（2019年度“嘉環(huán)杯”獲獎(jiǎng)?wù)撐娜泉?jiǎng)）基于大數(shù)據(jù)下的通信安全庫(kù)存預(yù)估模型研究

邢 健 姚亮亮

江蘇中博通信有限公司

0 引言

在市場(chǎng)經(jīng)濟(jì)環(huán)境下，通信行業(yè)的供應(yīng)鏈存在著較大的不確定性，這主要表現(xiàn)在：一方面，通信業(yè)供應(yīng)鏈的鏈條較長(zhǎng)，各節(jié)點(diǎn)企業(yè)無(wú)法實(shí)現(xiàn)高度的信息集成，不可避免地產(chǎn)生節(jié)點(diǎn)企業(yè)之間銜接上的不確定性；另一方面，節(jié)點(diǎn)企業(yè)內(nèi)部由于各自生產(chǎn)計(jì)劃與實(shí)際產(chǎn)出不匹配，生產(chǎn)系統(tǒng)在需求與供給方面存在較大的不確定性。通信行業(yè)供應(yīng)鏈的不確定性對(duì)庫(kù)存管理提出了更大的挑戰(zhàn)。通信運(yùn)營(yíng)商的第三方物流服務(wù)企業(yè)，在為通信企業(yè)管理庫(kù)存和物流運(yùn)營(yíng)服務(wù)中發(fā)揮了重要的作用。然而在如今供應(yīng)鏈一體化的趨勢(shì)下，面對(duì)供應(yīng)鏈不確定性的增強(qiáng)，第三方物流服務(wù)企業(yè)的庫(kù)存管理水平亟待提升，必須以提升倉(cāng)庫(kù)利用效率和降低閑置物資為目標(biāo)，設(shè)定合理的安全庫(kù)存水平，優(yōu)化公司的資源配置，實(shí)現(xiàn)降本增效。

各供應(yīng)鏈一體化服務(wù)公司逐步建設(shè)起了完備的信息化管理系統(tǒng)，并積累了海量的數(shù)據(jù)資源。隨著云計(jì)算、數(shù)據(jù)挖掘與處理等技術(shù)的日漸成熟，通過(guò)對(duì)通服供應(yīng)鏈企業(yè)積累的歷史數(shù)據(jù)進(jìn)行有效處理，識(shí)別代表庫(kù)存物料變化的特性和系統(tǒng)數(shù)據(jù)分布的因素，增強(qiáng)通信供應(yīng)鏈服務(wù)公司在信息資源價(jià)值挖掘與整合方面的能力，促進(jìn)其業(yè)務(wù)管理更加精細(xì)化與協(xié)同化。結(jié)合通信行業(yè)庫(kù)存的固有特點(diǎn)和傳統(tǒng)庫(kù)存預(yù)測(cè)模型存在的劣勢(shì)，本文從向量機(jī)的角度出發(fā)，運(yùn)用前沿的數(shù)據(jù)挖掘概念模型，構(gòu)建一類(lèi)物料周轉(zhuǎn)庫(kù)存預(yù)測(cè)模型，結(jié)合機(jī)會(huì)約束規(guī)劃理論技術(shù)進(jìn)行安全庫(kù)存的決策，較好地實(shí)現(xiàn)庫(kù)存周轉(zhuǎn)的動(dòng)態(tài)預(yù)測(cè)和監(jiān)管，從而降低供應(yīng)鏈不確定性對(duì)安全庫(kù)存構(gòu)建帶來(lái)的消極影響。

