第三方物流智能优化与决策分析系统及其工程实现

第三方物流智能优化与决策分析系统及其工程实现一、作品的主要研究内容以及创新点1、作品的总体介绍本作品针对第三方物流公司的先进物流概念所设计，主要的架构在于支持其业务营运、操作管理，提供客户实时的信息服务，进而能够增加营运效能、降低操作成本、提升客户的满意度为目标。

为此，我们选择了杭州富日物流有限公司作为该作品的应用对象。

杭州富日物流有限公司通过引入西方先进的第三方物流经营理念，成功地开拓了以杭州为核心的周边物流市场，目前已成为杭州最大的第三方物流企业之一。

富日物流为客户提供仓储、配送、装卸、加工、代收款、信息咨询等物流服务，吸引了包括“伊莱克斯”电器、“科龙”电器、“朝阳”轮胎、“康师傅”食品在内的百余家著名企业成为富日物流公司的忠实伙伴。

目前，富日物流公司为各客户操作的商品量达2.5亿元。

公司还扩大了6万平方米的仓储容量，使每天储存的商品量达10亿元左右。

1.1 项目的主要研究内容⏹信息管理系统。

实现一个通用化、模块化的物流信息管理系统，包括仓库管理、运输配送、基础信息等多个通用的子系统。

⏹库存预测与优化。

研究线性回归、时间序列、灰色模型等算法，根据库存中各种物品的历史出库量，预测出未来一段时间内的出库量，相关管理人员可依据预测出的结果对仓库、人员、设备等资源做出预先的安排和调度。

⏹运输配送优化调度。

利用遗传算法、粒子群算法等智能优化算法，研究实际物流配送模型，实现将一天或者一天中某个时段的运输任务，针对多定单、多产品、多客户目的地的运输要求，对实现配送路线和装车方式的优选，同时最优化地调度车辆和货柜。

⏹信息交换技术。

研究基于XML数据传输和交换技术、SOAP传输协议的Web Services,为现代物流企业的发展拓宽了道路,节约了整体成本,提高了业务运作效率。

数据可视化。

1.2 系统结构本作品包含六个主要系统，即运务系统、智能决策支持、信息交换、营业系统、仓储系统、帐务系统以及控制面板，将富日物流现有业务涵盖于内，进行一次性规划，分阶段设计，滚动实施步骤，逐步完善整合系统的具体功能。

软件组织图如下：以B/S模式，即浏览器/服务器模式，是一种多层次模式发展起来的新的网络结构模式，根据软件技术原理，软件的逻辑层次划分越细致，其灵活性和可扩展性就越大。

由于B/S模式采用了三层以上软件结构形式，极大地提高了软件的灵活性和可扩展性，使软件便于升级。

另外B/S模式的集中式运行、分布式操作的特点，使得应用系统可以部署和维护都集中在一台或少数几台服务器上，客户端统一采用浏览器而不需在终端上一一安装客户端软件，大大降低了系统的维护成本，也减少了因为客户端软件感染病毒等原因带来的损失。

同时由于B/S模式的软件系统的客户端采用标准的浏览器，使得对系统的操作非常方便，降低了学习和使用的难度，培训费用也明显降低。

2、作品创新点针对第三方物流公司的运作过程里，涉及到的一系列的问题，提出了切实可行的方案，尤其是提出了如下的创新点：◆研究线性回归、时间序列、灰色模型等智能算法在物流智能决策中的应用，通过对出入库信息，库存信息，配送信息等的统计分析，使用上述各种智能决策支持算法给管理者提供决策支持信息。

◆研究粒子群算法、遗传算法等智能优化方法在实际物流配送中的运用。

针对不同的优化目标，建立了车辆最少，时间最短等不同的配送模型，同时在模型中考虑不同的客户的配送难易程度。

将多种算法优化的结果进行比较，给调度员提供多种调度方案。

◆研究基于XML数据传输和交换技术。

为了解决异构系统间数据的高效、快捷、安全的传输与交换，本项目使用JAVA结合XML技术开发一个针对第三方物流家电食品行业的数据交换接口。

二、已取得的成果在实施过程中，取得了以下成果：⏹赵燕伟，吴斌等， Particle Swarm Optimization for Vehicle Routing Problem with Time windows, Advance in Materials Manufacturing Science and Technology, pp801-805, 2004,9(SCI收录 No.BBF53 )。

⏹吴斌，赵燕伟等，Particle Swarm Optimization for Vehicle Routing Problem，The 5th World Congress on Intelligent Control and Automation, pp2219-2221,2004.6（EI 收录 No.0438*******)。

⏹赵燕伟，吴斌等，车辆路径问题的双种群遗传算法求解方法, 计算机集成制造系统-CIMS ,pp303-306,2004.NO.3(EI收录No.04268238569)。

⏹吴斌,赵燕伟等， Artificial Fish School Algorithm for Vehicle Routing Problem，The Third International Conference on Electronic Commerce Engineering (ICeCE2003), pp329-331, 2003,10(ISTP收录 No.BY34X)。

⏹吴斌，赵燕伟，蚁群算法的研究现状，自动化仪表，pp1-4,2004,vol.25, No.1⏹杨丰玉，赵燕伟，第三方物流货物需求量的灰色模型预测及应用，计算机工程与应用。

