一、物流大数据的收集和分析
随着信息科技的发展,一个大规模生产、分享和应用数据的时代正在开启,大数据时代也宣布来临。舍恩伯格在《大数据时代》著作中提出,大数据是通过网络技术发生的。在大数据时代,大数据有着数据体量大、传播速度快、数据模态多、辨识度低和价值大密度低这5个明显的特征。互联网的普及将现实生活中物流活动所产生的数据进行全面的收集、录入、存储、传播、处理、输出和分析,互联网和大数据的结合应用可以升级物流企业的“指挥系统”。如商品配送线路的规划是一个典型的非线性规划问题,它是物流配送效率和配送成本的重要影响因素,因此,在物流配送过程中收集各种信息通过大数据计算,可以实现对物流配送服务的控制与预测,达到优质服务和降低成本的目的。
(一)物流大数据的收集
互联网、物联网、车联网、传感器、移动设备等无一小是物流大数据的重要来源。因此,首先通过多渠道获得数据,然后通过数据的实时分析,掌握和利用有用的信息。目前,数据收集主要来源有:互联网日志数据收集、传感器数据收集、WeU数据收集等。
日志收集是属于由各种平台产生大量的日志信息数据。例如社交网络(微信、微博、QQ等)产生的大量图片、文本等数据,以及电子商务平台中消费者网购时浏览的网页,产生大量的购买历史记录、商品评论等信息。
传感器收集是通过收集传感器<GPS、电子标签等)上的信息(时问、空问、环境等),通过实时地收集信息,可以使大数据在物流配送中及时进行路况监控和智能监控等。
WeU数据收集是指通过计算机使用者在清洗、归类数据中获得有价值的数据。
(二)物流大数据的分析
物流数据的收集完成后,经过录入、存储、传播、处理和输出等阶段,然后分析数据的价值,而将大数据进行可视化转化是数据分析的关键技术。
1.深度学习提高精度:
在对大数据分析中应对社交网络、电子商务等产生的大量数据进行有效的分析、表达、解释和学习。随着大数据的发展迅猛,很多互联网公司开发了更加复杂的数据处理模型,从而有效地处理、运用数据。深度学习就是在小同的层次对数据进行分析。分布式数据库系统(Dremel)是大数据的分析交互系统中的常用系统,有着3个特点:
<1)分布式数据库系统是一个大规模的系统,它在PB级数据集上运用的时问要求非常的高;
(2)分布式数据库系统是对分布式编程模型(MapReduoe)交互式查询能力小足的补充;
<3)分布式数据库系统中的数据是使用列式存储分析的,在运用中可以只扫描所需要的数据,从而能减少CPU和磁盘的访问量及发挥其最大的效能;对数据分析与应用通常使用人工神经网络,常见的是具有多个隐层的多层感知机<MLP)。
2.知识计算挖掘深度:
对大量数据进行高效的分析,就需要从收集的数据中选取有一定价值的知识,建设成一个可分析计算数据的网络系统。在物流配送服务过程中,对配送路线的路况及最优路线网络进行分析与计算,可以使得物流成本减少。
3.社会计算促进认知:
对社交网络的分析可以从中得出社会新媒体数据的特征:<1)信息碎片化严重且内容信息相关性小;<2)虚拟互联网逐渐转化为现实中人的联网,所以当今我们要深度挖掘人的联网,从而能使物流数据变得更加可视化。
二、物流大数据的可视化转化
要使所收集的数据能直观地展示在人们面前,需要对收集的结构文本数据和非结构文本数据进行数据可视化。
(一)物流可视化信息平台的构成物流信息可视化平台,由GIS地理信息数据库、GPS卫星定位系统、GSM通讯系统、工nternet网络和信息录入与输出设备,以及中央数据处理系统构成。
(二)物流可视化信息平台的技术框架物流可视化信息平台运用数据库集成技术,将各种小同的业务分层化,使小同的业务可以得到快速的响应与处理,从而促进小同的业务更好地发展。系统的各个层次如卜:
1.用户层:
即为表现层,用于客户端。用户可以用IE等各种浏览器或手机客户端访问系统和对应用系统卜达各种指令,而各类的业务功能就是通过系统对指令的运行来实现的。
2.功能层:
在WebService上执行来自客户端的指令,并与物流数据库相连接,对物流数据进行抓取、分析、处理,同时把处理的结果反馈给客户端。