1 安全庫(kù)存預(yù)估模型

1.1 物資消耗情況預(yù)測(cè)模型

在一定程度上，倉(cāng)儲(chǔ)優(yōu)化的有效性是由庫(kù)存物料需求預(yù)測(cè)的準(zhǔn)確性來(lái)決定的，預(yù)測(cè)架構(gòu)如圖1所示。其中SVM表示支持向量機(jī)（Support Vector Machine），SBL表示稀疏貝葉斯學(xué)習(xí)方法（Sparse Bayesian Learning）。本文綜合上述兩類(lèi)預(yù)測(cè)方法對(duì)各個(gè)倉(cāng)儲(chǔ)配送中心的物料需求展開(kāi)概率預(yù)估。圖1結(jié)果顯示：訓(xùn)練數(shù)據(jù)集合1包含了公司數(shù)據(jù)庫(kù)系統(tǒng)中記錄的倉(cāng)儲(chǔ)配送中心的數(shù)據(jù)，以及響應(yīng)及時(shí)率、按時(shí)提貨率、運(yùn)輸安全率等指標(biāo)；訓(xùn)練數(shù)據(jù)集合2包含了SBL單點(diǎn)預(yù)測(cè)歷史誤差；預(yù)測(cè)輸入數(shù)據(jù)1包括了倉(cāng)配中心所轄區(qū)域內(nèi)的各個(gè)地方的周轉(zhuǎn)率、到貨率、倉(cāng)儲(chǔ)空間的利用率等指標(biāo)；預(yù)測(cè)輸入數(shù)據(jù)2包括了SBL輸入的歷史誤差數(shù)據(jù)。經(jīng)過(guò)綜合計(jì)算，單點(diǎn)預(yù)測(cè)結(jié)果的平均值為通信倉(cāng)配物料的需求預(yù)測(cè)值。

本文在SVM+SBL模型相互結(jié)合的基礎(chǔ)之上，提出一個(gè)全新的的預(yù)測(cè)模型，基本構(gòu)思如下。

（1）SVM。SVM作為一類(lèi)有效的核函數(shù)的深度學(xué)習(xí)算法，基于統(tǒng)計(jì)學(xué)習(xí)理論的VC（Vapnik-Chervonenkis Dimension）理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理，在庫(kù)存預(yù)測(cè)方面具有普遍的應(yīng)用。SVM能夠有效提高低維向量的空間維度，從而簡(jiǎn)化概率預(yù)測(cè)的流程和算法（見(jiàn)圖2）。從低維度向高維度映射過(guò)去，在高維度空間中建立一個(gè)超平面進(jìn)行數(shù)據(jù)集的擬合，通過(guò)在分開(kāi)數(shù)據(jù)的高維度平面上建立不同的相互平行的超平面，形成的超平面需要保持最遠(yuǎn)的間隔距離。兩個(gè)超平面的最大間距如圖3所示，從圖上我們可以看出兩個(gè)支撐的超平面到中間的紅色線(xiàn)條是等距離的，能夠通過(guò)支持向量的兩個(gè)超平面的上的點(diǎn)來(lái)對(duì)有關(guān)向量數(shù)據(jù)進(jìn)行分析和擬合。

圖1 物資需求概率預(yù)測(cè)架構(gòu)

圖2 低維到高維映射原理

圖3 最大間隔超平面

SVM的數(shù)學(xué)模型可表述為：

式（1）中：xi表示訓(xùn)練數(shù)據(jù)集合中的第i個(gè)輸入的向量；xin表示輸入向量；yout是根據(jù)輸入數(shù)據(jù)集的輸入向量xin預(yù)算得出的輸出變量；Ki()表示核函數(shù)（主要是指高斯定理核函數(shù)）；N表示訓(xùn)練集合樣本數(shù)；Wi表示所有數(shù)據(jù)集的權(quán)值系數(shù)；ε表示擾動(dòng)分量。

根據(jù)數(shù)學(xué)模型分析預(yù)測(cè)過(guò)程為：利用給定的訓(xùn)練樣本集(xin,yin)={(x1,y1),…,(xn,yn)}優(yōu)化求解模型的參數(shù)ω，得出輸入向量與輸出向量?jī)烧叩挠成潢P(guān)系，從而得出全新的輸入樣本xi，能夠構(gòu)建對(duì)應(yīng)輸出變量的一個(gè)估計(jì)值yout，即預(yù)測(cè)單點(diǎn)值。

