物流.docx
《物流.docx》由会员分享,可在线阅读,更多相关《物流.docx(19页珍藏版)》请在冰豆网上搜索。
![物流.docx](https://file1.bdocx.com/fileroot1/2023-2/1/8b3c0910-849c-43b0-84be-1208c8548ad9/8b3c0910-849c-43b0-84be-1208c8548ad91.gif)
物流
运输、仓储、包装、装卸搬运、流通加工、配送、信息等职能
产、供、销情况的分析
不同产品的安全库数量,如何更有效的存储
订单情况不同客户订单数量、每票订单的订货数量、订单时间的分布情况
各区域的运费情况,各线路运费的变化率
运输残损率,到货及时率,回单及时率,回单完整率,投诉率服务指标的收集
如何减少时间
物流数据分析
技术分析(定量分析为主):
主要对客户提供的信息经过专业技术人员的统计和分析,如:
客户需求分析、物流组织架构分析、设施设备能力统计分析、费用分析等,这一阶段的分析为我们的决策分析提供了有力的依据。
决策分析(定性分析为主):
一般由高级顾问团队完成,根据前一阶段的分析(定量分析)结果,对项目目标、项目整体策略、项目实施步骤等进行具体分析和形成,这一阶段成果的形成不仅依赖于高级顾问的经验判断,更依赖于佳苏人不断地技术创新所形成的概念模型、分析曲线以及图表的分析检验。
近几年,我国在物流的规划、政策、成本、核算的研究上均取得一定成果,但是在初中应用上遇到的最大障碍是极度缺乏物流产业的经济统计数据资料,这已经成为制约我国物流业快速发展的瓶颈。
解决这一瓶颈的办法是尽快建立我国物流统计数据分析平台,这个平台建设主要应解雇好以下几方面的问题。
一、物流统计调查体系
没有调查研究就没有发言权,所谓物流统计调查,即利用统计技术与方法获取物流统计数据的过程。
物流统计调查体系主要由以下模块组成:
(一)物流统计调查的组织机制
物流统计数据来源于科学的物流统计调查活动,物流统计调查需要科学的组织机制做保障。
我国组建统一管理全国物流活动权威机构的条件已经成熟。
第一,我国物流基础设施建设初具规模。
未来十年,我国对外贸易进出口总额将达到1万美元,这为我国物流发展提供了非常广阔的空间。
第二,我国物流发展正处于调整、整合、进一步发展时期,需要相应机构进行组织作用,保障其健康、有序、快速发展。
第三,物流高等教育和职业教育得到迅速发展,2002年全国高等院校招生中设施物流专业的高等院校有9所。
正在筹办的20多年,高职高专培养物流人才的学校有几十所。
根据有关资料,在未来的几年物流的高等教育和职业教育将以成倍的速度增长。
第四,同国际接轨,进行国际比较的需要。
在该机构的统一领导组织下,组建一系列专项调查工作组,形成物流调查网络体系。
该机构负责物流政策的制定和物流统计数据的发布及相关协调工作,同时不负责定期向社会公布我国物流统计的月报、季报、半年报和年报数据。
(二)物流统计调查方法
统计调查方法包括全面调查和非全面调查,其中全面调查包括全面统计报表制度和普查,非全面调查包括重点调查、典型调查和抽样调查。
与之相适应的物流统计调查从总体上来讲调查方法也包括上述内容,但还有其自身的特殊性。
对于反映物流基础设施现状的指标,主要是交通运输业有关的运输线路长度、港口泊位和吞吐能力及机场数量等可以采用交通运输部门提供的数据;对于供应链企业之间的物流数据可以采用企业间的电子信息化的数据:
有些数据可以使用相关的数据仓库的数据。
在物流统计调查方法上可以采用灵活多样的方式进行,但要亲手统计调查的基本规律。
根据物流发展的实际需要开展10年一次的物流普查和不定期专项调查工作。
二、物流统计指标体系
我国物流统计指标体系的建立应重点解决以下问题:
第一,物流统计指标选择的原则。
