大数据算法的供应链管理关键技术探究

2017-03-11◆张瀚

网络安全技术与应用 2017年7期

关键词：供应链分析信息

◆张瀚

（联想北京有限公司北京 100010）

大数据算法的供应链管理关键技术探究

◆张瀚

（联想北京有限公司北京 100010）

随着经济的全球化，区域经济一体化和信息技术的广泛应用，物资流通的速度与效率正成为经济景气指数的一个重要衡量指标，以高效运转，分工合理配套服务的现代供应链业己成为世界各国纷纷竞相发展的新的经济增长点。本文通过采用大数据技术，对供应链的管理进行了优化分析。

大数据；供应链；关键技术

0 引言

大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合。大数据包括海量的数据信息与高强度的数据处理能力，对于传统的数据处理系统来说，大数据处理有着相当多的优势，可以对于大型复杂的数据模块进行高效地分析，包括数据的收集、分析、共享与传输等。大数据可以采用预测的方式进行分析，在用户分析后进行数据提取，将其价值体现出来。

数据集分析可以发现新的联系与信息。科学家在电子科学工作中遇到了很多需要处理海量数据的问题，涉及气象学、基因组学、复杂物理模拟、生物学和环境研究等。

现代供应链业的兴起，大大地节约了流通成本，提高了流通效率，加速了经济的快速发展，现代供应链在我国有着较为广阔的空间。目前，从整体发展水平来看，我国的供应链业仍处于一种比较混乱的状态，由于计划经济的影响，在我国实际经济生活中，储存、运输、装卸、包装等供应链活动相互分割，供应链职能与设施设备分散于不同的部门和企业中，很多供应链企业仍以低水平的运输为主，相互之间主要靠价格的竞争取得货物市场，局限在运输的领域，未能以服务的概念，从降低货主的生产成本，减少库存，提高货供应链通效率出发，与货主形成利益共同体，离供应链系统最优化的目标相差甚远。现代供应链业务流程由网络系统连接，实现整个过程实时控制和信息高科技管理，给企业带来全新的管理方法。加快传统储运业向现代供应链业转型，实行专业化，规模化经营，共享相关供应链设施，从而降低运营成本，发挥供应链企业整体优势，提高供应链规模效益，将起到重要作用。

1 大数据技术中的算法分析

1.1 神经网络算法

神经网络系统是由众多的神经元可调的连接权值连接而成，具有大规模并行处理、分布式信息存储、良好的自组织自学习能力等特点。神经网络是一种计算方法，基于神经单元的大集合，解决由轴突连接的生物神经元的大群集的问题。每个神经单元与许多其他神经单元连接，并且可以对所连接的神经单元的激活状态影响中实施抑制。每个单独的神经单元可以具有将所有其输入的值组合在一起的求和功能。在每个连接和单元本身上可以存在阈值函数或限制函数，使得信号在传播到其他神经元之前必须超过极限。神经网络已被用于解决使用普通的基于规则的编程难以解决的各种各样的任务，如智能化学习。历史上，神经网络模型的使用向高级人工智能的方向移动，其特征在于包含在具有一些动力系统的认知模型的参数中的知识。

1.2 灰色关联度分析

灰色关联分析方法，是根据因素之间发展趋势的相似或相异程度，来进行归纳和评价，作为衡量因素间关联程度的一种方法。灰色关联度分析使用特定的信息概念。它定义没有信息为黑色的情况以及具有完美信息为白色的情况，这些理想化的情况都不会出现在现实世界的问题中。事实上，这些过渡阶段的情况被描述为灰色。因此，灰色系统意味着其中部分信息是已知的并且部分信息是未知的系统。根据这个定义，信息质量形成从信息的缺乏到完整信息的存在过渡过程。由于不确定性总是存在，灰色分析可以得出一系列关于解决方案的清晰陈述。在一个极端情况下，这种方案无解，在另一个极端情况下，具有完美信息的系统具有独特的解决方案。在中间情况中，灰色系统将给出各种优化的解决方案。灰色分析试图找到最好的解决方案，提供了确定一个好的解决方案的技术来解决现实世界的问题。

2 大数据平台的设计

2.1 平台层

大数据分布式存储系统可以对大规模的结构数据进行存储，通过大型的的存储与管理技术，实现对于数据的高效处理，这个数量级大部分时候在PB级以上，这样才能让科研活动更加合理地进行开展。

2.2 功能层

功能层采用扩展算法进行数据挖掘，采用TB级的数据进行模型建立，实现云计算与分布调度处理，利用负载的均衡技术，使得分布处理能力提升，从而实现高效数据处理。

2.3 服务层

采用基于WEB与Open API的大数据挖掘处理技术，从大数据的环境分析入手，加强端口的管理与流程的优化，从而实现端口的智能配置与数据交换，让大数据的共享变得科学合理简洁。服务层属于高级别管理层次，因此应当加强对输入输出的合理控制，使其可以实现大数据的高效交换。

3 供应链管理中存在的问题

3.1 配送信息系统功能不完善

企业信息化建设能够提升物流服务水平，同时也可以增强企业活力，企业服务质量在一定程度上可以得到提高，服务准确性也可以加以提高，但信息系统需要加以完善，物流信息系统现代化水平与技术水平要不断提高，对于物流产业发展具有重要作用。依据中国仓储协会物流市场调查报告，我国物流企业信息系统要实现物流管理的优化。我国一体化物流管理企业占据大部分比例，供应链管理企业比例相对较少。50%以上的企业订单处理准确率在98%以上。由于是与第三方软件公司合作共同开发的信息系统，由于双方所处的立场以及双方对问题理解的角度的不同，导致配送信息管理系统仍然存在一些不足的地方，比如很多流程缺乏对事后的跟踪机制。计算机技术的使用也有利于处理物流配送系列问题，对于选址问题以及线路选择发挥很大作用。

3.2 对配送信息的分析挖掘不够

大部分企业采取的是传统配送模式，对货物进行分拣，在送货、配货的分拣过程中仅仅是对货物本身进行区分，区分物流主要进行物流信息收集以及分析，这种措施将会造成地点的重复。例如:企业在不同的配送点都有货物需要运送到 A地点，因为没有对配送信息流进行统计、分析，不能进行统一的分配、调度，就很有可能每个配送点都安排车辆、人员将货物配送到A地点，浪费资源，也无法实现高效配送。

4 大数据算法在供应链中的应用分析

4.1 完善企业配送信息管理的功能

城市供应链的生命在于对道路交通信息的掌握度与熟悉度。供应链公司，尤其是专注于城市供应链配送的企业供应链公司，与道路交通部门形成良好的互动关系，建立优良的信息合作机制就显得尤为重要了。企业供应链配送管理体系必须实现与道路交通部门信息系统的实时对接，获取第一手的道路交通信息。交通信息对供应链极为重要。例如由于不清楚道路交通状况，企业供应链往往使派出去的运输卡车陷入交通堵塞之中，原定50公里的运输距离只行驶到一半就停滞不前。为了防止这种现象的出现，就必须与道路交通部门沟通及时得到道路交通信息，确保卡车能够按照预定时间到达。

4.2 运用现代供应链信息技术加强供应链配送信息的分析挖掘

随着企业配送业务的发展壮大，服务的客户越来越多，配送的商品也越来越多。综合公司的配送信息管理数据，对公司配送能力的评估，为公司未来配送业务在市场方面的决策提供辅助支持。根据历史配送信息，统计得出公司在不同类型配送业务上为公司盈利带来的贡献，将资源优先分配给更有竞争力的业务部门，优化公司资源的配置，使得有限的资源得到合理利用，完成企业的更进一步发展壮大。