基于DSM模型的智能配送系統功能模塊劃分研究

溫平川，高輝輝

（重慶郵電大學 經濟管理學院，重慶 400065）

0 引 言

智慧物流是現代智能技術與物流行業緊密結合出現的趨勢和必然結果，隨著智慧物流的快速發展迫切需要設計出高效的智能配送信息系統平臺。功能模塊層作為配送系統的核心，其功能最終要經過各個服務模塊的相互作用才能發揮系統的最大效用。按照松耦合、高聚類的原則，對系統定義的服務活動進行分類、歸納、總結，劃分成多個服務模塊。這樣各個服務模塊就會保持一定的獨立性，便于對系統進行調試、后期維護和更新管理等。同時對系統服務活動進行模塊劃分之后，能夠最大程度地降低系統開發的復雜度，縮短系統開發周期，最終提升系統整體運行質量。當系統功能模塊劃分不恰當時，就會出現各個子模塊之間聯系混亂，難以以合理的方式對其功能實現集成，導致相關服務對象產生額外的信息交互行為，最終會增加各個交易主體之間的溝通商談時間，無形之中降低了物流配送運作效率。

目前相關學者對功能模塊劃分的研究工作主要有：藍莓（2017）根據客戶對網絡外線管理系統的相關業務需求，將系統功能劃分為五大模塊；馬薇（2016）以用戶的需求為導向來進行系統功能的模塊化劃分；辛龍翔（2014）從安全性評價、考試系統使用情況及反違章等方面來對電力安檢系統進行功能模塊設計。根據上述文獻可知，目前對于系統功能模塊劃分基本都是根據用戶和業務需求來進行，其劃分主觀性較大。現有研究不能對于各個功能模塊之間的聯系程度進行量化處理，難以把握各模塊之間的信息交互聯系程度，因此造成了模塊劃分出現混亂，最終會使系統功能出現冗余，運行效率低下，難以有效處理一些復雜業務。

為了更好地解決目前功能模塊劃分中存在的上述問題，本文在前人的基礎上，引入了設計結構矩陣（DSM）模型進行系統服務活動的矩陣建模，再按照一定方法對服務活動進行分塊劃分，最后對劃分結果進行綜合評價，得出最優模塊劃分方案。

1 業務建模及相關服務活動定義

智能配送系統功能模塊設計往往需要以用戶的實際需求為依據，這樣系統才能被廣大用戶所接受，系統才能真正實現其社會價值。為此首先應該要對用戶的需求進行業務建模，分析各個主體與系統進行信息交互的一系列操作行為，進一步鎖定系統需要提供的服務活動，構建系統業務模型。智能配送系統功能服務模塊依據面向對象不同可以劃分為兩部分：一部分是面向過程的服務，指系統提供的信息動態交互、數據統計、費用核算、智能信息提醒等服務。另一部分是面向實體的服務，本文中的實體主要是指系統服務的相關主體和客體，主要是指貨物、貨主、物流企業、司機及其他物流相關基礎設施等，系統服務活動的定義將以業務模型為基礎，將用戶在系統中進行的一系列操作進行歸類，具體見如圖1至圖3所示。

圖1 貨主與系統的交互行為

圖2 運輸人員與系統的交互行為

圖3 物流企業與系統的交互行為

根據上述各主體與系統的交互行為分析，則接下來將系統的服務活動定義如表1所示。

2 智能配送系統功能結構DSM模型建模

DSM模型首先是Donald Steward（1981）用來研究各設計工作中每項任務之間的信息流交互情況，通過引入聯系信息流量這個評價指標對各任務之間的聯系強度進行量化。后來各學者專家在此基礎上發展和優化，目前該方法主要應用于復雜產品的開發、設計及信息系統模塊化劃分等方面。

配送系統功能模塊中DSM模型是由一組按照一定順序排列的行列元素所形成的矩陣，矩陣中的每個行列元素分別對應系統中所定義的服務活動；然后對服務活動進行聚類劃分之后形成相應的功能模塊。設計結構矩陣中對角線上方單元格值（即刻度權重值）表示元素之間的反向關系，而下方的單元格值表示各元素之間的正向關系，對角線上的單元格及空白單元格表示沒有聯系（即刻度權重值為0）。