1、能够反映我国物流发展的趋势的原则。
2、物流统计指标的国际可比性原则。
3、物流统计指标的联系性、系统性、科学性原则。
第二,物流统计指标要有明确的口径和范围。
第三,物流统计指标要有一个科学的计算方法。
在设计中要认真研究西方发达国家物流统计指标拣选特点,尤其是物流管理委员会的相关文件,同时结合我国经济和物流发展的具体情况,尤其是我国交通运输业的实际情况来进行。
物流统计指标的主要内容应包括:
第一类是物流产业发展总量指标
第二类是物流发展的结构指标
第三类是发展的国际比较指标
第四类是综合派生指标
三、物流供需数据系统
在物流实际工作中常常出现由于供货方不明销售方的销售信息或销售方的销售信息没有及时提供给供货方面而造成不能及时供货,眼下尽管销售方努力进行物流管理,也无法避免缺货,这在商业领域尤其突出。
这种供需情况不明,效率低下的情况在物流界已司空见惯。
物流资源高效运行的前提是要知己知彼,供需见面。
我国物流发展中既有物流基础设施建设不足的原因还有物流供需数据系统缺位的原因。
物流供需数据系统的建设主要做好以下几方面的工作:
第一,建立数据的采集系统
第二,电子商务的广泛应用
第三,建立物流供需数据的存储系统
第四,建立数据交换系统
第五,数据仓库技术的应用
第六,物流供需数据的发布系统
物流数据有多层次性,通过完善的物流数据系统可以保障供需双方及时见面,这对于资源拣选有效利用,减少成本,建立友善诚信的战略伙伴关系是有益的。
四、物流供需均衡和预警系统
(一)物流供需均衡
物流供需包括均衡两种类型。
失衡是长期的,均衡是暂时的,物流供需均衡又是我们必须要追求的。
物流总供给和总需求的均衡主要体现在:
1、物流供需良性循环,结构协调;
2、物流资源得到正常发挥、技术进步,资源得到充分利用;
3、物流供需能够随社会经济发展保持正常拣选增长,能够与产业结构拣选演进相协调。
物流供需是否均衡还需解决物流总供给拣选测算方法和总需求的测算方法问题。
(二)物流预警系统
物流预警系统要具有以下几方面的作用:
1、正确评当前整个物流系统运行状态
2、准确预测未来物流发展的趋势。
3、针对存在的问题及时加以调控。
物流预警系统主要包括物流监测指标系的选取和物流预警方法的测定两个方面的内容。
需要采用一系列统计预测方法、诸如定性预测、时间序列预测、回归预测、马尔柯夫预测等方法。
物流预警系统主要包括以下几方面的内容:
第一,建立物流预警预测的讲理经济模型;
第二,对物流各个主要监测指标未来发展趋势做出预测;
第三,根据物流预测结果,分析物流运行状况。
五、物流综合分析系统
我国物流综合分析系统主要包括:
第一,我国物流现状分析
根据物流客观真实的资料编写我国物流发展的白皮书,从总量到结构等方面的全面阐述我加物流发展的最新状况。
第二,物流综合统计分析
物流综合统计分析拣选主要内容包括:
1、物流监测预警分析;
2、物流形势分析;
3、物流总供需分析;
4、物流增长分析;
5、物流专题分析;
物流综合统计分析采用的主要分析方法是:
1、物流宏观经济分析方法
这一方法包括:
物流表态经济分析方法,物流比较表态分析方法,物流动态经济分析等方法。
2、物流统计分析方法
物流统计分析方法主要包括经济统计分析方法和现代数理统计分析两类方法。
前者包括集中趋势、离散趋势、因素分析、对比分析、动态分析、相关与回归分析、弹性分析等。
后者包括聚类分析,主成分分析等方法。
3、数量分析方法
数量分析方法主要包括物流数量经济模型、物流增长模型等方法。
第一,物流国际比较统计分析
从政策、体制、电子商务的采用、物流总量、物流结构等多方面进行分析。
第二,物流竞争力统计分析
根据世界经济论坛(WEF)和洛桑国际管理发展学院(IMD)等关于国际竞争力的有关理论,研究物流行业的竞争力指标、物流竞争力的分析方法。