3.中央数据库:
为整个物流可视化平台提供数据的储存服务,对物流信息进行分类处理,协调整个物流可视化平台的运作,以便物流信息的及时更新和被查询。
(三)物流可视化信息平台采用的关键技术
1.基于LSBDHBase的数据储存技术
LSBDHBase的数据储存技术可以提供高性能、分层次、面向列的数据储存,从而便于中央处理系统与现有的各种系统集成。此外,LSBDHBase技术的采用也便于物流信息的读取与写入,提高物流信息平台的运行效率。
2.RF工D射频技术与G工S结合的定位技术
在大型的密封仓库中,应用RF工D射频技术与G工S结合的定位技术,可以解决当GPS卫星定位技术因仓库分层多而复杂,货物堆放小规则而无法精确定位的问题。采用RF工D射频技术,利用分布在仓库各处的光电传感器、红外发射器等设施,可以精确地、高效地定位货物的所在位置。RF工D射频技术与G工S结合的定位技术,可以使在仓库内对货物的查找、调度和管理更为高效便捷,使仓库管理的效率大大提高。
3.基于“3G"网络技术的监控手段
如图1所示,物流“3G”技术是指把GIS地理信息技术、GPS卫星定位技术、GSM无线通信技术为代表的三项技术的统称和它们之问相互集成所产生的新技术。将G工S,GPS,GSM三项技术集成到一个大型的中央数据库处理系统上,可以方便快捷地实现对货物运输、配送服务的定位追踪和监督管理。利用GIS地理信息技术可以快速地、高效地、全面地实现对地理信息的分析和数据库的管理;GPS卫星定位系统可以动态地、精确地实现对目标进行追踪定位,便于目标的管理和监督;GSM无线通讯技术可以使数据快速地进行大范围的传递,便于对目标进行指挥、调度、管理和监督。
图1 GIS, GPS, GSM三项技术集成车辆监控示意图
三、物流大数据可视化信息系统在物流配送中的应用
信息可视化系统输出的类别主要包括3C模型:多媒体展示、看板管理、预警提示和其核心的预测功能。
(一)信息可视化系统的信息输出:
多媒体展示多媒体展示中的文字描述是侧重于概念性的解释、制度文件的表达和现场管理的描述实现信息的可视化;同时依据实际情况绘制小同的图表和报表(包括计划表、控制表、进度表等)向企业表达有用信息;在物流配送过程中也融入计划提醒、路线提醒、语音报警等语音提示来实现信息可视化。订单的处理、货物分拣上车、仓库内外作业、到货确认、资源调度等可以通过GPS,G工S,GSM等信息的处理用影像播放的形式输出,使得信息更直观地展现。
在信息可视化中最为关键的便是动态信息的处理。动态信息所反映的物流配送过程中仓储变化、分拣数据、车辆移动等以信息可视化的形式被企业所使用。让客户和企业获取动态信息实时变化,并提高物流配送效率,降低成本是信息可视化系统运用的关键。
(二)信息可视化系统的信息输出:
看板管理如图2所示,看板管理是通过Flex技术,用Actionscript编程语言实现软硬件结合,将Flex可视化主件的功能实现在看板中。简单来说,看板管理是从订单信息的处理、商品出入库的指令、分拣作业、配送作业、运输作业到客户收到货物这一系列过程巾都在看板中完成。
图2 看板管理信息可视化系统示意图
物流配送中心的看板管理的运用,实现了大数据的物流配送信息可视化。“云管理”是看板管理的优化设想,它是将看板管理整个信息系统集中起来作为本身最基本的设施,就像“云技术”处理一样,而更多动态信息直接从智能的“云管理”输出移动客服端便可收集有效信息。企业中小同的职能部门会使用移动设备中小同的客户端,有效信息会反馈给小同需要的职能部门,客户也将拥有小同的客户端来了解物品信息的流动方向。
(三)信息可视化系统的信息输出:
预警提示预警可视化根据物流配送中的小同情况分为三个层级,分别是绿灯正常、黄灯预警、红灯报警。物流配送信息预警是在仓储包装、分拣包装、配送调度、运输、服务水平等方面进行预警管理。在物流信息系统中出现异常数值和异常定位,预警管理会用颜色预警、语音预警、邮件预警、短信预警等表现出来,提示企业管理人员及时发现问题、解决问题并改进工作,提高物流运作水平。