本文中DSM模型主要包括兩個部分：功能模塊內部各服務活動之間的聯系、功能模塊與其他功能模塊之間的聯系。根據服務功能結構的特征及DSM方法的內涵，則按照下面步驟對DSM系統功能模塊建模：（1）將表1定義的服務活動按照一定的聯系性和方向性確定行列元素排序，即形成二值標識矩陣；（2）由每個行列元素之間的信息交互程度，確定相應權重值，得到實值方陣；（3）對實值方陣進行進一步的核對，檢查權重值無誤后，最終得到初始DSM矩陣。根據各元素之間的聯系程度，使用四點刻度法來描述各個元素之間的聯系強度大小。如表2所示。

通過對智能配送系統各服務活動之間的聯系程度得到相應的權重值，然后按照上述方法步驟可以得到初始DSM矩陣，如圖4所示：

3 聚類劃分步驟及評估方法

經過上述建模得到了初始DSM矩陣，接下來就對其進行聚類劃分，從而得到最優的功能模塊方案。在本文中的DSM模型，行列服務活動分為三類：普通聚類元素、獨立聚類元素和Bus聚類元素。獨立聚類元素是指存在這樣一些元素，它們與其他行列元素聯系程度比較低，獨立聚類元素組成一個獨立聚類；Bus聚類元素是這樣一種元素，它與很多元素信息交互程度都很高，整個Bus元素形成一個Bus聚類；在DSM模型中，前面兩類元素之外的那些元素，就是普通聚類元素（簡稱聚類元素），普通聚類元素組成的聚類則稱為普通聚類（簡稱聚類）。

表1 智能配送系統服務活動及內容定義

表2 四點刻度權重及含義

對智能配送系統中服務活動進行聚類劃分的目的為：（1）每個功能模塊（聚類）盡量獨立于其他模塊，也就是要實現各模塊之間的信息交互程度最小化或徹底淡化；（2）對模型矩陣中的元素進行最佳聚類劃分，最終確定系統功能模塊中的最優劃分方案；（3）對于Bus聚類而言，應該增強其與普通聚類之間的信息交互程度；（4）對于普通聚類而言，其內部各元素之間的信息交互應盡量存在于方陣內部，這樣就能避免與其他聚類之間產生冗余的信息交互。

3.1 聚類劃分步驟

在DSM矩陣中進行聚類劃分的詳細步驟如下：

圖4 初始狀態下DSM實值矩陣

步驟1 弱聯系粉碎。對初始化的DSM矩陣實值矩陣進行聚類劃分時，對弱聯系元素之間的信息交互權重值（即刻度權重值＜2）暫時降為0，待聚類劃分完成后再將粉碎的權重數值還原到模型矩陣內。

步驟2 獨立元素暫時隔離。在前面經過弱聯系粉碎后的DSM矩陣基礎之上，找到矩陣中所有的獨立元素（即所在行列刻度權重值都為0的元素），將其暫時從矩陣中剝離出來，待聚類劃分之后，則將獨立元素放在矩陣中行列元素的最前面。

步驟3 行列元素變換。根據DSM模型方陣中非零單元格與對角線的分散與集中程度，進行行列元素變換（即當行元素變換時，對應的列元素也相應變換）。通過多次反復變換，當非零單元格聚集在對角線位置最多時則停止變換。

步驟4 找出Bus聚類元素。根據上述Bus聚類元素的定義鎖定其位置，然后將其放置在DSM模型矩陣的最后方。

步驟5 聚類劃分。經過上述幾步操作，大部分聚類元素都已經盡量接近模型矩陣對角線了，然后根據靠近對角線的密集程度將普通聚類元素劃分為多個模塊，盡量使非零單元格位于聚類里面，此外對于聚類劃分的數量應當控制在一定范圍之內。步驟6 將在步驟2中分離的獨立元素排列到DSM矩陣中的最前方。步驟7 將步驟1中被粉碎的弱聯系單元格數值還原至DSM矩陣中。

3.1.1 聚類劃分方案

將前面圖4中的初始DSM矩陣經過上述聚類劃分步驟后最終得到如下模塊劃分方案，如圖5至圖8所示：方案一：

圖5 系統功能模塊劃分方案一

方案二：

圖6 系統功能模塊劃分方案二

方案三：

圖7 系統功能模塊劃分方案三

方案四：

圖8 系統功能模塊劃分方案四

3.2 聯系信息流量計算方法

系統服務活動經過上述聚類劃分之后形成了若干個功能模塊方案，需要建立有效的評價指標對這些方案進行逐個評估，最終從中選取最優功能模塊劃分方案。本文引入“聯系信息流量”指標來衡量各個方案的優劣程度，它是指在系統功能模塊設計中，模塊內部各服務活動及模塊之間信息聯系的總量。這個指標用來全面量化功能模塊中各服務活動及模塊之間的聯系強度。通過計算每個方案聯系信息總流量，然后從中選取計算結果最低的方案，確定為本系統中最終的功能模塊設計方案。

