智慧供应链实现的探索性研究——以上海迈创的供应链管理系统为例作者：曹布阳摘要本研究项目来源于同济大学软件学院与上海迈创电子有限公司（Maitrox）的智慧供应链合作项目。
项目背景：智慧供应链项目是迈创供应链针对国产品牌手机及消费类电子厂商提供的售后供应链整理解决方案中的IT支撑系统。
在整个供应链解决方案中，旨在利用高效、低成本的IT 系统来打通品牌商、OEM厂商、仓库、转运点、服务站、维修厂等各环节上的数据节点，为备件计划、运营、调拨、配送等服务提供决策支持。
提高维修达成率及客户满意度，并在此基础上有效管理备件生命周期，减少库存资金占用，最终达到降低售后综合服务成本的目的。
本项目针对迈创供应链物流、仓储等供应链服务中的数据库管理、流程规划、仓储预警管理和运输管理等方面的业务需求，对迈创供应链进行全局规划和数据管理等关键技术上的支持和创新，从而为迈创供应链提供更加高效、合理的供应链决策方面的信息支持，提高迈创供应链供应链管理的信息化和智能化水平。
供应链整体效率的高低不仅基于基础设施的完善水平，还与整个供应链上下游的衔接水平以及供应链各环节的信息化、智能化、协同化密不可分。
本项目旨在通过对迈创供应链实际业务中大量数据的整理和分析工作，深入挖掘供应链中各环节的数据关联，实现数据同步，联动管理，通过预警、仓储、运输等模型优化实际业务的运营效率，提高供应链的信息化和智能化水平，并最终通过友好的交互管理界面，提高日常业务管理的效率和便捷化程度。
对迈创的供应链系统而言，完善信息化及智能化程度、提升数据库管理效率、补强物流和智慧供应链管理信息系统是重中之重。
对于企业运营来而言，这也是弥补迈创供应链薄弱环节、打破制约效率瓶颈的重要工具，而其中完善的物流数据挖掘技术是提升物流效率和管理信息化水平的重要创新点和关键所在。
高效、便捷的智慧供应链管理信息系统对于提高其自身的管理水平和核心竞争力具有非常重要的实际意义和应用价值。
1、引言在如今互联网高度发达、大数据日益膨胀的年代，传统的供应链服务已然不能满足客户和供应商的需求。
传统供应链由于存在大量的人工干预，因此供货效率低下、智能化水平低，不能有效的面对复杂多变的仓储运输需求状况[2]。
本课题项目在迈创供应链实际供应链业务的基础之上，通过分析业务需求，设计了配件损耗率预测、仓储预警、运输优化、物流信息系统构建等几大系统对供应链进行全局优化。
其中损耗率预测模型处于供应链上游，为整个供应链业务量提供数据预测功能；仓储预警和运输优化处于供应链中游，为迈创实际业务操作提供便利化服务，降低运营成本；物流信息系统为全局系统，涵盖供应链上中下游各环节的各类物流信息，在提高迈创业务信息化水平基础上，为业务智能化提供数据支持。
各系统在供应链不同环节进行优化服务，又密切协作，服务于供应链整体。
图1. 1传统供应链通过构建智慧供应链，我们旨在通过互联网、数据库操作、运筹学、可视化等相关技术，通过网络数据库的远程操作进行数据的处理和传输，根据迈创实际业务，运用运筹学内相应的仓储策略模型和运输优化模型，对整体供应链的关键环节加以优化，构建一套根据现有数据的供应链优化系统，通过数据分析和构建模型，对于整个供应链的供疏情况进行预测、建模，并最终通过地图和业务流程等可视化技术加以呈现，为管理人员提供库存预警和管理信息、以及运输优化方案和决策支持服务。
图1. 2智慧供应链该智慧供应链服务的主要目的是减少人工干预，在节省人力成本的基础之上，提高管理的规范化水平，提升供应链的运作效率，通过提供便捷化的供应管理和可视化的运输策略，为决策提供参考支持。
