智能信息处理技术简介

IT的发展，直接影响着供应链的管理手段和效率。现代信息技术是一个内容十分广泛的技术群，它包括微电子技术、光电子技术、通信技术、网络技术、感测技术、控制技术、显示技术等。信息技术在供应链管理中的作用主要体现在对供应链信息的管理上，包括供应链与物流信息的智能化采集、传输、储存、处理和利用。

近年来，围绕供应链与物流管理全生命周期过程，智能标签、无线射频识别（RFID）、电子数据交换（EDI）技术、全球卫星导航系统（GNSS）、地理信息系统（GIS）、智能交通系统（ITS）等一批先进信息技术都得到广泛应用。各类先进IT技术的应用，将供应链与物流信息处理的方式和技术带入了一个新的时代。现代供应链与物流系统已经具备了信息化、数字化、网络化、集成化、智能化、柔性化、敏捷化、可视化、自动化等先进技术特征。

智能化供应链与物流信息处理是互联网、物联网、云计算等先进信息技术在传统供应链与物流领域深化应用的结果。智能供应链与物流系统利用先进的信息采集、信息处理、信息流通、信息管理、智能分析技术，智能化地完成运输、仓储、配送、包装、装卸等多项环节的信息处理工作，并能实时反馈信息状态，强化信息监控。

智能信息处理的智能性体现在：实现监控的智能化，主动监控车辆与货物，主动分析、获取信息，实现物流过程的全监控；实现企业内、外部数据传递的智能化，通过EDI等技术实现整个供应链的一体化、柔性化；实现企业物流决策的智能化，通过实时的数据监控、对比分析，对物流过程与调度不断优化，对客户个性化需求及时响应；在大量基础数据和智能分析的基础上，实现物流战略规划的建模、仿真、预测，确保未来物流战略的准确性和科学性（周建频，2005）。

1.物联网技术在智能化供应链与物流管理中的应用

要真正实现智能物流，就必须实现供应链企业间的信息分享和互动。企业之间的核心纽带就是物品，以物品状态信息作为流动主体的物联网技术，正是构建覆盖供应链的全程智能物流配送的关键。

物联网（Internet of Things）技术涵盖范围极广，包括具备“内在智能”的传感器、移动终端、智能电网、工业系统、楼控系统、家庭智能设施、视频监控系统等；“外在使能”（Enabled）的，如贴上RFID、条形码标签的各种资产，携带无线终端的个人与车辆等“智能化物件或动物”或“智能尘埃”；通过各种无线和/或有线的长距离和/或短距离通信网络实现互联互通（M2M）、应用大集成（Grand Integration）及基于云计算的SaaS营运等模式；在内网（Intranet）、专网（Extranet）和互联网（Internet）环境下，采用适当的信息安全保障机制，提供安全可控乃至个性化的实时在线监测、定位追溯、报警联动、调度指挥、预案管理、远程控制、安全防范、远程维保、在线升级、统计报表、决策支持、领导桌面等管理和服务功能，实现对“万物”的“高效、节能、安全、环保”的“管、控、营”一体化。在物联网技术体系中，EPC技术与RFID技术是物联网的关键。

从整个供应链来看，EPC（Electronic Product Code，产品电子代码）系统和RFID技术能使供应链的透明度大大提高，物品在供应链的任何地方都被实时追踪。安装在工厂配送中心、仓库及商品货架上的读写器能够自动记录物品在整个供应链的流动，从生产线到最终的消费者全程记录。EPC和RFID技术将在供应链的诸多环节上发挥重大的作用，主要体现在以下几个环节（杜洪礼等，2011；马丽，2013）。

（1）生产环节。在生产制造环节应用EPC技术可以完成自动化生产线运作，实现在整个生产线上对原材料、零部件、半成品和产成品的识别与跟踪，减少人工识别成本和出错率，提高效率和效益。采用EPC技术之后，就能通过识别电子标签从品类繁多的库存中快速、准确地找出工位所需的原材料和零部件。EPC技术还能帮助管理人员及时根据生产进度发出补货信息，实现流水线均衡、稳步生产，同时也加强了对产品质量的控制与追踪。生产线发料过程中，系统首先进行生产任务自动排产；AGV（Automated Guided Vehicle，自动引导运输车）小车满载按一定规则摆放的物料，经过生产线每个工位；安装在每个工位上的RFID读写器实时对经过的AGV小车进行扫描，即可实现自动识别当前工位需要的物料种类、数量、是否已经全部到位等，当前工位员工根据配备的显示屏的提示，拿取生产物料。在生产补料过程中，生产工位上的FRID自动识别当前工位物料的剩余情况，实时将物料需求信息传送到发料室，及时做好备料发料工作，保证生产线物料充足、不断料、不堆积等；提供现场物料周转率，使现场整洁。

