物流信息管理与辅助决策系统的研究_精品文档.doc

物流信息管理与辅助决策系统的研究_精品文档.doc

《物流信息管理与辅助决策系统的研究_精品文档.doc》由会员分享，可在线阅读，更多相关《物流信息管理与辅助决策系统的研究_精品文档.doc（8页珍藏版）》请在冰豆网上搜索。

物流信息管理与辅助决策系统的研究

许炳献1，张西跃2

（河南洛阳东站471002）

关键词：

铁路运输管理货运物流市场营销决策

随着经济全球化的到来和现代物流业的快速发展，铁路货物运输面临着竞争和挑战。

面对变化的市场和形势，铁路运营部门和企业单位必须认真研究市场、研究货物流向与交通运输、研究满足与需求的关系，“物流信息管理与辅助决策系统”（以下简称物流信息系统）为物流管理者和决策部门提供了把握市场、准确决策的科学依据。

一、研究现状及思路

（一）研究现状

对铁路货运营销信息管理与辅助决策系统的研究在国内已有报道，如：

基于数据仓库技术的铁路客货运市场营销信息系统的初步研究[1]、数据仓中OLAP的研究与实现[2]等，是针对货运信息管理中某一专项问题的研究。

“物流信息系统”，是以货运营销（FMOS）系统的原始提交订单为基础数据，把物流信息和营销决策结合起来，并且采取BO技术、语义层设计和数据挖掘技术于一体的管理系统，对适应市场需求、优化物流信息和科学分析决策具有重要意义和作用，目前已经通过郑州铁路局的科技成果鉴定。

传统的物流信息分析，是通过大规模的货源调查和货运市场调查来收集数据信息，再靠人工统计分析物流数据，最后制订生产营销管理决策方案；缺点是：

时间长、速度慢、决策滞后、不能反映动态的物流变化信息。

就原洛阳分局而言，辖区内121个车站的500多家较大货主单位，有3200多种品名的货源流向全国3000多个车站和数以万计的收货单位，其千变万化的不同组合就构成了复杂的铁路货运物流信息，若靠人工来研究是非常困难的，“物流信息系统”提供了研究复杂物流、克服上述不足的科学手段。

（二）研究思路

1.物流要素的构成分析。

为方便研究，我们重点对物流构成要素和需求量进行分析研究。

将铁路货运物流信息要素分为：

发货流要素和收货流要素。

发货流要素细分为：

发货人名称、货物品名、品类、需求量（车数、吨数）、发站、发局、发段（发站所属的车务段）、发省、市；收货流要素细分为：

收货人名称、收货品名、品类、到达量（车数、吨数）、到站、到局、到达限制口、收省、市。

2.研究物流要素，优化运输组织。

通过对发货流和收货流的研究，分析和寻找铁路大客户和主要服务对象，分析铁路营运的重点站段、主要品类、货主需求量、发站及所属站段、路局、省、地市的货源结构和流向特点，分析铁路卸车组织的重点站段、品类、到达需求、分析货物到站及所属站段、路局、限制口、省、地市的货物到达结构和特点。

3.研究物流需求，寻找辅助决策。

按照需求量的大小对重点（潜力）站段、品类、路局、限制口、达到省市和货主单位进行提取分析，生成辅助决策信息，使铁路部门在进行运输组织和货运营销工作中利用该信息进行决策参考，以便把握关键、采取措施；对发、收货流要素进行综合分析，揭示其在区域货运市场中所处的位置、份额和竞争对手，以便积极而有目的的参与市场竞争。

二、基于语义层挖掘数据的物流信息管理与辅助决策系统

（一）主要特点

1.主要研究内容及技术关键。

包括：

路局货源及物流信息细分、单位（企业）物流信息细分、省市物流信息细分和单位（企业）营销决策信息管理等。

通过对路局货源、物流要素信息构成和来源、单位（企业）物流信息要素构成和来源、省市物流信息要素构成和来源、单位（企业）在区域货运市场中所处的地位、竞争对手、营销重点和主攻方向的信息要素构成和来源等进行细分和数据库建立，形成物流信息管理系统的可视化信息管理和决策参考图表。

