大數據技術在物流企業倉儲系統中的應用

劉以倩

（天津職業大學 電子信息工程學院，天津 300410）

大數據技術在物流企業倉儲系統中的應用

劉以倩

（天津職業大學 電子信息工程學院，天津 300410）

首先簡要介紹了大數據與物流行業的關系，然后基于大數據技術對物流企業的倉儲系統從提升聚集效益、提高倉儲效率、優化作業流程三個方面進行了現狀分析與優化設計，提出了一系列優化策略，其優化策略為物流企業的進一步發展提供了有力的保障。

物流；大數據；倉儲系統；優化設計

1 引言

隨著信息技術的發展，大數據與云計算等互聯網新技術蓬勃發展。在互聯網新背景下，2013年德國政府發布了工業4.0發展策略。2016年日本政府通過將互聯網技術與現實空間相結合提出了社會5.0。同樣，物流行業也出現了如“大物流”、“云存儲”等新概念，涌現出了將先進互聯網技術應用到物流企業實際管理中的新浪潮。其中大數據技術給物流行業的發展提供了新的商機，其有助于傳統物流企業對其倉儲系統進行優化改造，以滿足現代化企業的發展需求。本文在大數據技術的基礎上，分析了當下物流企業倉儲系統中存在的不足，并運用大數據的相關優勢提出了相應的優化策略，彌補了存在的諸多不足。

2 大數據技術與物流

大數據技術通常是指在合理的時間內幫助企業進行常規軟件無法處理的海量數據的處理技術，一般具有數據規模巨大（TB，PB級別）、種類繁多、處理速度快、數據價值密度低等4大常見共性[1]。

近幾年隨著大數據技術的逐漸成熟，其被應用到了多個領域。由于物流企業需要及時地進行資源信息傳遞與共享，即需要傳輸、處理大量的數據。而大數據技術為良好地解決物流企業的數據傳遞、共享問題提供了潛在的解決方案。與此同時，大數據技術還可以幫助公司進行更合理的進度安排、方案規劃等，信息資源得以及時處理共享，有利于企業決策者第一時間掌握公司動態從而做出正確決策。此外，大數據技術還可以對物流企業的數據進一步挖掘，尋找出數據的潛在價值，用數據創造價值提升企業的利潤，以便使數據更具可讀性、實用性[2]。物流企業的核心物流系統必須具備的功能如圖1所示，由圖1可知倉儲系統在整個物料流傳遞及貨品的傳遞過程中扮演著十分重要的角色，故對其進行分析是十分必要的。

圖1 物流系統的功能

現代企業的倉儲系統主要由倉庫、貨品、存儲設施設備、人員及管理系統等構成。倉儲系統的組成、功能較為復雜，但倉儲系統的聚集效益、倉儲效率、作業流程等貫穿了整個物流過程的始終。本文將從物流企業倉儲系統的聚集效益、倉儲效率、作業流程三個方面進行分析，找出目前物流企業在上述三個方面存在的不足。并針對其中存在的不足，充分發揮大數據的優勢，以提升物流企業倉儲系統的聚集效益、提高倉儲效率、優化作業流程，為企業效益的提升提供有力保障。

3 大數據技術提升倉儲系統的聚集效益策略

企業倉儲系統以實現對倉庫和倉庫中存儲的物資進行管理為目的，以降低運輸成本、提高運輸效率為出發點，屬于企業物流大系統下很重要的一個子系統，是供應商與消費者之間重要的紐帶。一方面，倉儲地址的選擇對于企業充分發揮自身優勢起著關鍵性作用，合理的倉儲選址有助于企業提升自身的聚集效益；另一方面，不同倉儲系統間貨物的流動對聚集效益也有很大的影響。但是，目前物流企業在倉儲選址、倉儲系統間貨物的流動等方面存在諸多不足，針對其中存在的不足，依據企業自身特點，以物的動態流動為研究對象，對倉儲建倉的選址及貨物的流動提出了相應的優化策略。

3.1 目前倉儲系統在聚集效益方面存在的不足

目前，許多企業的倉儲選址多以管理人員的管理經驗、GIS技術等技術為主，往往帶有一定的主觀性，無法綜合分析各類選址因素，很難實現企業物流成本的最低化、效率的最大化。同時，由于不同地區人群的偏好程度，消費習慣存在差異，不同產品的儲藏特點也千差萬別。智能科技及蜂窩上網技術的逐漸成熟，大大促進了電商行業的迅速發展，許多人的消費習慣因此而發生了巨大改變。因此物流訂單也從批量化、規模化逐漸轉向一種新的物流模式：業務繁雜、單筆業務量小、覆蓋范圍大、配送頻率高等特點[3]。因此傳統的企業選址方法已經不適合互聯網大背景下的物流市場。