（2）运输环节。在运输管理中，在途运输的货物和车辆贴上EPC标签，运输线的一些检查点上安装上RFID接收转发装置。因此，当货物在运输途中，无论是供应商还是经销商都能很好地了解货物目前所处的位置及预计到达时间。特别对于价值高的物品、危险易泄漏的物品、需要封箱运输的物品等，均可采用主动式RFID技术，将其封装于箱内；如果出现非正常开箱，中央监控系统即可获得物品状况，及时报警，减少危害和损失。

（3）存储环节。在仓库里，EPC技术最广泛的应用是存取货物与库存盘点，它能用来实现自动化的存货和取货等操作。基于EPC的实时盘点和智能货架技术保证了发货退货的正确性以及补货的及时性，而仓储区内商品可以实现自由放置，提高仓储区的空间利用率并能够提供有关库存情况的准确信息，从而降低了库存，增强了作业的准确性和快捷性，提高了服务质量，降低了储存成本，节省了劳动力和库存空间，同时减少了整个物流中由于商品误置、送错、偷窃、损害和库存、出货错误等造成的损耗。

（4）零售环节。物联网可以改进零售商的库存管理，实现适时补货，有效跟踪运输与库存，提高效率，减少出错。如当贴有标签的物件发生移动时，智能货架会自动识别并向系统报告这些货物的移动；如果存货数量偏低，或是侦测到有人偷窃，就会通过计算机提醒店员注意。因此，能够实现适时补货，减少库存成本，还能起到货物防盗的作用。智能秤能根据果蔬的表皮特征、外观形状、颜色、大小等自动识别水果和蔬菜的类别，并按该商品来计量、计价和打印小票：在商场出口处，带有RFID标签的商标由读写器将整车货物一次性扫描，并能从顾客的结算卡上自动扣除相应的金额。这些操作无须人工参与，节约了大量人工成本，提高了效率，加快了结账流程，同时提高了顾客的满意度。另外EPC标签包含了极其丰富的产品信息，如生产日期、保质期、储存方法以及与其不能共存的商品，可以最大限度地减少商品耗损。

（5）配送、分销环节。在配送环节采用EPC技术能大大加快配送的速度，提高拣选与分发过程的效率与准确率，并能减少人工数量，降低配送成本。如果到达配送中心的所有商品都贴有EPC标签，在进入配送中心时，装在门上的读写器就会读取托盘上所有货箱的标签内容并存入数据库。系统将这些信息与发货记录进行核对，以检测出可能的错误，然后将EPC标签更新为最新的商品存放地点和状态。这样管理员只需操作电脑就可以轻松了解库存、通过物联网查询商品信息及通知供应商商品已到或缺货。这样就确保了精确的库存控制甚至可确切了解目前有多少货箱处于转运途中、转运地、始发地和目的地以及预期的到达时间等信息。

（6）集装箱、港口、码头、报关报检环节。采用RFID技术，可通过安装在出入境车辆上的RF电子卡（或RF PDA）与分布在口岸监管区域的无线射频基站群的无线信息交互，实现对出入境人、车辆、货物的电子化管理，从而取代长期以来依靠司机填写纸质《出入境车辆检验检疫监管簿》申报的管理方式，实现出入境车辆及货物的快进快出、大进大出。集装箱上的电子标签可以记录固定信息，包括序列号、箱号、持箱人、箱型、尺寸等；还可以记录可改写信息，如货品信息、运单号、起运港、目的港、船名航次等。集装箱RFID自动识别系统完成装箱数据输入、集装箱信息实时采集和自动识别；通信系统完成数据无线传输；集装箱信息管理系统完成对集装箱信息的实时处理和管理，完成数据统计与分析，向客户提供集装箱信息查询服务。而港口集装箱管理系统可以监测、记录经过道口的集装箱、拖运车辆、事件发生时间、操作人员、集装箱堆放位置等信息。

