第三方物流智能优化与决策分析系统及其工程实现.doc

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n 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。n 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。n 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。n 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：u 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。u 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。u 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：n 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 )。n 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.04388368201)。n 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)。n 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)。n 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.1n 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）n 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）n 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：2004SR11619n 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：n 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n 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n 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n 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 n 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n 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：u 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。u 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。u 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：统计分析预测分析淡旺季匹配OLAP数据库决策支持系统 图7：智能决策支持系统框图n 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：统计分析模块客户收益统计客户成本统计配送准确率统计配送及时率统计配送统计分析库存统计分析收货统计分析出货统计分析 图8：统计分析技术框图n 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：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9：预测分析模块框图n 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n 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。数据库数据仓库出货分析收货分析配送分析 图11：多维数据分析框图n 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”。 改进的季节性模型：在季节性模型的基础上，采用GM（1，1）算法，对月数据进行预测。该算法针对了数据的月特性，使得预测出的结果中继续保持月特性，更接近于实际数据。2、智能车辆调度技术智能车辆调度模块主要包括基础信息系统，智能算法系统，智能算法系统中又包括车辆最少模型，准时到达模型，综合智能调度等模块，所用算法包括遗传算法，粒子群算法等多种智能调度算法。系统模块如下图所示：图12：车辆智能调度系统框图n 车辆最少排车模型车辆最少模式派车，优化的目标为此次派车任务需要得车辆最少，运行得线路最短（也可以是成本最少，油耗最少等目标，根据基础信息中提供的信息的不同）。此种模式派车，有四种算法。包括遗传算法，粒子群算法，节约法，扫描法。每种算法执行的流程和操作类似。下面以遗传算法为例进行介绍。 遗传算法调度点击页面产生委运单列表，页面上提供委运单的简明信息。包括：委运单号，客户名称，客户的总数量，总重量，总体积，卸货地址，要求的到货时间，估计的卸货时间。对每一条委运单提供明细信息查看功能。此页面上提供委运单按送货地址进行单个或者多个查询功能。输入要查询的地址，显示与此相符的委运单。点击智能调度，委运单中的客户地址，货物的重量，体积等信息，这些信息做为算法参数传入智能调度算法。智能优化算法在后台对提交的委运单进行调度。智能算法调度的流程如下图所示（遗传算法例子）。 生成承运单对满意的调度结果生成承运单。承运单编号根据日期自动产生，承运单的信息可以查看，修改，删除。图13：车辆调度系统流程图 图形化显示采用图形化方法显示调度的结果。在地图上会用不同颜色的线条表示不同的车配送的线路。地图上会表示出配送客户的位置和名称。模拟小车会按照算法安排的线路访问客户。 收敛图画出算法此次计算的收敛图，给用户提供判断此次运算结果是否优秀的一个准则。n 准时到达排车模型此功能有遗传算法求解方法。准时到达排车的目标是首先是满足客户时间上的要求，及保证在客户要求达到的时间内进行配送。其次是希望所用的车辆数最少，车辆行驶的距离最短（也可以是成本最少，油耗最少等目标，根据基础信息中提供的信息的不同）。算法运行的过程如前所述。（略） 图14：遗传算法流程图n 综合智能算法排车 此功能提供上述四种算法的综合调度算法，每次调度结果给出四种排车方案，用户可以根据需要选择合适的方案。每种方案可以查看详细，可以看图形化演示结果。选中的方案可以生产承运单。n 调度基础信息的维护 客户的坐标信息 此功能可以让用户添加、修改、查询客户的坐标，这些操作都是基于电子地图，客户可以通过鼠标点出客户的位置，坐标数值可以自动修改，显示。 客户间的距离（时间） 此功能提供客户间距离（时间）的查询、添加、修改。这些操作都是基于电子地图的，方便用户查看。 客户配送的难易程度 此功能提供客户配送难易程度的查询、添加、修改。难易程度用通俗的语言“难”、“易”等词语表示，方便用户使用。 算法的参数信息 提供各种算法参数的显示，修改。n 核心算法： 遗传算法遗传算法的是上世纪最成功也是最经典的一种处理复杂优化问题的方法。它的算法比较简单，对目标函数没有特殊的要求。所得在短时间内能够得到比较优秀的解。遗传算法的参数有：种群规模，迭代次数，交叉概率，变异概率。种群规模表示在一个遗传算法中，有多少个染色体。在车辆调度中，一个染色体表示一个可行的派车计划。遗传从初始的派车计划开始不断的演化，最后得到比较好的派车计划。初始派车计划的生成的数目通常在10100之间，默认值是50。迭代次数表示遗传算法演化的代数，通常演化的代数越多，所得的结果也越好。同时计算的时间也越长。演化代数在500100000代之间。这里默认是1000代。交叉概率，变异概率在遗传算法的两个参数。交叉概率的取值一般在0.5-1，变异概率在00.3。两个参数的值都不能超过1。 粒子群算法粒子群算法是一种新型的优化方法，它具有算法简单，收敛迅速的特点。粒子群算法的参数有：种群规模，迭代次数，惯性权重，权重c1,权重c2，最大速度。种群规模，迭代次数的意义如一遗传算法。惯性权重的取值范围在01。通常取1。权重c1,权重c2的取值范围在04，通常取2。最大速度的取值范围在100500之间。默认取200。 节约法节约法是一种经典的求解车辆路径问题的方法，算法简单，计算迅速。但只能处理比较小规模的问题。通常100个客户以下的问题能得到比较好的结果。算法参数：运行次数，改进算子。运行次数表示算法迭代的次数，改进算子表示改进的方法，有2-opt,3-opt,US-5等方法。 扫描法扫描法也是一种经典的求解车辆路径问题的方法。它可以将客户按照地理位置的远近进行分群，然后配送。算法参数同节约法。3、XML数据交换平台在企业内部集成分布式商务处理是一项艰巨的工作，而在企业之间进行集成则具有非常高的成本。若要在本质上简化公司内部和公司之间协调商务处理，还需要进行大量的工作。基于XML的标准的出现，其目的是便于协调商务处理，并且不依赖于操作系统、编程模式或编程语言。而基于这种标准的全面的集成化环境，不仅为企业内部，更为使用互联网的企业之间提供了一种协调商务处理的迅速、简单、性价比很好的解决方案。本作品的系统是主要采用BS模式来开发，在与物流的客户间要交互的话，就涉及到大量数据的交换。而对于一般的客户来说，基本是采用EDI系统，即采用CS模式。为解决在异构系统间的数据交换的问题，提出了一套基于第三方富日物流公司的交换标准。可以在此基础上，不同结构数据库的系统间，可以进行数据的高效，安全，可靠的传输。目前已经能够顺利与杭州祐康电子商务网络有限公司进行数据的交换，交换的格式包括收货单，发货单，库存单，客户信息单，商品信息单等多个xml文件。这些文件均是采用xml文档的要求，把大量的数据存放在xml字段中，解决了异构系统间的数据交换的问题。例如，在杭州祐康电子商务网络有限公司里，是采用CS模式的系统，在与富日物流间，每天都有大量的数据的交换，以前均是采用手工方式，生成excel文档形式，来进行数据的交换。在这期间，存在着数据的漏填，错填的，以及要把数据从excel格式转换到本系统间，又存在着要花费大量的人力和时间，并且数据的可靠性不高。如下图所示，通过xml的文件来实现两个系统间的数