此外，現在物流企業眾多，且多數物流企業都會自行建倉，但是由于大部分物流企業受資金的限制，因而會呈現出建倉位置不均勻的現象。在人員密度高的地區例如北京、上海，倉庫過多；而在人員密度低的地區例如青海、西藏，倉庫不足甚至沒有。這種現象一方面限制了企業業務范圍的擴大；另一方面也不利于整個物流產業的發展，阻礙經濟進步。

3.2 提升物流企業聚集效益優化策略

（1）建倉選址優化策略。利用大數據技術對不同地區的人員消費習慣、產品喜好傾向等客戶信息進行分析匯總，同時根據歷史記錄與國家地方相關政策對不同地區的未來需求進行預測[4]。以此為基礎選取合適的建倉位置，針對產品特性進行建倉，以滿足不同地區客戶的差異化需求，將最有可能配送的商品放置于距離目標客戶最近的地點，減少由于選址不當造成的預算線路過長導致運輸成本的升高。

（2）倉儲之間貨物流通優化策略。無論建倉點選的多么專業都避免不了貨量不足、需要倉庫間調貨轉運的情況發生。通常情況下，倉庫為了避免積壓貨物，等缺貨之后倉儲管理部門才會通知其它倉庫調貨或者從總庫補貨，這種情況下大大延長了客戶收貨時間，而降低了用戶體驗。如果將大數據技術應用到一個地區未來貨量的需求分析、調貨補貨的時長計算以及其它不確定因素的分析中去，結合倉庫貨物管理系統便可以在最恰當的時機提醒倉庫管理人員進行補貨，既減少了客戶的等待時間也保證了倉儲成本的最低。

（3）聯合倉儲中心為聚集效益提升助力。物流企業如要發揮最大化的聚集效應降低成本，就必須加強企業間的聯合。由于企業資金有限，若各自建倉將無法顧及到偏遠地區，從而致使偏遠地區送貨時間較長，這不利于企業規模的擴大和國家的均衡發展[5]。因此可在聯合物流企業的基礎上，利用大數據技術對各個物流企業所擁有的客戶需求信息進行匯總分析，在一些偏遠的地區根據客戶需求的總量共同選址，建立聯合倉儲中心。這樣一來，對于每一個企業而言，無需投入大量人力、物力便可提高在偏遠地區的物流運力，互利共贏，大大推動了企業業務范圍的擴張。

4 大數據技術提升倉儲系統的運作效率策略

4.1 物流企業倉儲系統運作方面的不足

目前，亞馬遜公司的無人揀貨系統被公認為是高效倉儲系統的代表。可是國內的大部分物流企業難以達到該水平，究其原因可總結為以下幾點：自動化技術尚未成熟應用，難以高效定位揀貨點，仍需人工尋找；貨品倉儲分區不夠合理；揀貨路徑不夠優化致使自動揀貨小車空載率上升。研究表明，如果自動揀貨小車的空駛時間降低50%，則整個倉庫系統的工作效率可以提高約10%-15%，可見在建立合理的倉儲分區的基礎上，運用大數據技術對其路徑等進行優化，對于物流企業運作效率的進一步提升至關重要。

4.2 提升倉儲系統效率的優化策略

（1）運用大數據技術優化倉儲分區。合理的倉儲分區和合適的倉位對于倉庫的合理利用、倉儲成本的降低以及裝卸搬運次數的減少而言都至關重要。對于一個特定的物流企業倉儲系統來說，該倉庫進出貨的規律在一段時間內不會有較大變動，這意味著某些貨品在某一段時間內經常進出庫。而恰恰相反，某些貨品在某一段時間內僅僅是為了維持倉儲水平而進出庫的頻次較低。在這種情況下完全可以將經常進出庫的貨品放置于距離揀貨車最近的地方，出庫頻次低的貨品放置于距離出口相對較遠的區域。但是這種進出貨的規律并不是一成不變的，而是會隨著地區客戶的遷移、季節的變化、政府政策等因素的作用隨時發生改變。因此，企業可利用大數據技術對歷史出入庫信息、外部因素等多種數據信息進行統計分析，運用人工神經網絡、決策樹、聚類分析等對數據進行挖掘，對未來即將出庫的貨品類型及數量進行趨勢預測，為幫助倉儲管理人員及時調整倉儲分區、貨位分布，保證物流效率的最大化提供信息支持。