2.主要技术特点。

清楚明了的物流动态和流向规律、物流要素和区域货运市场规律、货运市场和物流信息分析、提供物流信息服务和掌握竞争对手、辅助营销决策和制订营销战略。

（二）商务智能的构建过程

商务智能（BI）是在计算机软硬件、网络、通信和决策等多种技术的基础上出现的用于处理海量数据的一项技术，是一种基于大量信息基础上的提炼和重新整合过程，其基本功能是让企业内部员工以及企业外部的客户、供应商和合作伙伴，实现对信息的访问、分析和共享。

BI实际上是数据挖掘（DataMining）技术在商务领域的具体应用[3]。

随着铁路信息化建设步骤的不断加快，TMIS系统函盖着铁路的各个部门和各种业务，如：

综合调度、货运营销（FMOS）、车号自动识别、货票、确报、车站管理等；这些系统采集了大量的基础信息和宝贵资料，集中在路局的中央处理机并汇成了庞大的数据仓库。

但目前存在的问题是多个信息系统不能充分共享，形成了一个个信息孤岛，对铁路的信息化管理极为不利。

为此，设计了“物流信息系统”，利用FMOS系统的信息资源，挖掘形成新的数据仓库、构建商务智能，建立与信息孤岛的连接。

商务智能系统的构建过程如图1所示：

汇总

业务数据源

数据仓库/集市

OLAP服务器

抽取/转换/加载

图1：

商务智能的构建过程

钻取/切片/旋转

（三）业务数据源的分析

货运营销与生产管理系统（FMOS）1998年建成投产，采用站段、分局、路局三级网络传输数据的方式审批货运计划，此后在其基础上又构建了货运调度系统；车站和分局的业务数据流如图2所示。

凡经铁路运输的货物，物资单位可在货主、车站、车务段或分局的任意联网点提报原提运输需求订单，分局或路局按有关规定审批货运计划并下发站段或货主单位，货主、车站和分局调度需所根据批准的计划组织装车。

通过对FMOS系统业务数据的分析，发现包含有发、到站，发、收货人，货流量，运输经路和特征代码等基础信息，如果对其进行抽取、加载、转换（ETL），生成数据仓库[4]，再利用数据仓库的挖掘和提取技术，对数据进行提取分析，就能提供某单位或企业某一时间段的全部货物物流信息和营销决策信息。

货主

站段

路局计划

分局、路局货调

图2：

业务数据流

（四）数据模型的建立

有了基础数据，在大量需求分析的基础上，根据通用商务智能系统的构建过程，设计“物流信息系统”的数据模型（图3）。

主要包括元数据处理和物流及辅助决策两个部分，其中元数据处理是整个系统的关键所在，通过EIL（抽取、加载、转换）生成数据仓库，在此阶段对数据进行初始化和预处理，通过“识别、收集、过滤、汇总”等方法将数据转换成数据模型和选定挖掘功能所要求的格式；通过数据挖掘工具（BO）挖掘出物流信息和决策信息，提供给普通用户和决策用户。

车务段

车站

货主

站段FMOS业务数据

ETL（抽取、加载、转换）

数据仓库

FMOS业务数据

数据挖掘工具（BO等）

查询

统计

分析

报表

物流信息

决策信息

元数据处理

普通用户

决策用户

决策数据

物流及辅助决策

图3物流信息管理与辅助决策系统数据模型型

（五）基于语义层挖掘数据

1.选择数据挖掘工具（BO）

数据挖掘工具包括三种：

通用型工具、综合／DSS／OLAP数据挖掘工具和快速发展的面向特定应用的工具。

综合数据挖掘工具又包括Cognos Scenario和BusinessObjects等。

BusinessObjects（BO）是集查询、报表和OLAP技术为一身的智能决策支持系统。

它使用独特的“语义层”技术和“动态微立方”技术来表示数据库中的多维数据，具有较好的查询和报表功能，提供钻取（Drill）等多维分析技术，支持多种数据库，同时它还支持基于Web浏览器的查询、报表和分析决策。

