迈创供应链基于预测库存运输的智慧供应链的研究样本

基于预测、库存、运送智慧供应链研究

杨鹏飞彭安沈凌云林劲

（同济大学软件学院，上海市 04；同济大学软件学院，上海市 04；迈创智慧供应链股份有限公司，上海

市20；迈创智慧供应链股份有限公司，上海市20）

摘要：供应链整体效率高低不但基于基本设施完善水平，还与整个供应链上下游衔接水平以及

供应链各环节信息化、智能化、协同化密不可分。本项目旨在通过对迈创智慧供应链股份有限

公司（Maitrox）实际业务中大量数据整顿和分析工作，进一步挖掘供应链中各环节数据关联，

通过实现数据同步，联动管理，运用预测、仓储预警、运送等模型提高实际业务运营效率，以

提高供应链信息化和智能化水平，并最后提高寻常业务管理效率和便捷化限度。

核心词：智慧供应链；预测；仓储；运送模型

1、引言

在如今互联网高度发达、大数据日益膨胀年代，随着供应链管理内涵拓展、过程延伸、覆盖面扩大以及管理日益专业化、和原则化，对实现数据高效管理和有效挖掘已经成为供应链智能化管理重要研究课题[2]。

依照Younjung Kim等关于供应链管理（SCM）调查，将来供应链研究方向集中在由老式经验主义向依托数据挖掘智能化方向发展，通过仓储、运送等优化，实现供应链智慧管理目的［10］。在库存环节，刘学恒等研究和探讨了不同库存方略优化问题，并以两层级供应点仓储系统作为研究对象，应用粒子群算法，建立和优化相应库存模型，解决就近供应点选用和转运等库存方略方面问题[7]。在运送环节，李正艳基于老式数据仓库概念和构造设计，应用于运送数据挖掘上，探讨了物流配送途径优化问题遗传算法和动态规划法在物流运送系统中应用，对运送途径和多式联运等做了近一步优化［6］。

本文针对迈创供应链公司（Maitrox）供应链运营中物流、仓储等数据库管理、流程规划、仓储预警管理和运送管理等方面业务需求，对供应链进行全局规划和核心环节技术上支持和创新研究。并摸索性地在预测层面，使用贝叶斯预测模型在一定可信度下对配件损耗量

进行预测，并产生订货提前期这一参数，通过引入仓储预警和运送系统来进一步优化老式S-t库存管理方略和运送网络有向图最短路算法。

2、商业背景

本研究以迈创智慧供应链股份有限公司供应链为背景，提出一整套构建智慧供应链想法并在供应链整体考虑基本上研究细节问题详细实现方略。

迈创供应链公司从开始，从事供应链管理有关体系业务。已经构建成一种完整、链接上下游供应商客户涵盖筹划征询、备件采购、备件垫资、物流、仓储、本地配送、大数据系统、高品位维修、逆向物流全环节供应链管理服务全球生态体系。迈创供应链公司在供应链上下游功能定位，对于国际业务而言，负责从香港等发货点往东南亚，欧美等某些国家配送手机配件,工作流程如下：

图2. 1 运送途径优化

采购零部件从国内内地市场供应商运至发货点仓库，然后发货点再转运往国外服务商，并配送至各国家详细维修点（简称正向运送）。

本课题项目在迈创供应链公司实际供应链业务基本之上，通过度析业务需求，设计了配件损耗率预测、仓储预警、运送优化、物流信息系统构建等几大系统对供应链进行全局优化。各系统在供应链不同环节进行优化服务，又密切协作，服务于供应链整体。

依照迈创实际业务，运用运筹学内相应仓储方略模型和运送优化模型，对整体供应链核心环节加以优化，旨在构建一套依照既有数据供应链优化系统，并最后通过地图和业务流程

等可视化技术加以呈现，为管理人员提供库存预警、管理信息、以及运送优化方案决策支持服务。

图2. 2 智慧供应链

该智慧供应链服务重要目是减少人工干预，在节约人力成本基本之上，提高管理规范化水平，提高供应链运作效率，通过提供便捷化供应管理和可视化运送方略，为决策提供参照支持。参照当代化供应链重要构成某些功能和迈创供应链供应链现阶段重要功能瓶颈咱们将制定三个系统：预测系统，库存系统，运送系统，分别相应于预测模型，库存模型，运送模型。

3、解决方案

一方面咱们对于供应链中构成某些，即预测系统，库存系统，运送系统功能进行简朴简介，接着详述如何把三者有机融合，以充分体现智慧供应链在提高供应链效率中作用。

预测系统将历史数据作为训练集，建立预测系统，输入某一类手机配件和时间参数，系统给出该手机配件在某一时间段需求量，并将预测成果传递给库存系统。

库存系统依照物流以及库存信息建立一套库存模型。手机配件缺货有单位损失费，每次进货会有固定费用，但一次进货太多则导致货品积压，又会导致存储费上升。采用不同存储方略构建不同存储模型都会对进货方略导致影响。库存系统接受预测系统传递预测成果，判断某一种手机配件在将来一段时间内与否缺货，缺货量为多少，并发出预警信息，并将预警信息传递给运送系统。预警信息涉及在将来某段时间t和预测缺货量d。

运送系统收集物流信息、配件成本费，关税等，并依照时间约束（预警信息中包括时间

段t）计算最优途径或者最优配送方案（快递公司选取）。运送系统将计算成果进行整顿展示，为决策者提供参照。

图3. 1 三个系统衔接

由上图可以看出，模式发起点在于预测。预测有效性与精确性直接影响智慧供应链功能。预测之因此如此重要因素在于：

（1）、缺货时不能保证有某个仓库一定有缺少手机配件。一种保证不缺货方案是，尽量多储备货品。但这会导致仓促费激增，资金积压。因而，预测某段时间某种手机配件会缺货，仓库提前备货。（2）、订货提前期。并不是有了需求预测后，缺货状况就不会发生，由于货品从采集市场运往仓库还需要时间。例如，预测系统告知仓库，5天后电池也许会缺货，这时，物流人员去采购却发现电池最快只能在7天后送达。订货提前期存在规定咱们在做预测时必要将订货准备时间和运送时间添加到预测时间段内。

接下来分别简介这三个子系统详细细节和实现方案。

3.1 预测系统

通过研究手机配件故障率预测系统，目在于预测原有机型将来也许发生故障数和在保修期间每月也许需要更换配件以及配件数量，并且可以依照相似类型配件预测新配件损耗率，从而可以提前做好供货准备，提高公司售后服务质量。

基于实际运营数据，咱们建立了预测模型，使用训练数据训练模型，并用测试数据计算错误率。基于错误率，咱们就可以在一定可靠性规定下，对现状进行预测了。下图展示了咱们建立预测模型过程。该过程也是是数据挖掘、机器学习普通化环节。