（2）運用大數據技術優化揀選車行車路線。揀選小車通常根據實時發送到接收終端上的揀貨清單進行揀貨，其揀貨路線往往由程序直接控制，而缺少優化策略導致其工作效率不高。因此，可利用大數據技術對多種綜合信息如倉庫揀貨車的位置、實時運力等進行耦合分析，同時考慮貨品特性對取貨時間的影響、實時的訂單需求，利用遺傳算法、蟻群算法對大量的數據進行分析，優化揀選車的行車路徑以保證揀貨效率。

（3）運用大數據技術優化倉儲庫存量。大部分產品有其自身的生命周期，同樣市場也會有其自身的生命周期。隨著產品生命周期曲線的推移，其需求也會出現相應的變化，銷售情況也會因此而產生較大的波動。傳統物流企業通常依據市場調研、走訪客戶和結合自身經驗判斷等進行分析確定庫存量，但這樣的預測不僅耗時較長，而且不夠準確容易滯后，會在一定程度上影響物流企業的倉儲庫存成本。因此，大數據的技術應用將很好的克服這一弊端。大數據技術能夠及時的搜集物流信息并對其進行處理分析，準確把握產品及市場的生命周期，了解客戶意愿，預測未來的產品需求，幫助物流企業優化倉儲庫存，合理進行訂貨。

5 利用大數據技術優化倉儲系統作業流程

目前的物流倉儲主要遵循以下幾項原則：

（1）先到先服務原則。倉儲管理人員根據客戶要求的貨品出入庫執行時間進行出入庫作業任務的規劃排序工作，執行時間越早越優先服務該作業。

（2）按貨品被作業的頻率排序原則。通過對貨品出入庫頻率的統計，得到一份根據該頻率由高到低的貨品名單排序，排名越靠前的貨品在下一次作業選擇時優先作業。

（3）貨品的優先執行權原則。根據貨品執行作業前訂單需求上的特定因素，如作業時間上是否有優先需求等，對執行作業任務的所有貨品進行作業優先等級的劃分，優先等級越高的貨品越優先被執行出入庫作業。

（4）作業執行時間最短最長原則。統計要執行出入庫作業任務的各個貨品的所需完成作業時間，并按照其完成作業的時間長短進行排序，挑選出其中完成作業時間最短的和最長的進行優先作業。

遵循這些原則在一定程度上確實可以提高作業效率，但也存在著不少弊端，其中很重要的一點便是未將貨品運輸條件考慮進整條供應鏈的時效中去。針對這一點，物流企業可以利用大數據技術建立實時的外部運輸條件信息系統，將車輛信息、路況信息、航班信息等綜合信息進行匯總統計并進行分析預測，得出某一貨品從倉庫出庫后到達客戶手中的預計時間，并將此預計時間返回至倉儲作業的優先選擇分析框架中成為其考慮因素之一，這樣可優化倉儲系統作業優先選擇流程。

6 結論

本文介紹了大數據在物流企業倉儲系統中的優化中的應用。首先，分析了大數據技術的優勢，并在此基礎上綜合目前物流企業在倉儲系統建設方面存在的不足，提出了從倉儲系統尋址建設再到日常運營的優化策略。主要就倉儲系統聚集效益、運作效率及操作流程進行了分析，找出了目前大多數物流企業在這些方面存在的不足，針對其中存在的各種不足，提出了相應的優化策略。為物流企業業務范圍的擴張及資源的有效利用提供了有力的依據。

[1]盤承軍.物聯網環境下的物流信息系統關鍵技術研究[J].廣西民族大學學報(自然科學版),2013,19(4):73-77.

[2]惠毅.淺談大數據在物流企業中的應用[J].物流工程與管理, 2016,38(1)：68-69.

[3]張珂寧.以云倉儲物流概念為基礎的物流配送中心選址[J].物流技術,2014,(10)：206-208.

[4]羅興榮.基于Flexsim物流仿真的倉儲作業系統優化設計[J].物流技術,2014,(17)：440-442.

[5]黃志雨，嵇啟春，陳登峰.物聯網中的智能物流倉儲系統研究[J].自動化儀表,2011,32(3)：12-15.

Application of Big Data Technology in Warehousing System of Logistics Enterprises

Liu Yiqian
(School of Electronics&Information Engineering,Tianjin Vocational Institute,Tianjin 300410,China)

In this paper,we first introduced briefly the relationship between big data and the logistics industry,then based on the big data technology,analyzed and optimized the warehousing system of the logistics enterprise from the aspects of improving the aggregation benefit,enhancing the warehousing efficiency and optimizing the activity process,and at the end,proposed a series of optimizationmeasures.

logistics;big data;warehousing system;optimization and design

F253.9

A

1005-152X(2016)12-0037-03

10.3969/j.issn.1005-152X.2016.12.009

2016-10-17

劉以倩（1970-），女，天津人，天津職業大學電子信息工程學院副教授，碩士，研究方向：計算機應用。