摘要: 首先简要介绍了大数据与物流行业的关系,然后基于大数据技术对物流企业的仓储系统从提升聚集效益、提高仓储效率、优化作业流程三个方面进行了现状分析与优化设计,提出了一系列优化策略,其优化策略为物流企业的进一步发展提供了有力的保障。 ...

1 引言

随着信息技术的发展,大数据与云计算等互联网新技术蓬勃发展。在互联网新背景下,2013年德国政府发布了工业4.0发展策略。2016年日本政府通过将互联网技术与现实空间相结合提出了社会5.0。同样,物流行业也出现了如“大物流”、“云存储”等新概念,涌现出了将先进互联网技术应用到物流企业实际管理中的新浪潮。其中大数据技术给物流行业的发展提供了新的商机,其有助于传统物流企业对其仓储系统进行优化改造,以满足现代化企业的发展需求。本文在大数据技术的基础上,分析了当下物流企业仓储系统中存在的不足,并运用大数据的相关优势提出了相应的优化策略,弥补了存在的诸多不足。

2 大数据技术与物流

大数据技术通常是指在合理的时间内帮助企业进行常规软件无法处理的海量数据的处理技术,一般具有数据规模巨大(TB,PB级别)、种类繁多、处理速度快、数据价值密度低等4大常见共性[1] 。

近几年随着大数据技术的逐渐成熟,其被应用到了多个领域。由于物流企业需要及时地进行资源信息传递与共享,即需要传输、处理大量的数据。而大数据技术为良好地解决物流企业的数据传递、共享问题提供了潜在的解决方案。与此同时,大数据技术还可以帮助公司进行更合理的进度安排、方案规划等,信息资源得以及时处理共享,有利于企业决策者第一时间掌握公司动态从而做出正确决策。此外,大数据技术还可以对物流企业的数据进一步挖掘,寻找出数据的潜在价值,用数据创造价值提升企业的利润,以便使数据更具可读性、实用性[2] 。物流企业的核心物流系统必须具备的功能如图1所示,由图1可知仓储系统在整个物料流传递及货品的传递过程中扮演着十分重要的角色,故对其进行分析是十分必要的。

图1 物流系统的功能   下载原图
 

现代企业的仓储系统主要由仓库、货品、存储设施设备、人员及管理系统等构成。仓储系统的组成、功能较为复杂,但仓储系统的聚集效益、仓储效率、作业流程等贯穿了整个物流过程的始终。本文将从物流企业仓储系统的聚集效益、仓储效率、作业流程三个方面进行分析,找出目前物流企业在上述三个方面存在的不足。并针对其中存在的不足,充分发挥大数据的优势,以提升物流企业仓储系统的聚集效益、提高仓储效率、优化作业流程,为企业效益的提升提供有力保障。

3 大数据技术提升仓储系统的聚集效益策略

企业仓储系统以实现对仓库和仓库中存储的物资进行管理为目的,以降低运输成本、提高运输效率为出发点,属于企业物流大系统下很重要的一个子系统,是供应商与消费者之间重要的纽带。一方面,仓储地址的选择对于企业充分发挥自身优势起着关键性作用,合理的仓储选址有助于企业提升自身的聚集效益;另一方面,不同仓储系统间货物的流动对聚集效益也有很大的影响。但是,目前物流企业在仓储选址、仓储系统间货物的流动等方面存在诸多不足,针对其中存在的不足,依据企业自身特点,以物的动态流动为研究对象,对仓储建仓的选址及货物的流动提出了相应的优化策略。

