基于預(yù)測、庫存、運輸?shù)闹腔酃?yīng)鏈研究

楊鵬飛++彭安++沈凌云++林勁

摘 要：供應(yīng)鏈整體效率的高低不僅基于基礎(chǔ)設(shè)施的完善水平，還與整個供應(yīng)鏈上下游的銜接水平以及供應(yīng)鏈各環(huán)節(jié)的信息化、智能化、協(xié)同化密不可分。文章旨在通過對上海邁創(chuàng)智慧供應(yīng)鏈股份有限公司（Maitrox）實際業(yè)務(wù)中大量數(shù)據(jù)的整理和分析工作，深入挖掘供應(yīng)鏈中各環(huán)節(jié)的數(shù)據(jù)關(guān)聯(lián)，通過實現(xiàn)數(shù)據(jù)同步，聯(lián)動管理，利用預(yù)測、倉儲預(yù)警、運輸?shù)饶Ｐ吞岣邔嶋H業(yè)務(wù)的運營效率，以提高供應(yīng)鏈的信息化和智能化水平，并最終提高日常業(yè)務(wù)管理的效率和便捷化程度。

關(guān)鍵詞：智慧供應(yīng)鏈；預(yù)測；倉儲；運輸

中圖分類號：F273.7 文獻標(biāo)識碼：A

Abstract： The overall efficiency of the supply chain is not only based on the improvement of the level of infrastructure， but also the cooperation between every role of the whole supply chain， as well as their informatization， intelligentization and coordinatation. This project aims to mining all kinds of data related to the supply chain in the Maitrox company's business practices， and to achieve data synchronization， joint management. We build the forecast， stocks warning and transportation models to improve the informatization and intelligent level of the supply， and finally we improve the efficiency of daily logistic information management and the convenient degree.

Key words： smart supply chain； forecast； inventory； transportation

0 引 言

在如今互聯(lián)網(wǎng)高度發(fā)達、大數(shù)據(jù)日益膨脹的年代，隨著供應(yīng)鏈管理內(nèi)涵的拓展、過程的延伸、覆蓋面的擴大以及管理的日益專業(yè)化和標(biāo)準(zhǔn)化，對實現(xiàn)數(shù)據(jù)的高效管理和有效挖掘已經(jīng)成為供應(yīng)鏈智能化管理的重要研究課題[1]。

根據(jù)Younjung Kim等關(guān)于供應(yīng)鏈管理（SCM）的調(diào)查，未來的供應(yīng)鏈研究方向集中在由傳統(tǒng)的經(jīng)驗主義向依托數(shù)據(jù)挖掘的智能化方向發(fā)展，通過倉儲、運輸?shù)葍?yōu)化，實現(xiàn)供應(yīng)鏈智慧管理的目標(biāo)[2]。在庫存環(huán)節(jié)，劉學(xué)恒等研究和探討了不同庫存策略的優(yōu)化問題，并以兩層級供應(yīng)點的倉儲系統(tǒng)作為研究對象，應(yīng)用粒子群算法，建立和優(yōu)化相應(yīng)的庫存模型，解決就近供應(yīng)點選取和轉(zhuǎn)運等庫存策略方面的問題[3]。在運輸環(huán)節(jié)，李正艷基于傳統(tǒng)數(shù)據(jù)倉庫的概念和結(jié)構(gòu)設(shè)計，應(yīng)用于運輸數(shù)據(jù)挖掘上，探討了物流配送路徑優(yōu)化問題的遺傳算法和動態(tài)規(guī)劃法在物流運輸系統(tǒng)中的應(yīng)用，對運輸路徑和多式聯(lián)運等做了近一步的優(yōu)化[4]。

