类。某平台利用大数据分析技术建立了存货实时管理系统。存货库存环节成本包括持有成本、缺货成本和人工成本。某平台利用大数据技术实现自动补货。某平台根据商品历史销售量、供货商配送速度和质量等因素,通过大数据分析技术来预测各种商品的库存临界值和补货数量,在商品库存即将达到临界值时,自动选择满足订单需求的供货商进行下单,快速及时地补货,有效降低存货缺货成本。同时也减少了对企业资金的占用,减少了不必要的持有成本,也极大地提高了存货的存货周转率,进而提高了某平台对供应商的议价能力。

物流全链路分析

传统的物流模式中,商家导出物流明细,进行数据加工,制作可视化图形分析都会花费大量的时间,而某平台智慧物流系统可以提前进行数据加工,将数据用最合适的方式展现给商家,大大降低了商家物流业务分析成本。传统模式中商家往往对物流活动进行粗放式管理,缺少日常监控及分析,某平台智慧物流系统通过全面的物流分析,比如订单分布、全国时效分布等功能辅助商家进行物流全链路分析,帮助商家进行存货及补货等工作,实现高效的数字化运营。

产品的市场预测

传统的网络问卷调查或依靠个人主观判断的决策方法已经逐渐被淘汰,这些方式很难准确和及时地了解现代电商消费者的物流服务需求,容易使企业做出错误的判断。某平台作为国内最大的自营B2C电子商务平台,在各种购物节期间流转着千万级的订单数据,某平台系统通过采集客户的浏览商品时间、是否添加购物车、评价信息、收藏夹等所有与销量有关的数据了解客户的想法和产品需求,然后通过数据挖掘和分类分析的方法确定客户群体,使企业实现精准销售。

数据挖掘是一个从大量数据的集合C中发现中发现隐含模式M和知识N的结果S,其过程可以看作是一个函数CS,输入的是买家个人信息,付款日期,付款价格,产品信息等数据,输出的是用户类群,商品喜好度等结果。

大数据技术的实时性很好地解决了传统问卷调查方法延迟时间长、效率低等问题。并可以根据实时的调研结果安排最佳仓储量,避免错过最佳销售时间段。

根据数据显示,2020年全年,某平台净收入7458亿元人民币,比2019年全年增长29.3%。正是大数据技术在市场预测方面的应用使得某平台在行业竞争加剧,宏观经济放缓,一、二线城市用户增长红利基本到头的大背景下,盈利能力依然能够持续增长。

结论

智慧系统能够在物流业的各个环节发挥作用,这是物流业在现代乃至未来发展壮大的趋势。依据现今的数据研究表明,智慧系统在生活中应用越来越广泛,对于其的研究也越来越丰富,但是,智慧系统想要更好地运用在物流产业中,为物流提高效率、促进资源配置,其面临着许多现实中的障碍。在遭遇障碍时,只有采取合理有效的措施,才能让智慧系统更好地服务于物流。

由于研究条件、学术能力等多方面的限制,本研究中存在一定的局限性和不足。智慧物流作为一种新的物流体系,正在不断的发展和变化,从而可以更好适应我国的物流政策体制。要使各区域智慧物流发展支撑体系的现状评价更加科学,还需要在今后的研究中进一步完善。

参考文献

[1]李佳.基于大数据云计算的智慧物流模式重构[J].中国流通经济,2019,33:20-29.

[2]李佳,靳向宇.智慧物流在我国对外贸易中的应用模式构建与展望[J].中国流通经济,2019,33:11-21.

[3]斯燕.大数据背景下的智慧物流发展策略研究[J].中国市场,2019:161-163.

[4]况漠,况达.中国智慧物流产业发展创新路径分析[J].甘肃社会科学,2019:151-158.

[5]张彤.大数据背景下智慧物流业务体系构建与运营[J].商业经济研究,2019:86-89.

[6]吴清萍,黄成岳,贾秀.新零售背景下我国智慧物流发展研究[J].商业经济,2022:68-70.

[7]黄彬.大数据时代传统物流产业智慧化转型路径研究[J].技术经济与管理研究,2021:118-121.

[8]周冬梅.大数据时代农产品智慧物流发展研究[J].山西农经,2022:166-168.

[9]杨志华.基于大数据的智慧物流应用模式分析[J].物流工程与管理,2022,44:38-40.

[10]杨志华.大数据背景下智慧物流的运营分析[J].中国储运,2022:93-94.

[11]梁英杰.大数据技术用于智慧物流中的策略[J].大众标准化,2022:31-33.

[12]黄音,毛莉莎,张小帆,盛思诗,黄淑敏,甘佳,张薪薪.基于数字孪生讲台的在线沉浸式教学体系分析与流程设计[J].远程教育杂志,2021,39:51-62.

 
友情链接
鄂ICP备19019357号-22