为提升我国物流业的国际竞争力提供理论支持。
总之,物流统计数据平台的建设可以为我国物流业的健康发展提供数据和核算的保障。
在数据分析中,对于成对成组数据的拟合是经常遇到的,涉及到的任务有线性描述,趋势预测和残差分析等等。
很多专业读者遇见此类问题时往往寻求专业软件,比如在化工中经常用到的Origin和数学中常见的MATLAB等等。
它们虽很专业,但其实使用Excel就完全够用了。
我们已经知道在Excel自带的数据库中已有线性拟合工具,但是它还稍显单薄,今天我们来尝试使用较为专业的拟合工具来对此类数据进行处理。
注:
本功能需要使用Excel扩展功能,如果您的Excel尚未安装数据分析,请依次选择“工具”-“加载宏”,在安装光盘支持下加载“分析数据库”。
加载成功后,可以在“工具”下拉菜单中看到“数据分析”选项
实例某溶液浓度正比对应于色谱仪器中的峰面积,现欲建立不同浓度下对应峰面积的标准曲线以供测试未知样品的实际浓度。
已知8组对应数据,建立标准曲线,并且对此曲线进行评价,给出残差等分析数据。
这是一个很典型的线性拟合问题,手工计算就是采用最小二乘法求出拟合直线的待定参数,同时可以得出R的值,也就是相关系数的大小。
在Excel中,可以采用先绘图再添加趋势线的方法完成前两步的要求。
选择成对的数据列,将它们使用“X、Y散点图”制成散点图。
X、Y散点图
在数据点上单击右键,选择“添加趋势线”-“线性”,并在选项标签中要求给出公式和相关系数等,可以得到拟合的直线。
给出公式和相关系数
由图中可知,拟合的直线是y=15620x+6606.1,R2的值为0.9994。
因为R2>0.99,所以这是一个线性特征非常明显的实验模型,即说明拟合直线能够以大于99.99%地解释、涵盖了实测数据,具有很好的一般性,可以作为标准工作曲线用于其他未知浓度溶液的测量。
为了进一步使用更多的指标来描述这一个模型,我们使用数据分析中的“回归”工具来详细分析这组数据。
回归工具
在选项卡中显然详细多了,注意选择X、Y对应的数据列。
“常数为零”就是指明该模型是严格的正比例模型,本例确实是这样,因为在浓度为零时相应峰面积肯定为零。
先前得出的回归方程虽然拟合程度相当高,但是在x=0时,仍然有对应的数值,这显然是一个可笑的结论。
所以我们选择“常数为零”。
“回归”工具为我们提供了三张图,分别是残差图、线性拟合图和正态概率图。
重点来看残差图和线性拟合图。
残差图、线性拟合图和正态概率图
在线性拟合图中可以看到,不但有根据要求生成的数据点,而且还有经过拟和处理的预测数据点,拟合直线的参数会在数据表格中详细显示。
本实例旨在提供更多信息以起到抛砖引玉的作用,由于涉及到过多的专业术语,请各位读者根据实际,在具体使用中另行参考各项参数,此不再对更多细节作进一步解释。
残差图是有关于世纪之与预测值之间差距的图表,如果残差图中的散点在中州上下两侧零乱分布,那么拟合直线就是合理的,否则就需要重新处理。
图表
更多的信息在生成的表格中,详细的参数项目完全可以满足回归分析的各项要求。
下图提供的是拟合直线的得回归分析中方差、标准差等各项信息。
表格
随着信息时代数据量的剧增,深化物流管理的最有效方法是在其中引入数据挖掘技术,充分合理的利用数据挖掘技术,可以进行市场预测和分析,这必将为正确的决策奠定坚实的基础。
本文介绍数据挖掘技术的概念及方法,并结合物流企业的管理,阐述数据挖掘技术在物流企业中的具体应用。
1.引言
物流需求的个性化、多样化和集成化,要求物流服务企业必须不断改进和优化企业的运作流程,开发出具有针对性的物流服务,以适应物流市场发展的变化。
数据挖掘技术,以其强大关联、分类、预测等功能,可将物流企业运营过程中产生的信息数据进行有效整合处理,为物流企业的决策提供依据。