本文針對上海邁創(chuàng)智慧供應(yīng)鏈股份有限公司（Maitrox）供應(yīng)鏈運營中物流、倉儲等數(shù)據(jù)庫管理、流程規(guī)劃、倉儲預(yù)警管理和運輸管理等方面的業(yè)務(wù)需求，對供應(yīng)鏈進行全局規(guī)劃和關(guān)鍵環(huán)節(jié)技術(shù)上的支持和創(chuàng)新研究。并探索性地在預(yù)測層面，使用貝葉斯預(yù)測模型在一定可信度下對配件損耗量進行預(yù)測，并產(chǎn)生訂貨提前期這一參數(shù)，通過引入倉儲預(yù)警和運輸系統(tǒng)來進一步優(yōu)化傳統(tǒng)的S-t庫存管理策略和運輸網(wǎng)絡(luò)有向圖最短路算法。

1 商業(yè)背景

本文以上海邁創(chuàng)智慧供應(yīng)鏈股份有限公司的供應(yīng)鏈為背景，提出一整套構(gòu)建智慧供應(yīng)鏈的想法，并在供應(yīng)鏈整體考慮的基礎(chǔ)上研究細(xì)節(jié)問題具體的實現(xiàn)策略。

上海邁創(chuàng)智慧供應(yīng)鏈股份有限公司從2004年開始，從事供應(yīng)鏈管理相關(guān)體系的業(yè)務(wù)。已經(jīng)構(gòu)建成一個完整的、鏈接上下游供應(yīng)商客戶的涵蓋計劃咨詢、備件采購、備件墊資、物流、倉儲、本地配送、大數(shù)據(jù)系統(tǒng)、高端維修、逆向物流全環(huán)節(jié)的供應(yīng)鏈管理服務(wù)全球生態(tài)體系。上海邁創(chuàng)智慧供應(yīng)鏈股份有限公司在供應(yīng)鏈上下游的功能定位，對于國際業(yè)務(wù)而言，負(fù)責(zé)從香港等發(fā)貨點往東南亞、歐美等一些國家配送手機配件，工作流程如圖1所示：

采購的零部件從國內(nèi)內(nèi)地市場供應(yīng)商運至發(fā)貨點倉庫，然后發(fā)貨點再轉(zhuǎn)運往國外服務(wù)商，并配送至各國家具體的維修點（簡稱正向運輸）。

本文在上海邁創(chuàng)智慧供應(yīng)鏈股份有限公司實際供應(yīng)鏈業(yè)務(wù)的基礎(chǔ)之上，通過分析業(yè)務(wù)需求，設(shè)計了配件損耗率預(yù)測、倉儲預(yù)警、運輸優(yōu)化、物流信息系統(tǒng)構(gòu)建等幾大系統(tǒng)對供應(yīng)鏈進行全局優(yōu)化。各系統(tǒng)在供應(yīng)鏈不同環(huán)節(jié)進行優(yōu)化服務(wù)，又密切協(xié)作，服務(wù)于供應(yīng)鏈整體。

根據(jù)邁創(chuàng)實際業(yè)務(wù)，運用運籌學(xué)內(nèi)相應(yīng)的倉儲策略模型和運輸優(yōu)化模型，對整體供應(yīng)鏈的關(guān)鍵環(huán)節(jié)加以優(yōu)化，旨在構(gòu)建一套根據(jù)現(xiàn)有數(shù)據(jù)的供應(yīng)鏈優(yōu)化系統(tǒng)，并最終通過地圖和業(yè)務(wù)流程等可視化技術(shù)加以呈現(xiàn)，為管理人員提供庫存預(yù)警、管理信息，以及運輸優(yōu)化方案的決策支持服務(wù)。

如圖2該智慧供應(yīng)鏈服務(wù)的主要目的是減少人工干預(yù)，在節(jié)省人力成本的基礎(chǔ)之上，提高管理的規(guī)范化水平，提升供應(yīng)鏈的運作效率，通過提供便捷化的供應(yīng)管理和可視化的運輸策略，為決策提供參考支持。參照現(xiàn)代化供應(yīng)鏈主要組成部分的功能和上海邁創(chuàng)供應(yīng)鏈現(xiàn)階段主要的功能瓶頸將制定三個系統(tǒng)：預(yù)測系統(tǒng)，庫存系統(tǒng)，運輸系統(tǒng)，分別對應(yīng)于預(yù)測模型，庫存模型，運輸模型。