SVM模型預(yù)測(cè)在安全庫(kù)存預(yù)估方面有以下各項(xiàng)優(yōu)勢(shì)：①能通過(guò)圖形和公式找到理論最優(yōu)解；②在VC維理論和結(jié)構(gòu)化風(fēng)險(xiǎn)最小化的基礎(chǔ)上降低維數(shù)災(zāi)的可能性；③在處理樣本量不充足的問(wèn)題方面存在一定的有效性；④對(duì)非平穩(wěn)時(shí)間序列具有穩(wěn)定的預(yù)測(cè)能力。

（2）SBL。SBL是一類(lèi)基于核函數(shù)的機(jī)器學(xué)習(xí)方法，這一模型存在一定的稀疏性，能夠有效得到包括對(duì)象的概率分布和期望值等在內(nèi)的多種預(yù)測(cè)值。SBL的回歸方程與公式（1）具有一定程度上的相似性，然而其中的權(quán)重因子wi被作為均值為0和方差為αi的正態(tài)分布的隨機(jī)變量函數(shù)。我們可以通過(guò)學(xué)習(xí)貝葉斯架構(gòu)理論知識(shí)，由所求的超參數(shù)αi多數(shù)趨于無(wú)窮大，可以知道相應(yīng)的權(quán)值系數(shù)wi趨于0，剩余少數(shù)非零權(quán)值系數(shù)wi的核函數(shù)所對(duì)應(yīng)的樣本向量即為相關(guān)向量。

作為一類(lèi)數(shù)學(xué)理論模型，學(xué)習(xí)機(jī)能夠通過(guò)訓(xùn)練過(guò)程基于貝葉斯原則進(jìn)行有關(guān)參數(shù)超參數(shù)的預(yù)測(cè)，從而構(gòu)建SBL預(yù)測(cè)模型公式。而實(shí)際上，由于outy仍是遵循正態(tài)分布，學(xué)習(xí)機(jī)的訓(xùn)練過(guò)程結(jié)束后，能夠有效獲得其統(tǒng)計(jì)學(xué)上的規(guī)律性。

SBL模型預(yù)測(cè)有如下優(yōu)點(diǎn)：（1）可以給予高度可信的概率密度預(yù)測(cè)值；（2）模型變量設(shè)定存在一定程度上的不足；（3）一般情況下模型的稀疏程度與支持向量機(jī)相當(dāng)或更好；（4）在非線(xiàn)性約束條件的模型求解中，最終的計(jì)算結(jié)果能夠看出這一模型的預(yù)測(cè)精準(zhǔn)度處于較高水平。

1.2 安全庫(kù)存決策模型

由SBL預(yù)估模型計(jì)算得到的需求預(yù)測(cè)結(jié)果，結(jié)合機(jī)會(huì)約束規(guī)劃方法，進(jìn)一步構(gòu)建通信安全庫(kù)存決策模型?？紤]到通信行業(yè)供應(yīng)鏈中存在的不確定性，該方法就是利用隨機(jī)參數(shù)描述問(wèn)題中的隨機(jī)現(xiàn)象，普遍用來(lái)求解各異的不確定性問(wèn)題。

機(jī)會(huì)約束規(guī)劃模型主要是針對(duì)約束包含隨機(jī)變量的情況，并且必須在預(yù)測(cè)到隨機(jī)變量之前進(jìn)行。我們考慮到不利情況發(fā)生時(shí)決策可能不滿(mǎn)足約束條件，于是上述模型就采用了允許決策在一定程度上滿(mǎn)足約束條件的原則，但應(yīng)當(dāng)建立決策的概率在一定的區(qū)間內(nèi)，即不小于一定的置信區(qū)間。