（已录用）⏹赵燕伟，胡峰俊等，面向第三方物流的分形工作流网络模型设计，制造业自动化。

（已录用）⏹计算机软件著作权《生产计划与调度的智能算法软件包》，登记号：2004SR11619⏹已申报发明专利一项“一种车辆调度问题的粒子群优化方法”，申请号200510061232.9三、第三方物流智能协作系统第三方物流智能协作系统可分为运输系统，智能决策支持系统，营业系统，帐务系统，控制面板，仓储系统，六个模块，各个模块的功能如下所示：运输系统运输系统包括承运单管理，回单管理，人工排车，最小车辆排车，准时到达排车，调度基础信息的维护几大功能模块。

图1 运输系统图2 自动生成承运单图3：运输系统界面智能决策支持系统物流系统中的决策支持系统主要包括三个主要内容：数据统计分析、数据挖掘及多维表分析。

数据统计分析主要是对日常操作的数据库表按照相关的条件进行查询和汇总；数据挖掘部分的功能主要有预测、聚类和类别匹配，这些功能主要是在统计分析结果的基础上，利用相应的算法，得到一些有效的知识和规则，辅助用户进行决策；多维表分析是将数据库中日常操作数据中用户所关注的数据提取出来，建立具有多个维度的数据仓库。

用户可从这多个维度来查看自己所关心的数据。

图4 智能决策支持系统图5 智能决策支持图6 智能决策支持图9 智能决策支持系统营运系统营运系统是富日物流经营的对外窗口，包括收货，出货订单的接受，生成，对外的数据交换。

基于XML的数据交换接口，提供了与其他企业进行交换的快捷方式。

图10 XML数据交换系统界面图11 XML数据交换系统界面图12 XML数据交换系统界面图13 XML数据交换系统界面⏹控制面板控制面板主要试对客户、仓储、货品等各种基础信息的操作，如添加，删除，查询等。

图14 控制面板系统界面⏹仓储系统仓储管理子系统是物流作业的重心，对于第三方物流的专业化、规模化，配送的少量多样化，货物流动的随机性，仓储所扮演的角色已经不再是单纯的储放保管，他被赋予更多的流动概念，货物入仓的目的已扩展到依订单的分拣或合并，组与拆装的流通加工，包装与贴标的简易加工。

仓储系统主要完成货品的收货、出货、入库、拣货、库存管理等。

图15 仓储系统界面 帐务系统帐务系统包括结算管理和费用调整两个功能。

图16 帐务管理系统界面四、关键技术该作品除了一般的业务流程以外，关键研究和解决了如下问题：◆建立仓库中物品入/出库量、库存量、配送频率的预测模型，利用时间序列、灰色模型等算法实现对未来一段时间内出库量的预测。

◆建立实际的物流配送模型，遗传算法、粒子群算法等方法的求解方案，如编码方式，进化策略，交叉方法等。

在web客户端采用图形化方式来显示算法的结果。

◆用XML制定关于第三方物流系统的标准规范及其实现，以及与不同数据库间的XML转换技术的研究和实现。

1、智能决策支持技术智能决策支持系统主要包含统计分析、预测分析、淡旺季匹配及OLAP四个模块，其结构如下图所示：⏹统计分析技术统计分析模块采用数学中的统计分析方法，利用求和、求平均值等方法统计出某些用户所关心的数据，如某一段时间内某个客户占用仓库的面积，该客户所耗费的成本及产生的各种费用等信息。

本模块包括以下几个部分，结构如下图所示：图8：统计分析技术框图⏹ 智能预测分析技术此模块是在统计分析的基础上，利用一些智能算法发如线性回归、指数平滑、灰色模型等方法来预测出未来一段时间内的趋势。

预测的对象是某个类型的货品收货、出货的次数及收货、出货、库存的数量。

预测的类型分为两种，年预测和月预测。

年预测只预测每年的总量，而月预测则是预测每个月的数量。

预测模块包含以下几个模块：图9：预测分析模块框图 ⏹ 淡旺季匹配技术淡旺季匹配是针对仓库中货品出货有季节性的特点，先计算出其每年的淡旺季月份，再在淡旺季月份的基础上找出淡旺季刚好匹配的货品，考虑将其放在同一仓库或库位，从而提高仓库面积的利用率。

图10：淡旺季匹配框图⏹ 多维数据分析技术OLAP （OnLine Analysis Processing ），即联机事务处理，它的功能是将数据库中的日常操作数据按照用户所关注的问题建立成数据仓库，并将数据仓库按照多个维度、多个角度展现于用户面前，方便用户进行宏观和微观的查询要求。

年出货量预测月出货量预测年收货量预测月收货量预测年库存量预测月库存量预测数据库模型库算法库图11：多维数据分析框图核心算法DBSCAN算法：利用类的高密度连通性可以快速发现任意形状类的聚类算法。

算法可以根据样本的分布情况自动地确定邻域的大小，有效地排除噪声的干扰，得到较好的聚类效果。

K-中心点算法：在K平均值的基础上，采用簇中位置最中心点的对象，即中心点，作为参照点，将其它点按距离归到某个中心点所代表的簇中，再反复地用非代表对象来替换代表对象，最终得到最优的聚类结果。

相比于K平均值，K中心点对初始化数据不敏感。

指数平滑法：是在本期的实际数据和预测数据基础上，采用加权因子的方法，对下期进行预测的方法。

相比于普通的加权平均，指数平滑法则兼容了全期平均和移动平均所长，不舍弃过去的数据，但是仅给予逐渐减弱的影响程度，即随着数据的远离，赋予逐渐收敛为零的权数。

GM（1，1）：是灰色理论中一阶预测建模方法，它能根据现有的少量信息进行计算和推测，先建立自身数据建立动态微分方程，再预测自身的发展，特别适合“少数据建模”。