2.数据挖掘技术
数据挖掘又称为基于数据库的知识发现,是从大量的、不完全的、模糊的、随机的实际应用数据中,提取隐含在其中的、潜在有用的信息和知识的过程。
它不仅仅局限于对数据的查询和访问,主要在于找出数据之间的潜在联系。
从企业角度看,数据挖掘是一种企业信息处理技术,特点是对企业数据库中的数据进行抽取、转换、分析等,从中提取可用于辅助企业决策的关键数据。
数据挖掘的目标是从大量数据中,发现隐藏于其后的规律或数据间的关系,从而服务于决策。
数据挖掘方法有很多种,其中比较典型的有关联分析、序列模式分析、分类分析、聚类分析等。
(1)关联分析
数据关联是数据库中存在的一类重要的可被发现的知识。
若两个或多个变量的取值之问存在某种规律性,就称为关联。
关联分析即利用关联规则进行数据挖掘,而关联规则是描述事物之间同时出现的规律的知识模式,关联分析的目的是为挖掘出隐藏在数据间的相互关系。
(2)序列模式分析
序列模式分析和关联分析相似,他把数据之问的关联性与时间性联系起来,为了发现序列模式,不仅需要知道事件是否发生,而且需要确定事件发生的时间。
其目的也是为了挖掘数据之间的联系,但序列模式分析的侧重点在于分析数据问的前后或因果关系。
(3)分类分析
分类分析就是分析样本数据库中的数据,为每个类别做出准确的描述建立分析模型或挖掘出分类规则,然后用这个分类规则对其他记录进行分类,能够把数据集中的数据映射到某个给定的类上,其输入集是一组记录集合和几种标记。
(4)聚类分析
与分类分析不同,聚类分析法的输入集是一组未标定的记录,也就是说此时输入的记录还没有进行任何分类。
其目的是根据一定的规则,合理地划分记录集合,使组之间的差别尽可能大,组内的差别尽可能小。
3.数据挖掘技术在物流企业中的应用
现代物流信息系统是一个庞大复杂的系统,特别是全程物流,包括运输、仓储、配送、搬运、包装和物流再加工等诸多环节,每个环节信息流量十分巨大。
以往物流企业主要利用信息的有效沟通、快速传达、物流运作调控和辅助决策的功能,而很少挖掘信息中的有用数据。
但随着市场竞争的加剧、企业精细化管理愿望的增强以及先进技术方法的开发应用,对信息中的数据进行挖掘利用已成为物流企业赢取客户、增加利润、提升自身竞争力的有效途径。
3.1数据仓库的建立
数据仓库作为数据挖掘的基础,不同于传统的联机事务处理系统,它具有面向主题的、集成的、不可更新以及随时间变化的特性。
各个联机事务处理系统作为数据仓库的原始数据源,以文件方式提供企业在日常活动中收集的包括定货单、存货单、应付帐、交易条款、客户情况等在内的大量数据资料和报表。
同时还有大量的外部信息等数据。
数据仓库通过ETL过程(抽取、转换和加载)处理这些接口文件,并且按不同的主题域组织、存储和管理这些客户数据。
通过数据仓库接口,对数据仓库中的数据进行联机分析和数据挖掘。
在建立完成企业级的信息数据仓库之后,可以基于这个数据仓库平台进行数据挖掘工作。
3.2物流企业中的数据挖掘
一般来讲,数据挖掘在物流企业中可以应用在以下几方面:
1)市场预测
产品在进入市场后,并不会永远保持最高销量。
一般来讲,随着时间的推移,产品会遵守销量变化的模式,经历四个阶段,即导入期、增长期、成熟期和衰退期。
在各个阶段,产品的生产要求和实物分拨策略是不同的。
如在导入期,产品逐步得到市场的认可,销售量可能会快速的增长,这时需要提前的生产计划、生产作业安排以及适合的库存和运输策略,指导企业的生产,合理地控制库存和安排运输。
数据挖掘可以作为市场预测的手段,通过聚类和预测工具,达到上述目的。
2)物流中心的选择
物流中心(流通中心、配送中心)选址问题即求解运输成本、变动处理成本和固定成本等之和为最小的最小化问题。