圖4 物資庫(kù)存物料動(dòng)態(tài)特征分析平臺(tái)

機(jī)會(huì)約束規(guī)劃可表示如下：

式（2）中：f表示目標(biāo)函數(shù) ,( )fxξ在置信水平大于等于β時(shí)所取的最小值；x表示是n維決策向量；ξ是隨機(jī)向量，是隨機(jī)約束函數(shù)，表示 {}中事件成立的概率；α和β分別是約束成立之前給定的約束條件和目標(biāo)函數(shù)的置信水平。

根據(jù)機(jī)會(huì)約束規(guī)劃原則，之前建立的倉(cāng)儲(chǔ)優(yōu)化模型如下：決策目標(biāo)為計(jì)及時(shí)段內(nèi)（如月、季度、年）的庫(kù)存成本最小化，即 ：

式（3）中：T表示時(shí)段數(shù)；N表示倉(cāng)庫(kù)數(shù)；M表示物資種類(lèi)；,,tnmC和,,tnmR分別表示時(shí)段t下倉(cāng)庫(kù)n存儲(chǔ)物資m的單位成本和存儲(chǔ)量。約束條件主要包括：庫(kù)存物資滿(mǎn)足需求的概率大于給定概率下限，各庫(kù)庫(kù)存容量約束和供貨周期約束。上述約束分別為：

式（4）中：,,tnmD和,,tnmα分別表示時(shí)段t下倉(cāng)庫(kù)n存儲(chǔ)物資m的庫(kù)存需求量和庫(kù)存不充分概率；表示時(shí)段t下倉(cāng)庫(kù)n存儲(chǔ)物資m的最大允許庫(kù)存。求解時(shí)，將借由預(yù)設(shè)的置信度，通過(guò)約束條件的轉(zhuǎn)化以一般規(guī)律求解其等價(jià)的確定性模型。

2 安全庫(kù)存預(yù)估模型在庫(kù)存物料管理中的應(yīng)用

安全庫(kù)存預(yù)估模型可以較好地為企業(yè)提供決策依據(jù)，防止因貨物供應(yīng)或需求的不確定性而影響整個(gè)項(xiàng)目的效益。為了平穩(wěn)推動(dòng)通信大數(shù)據(jù)應(yīng)用試點(diǎn)研究與應(yīng)用，研究小組對(duì)第三方物流企業(yè)的倉(cāng)配中心的物料數(shù)據(jù)進(jìn)行收集、整理，并進(jìn)行動(dòng)態(tài)分析。利用公司的ERP管理系統(tǒng)、供應(yīng)鏈管理系統(tǒng)（SCM）、博科系統(tǒng)、物流運(yùn)輸系統(tǒng)、項(xiàng)目招投標(biāo)管理系統(tǒng)、祥云系統(tǒng)、營(yíng)銷(xiāo)業(yè)務(wù)等系統(tǒng)數(shù)據(jù)進(jìn)行初步的搜集，利用新的數(shù)據(jù)關(guān)聯(lián)度分析技術(shù)，構(gòu)建多目標(biāo)的安全庫(kù)存預(yù)估模型和多準(zhǔn)則評(píng)價(jià)模型，在一定的可控范圍內(nèi)，對(duì)物料進(jìn)行在線(xiàn)實(shí)時(shí)監(jiān)測(cè)和追蹤，對(duì)于物料管理中存在的異常情況，可以做出詳細(xì)分析，為管理人員的決策提供科學(xué)合理的依據(jù)，從而避免庫(kù)存物料的缺失，使得物料庫(kù)存在某種程度上得以?xún)?yōu)化。