2.基于云计算的供应链与物流管理信息协同平台

供应链信息的共享与交互是实现智能供应链与物流管理的基础。传统供应链的信息交换是基于EDI点对点的交换模式，没有一个公共的交换平台，各个节点企业只能通过EDI相互交换信息。一旦信息交换需要在整个供应链上实现，或者供应链的上下游需要接入不同的节点企业，如制造企业需要对接多个供应商、批发企业需要对接多个零售商，就会大大增加信息交换与共享的复杂程度。因此，基于传统的EDI技术，供应链内全局信息共享是无法快速地、推送式地实现的。

基于云计算的技术架构则能够很好地实现信息共享。由于供应链部署在云平台上，因此，可以基于云平台实现供应链伙伴间信息系统的协同，实现运营数据、市场数据等信息的实时共享和交流，从而实现供应链伙伴之间更加快速、“透明”的信息共享与交互（陈君，2011）。

云计算（Cloud Computing）是分布式处理（Distributed Computing）、并行处理（Parallel Computing）和网格计算（Grid Computing）的发展，是一种基于互联网的超级计算模式。在远程的数据中心里，成千上万台电脑和服务器连接成一片电脑云。云计算是指服务的交付和使用模式，指通过网络以按需、易扩展的方式获得所需的服务。这种服务可以是IT和软件、互联网相关的，也可以是任意其他的服务。

云计算系统运中用了许多技术，其中以标准化技术、虚拟化技术、数据管理技术、平台管理技术在供应链信息协同中最为关键。

（1）标准化技术。主要包括：一是服务接口。供应链企业可以利用标准化接口接入云服务提供商，与供应链盟主形成真正的信息互通。通过用户端与云端交互操作的入口，可以完成用户或服务注册、对服务的定制和使用等。二是服务管理中间件。供应链盟主利用云计算服务提供商的服务来解决不同系统之间的协同，以达到控制协同。中间件位于服务和服务器集群之间，提供管理和服务即云计算体系结构中的管理系统。中间件对标识、认证、授权、目录安全性等服务进行标准化操作，为应用提供统一的标准化程序接口和协议，隐藏底层硬件、操作系统和网络的异构性，统一管理网络资源，包括负载均衡、资源监控和故障检测等。其安全管理包括身份验证、访问授权、安全审计和综合防护等；映像管理包括映像创建、部署和管理等。

（2）虚拟化技术。云服务提供商的虚拟化技术可以将供应链企业不同系统、不同界面的软件虚拟成相同系统的相同界面，以达到供应链企业内系统之间、供应链企业与企业系统之间的数据协同、程序协同和界面协同。通过虚拟化技术可实现软件应用与底层硬件相隔离，它包括将单个资源划分成多个虚拟资源的裂分模式，或者将多个资源整合成一个虚拟资源的聚合模式。虚拟化技术根据对象可分成存储虚拟化、计算虚拟化、网络虚拟化等。计算虚拟化又分为系统级虚拟化、应用级虚拟化和桌面虚拟化。

（3）数据管理技术。包括两个方面：一是海量数据分布与存储技术。云计算服务提供商为供应链企业提供了海量数据分布与存储技术。它们通过现有网络技术和并行技术、分布式技术将分散的供应链企业中的计算机组成一个能提供超强功能的集群，用于计算和存储数据中数据，同时利用自己的硬件设备如价格昂贵的服务器及磁盘阵列等设备，用冗余存储的方式来保证供应链管理数据的可靠性。二是海量数据管理技术。云计算可以对供应链企业中分布的、海量的数据进行处理、分析、存储，以达到在供应链管理中所必需的、高效的管理大量数据的要求。

（4）平台管理技术。云计算服务商的资源规模庞大，服务器数量众多，故可将一些服务器分布在地理位置不同的供应链企业附近，并同时运行着供应链企业不同的应用。云计算系统的平台管理技术能够使大量的服务器协同工作，方便地进行供应链企业业务的部署和开通，快速发现和排除系统故障，通过自动化、智能化的手段实现大规模供应链管理信息系统的可靠运营。

基于云计算的供应链与物流管理信息协同平台是一种新型的计算模式（见图9.7）。以供应链管理（Supply Chain Management，SCM）盟主为核心与云计算服务提供商组成一个对供应链企业各成员信息管理负责的信息中心。信息中心是整个体系中的信息采集中心、加工中心和调配中心。供应链中除盟主外的成员企业分别与信息中心互联。(www.xing528.com)