本文参考迈创供应链的手机配件采购详情，提出一整套构建智慧供应链的想法并在供应链整体考虑的基础上研究细节问题具体的实现策略。
2、设想的提出构建智慧供应链是一个复杂的课题，关键在于疏理并有效构建智慧供应链的服务功能。
迈创供应链在供应链上下游的功能定位，是负责从香港等发货点往亚洲一些国家配送手机配件,工作流程如下：（1）、采购的零部件从国内内地市场供应商运至发货点仓库，然后发货点再转运往国外服务商，并配送至各国家具体的维修点（简称正向运输）。
正向物流运输的具体业务流程如下：迈创供应链参照配件预测模型和经验数据，整理出SR单（备件申请单），然后向企业和开放市场发出PO单（订货单），采购相应类型的配件，之后参照配件的运输时间、费用要求，运送到指定仓库点（Warehouse）进行库存管理、并根据库存配件信息结合配件损耗预测模型整理出的需求单，向供应商和开放市场采购，完成业务循环。
而在仓库中的配件经过调拨和分批运往服务点（Vender），或者直接装运，送往零售点。
部分服务点兼具配件维修功能，能够维修从客户手中返修的零配件，这些服务点将维修过的零配件和新采购的零配件（统称好件）再返回给客户，并将从服务点向客户之间传送配件的信息录入CRM系统，完成正向物流环节。
（2）、坏件（损坏的配件）回流流程如下：先从海外各地客户处收集产生坏件维修的需求，并运回当地维修点，在本地维修高维工厂维修或送往国内维修厂进行维修，维修成功的好件再次经服务点出售，而未修理好的坏件则返回仓储点，并产生新的配件需求，由计划部门通知采购部直接到生产厂商和开放市场上进行采购，采购成功则再次汇入正向物流。
图2. 1运输路径优化参照现代化供应链主要组成部分的功能，迈创供应链现阶段主要的功能瓶颈在于仓储的人工管理成本高昂、信息化水平不足，缺乏有效的仓储预警机制和详细分类目的仓储管理系统，包括预测需求、制定库存方案、进货预警、采购方案、订购线路等；对于物流选择，由于迈创在运输方式选择、线路选择、运输时效与仓储管理时效的同步上存在许多管理方式复杂的问题，降低了运输环节的效率。
参照以上具体问题，从整个功能划分上来说，我们将制定三个系统：预测系统，库存系统，运输系统，分别对应于预测模型，库存模型，运输模型。
3、解决方案首先我们对于供应链中的组成部分, 即预测系统，库存系统，运输系统的功能进行简单介绍，接着详述如何把三者有机融合,以充分体现智慧供应链的在提升供应链效率中的作用。
预测系统，顾名思义，就是对于未来某时间段的需求进行预测。
将历史数据作为训练集，建立预测系统，输入某一类手机配件和时间参数，系统给出该手机配件在某一时间段的需求量，并将预测结果传递给库存系统。
库存系统根据物流以及库存信息建立一套库存模型。
手机配件缺货有单位损失费，每次进货会有固定费用，但一次进货太多则造成货物积压，又会导致存储费上升。
采用不同的存储策略构建不同的存储模型都会对进货策略造成影响。
库存系统接收预测系统传递的预测结果，判断某一种手机配件在未来一段时间内是否缺货，缺货量为多少，并发出预警信息，并将预警信息传递给运输系统。
预警信息包括在未来某段时间t和缺货量d。
运输系统收集物流信息、配件成本费，关税等，并根据时间约束（预警信息中包含的时间段t）计算最优路径或者最优的配送方案（快递公司的选择）。
运输系统将计算的结果进行整理展示，作为一种决策提供给决策者参考。
图3. 1三个系统的衔接由上图可以看出，模式的发起点在于预测。
预测的有效性与准确性直接影响智慧供应链的功能。
预测之所以如此重要的原因在于：（1）、缺货时不能保证有某个仓库一定有缺少的手机配件。