2 解決方案

首先對于供應(yīng)鏈中的組成部分，即預(yù)測系統(tǒng)、庫存系統(tǒng)、運輸系統(tǒng)的功能進行簡單介紹，接著詳述如何把三者有機融合，以充分體現(xiàn)智慧供應(yīng)鏈的在提升供應(yīng)鏈效率中的作用。

預(yù)測系統(tǒng)將歷史數(shù)據(jù)作為訓(xùn)練集，建立預(yù)測系統(tǒng)，輸入某一類手機配件和時間參數(shù)，系統(tǒng)給出該手機配件在某一時間段的需求量，并將預(yù)測結(jié)果傳遞給庫存系統(tǒng)。

庫存系統(tǒng)根據(jù)物流以及庫存信息建立一套庫存模型。手機配件缺貨有單位損失費，每次進貨會有固定費用，但一次進貨太多則造成貨物積壓，又會導(dǎo)致存儲費上升。采用不同的存儲策略構(gòu)建不同的存儲模型都會對進貨策略造成影響。庫存系統(tǒng)接收預(yù)測系統(tǒng)傳遞的預(yù)測結(jié)果，判斷某一種手機配件在未來一段時間內(nèi)是否缺貨，缺貨量為多少，并發(fā)出預(yù)警信息，并將預(yù)警信息傳遞給運輸系統(tǒng)。預(yù)警信息包括在未來某段時間t和預(yù)計的缺貨量d。

運輸系統(tǒng)收集物流信息、配件成本費、關(guān)稅等，并根據(jù)時間約束（預(yù)警信息中包含的時間段t）計算最優(yōu)路徑或者最優(yōu)的配送方案（快遞公司的選擇）。運輸系統(tǒng)將計算的結(jié)果進行整理展示，為決策者提供參考。

由圖3可以看出，模式的發(fā)起點在于預(yù)測。預(yù)測的有效性與準(zhǔn)確性直接影響智慧供應(yīng)鏈的功能。預(yù)測之所以如此重要的原因在于：（1）缺貨時不能保證某個倉庫一定有缺少的手機配件。一種保證不缺貨的方案是，盡可能多的儲備貨物。但這會造成倉儲費激增，資金積壓。因此，預(yù)測某段時間某種手機配件會缺貨，倉庫提前備貨。（2）訂貨提前期。并不是有了需求預(yù)測后，缺貨的情況就不會發(fā)生，因為貨物從采集市場運往倉庫還需要時間。例如，預(yù)測系統(tǒng)告知倉庫，5天后電池可能會缺貨，這時，采購人員去采購時卻發(fā)現(xiàn)電池最快只能在7天后送達。訂貨提前期的存在要求在做預(yù)測時必須將訂貨準(zhǔn)備時間和運輸時間添加到預(yù)測時間段內(nèi)。

接下來分別介紹這三個子系統(tǒng)的具體細(xì)節(jié)和實現(xiàn)方案。

2.1 預(yù)測系統(tǒng)

通過研究手機配件故障率預(yù)測系統(tǒng)，目的在于預(yù)測原有機型未來可能發(fā)生的故障數(shù)和在保修期間每個月可能需要更換的配件以及配件數(shù)量，并且可以根據(jù)相似類型配件預(yù)測新配件的損耗率，從而可以提前做好供貨準(zhǔn)備，提高企業(yè)的售后服務(wù)質(zhì)量。