图9.7　基于云计算的供应链信息协同平台

云计算服务提供商利用虚拟化技术将不同的系统（如ERP、CRM等）虚拟成统一的系统、统一的界面，如果将供应链视为一个企业，那么云计算服务提供商所虚拟的系统就相当于企业的ERP系统，联盟中的各个成员相当于企业的各个职能部门；利用海量存储技术为供应链企业数据库提供海量存储空间；利用平台管理技术协同分布在不同地点运行着不同系统的企业的数据；同时在供应链中，云计算服务提供商所虚拟的系统也起到调配信息资源、减少供应链信息失真、加快信息传递速度和准确性、提高供应链整体竞争力的作用。

3.基于数据挖掘技术的供应链与物流智能化分析与预测

数据挖掘是从大量的、不完全的、有噪声的、模糊的及随机的实际数据中，挖掘出有效的、新颖的、潜在有用的、最终能理解的模式的非平凡过程。该过程要求是非平凡的，意思是要有一定程度的智能性、自动性。有效性是指发现的模式对于新的数据仍保持一定的可信度。新颖性要求发现的模式应该是新的。潜在有用性是指发现的知识将来有实际效用，如用于决策支持系统中可提高经济效益。可理解性要求发现的模式能被用户理解。

数据挖掘技术来源于人工智能、机器学习、统计学3大领域，涉及数据库技术、模式识别、知识系统等众多学科，可分为关联（Association）、分类（Classification）、聚类（Clustering）等多种类的技术任务，且操作流程都能分为数据清理、数据集成、数据选择、数据变换、数据挖掘、模式评估和知识表示这7步。这些无一不体现出数据挖掘技术的丰富和复杂（周煜人，2005）。

随着物联网等信息技术在供应链与物流业务运行中的应用，供应链与物流业务所产生的数据量爆炸性增长。数据挖掘在供应链与物流决策支持中扮演着越来越重要的角色，已成功应用于采购、生产、库存等业务的分析预测，客户行为分析和供应商管理等多个方面（吕红伟，2007）。

（1）数据挖掘技术在供应链核心业务中的应用。在供应链与物流管理中，核心业务包括采购、生产计划、订单加工、库存管理、运输、仓储和客户服务等多方面内容。全球化市场竞争，供应链企业需要的是应用现代信息技术来达到自身与合作伙伴的利益最大化。数据挖掘技术中，关联规则发现、分类发现和聚类技术在企业供应链与物流管理中的应用非常重要。

1）关联规则发现。关联规则是如下形式的一种规则，在购买面包和黄油的顾客中，有90%的人同时也买了牛奶。对于关联规则问题的研究目的是要在交易数据库中发现各项目之间的关系。供应链中的核心企业，经营中存在着大量的数据。利用关联规则发现技术对这些历史事务数据进行分析，就可通过顾客的购买行为了解市场的需求，从而有效地与供应商联系起来，获得及时的采购和商品。作为供应链企业，运用数据挖掘的技术方法，不仅将企业内部的采购、销售、库存联系起来，同时也包含与供应商、客户关系的处理。从事务数据中发现关联规则，对于改进企业经营的决策非常重要。

2）分类发现。分类在数据挖掘中是一项应用极其广泛的重要任务。分类的目的是学会一个分类函数或分类模型（也称作分类器），该模型能把数据中的数据项映射到给定类别中的某一个。分类器的典型构造方法有决策树法、贝叶斯法、神经网络方法、近邻学习或基于事例的学习等方法，不同的分类器有不同的特点，有3种分类器评价尺度：预测准确度、计算复杂度、模型描述的简洁度。分类的效果一般与应用背景及数据的特点有关。目前，研究的方向是将多种算法集成，常用的方法有组合方法和选择方法两类。供应链企业业务决策必然包含销售目标定位、客户分类、信用分析、保险风险判定、供应商选择等内容，这样才能完成供应链的有效管理。数据挖掘分类技术的应用可以很好地解决上述问题，从而建立供应链成员之间的联系。

3）聚类。聚类是把一组个体按照相似性归纳成若干类别，即“物以类聚”，其目的是使属于同一类别的个体之间的距离尽可能小，而不同类别的个体间的距离尽可能大。在实现其他挖掘任务之前，应用聚类方法可使挖掘精度与效率大大提高。聚类方法包括统计方法、机器学习方法、神经网络方法和面向数据库的方法。在统计方法中，聚类称聚类分析，它主要研究基于几何距离的聚类，如欧式距离、明考斯基距离等。传统的统计聚类分析方法包括系统聚类法、分解法、加入法、动态聚类法、有序样品聚类、有重叠聚类和模糊聚类等。供应链数据包含了多方面的内容，在运作中必然会涉及供应与需求、原材料、备品备件的采购、制造与装配、物件的存放及库存查询、订单的录入与管理、渠道分销及最终交付用等，为此需要采用合适的聚类分析技术，建立有效的数据集。