一种保证不缺货的方案是，尽可能多的储备货物。
但这会造成仓储费激增，资金积压。
因此，预测某段时间某种手机配件会缺货，仓库提前备货。
（2）、订货提前期。
并不是有了需求预测后，缺货的情况就不会发生，因为货物从采集市场运往仓库还需要时间。
例如，预测系统告知仓库，5天后电池可能会缺货，这时，物流人员去采购却发现电池最快只能在7天后送达。
订货提前期的存在要求我们在做预测时必须将订货准备时间和运输时间添加到预测时间段内。
接下来分别介绍三种系统的具体细节和实现方案。
3.1 预测系统预测系统的核心是预测模型。
在大数据理论和实践快速发展的今天，科学家建立了大量的预测方法和模型。
再加上近年数据挖掘的快速发展，预测不再是那么一项艰巨的任务。
基本上，建立了预测模型，使用训练数据训练模型，并用测试数据计算错误率。
基于错误率，我们就可以对现实的情况进行预测了。
下图展示了建立预测模型的过程。
该过程是数据挖掘、机器学习的一般化步骤。
图3. 2建立预测模型的过程首先我们对于收集到的历史数据进行划分——训练数据和测试数据，两者比例一般是7:3。
通过使用R语言进行线性回归分析，回归拟合曲线、卡方优度检验、K-means聚类分析等分析方法，分析出手机配件损耗率的关键因素。
①在保量当在保量数据小于2000时，手机配件的损耗率随着在保量的增加而减小，变化比较明显，当在保量的数据大于2000以后，手机配件的损耗率趋近与平稳。
但是在保量的数据量大部分都在5000一下，通过聚类分析，在保量在第一个聚类中心1546时，聚类的大小已经为14902，在21596条数据中已经占了近75%，而在这个范围内，手机配件损耗率随着在保量变化明显。
所以在保量是影响手机配件损耗率的一个关键因素。
②国家或地区通过卡方优度检验方法，假设手机配件的损耗率与国家和地域无关，得出的概率值P<0.01，所以假设不成立，手机配件的损耗率和国家/地域有关，另外通过分析结果也可以看出，每一个国家或者地区手机配件的损耗率都不同。
另外从影响手机配件的损耗率的因素考虑，不同的国家/地域，在保量的大小不同，温湿度不同等等，也可以看出，国家/地域是影响手机配件损耗率的一个关键因素。
③售出时长通过分析手机售出时间长度，根据回归拟合曲线可以看出，手机配件的损耗率是随着时间的变化而变化的。
比如到售出产品7个月的时候，故障率会达到一个峰值，这个时候是手机返修比较多的时候，所以在手机配件的时候，也会注意到什么时候备货量应该比较多。
所以售出时长也是影响手机配件损耗率的一个关键因素。
④配件种类使用R语言单独分析手机的每一种配件可以发现，不同种类的手机配件故障率是不同的，而且每一中配件的变化情况也是不相同的，而且每种配件的保修期，保修数量，故障情况也是不相同的。
所以手机配件种类也是影响手机故障率的一个关键因素。
参考图3.2，建立预测模型的过程简述如下：①选择并建立预测模型。
常见的预测模型有贝叶斯预测模型、平均值模型、回归模型、时间序列法、灰色预测模型等。
具体到迈创供应链手机配件运输项目上，选用贝叶斯预测模型和时间序列法，给定时间参数和配件参数就能得到预测的需求。
将训练数据输入预测模型后就得到了具有实际预测功能的模型了。
②计算错误率。
将测试数据输入建立好的预测模型。
将预测结果与实际结果进行对比，计算错误率（error rate）。
错误率(error rate)=错误预测数预测总数必须强调的是，所谓错误并不是指预测结果≠实际结果，比如，预测需求为100但实际需求为101。