基于實際運營數(shù)據(jù)，本文建立了預(yù)測模型，使用訓(xùn)練數(shù)據(jù)訓(xùn)練模型，并用測試數(shù)據(jù)計算錯誤率?；阱e誤率，就可以在一定可靠性要求下，對現(xiàn)實的情況進行預(yù)測了。圖4展示了本文建立預(yù)測模型的過程。該過程也是數(shù)據(jù)挖掘、機器學(xué)習(xí)的一般化步驟。

常見的預(yù)測模型有貝葉斯預(yù)測模型、平均值模型、回歸模型、時間序列法、灰色預(yù)測模型等。具體到實際的手機配件運輸項目上，選用了貝葉斯預(yù)測模型和時間序列法，給定時間參數(shù)和配件參數(shù)就能得到預(yù)測的需求。

要將貝葉斯網(wǎng)絡(luò)有效應(yīng)用于配件失效率預(yù)測，首先需要細(xì)致分析影響配件失效的因素并理清各因素與事件之間的關(guān)系，然后通過計算得出的事件發(fā)生概率信息為預(yù)測提供依據(jù)。將訓(xùn)練數(shù)據(jù)輸入預(yù)測模型，并通過后續(xù)的模型驗證和修正等工作得到了具有實際預(yù)測功能的模型。

基于貝葉斯的網(wǎng)絡(luò)模型，選取實際中部分配件數(shù)據(jù)進一步分析，驗證基于歷史數(shù)據(jù)計算出的手機配件的平均故障率和出現(xiàn)故障率的最大概率值作為模型參數(shù)使用是可行的。通過多種配件類型的計算分析，本文選取較大數(shù)據(jù)量的手機機型“A60

+_ID_BLACK”，在印度尼西亞于2012-09-06上市的主板為例。

通過分析計算得出，手機機型是“A60+_ID_BLACK”，在印度尼西亞于2012-09-06上市的主板，損耗率隨上市時間走勢預(yù)測值和真實值對比如圖5所示。

從圖5可以看出，手機配件實際損耗率的走勢和基于歷史數(shù)據(jù)算出的故障率的平均值以及基于歷史數(shù)據(jù)的故障率的最大概率值相同。但是實際值在開始幾個月和最大概率值接近，之后卻更加接近故障率的平均值。

所以以基于歷史數(shù)據(jù)計算出的手機配件平均故障率和出現(xiàn)故障率的最大概率值，作為參考是可行的，雖然有誤差。在實際應(yīng)用中將會考慮到這些誤差。

而根據(jù)公式算出的損耗率（后驗概率）與故障數(shù)和實際值（先驗概率）對比，手機機型為A60+_ID_BLACK主板在印尼地區(qū)2013年9月的損耗率，如圖6所示。

分析圖6，選取的數(shù)據(jù)為隨機選取。使用預(yù)測模型的誤差在可接受的范圍內(nèi)，但是仍然需要在計算公式的過程中進行優(yōu)化，或者對在保量分類的過程中進一步優(yōu)化，使誤差更小。然而，使用貝葉斯網(wǎng)絡(luò)預(yù)測模型來預(yù)測手機配件損耗率是可行的。

2.2 庫存系統(tǒng)

庫存系統(tǒng)的核心是庫存模型。為了使庫存系統(tǒng)新增預(yù)警功能，必須設(shè)定貨物的存儲策略。不同的存儲策略適用于不同的配件類型。因此，首先應(yīng)該對于配件進行分類。

2.2.1 配件分類。分類的主要目的是通過對品種、規(guī)格極為繁多的庫存物資進行分類，使得企業(yè)管理人員把主要注意力集中在金額較大，最需要加以重視的產(chǎn)品上，達到節(jié)約資金的目的。

傳統(tǒng)的分類或者稱之為管理方法有ABC庫存分類法，如下所示：A類物資——占總品種的10%以下，年金額占全部庫存物資年金額的60%到70%。特點是品種數(shù)量不多，但價格高，需求不穩(wěn)定。B類物資——占全部庫存物資總品種的20%到30%，年金額占全部庫存物資年金額的20%左右，需求量一般。C類物資——占全部庫存物資總品種的60%到70%，年金額占全部庫存物資年金額的10%到20%。特點是品種數(shù)量多、單價低、需求量大、穩(wěn)定。