总之，为了在激烈的竞争中立于不败之地，必然需要有效的管理策略，把客户的需求放在第一位，建立供应链的拉式系统，利用数据挖掘中的技术方法，对经营中的采购、生产、库存等情况进行分析预测，以达到供应链各节点的有效连接。

（2）数据挖掘技术在供应链网络管理中的应用。数据挖掘技术还可以应用在供应商关系管理中。供应商关系是指采购方基于不同的管理目标、不同的市场条件，与供应商之间建立并保持的供求、竞争和合作的业务联系的性质和形态。供应商关系已经成为企业参与竞争并确保获得竞争优势的强有力武器和宝贵资源，企业的成本和风险控制与供应商的关系管理日益密不可分，将数据挖掘应用于供应商关系管理包含多项内容。

1）供应商分类选择。对一个公司来讲，战略伙伴为公司提供战略性物料，如设备、原材料等。这些料件的专用性比较强，更换供应商的难度很大，有些根本就是寡头垄断，因此，必须明确它们对公司的战略意义，努力与之建立战略合作伙伴关系。这时应该用聚类、分类的方法进行特征分析，运用决策树技术和模糊分类分析方法完成选择，并运用最优化策略进行研究。应用数据挖掘相关技术对公司的供应商进行分类的目的是为了针对不同类型的供应商，制订不同的管理方法，实现有效管理。

2）确定供应商关系的战略。战略伙伴供应商关系的建立是一个大浪淘沙、水到渠成的过程。企业最高层应认识到，供应商管理是整个企业业务管理中最重要的组成部分，要支持采购等部门发展战略伙伴供应商关系，并且将利用伙伴供应商能力纳入企业的中长期发展战略计划。这是建立和维系战略伙伴关系的前提。在维持战略伙伴关系方面一般要应用相关联序列分析，并应用分类的方法进行伙伴关系的建立和维护。

3）供应商谈判管理。根据制订的供应商关系战略和认证的结果，与供应商进行谈判，签订采购合同框架协议，以此作为后续合作的基础。

4）供应商绩效评价。根据采购管理的目标和供应商选择的目的，采用聚类（分类）和关联分析技术将供应商选择与评价的主要指标内容归纳为4类，即供应商的业绩类、能力类、发展类和环境类，全方位进行评估。

（3）数据挖掘技术在客户管理中的应用。对于核心企业来讲，应用数据挖掘技术对客户的管理主要包括以下几个方面。

1）客户价值分析。随着“以客户为中心”“顾客就是上帝”的经营理念被企业经营者所普遍接受，分析客户、了解客户并引导客户的需求已成为企业经营的重要课题。通过分析客户对企业业务所构成的贡献，并结合投入产出进行分析，计算客户对企业的价值度，然后，根据价值度的大小，用分类或聚类的方法划分客户群，以便对客户实施有差异的服务。

2）产品客户价值分析。分析客户对某种产品业务量的贡献，使用的方法与客户价值分析基本相同。对产品客户价值进行分析，不仅有利于该产品的经营管理者有区别地做好客户服务，而且可以为该产品的营销提供相对准确的目标客户群。

3）客户保持。采用聚类（分类）和关联分析技术，可将客户群分为5类：高价值稳定的客户群、高价值易流失的客户群、低价值稳定的客户群、低价值易流失的客户群、没有价值的客户群。

4）客户满意度分析。分析客户对企业产品和服务的满意度，可以帮助企业改进客户营销策略，从而提高客户的忠诚度。数据挖掘可从零散的客户反馈信息中分析出客户的满意度。

5）客户信用分析。分析客户信用对商家很有意义，可使商家对不同信用级别的客户采取不同的赊销方案等。数据挖掘，可从大量历史数据中分析出具体客户的信用等级。

6）异常事件的确定。在许多商业领域中，异常事件具有显著的商业价值，如客户流失、银行的信用卡欺诈、电信中移动话费拖欠等。通过数据挖掘中的奇异点分析，可以迅速准确地甄别这些异常事件。