3.1 目前仓储系统在聚集效益方面存在的不足

目前,许多企业的仓储选址多以管理人员的管理经验、GIS技术等技术为主,往往带有一定的主观性,无法综合分析各类选址因素,很难实现企业物流成本的最低化、效率的最大化。同时,由于不同地区人群的偏好程度,消费习惯存在差异,不同产品的储藏特点也千差万别。智能科技及蜂窝上网技术的逐渐成熟,大大促进了电商行业的迅速发展,许多人的消费习惯因此而发生了巨大改变。因此物流订单也从批量化、规模化逐渐转向一种新的物流模式:业务繁杂、单笔业务量小、覆盖范围大、配送频率高等特点[3] 。因此传统的企业选址方法已经不适合互联网大背景下的物流市场。

此外,现在物流企业众多,且多数物流企业都会自行建仓,但是由于大部分物流企业受资金的限制,因而会呈现出建仓位置不均匀的现象。在人员密度高的地区例如北京、上海,仓库过多;而在人员密度低的地区例如青海、西藏,仓库不足甚至没有。这种现象一方面限制了企业业务范围的扩大;另一方面也不利于整个物流产业的发展,阻碍经济进步。

3.2 提升物流企业聚集效益优化策略

(1)建仓选址优化策略。利用大数据技术对不同地区的人员消费习惯、产品喜好倾向等客户信息进行分析汇总,同时根据历史记录与国家地方相关政策对不同地区的未来需求进行预测[4] 。以此为基础选取合适的建仓位置,针对产品特性进行建仓,以满足不同地区客户的差异化需求,将最有可能配送的商品放置于距离目标客户最近的地点,减少由于选址不当造成的预算线路过长导致运输成本的升高。

(2)仓储之间货物流通优化策略。无论建仓点选的多么专业都避免不了货量不足、需要仓库间调货转运的情况发生。通常情况下,仓库为了避免积压货物,等缺货之后仓储管理部门才会通知其它仓库调货或者从总库补货,这种情况下大大延长了客户收货时间,而降低了用户体验。如果将大数据技术应用到一个地区未来货量的需求分析、调货补货的时长计算以及其它不确定因素的分析中去,结合仓库货物管理系统便可以在最恰当的时机提醒仓库管理人员进行补货,既减少了客户的等待时间也保证了仓储成本的最低。

(3)联合仓储中心为聚集效益提升助力。物流企业如要发挥最大化的聚集效应降低成本,就必须加强企业间的联合。由于企业资金有限,若各自建仓将无法顾及到偏远地区,从而致使偏远地区送货时间较长,这不利于企业规模的扩大和国家的均衡发展[5] 。因此可在联合物流企业的基础上,利用大数据技术对各个物流企业所拥有的客户需求信息进行汇总分析,在一些偏远的地区根据客户需求的总量共同选址,建立联合仓储中心。这样一来,对于每一个企业而言,无需投入大量人力、物力便可提高在偏远地区的物流运力,互利共赢,大大推动了企业业务范围的扩张。

4 大数据技术提升仓储系统的运作效率策略

4.1 物流企业仓储系统运作方面的不足

目前,亚马逊公司的无人拣货系统被公认为是高效仓储系统的代表。可是国内的大部分物流企业难以达到该水平,究其原因可总结为以下几点:自动化技术尚未成熟应用,难以高效定位拣货点,仍需人工寻找;货品仓储分区不够合理;拣货路径不够优化致使自动拣货小车空载率上升。研究表明,如果自动拣货小车的空驶时间降低50%,则整个仓库系统的工作效率可以提高约10%-15%,可见在建立合理的仓储分区的基础上,运用大数据技术对其路径等进行优化,对于物流企业运作效率的进一步提升至关重要。