除傳統(tǒng)的ABC庫存分類法，也可以使用數(shù)據(jù)挖掘中的k均值（k-Means）算法對貨物進行聚類，進而分出類別。K均值聚類用于n維連續(xù)空間中的對象。為了簡便，假設(shè)對貨物分類時只考慮兩個屬性：貨物的種類和單價?；谶@兩個數(shù)據(jù)，對配件的模擬分類結(jié)果如圖7所示：

如圖7所展示的，紅色點分布趨向于種類少而單價貴，因此為A類，綠色點分布趨向于種類偏多而單價偏貴，符合B類，藍(lán)色點分布趨向于種類多而單價低，符合C類。

2.2.2 存儲策略。分類后，對不同類型的手機配件應(yīng)用不同的存儲策略。通常存儲策略分為以下三類（如圖8所示）。

t循環(huán)策略：每隔時間t補充存儲量Q。適用于需求穩(wěn)定的C類貨物。

S，s策略：當(dāng)前庫存量q>s時不補充，q≤s時，立刻補充存貨。補貨量Q=S-q。適用于需求隨機、不穩(wěn)定的系統(tǒng)。

S，s，t策略：每隔時間t檢查一次，當(dāng)存量q>s時不補充，當(dāng)存量q≤s時，補充量Q=S-q。適合需求隨機的系統(tǒng)。

三種存儲策略各有優(yōu)劣，根據(jù)各策略特征，采取如下處理方案：C類貨物采取t循環(huán)策略，B類貨物采取S，s，t策略，A類貨物采取S，s策略。

實際中考慮到系統(tǒng)資源的開銷和效率，假設(shè)業(yè)務(wù)人員每天在固定的時刻統(tǒng)一對所有缺少的貨物進行配送。在該時刻過后新產(chǎn)生的缺貨預(yù)警則留到第二天處理。庫存系統(tǒng)每天只需要定時對所有貨物進行檢查一次。如圖9所示。

考慮到公司的業(yè)務(wù)和實際應(yīng)用情形，建議采取S，s，t策略來管理預(yù)警貨物。因為該庫存策略最能適應(yīng)公司紛繁復(fù)雜的業(yè)務(wù)需求。

同理對于存儲策略，也不僅僅局限于以上三種，需要明確的是建立存儲策略的根本目的是建立預(yù)警機制。

2.2.3 預(yù)警機制。按照前文介紹，并不是任何時候都可以進貨，貨物的配送需要時間（訂貨提前期），需要提醒計劃人員何時進貨以及進貨量。預(yù)警的真正目的是：在合適的時間將預(yù)測需求反饋給計劃人員。

計算合適的預(yù)警的時間，需要訂貨提前期t。此時需要預(yù)測系統(tǒng)的協(xié)助。將訂貨提前期t輸入預(yù)測系統(tǒng)，系統(tǒng)會計算未來t天的需求量Q ，若當(dāng)前庫存Q-Q ≤s，那么根據(jù)預(yù)測，會得出結(jié)論：t天后，庫存將降低至安全庫存s以下。只需要根據(jù)當(dāng)前庫存量來判斷是否進貨：當(dāng)前庫存Q≤s+Q 時進貨，否則不進貨（如圖10所示）。

預(yù)警系統(tǒng)的建立將改善系統(tǒng)的合理決策，因為企業(yè)不必每次等到庫存降至0時才去進貨。且不用面臨缺貨損失費。

比如，假設(shè)單位缺貨損失費為2，單位庫存為1，每天的需求為10，運輸時間為10。那么當(dāng)庫存為100時，就發(fā)出進貨預(yù)警并即刻進貨。10天后，貨物送達，庫存剛好降至為0。