在一個系統功能結構模塊DSM模型中，聯系信息流量由Bus類聯系信息總流量及普通類聯系信息總流量組成。其中，Bus類聯系信息流量由Bus聚類與普通聚類之間的聯系信息流量及Bus聚類內部聯系信息流量所構成；同樣，普通聚類聯系信息流量由普通聚類之間的聯系信息總流量及普通聚類內部聯系信息流量所構成。

本文中的聯系信息流量具體計算過程如下：

3.2.1 假設條件

為了更加客觀地反映系統功能模塊的聯系強度，本文對于聯系信息流量的計算做出如下假設：（1）兩聚類之間聯系信息流量與其規模之和呈正向變動關系；

（2）行列元素之間的聯系信息流量與矩陣單元格中的刻度權重數值呈正向關系；

（3）聚類內部的聯系信息流量與聚類的規模呈簡單線性關系；

（4）模型中Bus聚類最多為一個。

3.2.2 參數定義

S：DSM模型矩陣中行/列服務活動的總個數，即模型的總規模；

di，j：第i行第j列單元格i，（）j的值，即第i行與第j列元素之間的刻度權重值，當i=j時，其值為零；

N：普通聚類總個數，1≦N≦S；

I：為獨立元素的個數，1≦I≦S；

CLi：表示第 i個普通聚類，從左上方到右下方依此為 CL1，CL2，CL3，…，CLn；

mi：對于任意一個普通聚類CLi從左至右元素的第一個編號；

ni：對于任意一個普通聚類CLi從左至右元素最后一個編號；

Si：普通聚類 CLi的規模，Si=ni-mi+1（ 1≦mi≦ni≦S）；

CLb：表示Bus聚類，從左至右元素的第一個編號為mb，最后一個編號為nb；

Sb：聚類CLb的規模，Sb=nb-mb+1（ 1≦mb≦nb≦Sb）；

）：CLi內部聯系信息流量；

）：整個普通聚類內部聯系信息流量總和；

）：CLb內部聯系信息流量；

）：普通聚類CLi到CLj之間的聯系信息流量；

α：普通聚類個數對聯系信息流量影響程度系數，本文取其值為0.6；

）：模型中所有普通聚類之間的聯系信息流量之和；

）：CLb與CLi之間的聯系信息流量；

）：模型總體Bus聚類與普通聚類之間的聯系信息流量；

W：某聚類方案下聯系信息總流量。

3.3 聯系信息流量計算公式

根據上述分析，聯系信息流量的計算公式如下所示：

由前面的假設條件（3）可知，）與聚類規模Si呈線性關系，則DSM模型中普通聚類CLi的內部聯系信息流量為：

DSM模型中所有普通聚類內部聯系信息流量之和為：

模型中Bus聚類CLb內部聯系信息流量可以用如下公式來計算：

由假設條件 （1） 可知）與（ni- mi+nj-mj）呈線性關系，因此任意兩個普通聚類之間的聯系信息流量為：

則模型中總體普通聚類之間聯系信息流量為：

Bus聚類與任意普通聚類間的聯系信息流量（即CLi到CLb以及CLb到CLi之間的聯系信息流量）可以用下列公式得出：

則模型中Bus聚類與普通聚類之間的聯系信息總流量可以通過如下公式得到：

最后在DSM模型中某聚類劃分方案下的聯系信息總流量的計算公式為：

4 模塊方案的評估與功能模塊設計

4.1 方案評估

按照上述聯系信息流量的計算方法逐一得出3.1.1中四個方案聯系信息總流量，其計算結果如表3所示：

表3 四種模塊劃分方案聯系信息流量計算明細

由上述計算結果可知在這四個方案中，方案三的聯系信息總流量W都要低于其他方案，說明該方案中功能模塊與其他模塊信息交互程度最低，滿足系統功能模塊設計中“低耦合、高內聚”劃分原則，因而該模塊劃分為最優方案。

4.2 功能模塊設計

根據上述的最優模塊劃分方案，智能配送系統功能模塊可以分為：用戶信息管理、訂單交易管理、車輛管理、貨物管理、信息智能交互服務、供需匹配管理、費用結算管理、公共信息服務、智能決策服務等9項模塊。以下選擇幾項重要的模塊進行詳細闡述。