物流中心选址,需要考虑到中心点数量和中心点如何分布等情况。
针对这一问题,可以用数据挖掘中的分类树方法来加以解决。
分类树(classification)的目标是连续的划分数据,使依赖变量的差别最大。
分类树的真正的目的是将数据分类(classify)到不同组或分支中,在依赖变量的值上建立最强划分。
用分类树的方法解决这个问题时,通常需要以下四个方面的数据:
1)中心点的位置;2)每个中心点的业务需求量;3)备选点的位置;4)在中心点和备选点之间的距离。
通过分类树的方法,不仅确定了中心点的位置,同时也确定每年各个地址问物品的运输量,使整个企业必要的销售量得到保证。
企业的长期折现的总成本也会达到最小值。
3)优化配送路径
配送路径是个典型的非线性问题,它一直影响着物流企业配送效率的提高。
在许多配送体系中,管理人员需要采取有效的配送策略以提高服务水平、降低货运费用。
其中要考虑车辆的路径问题,车辆路径问题是为一些车辆确定一些客户的路径,每一客户只能被访问一次,且每条路径上的客户需求量之和不能超过车辆的承载能力。
其次还应考虑到车辆的利用能力,如果车辆在运输过程中的空载率过高或整车的承载力未完全利用,这些无疑会增加企业的运输成本;另外涉及到车辆的运输能力,就必须考虑到货品的种类、规格、大小和利润价值的大小(定价)。
数据挖掘中的遗传算法为配送路径的优化提供了新的工具,它可以把在局部优化时的最优路线继承下来,应用于整体,而其他剩余的部分则结合区域周围的剩余部分(即非遗传的部分)进行优化。
如此下去,逐渐把其他的区域并入优化的范畴,最后扩展到整体,模型得出的信息即可用来决策输出,即根据每次配送顾客数量的不同、顾客位置的不同,以及相应订货量的不同,输出本次送货线路车辆调度的动态优化方案。
4)合理安排商品的仓储
商品的合理储位对于仓容利用率、储存搬运分拣效率的提高具有重要的意义。
对于商品量大、出货频率快的物流中心来讲,商品储位就意味着工作效率和效益,要真正解决好这个问题,数据挖掘是必不可少的。
如何合理安排货品的存储、压缩货品的存储成本正成为现代物流管理者不断思考的问题,对于货品的存放问题,哪些货品放在一起可以提高拣货效率?
哪些货品放在一起却达不到这样的效果呢?
可以利用以往的商品流动数据,采取数据挖掘中的关联模式来分析解决这个问题。
关联模式分析的目的就是为了挖掘出隐藏在数据间的相互关系,即通过量化的数字,描述A类产品的出现对B类产品的出现有多大影响,可以用四个属性来描述关联规则:
可信度:
在产品集A出现的前提下,B出现的概率。
支持度:
产品集A、B同时出现的概率
期望可信度:
产品集B出现的概率
作用度可信度:
对期望可信度的比值
通过上述关联分析可以得出一个关于同时购买商品的简单规则,从而来决定这两种货品在货架上的配置,可以战略性的布置货品在仓库中的位置,以促进交叉销售和某类交易模式。
5)顾客价值分析
根据市场营销的原则,对待不同类型的顾客所提供的服务水平也应该有所不同的。
通过分析客户对物流服务的应用频率、持续性等指标来判别客户的忠诚度,通过对交易数据的详细分析来鉴别哪些是物流企业希望保持的客户,通过挖掘找到流失客户的共同特征,就可以在那些具有相似特征的客户还未流失之前进行针对性的弥补。
6)物流需求预测
物流企业规划和控制物流活动需要准确估计供应链中所处理的产品和服务的数量,这些估计主要采用预测和推算的方式。
数据挖掘可以对物流活动中的产品和服务类型随时问变化的规律和趋势进行建模描述。
时间趋势分析可以对现有商品在时间上的变化找出趋势,然后确定需要注意和开发商品的类型。
空间趋势分析可以根据地理位置的变化找到趋势,然后确定以往重点发展的区域,这对于物流企业长远的发展也是至关重要的。
4.结束语