在此期間，總的損失費為：庫存量×單位庫存費×存儲時間=1×100÷2×10=500。

但若當(dāng)庫存降至0時才開始進貨，則不僅存在庫存費，還將面臨缺貨損失費：庫存費+缺貨損失費=500+10×10×2=700。當(dāng)然損失的不僅僅是費用，還有客戶的信賴和期望。

2.3 運輸系統(tǒng)

運輸系統(tǒng)的核心是運輸模型。串聯(lián)庫存模型和運輸模型的是訂貨提前期。對于運輸系統(tǒng)來說，得到的訂貨提前期就是時間限制，即運輸系統(tǒng)計算出的最優(yōu)路徑（可能不止一條）其運輸時間必須小于等于訂貨提前期，否則倉庫會面臨缺貨的風(fēng)險。因此，運輸系統(tǒng)的任務(wù)就是計算出一條運輸時間小于等于訂貨提前期且運輸費用最少的線路，稱之為最優(yōu)路線。

2.3.1 最優(yōu)訂購時間。優(yōu)先考慮倉庫費用，可以采取迭代的思想。庫存系統(tǒng)首先假設(shè)訂貨提前期為t，此時通過運輸模型計算出在滿足運輸時間小于等于訂貨提前期t的所有線路中，運輸費用最小的運輸線路所需的運輸時間是否等于t。若是，則發(fā)出預(yù)警。否則不發(fā)出預(yù)警，因為有理由認(rèn)為，當(dāng)前并不是訂貨的最佳時機，而應(yīng)該經(jīng)過一段時間再選用該最優(yōu)的運輸線路。

然而，采取以上策略面臨該最優(yōu)線路可能不存在的風(fēng)險。如圖11所示：

庫存模型預(yù)計，t 時刻經(jīng)過訂貨提前期t后（到達t 時刻）庫存將剛好降低至安全庫存線下。因此將需求信息發(fā)送給運輸系統(tǒng)。運輸系統(tǒng)計算的最優(yōu)路徑其運輸時間小于t，為t ，如圖11，易得，t =t +t-t 。因此，采取在t 時刻發(fā)貨，經(jīng)過時間t 后貨物剛好在t 時送達。但問題是，無法保證在t 時刻原來的最優(yōu)線路還存在，因為原來的最優(yōu)線路是在t 時刻計算出來的，比如該路徑的發(fā)貨點在今天被調(diào)出了一批貨物而存儲不足，則該最優(yōu)路線改變。具體應(yīng)用中，不必具體到每分每秒，庫存系統(tǒng)每天檢查一次倉庫，基于此，設(shè)定運輸系統(tǒng)每天也只檢查一次，查看最優(yōu)路徑是否發(fā)生變化，算法流程圖如圖12所示：

其中，訂貨提前期的計算是為了和庫存系統(tǒng)形成對接，上文的討論無形中對運輸系統(tǒng)的功能提出了要求——根據(jù)時間約束計算出最優(yōu)路徑。

2.3.2 模型構(gòu)建。首先明確運輸系統(tǒng)的作用——根據(jù)時間約束計算最優(yōu)路徑。在所要求解的運輸問題中， 除了要考慮費用因素外，還需要考慮運輸風(fēng)險、機會成本、人工成本等。實際中，最直接的優(yōu)劣判斷就是運輸帶來的費用，這可能包括：運輸費、海關(guān)費、裝卸費等。這些費用都是由于運輸產(chǎn)生的，可以將其合并為運輸費。

除了費用，還需要考慮運輸時間，即整條線路上的運輸時間和必須小于時間約束。因此，線路規(guī)劃的目標(biāo)就是：找出滿足時間約束條件的費用最小的線路。基于此建立起的運輸網(wǎng)絡(luò)的模型為一個有向圖，每條邊上有兩個權(quán)值。