4.2.1 信息智能交互服務

這項服務主要針對傳統配送模式下，貨物發貨后，用戶不易變更相關物流信息（如地址、收貨時間等），通過與相關方進行實時的信息交互，客戶能夠實時向其他用戶傳遞自己的動態需求。此外通過實時參與信息的交互，物流企業能夠及時獲取用戶需求，最終能夠提高服務質量，增加客戶滿意度。

4.2.2 貨物管理

實時收集貨物的運輸狀態，支持對貨物從接貨、配送、發貨、收貨等全程監控管理。運用無線射頻識別、GIS等技術，用戶通過智能終端能夠實時獲取所需貨物儲存狀態。對于一些儲存條件很高的貨物（如精密儀器、冷凍貨物），能夠對其溫度、濕度等及時做出調整，確保貨物處于適宜的儲藏及運輸環境之中。

4.2.3 訂單交易管理

包括訂單的分類、檔案管理及訂單交易跟蹤，通過采用電子訂單交易模式，能夠使整個訂單處理過程流程化、規范化，提高訂單處理的工作效率。對訂單進行有效跟蹤，能夠及時發現訂單異常情況，以便及時作出相應調整和處理。

4.2.4 供需匹配管理

用戶通過移動終端或電腦網頁登錄系統，能夠發布或獲取相關物流信息，進而鎖定相關的訂單。此外通過大數據挖掘與分析，根據用戶歷史交易記錄，智能向用戶推送相關供需信息服務。

4.2.5 費用結算管理

首先，通過貨物屬性、運輸距離、運輸時間等核算相應的物流費用，供需雙方可以通過微信、支付寶、云閃付等第三方支付軟件進行相應物流費用的結算；其次，當客戶在變更相應的物流信息時，則相應核算追加物流費用。通過建立這種費用結算體系能夠極大地降低雙方的交易成本，提高業務達成效率。

5 結論

功能模塊是系統架構設計最為核心的部分之一，功能模塊劃分在系統開發設計過程中占有非常重要的地位。本文首先對系統服務的三大對象的需求進行業務建模，歸納總結出系統應該提供服務活動；然后運用DSM模型對服務活動進行矩陣排列建模，通過聚類算法進行功能模塊劃分，并得到相應四種方案；最后通過計算四種方案的聯系信息總流量，從中選擇聯系信息流量最低的方案即為最優方案。

本文提出的基于設計結構矩陣功能模塊劃分方案，突出以用戶的實際需求為導向，系統功能模塊盡可能地體現了用戶的訴求，在一定程度上解決了現有研究中對于信息系統功能模塊設計存在的不足，使得信息系統功能模塊設計更加客觀、更加合理。對于物流信息系統功能模塊劃分及設計提供了一個新的理論指導思路。但是由于計算的復雜程度，本文只列舉了其中四種劃分方案，其實功能模塊劃分遠遠不止這幾種方案，因此在后續的研究中可以考慮引入計算機智能劃分方法，將會使得結果更加客觀，方案更加合理。

[1]蘭梅.網絡外線資源管理系統的設計與實現[D].成都：西南交通大學（碩士學位論文），2017.

[2]馬薇.圖書館管理信息系統的設計與實現[D].天津：天津大學（碩士學位論文），2016.

[3]辛龍翔.面向縣級供電企業電力安監系統功能模塊設計與實現[D].濟南：山東大學（碩士學位論文），2014.

[4]Steward D V.The design structure system：A method for managing the design of complex systems[J].IEEE Transactions on Engineering Management，1981(3)：71-74.

[5]劉建剛，唐敦兵，劉思峰，等.基于聯系信息流量的產品結構模塊化方法[J].計算機集成制造系統，2011，17(11)：2373-2382.

[6]Sivamani S.，K.Kwak，Y.Cho.A study on intelligent user-centric logistic service model using ontology[J].Journal of applied mathematics，2014(1)：1-10.

[7]趙園園.智能物流系統設計及應用分析[J].商業經濟，2014(1)：64-65，90.

[8]馬駿，蔡延光.基于云計算的智能配送系統的研究與實現[J].工業控制計算機，2015，28(6)：121-123.

[9]何黎明.智慧物流發展現狀及“十三五”工作重點[J].物流技術與應用，2016，21(10)：84-85.