数据挖掘技术已经在商业、金融业、保险业、电信业等多个领域开始得到应用,取得了令人满意的效果。
我国物流企业在数据挖掘应用方面还处于起步阶段,经验不足,应用实践在国内物流企业中还并不多见。
但随着数据挖掘应用研究的深入开展,以及物流企业追求运营绩效愿望的增强,将会有越来越多的物流企业引入数据挖掘,为各物流企业在激烈的竞争中掌握主动,在未来的发展中提供更广阔的空间,发挥重要的作用,数据挖掘在物流企业管理中将会有更加广阔的前景。
物流五要素(FiveElementsofLogistics)是指评价物流体系的五个主要要素,它们是:
品质、数量、时间、地点和价格。
1.品质是指物流过程中,物料的品质保持不变;
2.数量是指符合经济性的数量要求和运输活动中往返运输载重尽可能满载等;
3.时间是指以合理费用及时送达为原则做到的快速;
4.地点是指选择合理的集运地及仓库,避免两次无效运输及多次转运;
5.价格是指在保证质量及满足时间要求的前提下尽可能降低物流费用。
现代物流是需要依靠信息技术来保证物流体系正常运作的。
物流系统的信息服务功能,包括进行与上述各项功能有关的计划、预测、动态(运量、收、发、存数)的情报及有关的费用情报、生产情报、市场情报活动。
财物流情报活动的管理,要求建立情报系统和情报渠道,正确选定情报科目和情报的收集、汇总、统计、使用方式,以保证其可靠性和及时性。
从信息的载体及服务对象来看,该功能还可分成物流信息服务功能和商流信息服务功能。
商流信息主要包括进行交易的有关信息,如货源信息、物价信息、市场信息、资金信息、合同信息、付款结算信息等。
商流中交易、合同等信息,不但提供了交易的结果,也提供了物流的依据,是两种信息流主要的交汇处;物流信息主要是物流数量、物流地区、物流费用等信息。
物流信息中库存量信息、不但是物流的结果,也是商流的依据。
物流系统的信息服务功能必须建立在计算机网络技术和国际通用的EDI信息技术基础之上,才能高效地实现物流活动一系列环节的准确对接,真正创造“场所效用”及“时间效用”。
可以说,信息服务是物流活动的中枢神经,该功能在物流系统中处于不可或缺的重要地位。
信息服务功能的主要作用表现为:
缩短从接受订货到发货的时间;库存适量化;提高搬运作业效率;提高运输效率;使接受订货和发出订货更为省力;提高订单处理的精度;防止发货,配送出现差错;调整需求和供给;提供信息咨询等。
电子商务与非电子商务就实现商品销售的本质来讲并无区别,物流是实现销售过程的最终环节,但由于采用不同形式,使一部分特殊服务变得格外重要,因此,设计电子商务的物流服务内容时应反映这一特点。
概括起来,电子商务的物流服务内容可以分为以下两个方面:
1.传统物流服务覆盖全国或一个大的区域的网络,因此,第三方物流服务提供商首先可能要为客户设计最合适的物流系统,选择满足客户需要的运输方式,然后具体组织网络内部的运输作业,在规定的时间内将客户的商品运抵目的地,除了在交货点交货需要客户配合外,整个运输过程,包括最后的市内配送都应由第三方物流经营者完成,以尽可能方便客户。
(1)储存功能
电子商务既需要建立因特网网站,同时又需要建立或具备物流中心,而物流中心的主要设施之一就是仓库及附属设备。
需要注意的是,电子商务服务提供商的目的不是要在物流中心的仓库中储存商品,而是要通过仓储保证市场分销活动的开展,同时尽可能降低库存占压的资金,减少储存成本。
因此,提供社会化物流服务的公共型物流中心需要配备高效率的分拣、传送、储存、拣选设备。
在电子商务方案中,可以利用电子商务的信息网络,尽可能地通过完善的信息沟通,将实物库存暂时用信息代替,即将信息作为虚拟库存(V1血a1Invetory),办法可以是建立需求端数据自动收集系统(ADC:
AutomatedDataCollection),在供应链的不同环节采用EDI交换