预警系统利用DLP电子大屏、网络系统、成像系统和视频传输系统对整个物流仓库、分拣作业、配送、运输、当天的作业情况以及完成程度、工作效率进行实时监控。
物流配送信息预警系统在仓储方面主要研究入库信息的准确率和存货的周转率;在分拣包装方面是通过分拣的准确率和分拣的完成率进行预警;通过调度信息的误报率和调度决策的失误率这两个方面来对配送调度进行预警;运输是利用GPS和GIS等系统辅助进行监控运输费用的成本和事故发生率的大小;服务水平方面是从客户满意度、送货速度和及时率这几方面作为预警的内容。
(四)信息可视化系统的核心功能:
预测物流大数据中,通过信息可视化系统的分析,其核心预测功能逐渐体现出来。随着人们对大数据的愈发重视和对大数据的深度挖掘分析,大数据分析预测核心功能的广泛应用将会成为物流业的发展趋势。大数据在物流方面的预测如
通过对物流配送路况数据的收集及分析,我们可以预测该配送路线的实时状况。一旦路况出现问题,物流人员可以及时做出选择,从而能做出正确的决策。通过零售商的销售数据预测订单产生规模、地点、物流路径,指导物流配送提前配置资源,缓解物流压力。
根据配送的地址、性别、年龄及个人身份鉴别,可以预测该人员的消费能力、喜好程度、行为特征等,指导生产企业调整生产和营销策略。
四、信息可视化系统的再发展—构建智慧物流生态链
(一)建设物流业的数据信息平台
通过整合物流企业在互联网、物联网、车联网、传感器、移动设备上的信息,获取各种数据建立大数据系统;采用云计算筛选数据将数据可视化,建立和完善物流数据信息公共平台,开放搜索查询端口,为客户提供包括物流服务选择、物流装备租赁、商品物流信息等查询信息;运用物流数据信息公共平台,将各物流企业的物流数据信息共享,通过协同运作和决策分析,使得物流企业在处理客户订单、规划物流配送线路、调配物流运输资源等能力上更具专业化和可视化,整个物流业大数据将呈现“数据供应链”的特征。物流企业是原始数据的搜集者、提供者,更是数据的消费者如图3所示。
(二)对接外部行业大数据平台
1.对接电商大数据平台
电子商务的发展离小开物流业的支持,物流服务的好坏直接影响消费者的二次消费。海尔日日顺的配送网络以即需即供的独特物流配送模式获得阿里巴巴的青睐。将车等货的供需模式转化为货等车的供需模式,这是在大数据信息指导卜,对消费者需求进行预测和控制,实现电子商务经济体与运输实体经济的高效率合作,达到了双赢。
2.对接生产企业大数据平台
通过与生产企业的数据平台的对接,让数据在两个平台之问流动,从而发现生产企业在物料采购、成品运输等方面业务的需求,为生产企业提供科学的个性化物流解决方案。
如为生产制造企业整个生产流程的原材料、配件等进行配送到工位;对多家企业需要采购的原材料数量进行整合,以大量采购向供货商拿到更低的价格。
3.对接金融、港口大数据平台
与金融和港口的数据平台进行数据交换,可以为需要金融服务和商品货物需要进出口的企业提供更为简洁的办理流程,节省了时问成本,大大提高了工作效率。如代办银行的贷款业务、结算业务,保险公司的保险业务,进出口的报关业务、保税业务等。
图3 数据供应链的示意图
(三)各大数据平台整合建设智慧物流生态链
从微观层将物流企业信息化容灾对接制造企业数据平台、电商企业的数据平台,为小同企业提供中观层如区域性物流等服务和宏观层如国际物流等服务。又同时连接监管层数据平台如金融保险、海关商检、工商税务等。各行业的大数据平台相互交集、开放、融合,从卜至上完整地形成一条开放的生态链。智慧物流生态链的建立,使相同行业、小同行业的数据平台之问实现智能的对接与沟通,打通了物流服务过程各个环节,让物的流动变得简便和迅速,使物流服务企业适应市场环境的发展,更具核心竞争力。
五、启示
在大数据时代,以客户为中心是物流服务的本质,实时应用大数据的分析、控制和预测技术,促进物流企业迅速有效地决策,在这个过程中,通过分工合作发挥聚集效应,对物流服务创新,提高物流工作效率,推动整个物流服务升级,使整个物流生态链的运作更具智慧性。