因此，“物流信息系统”采用综合数据挖掘工具BO作为研究的实现工具。

2.采用语意层技术

（1）语义层技术使复杂问题简单化。

其目的是赋予广泛的商业用户自主地访问数据库和数据仓库信息的能力，把商业用户同技术性的数据库术语以及复杂的SQL访问语言分离开来。

（2）语义层。

语义层（Universe）是对数据库中数据结构（表、列和连接等）面向业务的映射。

“对象”，是语义层中最具体的内容，可以将对象进行逻辑分组成为“类”，“类”又可以分成子类；为了进行多维分析，对象又被限定为三中类型：

即，维、明细和度量。

（3）语义层的设计。

要做好语义层的设计，信息技术人员必须掌握结构化查询语言（SQL）、拥有关系数据库管理系统（RDBMS）的丰富经验、熟悉数据库的数据类型和数据结构，在建立完善的数据模型的基础上，利用BO提供BODesigner模块，方便的创建Universe，从而使商业用户回避复杂的关系型数据库结构。

（4）语意层的设计步骤。

语义层是整个系统运行的基石，设计的好坏直接影响到系统的性能，设计时要严格按照软件工程管理去做，最终提供给用户一个比较完善的语义层描述。

“物流信息系统”语意层的设计步骤如图4。

规划

将物流信息系统拆分为各功能模块

分析

详细分析用户需求信息

设计

设计数据概念模型，要适应BO挖掘数据的格式；设计Universe规范

实现

用DESIGNER创建Universe

在BO用户模块中测试该Universe

分发该Universe

维护

更新和维护Universe

将改动通知给最终用户

图4语义层的设计步骤

3.基于语义层的BO提供完善的数据处理技术

（1）查询技术。

在友好的用户界面背后，BO使用高效能的查询技术来支持用户建立对数据仓库中业务数据的查询。

优化的SQL生成。

一旦用户选定了的对象，BO即生成优化的SQL语句，进行数据库查询，提高数据查询效率。

聚合处理。

提高数据仓库性能的一个方法是建立聚合表，BO能操纵聚合表并自动地帮助用户找到捷径访问数据库中的信息。

（2）报表输出。

BO让用户通过方便的途径表达关键因素和变化的趋势。

用户可以在多种模板中选择以进行快速报表生成，可以使用功能强大的函数，还可以将警报器用于告警分析。

BO的报表是基于多块（Multi-block）结构的，让用户在一个报表中拼合表、交叉表、图表OLE对象等。

（3）用动态微立方体进行分析。

使用BO数据仓库的用户可以获得各种OLAP功能；只需单击一下鼠标键，用户就可以解锁数据仓库中的信息和完成报表。

用户可以通过“Slice”（切片）和“dice”（旋转）来改变观察数据的角度，然后“drill”（钻取）到更深的层次寻找决策信息。

（4）功能集成。

DSS的三个主要功能（查询、报表和分析）被完全地集成在BO中，这样用户不必在前后台工具之间切换来完成他们的工作。

（5）完整的IS工具集。

BO使用两个有效的功能模块Designer和Supervisor来建立、控制和维护数据仓库工程中的决策支持系统。

4.在Universe上挖掘数据进行查询和生成报表

通过在Universe上进行查询可以将数据引入报表，BO提供的查询面板就可以完成该项任务；在查询面板的图形界面上，可以通过拖放Universe中的对象建立查询；具体步骤如表1：

步骤

描述

一

显示查询面板

二

在查询面板中建立查询并运行（拖动对象）

三

保存查询定义

四

对查询的结果进行报表格式调整并保存

表1

三、“物流信息系统”的配置

“物流信息系统”的主要业务数据存储在分局（路局）主处理机RS6000上的ORACLE数据库中，数据仓库采用一台IBM微机服务器，安装有本地数据库，采用分布式数据库技术访问FMOS系统数据，即保证了原生产系统的安全稳定，也充分利用目前铁路内部先进的局域网络。

前台运行在WINDOWS平台上，需要安装ORACLE客户端程序和知名BusinessObject（BO）公司的电子智能商务软件BusinessObjects5.1程序。

“物流信息系统”的配置如图5。