因此，運輸系統(tǒng)的任務(wù)就簡化成從多個已知（哪些倉庫存儲該種配件顯然已知）起點中計算出到終點的最優(yōu)線路。不失一般性，只需要遍歷計算從特定起點到指定終點（缺貨倉庫）的最優(yōu)路徑，再比較這些最優(yōu)路徑，從中選擇一條最優(yōu)路徑即可。

因此，運輸系統(tǒng)的任務(wù)可以簡化為：求解帶時間約束的最短路徑問題。

圖13中，運輸系統(tǒng)首先生成左圖的運輸網(wǎng)絡(luò)圖，并指定起終點。運輸網(wǎng)絡(luò)圖中包含運輸線路的時間和費用。時間和費用分別是該路段的運輸時間和運輸費用。右圖是運輸模型計算得出的最優(yōu)的運輸線路及其運輸方式（藍(lán)色線條表示）。

對于帶時間約束的最短路徑問題，有許多不同的解法，最簡單的蠻力法首先計算兩點間的所有路徑，這可以通過深度優(yōu)先遍歷來實現(xiàn)，然后計算每條路徑的總時間和總費用并比較得出最優(yōu)路徑。該算法的時間復(fù)雜度是On ，算法優(yōu)化可以考慮動態(tài)規(guī)劃、剪枝等策略。本文將運輸模型中的核心算法做成一個模塊，以便隨時切換算法，使用不同的算法來比較運算時間。

2.3.3 實例計算。為了能更深刻地說明問題，舉一個實際計算實例來展示運輸系統(tǒng)的作用。

如圖13所示，圖中每個圓表示貨運點，圓之間的連線表示路徑，路徑上標(biāo)有運輸方式（sea，海運；air，航空；highway，公路；train，鐵路）。每種運輸方式后面帶有兩個數(shù)字表示該邊上該運輸方式的權(quán)值、時間和費用；需求的目標(biāo)是：將貨物從HK（Hong Kong）運到UK（United Kingdom），使得總運輸費用最少。

在傳統(tǒng)的供應(yīng)鏈中，一般是到了庫存降低到一定程度（這個一定程度是通過經(jīng)驗判斷的）后才進貨的，比如目前只剩100件，預(yù)估3天后消耗完。則必須在3天內(nèi)將貨物送到，最優(yōu)方案：第一種方案（時間：2<3，費用：6）。

如圖14，在智慧供應(yīng)鏈中，進貨時間會由預(yù)警系統(tǒng)告知，假設(shè)預(yù)測模型和預(yù)警模型得出最低庫存是300件，且在6天內(nèi)消耗完，則可選的運輸方式組合會有很多，這時滿足時間限制（Timelimit）為6的最少運輸費用為方案四（總時間為5<6，費用為4）。

企業(yè)實際進貨通常為定期檢測不同配件的庫存量，并根據(jù)該配件的歷史需求量按經(jīng)驗進行進貨，因此進貨日期和進貨量會出現(xiàn)一定偏差，為了保證服務(wù)質(zhì)量往往采取提前采購、多進貨的方案，但是這卻增加了庫存和運輸成本。

通過運輸模型的計算結(jié)果和目前企業(yè)的進貨方案相比，本文所提出的供應(yīng)鏈解決方案在實際應(yīng)用中有巨大潛力。正如上文所說，預(yù)測起到了關(guān)鍵性的作用，預(yù)測最根本的改善在于知道庫存降到多少時最適合進貨（比如提前到6天），此時可選的路徑運輸方案很多，包括海運和鐵路，因此費用較低。

如果沒有相應(yīng)的輔助決策，只能憑經(jīng)驗判斷進貨時機，而一般情況是到了庫存見底后，才開始進貨，而這時的進貨時間（3天）更短，可選線路不多，基本都是空運，因此運輸費用也更高。

3 總 結(jié)