4.2 提升仓储系统效率的优化策略

(1)运用大数据技术优化仓储分区。合理的仓储分区和合适的仓位对于仓库的合理利用、仓储成本的降低以及装卸搬运次数的减少而言都至关重要。对于一个特定的物流企业仓储系统来说,该仓库进出货的规律在一段时间内不会有较大变动,这意味着某些货品在某一段时间内经常进出库。而恰恰相反,某些货品在某一段时间内仅仅是为了维持仓储水平而进出库的频次较低。在这种情况下完全可以将经常进出库的货品放置于距离拣货车最近的地方,出库频次低的货品放置于距离出口相对较远的区域。但是这种进出货的规律并不是一成不变的,而是会随着地区客户的迁移、季节的变化、政府政策等因素的作用随时发生改变。因此,企业可利用大数据技术对历史出入库信息、外部因素等多种数据信息进行统计分析,运用人工神经网络、决策树、聚类分析等对数据进行挖掘,对未来即将出库的货品类型及数量进行趋势预测,为帮助仓储管理人员及时调整仓储分区、货位分布,保证物流效率的最大化提供信息支持。

(2)运用大数据技术优化拣选车行车路线。拣选小车通常根据实时发送到接收终端上的拣货清单进行拣货,其拣货路线往往由程序直接控制,而缺少优化策略导致其工作效率不高。因此,可利用大数据技术对多种综合信息如仓库拣货车的位置、实时运力等进行耦合分析,同时考虑货品特性对取货时间的影响、实时的订单需求,利用遗传算法、蚁群算法对大量的数据进行分析,优化拣选车的行车路径以保证拣货效率。

(3)运用大数据技术优化仓储库存量。大部分产品有其自身的生命周期,同样市场也会有其自身的生命周期。随着产品生命周期曲线的推移,其需求也会出现相应的变化,销售情况也会因此而产生较大的波动。传统物流企业通常依据市场调研、走访客户和结合自身经验判断等进行分析确定库存量,但这样的预测不仅耗时较长,而且不够准确容易滞后,会在一定程度上影响物流企业的仓储库存成本。因此,大数据的技术应用将很好的克服这一弊端。大数据技术能够及时的搜集物流信息并对其进行处理分析,准确把握产品及市场的生命周期,了解客户意愿,预测未来的产品需求,帮助物流企业优化仓储库存,合理进行订货。

5 利用大数据技术优化仓储系统作业流程

目前的物流仓储主要遵循以下几项原则:

(1)先到先服务原则。仓储管理人员根据客户要求的货品出入库执行时间进行出入库作业任务的规划排序工作,执行时间越早越优先服务该作业。

(2)按货品被作业的频率排序原则。通过对货品出入库频率的统计,得到一份根据该频率由高到低的货品名单排序,排名越靠前的货品在下一次作业选择时优先作业。

(3)货品的优先执行权原则。根据货品执行作业前订单需求上的特定因素,如作业时间上是否有优先需求等,对执行作业任务的所有货品进行作业优先等级的划分,优先等级越高的货品越优先被执行出入库作业。

(4)作业执行时间最短最长原则。统计要执行出入库作业任务的各个货品的所需完成作业时间,并按照其完成作业的时间长短进行排序,挑选出其中完成作业时间最短的和最长的进行优先作业。

遵循这些原则在一定程度上确实可以提高作业效率,但也存在着不少弊端,其中很重要的一点便是未将货品运输条件考虑进整条供应链的时效中去。针对这一点,物流企业可以利用大数据技术建立实时的外部运输条件信息系统,将车辆信息、路况信息、航班信息等综合信息进行汇总统计并进行分析预测,得出某一货品从仓库出库后到达客户手中的预计时间,并将此预计时间返回至仓储作业的优先选择分析框架中成为其考虑因素之一,这样可优化仓储系统作业优先选择流程。

6 结论

本文介绍了大数据在物流企业仓储系统中的优化中的应用。首先,分析了大数据技术的优势,并在此基础上综合目前物流企业在仓储系统建设方面存在的不足,提出了从仓储系统寻址建设再到日常运营的优化策略。主要就仓储系统聚集效益、运作效率及操作流程进行了分析,找出了目前大多数物流企业在这些方面存在的不足,针对其中存在的各种不足,提出了相应的优化策略。为物流企业业务范围的扩张及资源的有效利用提供了有力的依据。