根據(jù)安全庫(kù)存的預(yù)測(cè)模型，對(duì)其應(yīng)用主要分為三個(gè)時(shí)期：

（1）數(shù)據(jù)收集時(shí)期。在分析物流企業(yè)業(yè)務(wù)現(xiàn)狀、系統(tǒng)現(xiàn)狀和數(shù)據(jù)現(xiàn)狀的基礎(chǔ)上，對(duì)系統(tǒng)平臺(tái)上的歷史數(shù)據(jù)進(jìn)行提取、研究，分析出項(xiàng)目實(shí)現(xiàn)過(guò)程中的核心業(yè)務(wù)問(wèn)題，進(jìn)而明確上述問(wèn)題是否屬于技術(shù)性問(wèn)題。具體如圖4所示。

（2）數(shù)據(jù)整合時(shí)期。對(duì)現(xiàn)有數(shù)據(jù)進(jìn)行拆分、整合、關(guān)聯(lián)、合并，提取有用的信息，利用數(shù)據(jù)庫(kù)中的關(guān)鍵數(shù)據(jù)分析出相應(yīng)指標(biāo)，并且項(xiàng)目研究人員應(yīng)核對(duì)和復(fù)查各數(shù)據(jù)指標(biāo)，提高數(shù)據(jù)的準(zhǔn)確性和精確性。

（3）模型應(yīng)用時(shí)期。在數(shù)據(jù)整合時(shí)期，將各個(gè)數(shù)據(jù)集的相應(yīng)指標(biāo)置于S超平面中，同時(shí)根據(jù)現(xiàn)有歷史貨物的入庫(kù)信息、出庫(kù)信息、庫(kù)存周轉(zhuǎn)等信息建立物料消耗預(yù)測(cè)模型，最后應(yīng)用到安全庫(kù)存決策模型中。

3 結(jié)束語(yǔ)

隨著物聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)的技術(shù)發(fā)展和應(yīng)用，技術(shù)變革不斷加快。第三方物流通信服務(wù)企業(yè)在數(shù)據(jù)研究和應(yīng)用方面不斷推進(jìn)，應(yīng)用大數(shù)據(jù)技術(shù)，縮短庫(kù)存物料的存儲(chǔ)周期，提升倉(cāng)庫(kù)的管理標(biāo)準(zhǔn)，為企業(yè)未來(lái)發(fā)展提供基礎(chǔ)條件，并且降低倉(cāng)儲(chǔ)成本，提高倉(cāng)庫(kù)管理的效率和效益。具體價(jià)值體現(xiàn)在以下幾個(gè)方面：（1）實(shí)現(xiàn)海量信息共享，使得倉(cāng)運(yùn)配一體化；（2）在數(shù)據(jù)的匯總、整理、分析的基礎(chǔ)上，有效提高了庫(kù)存優(yōu)化管理能力；（3）新型的倉(cāng)庫(kù)管理模式，降低了倉(cāng)庫(kù)運(yùn)營(yíng)風(fēng)險(xiǎn)，提高倉(cāng)庫(kù)優(yōu)化管理決策能力；（4）在某種程度上，可以更好地整合倉(cāng)儲(chǔ)數(shù)據(jù)，通過(guò)自動(dòng)分析、匯總倉(cāng)儲(chǔ)數(shù)據(jù)，構(gòu)建成一個(gè)完善的、合理的倉(cāng)儲(chǔ)數(shù)據(jù)系統(tǒng)；（5）通過(guò)建立安全庫(kù)存模型，可以增強(qiáng)信息化建設(shè)，減少庫(kù)存物料的遲滯情況。

安全庫(kù)存估算模型由物料消耗預(yù)測(cè)模型和安全庫(kù)存決策模型組成，在一定的安全庫(kù)存區(qū)間內(nèi)，盡可能地降低了庫(kù)存成本風(fēng)險(xiǎn)。因此，必須建立一個(gè)多準(zhǔn)則的安全庫(kù)存預(yù)估模型，確保其數(shù)據(jù)模型的科學(xué)性和有效性，從安全性和經(jīng)濟(jì)性的角度對(duì)安全庫(kù)存估算模型進(jìn)行評(píng)估。