本文主要目的是參考實際的手機配件配送商業(yè)案例，構(gòu)建具有實際可操作性的供應(yīng)鏈系統(tǒng)，并針對供應(yīng)鏈的低效環(huán)節(jié)加以優(yōu)化以提高整個供應(yīng)鏈的效率。對此，我們構(gòu)建了三個子系統(tǒng)——預(yù)測系統(tǒng)、庫存系統(tǒng)、運輸系統(tǒng)。三個子系統(tǒng)具有高內(nèi)聚低耦合的特性，內(nèi)部通過預(yù)測需求和訂貨提前期串接起來。

預(yù)測作為庫存方案和運輸選擇的依據(jù)，它的存在為合理有效地管理配件提供了基礎(chǔ)。運輸系統(tǒng)和庫存系統(tǒng)相互交換數(shù)據(jù)、相互支持，致力于達到運輸和庫存的平衡高效。通過預(yù)測、庫存、運輸系統(tǒng)的協(xié)作，以及正向物流和逆向物流的結(jié)合，可以實現(xiàn)一種動態(tài)平衡的智能化的供應(yīng)鏈運行模式。

三個系統(tǒng)的實現(xiàn)細(xì)節(jié)不一定與本文相同，但都需要用到統(tǒng)計學(xué)、數(shù)據(jù)挖掘、線路優(yōu)化等相關(guān)知識，對此本文也做出了相應(yīng)的討論。本文所描述的方案距離全面高效運行的供應(yīng)鏈系統(tǒng)實現(xiàn)還有一段路要走，但對于供應(yīng)鏈研究和其實際應(yīng)用而言，本文研究具有較好的應(yīng)用價值和現(xiàn)實意義。

參考文獻：

[1] 佚名. 2015年中國物流現(xiàn)狀調(diào)研及發(fā)展趨勢走勢分析報告[EB/OL]. （2015-09-08）[2017-03-05]. http：//wenku.baidu.com/view/f3d6c414e53a580217fcfe65.html.

[2] Younjung Kim， Youngho Lee， Kyung-Yong Chung， et al. An investigation on the information systems research in supply chain management： an analysis of research topic and methodology[J]. October 2015，74（20）：8849-8860.

[3] 劉學(xué)恒，汪傳旭，許長延. 帶有時限的多點應(yīng)急系統(tǒng)庫存策略優(yōu)化研究[J]. 計算機工程與應(yīng)用，2012（7）：212-216，230.

[4] 李正艷. 基于數(shù)據(jù)挖掘的物流運輸系統(tǒng)研究[D]. 重慶：重慶大學(xué)（碩士學(xué)位論文），2010.

[5] 傅家良. 運籌學(xué)方法與模型[M]. 上海：復(fù)旦大學(xué)出版社，2005.

[6] 何榮宣. 傳統(tǒng)物流向現(xiàn)代供應(yīng)鏈管理轉(zhuǎn)變的策略[J]. 企業(yè)經(jīng)濟，2011（9）：41-43.

[7] 朱清華. 基于供應(yīng)鏈的管理信息系統(tǒng)構(gòu)建[D]. 重慶：西南大學(xué)（碩士學(xué)位論文），2007.

[8] 許會元. 企業(yè)物流的數(shù)據(jù)挖掘與智能管控[D]. 杭州：浙江理工大學(xué)（碩士學(xué)位論文），2015.

[9] Pang-Ning T， Michael S， Vipin K. Introduction to Data Mining[M]. 北京：人民郵電出版社，2011.

[10] Jun-Yeon Lee， Richard K. Cho， Seung-Kuk Paik. Supply chain coordination in vendor-managed inventory systems with stockout-cost sharing under limited storage capacity[J]. European Journal of Operational Research， 2016，248（1）：95-106.

[11] Maria Boile， Hyangsook Lee， Sotirios Theofanis. Hierarchical Interactions between Shippers and Carriers in International Maritime Freight Transportation Networks[J]. Procedia-Social and Behavioral Sciences， 2012，48：3651-3660.