计算机物流信息管理系统的设计及应用分析

文/吴昕霞

0.引言

随着近年来经济的高速发展，电子商务背景下的物流行业应运而生，并且发展迅猛。结合电子商务与物流行业之间密不可分的关系[1]，对物流信息进行有效管理成为至关重要的工作内容之一[2]。对物流行业的基本特性进行分析可以发现，其具有起步晚，基础弱的特点，对应的发展程度也相对滞后[3]，由此导致的最直接的问题就是物流成本控制效果并不理想，相关体系的完善程度因为并未达到理想状态[4]。在此条件下，企业的自主物流信息管理能力就更加成为关系到其经营效益的关键。对物流信息的特点进行分析[5]，一方面其规模相对较大，不同出发地和目的地之间的交叉关系错综复杂；另一方面，参与物流运输的车辆状态也是实时变化的[6]，在此基础上，如何实现对任务与车辆之间的合理匹配也成为物流信息关系阶段需要重点关注的问题之一[7]。在此基础上，本文提出计算机物流信息管理系统的设计及应用分析研究，在硬件设计阶段，强化了系统信息的安全，在软件设计阶段，强化对信息的分类与管理。

1.硬件设计

对于计算机物流信息管理工作而言，保障信息的安全性是至关重要的核心目标之一。当计算机物流信息管理系统受到攻击出现信息安全问题时，不仅会增加信息丢失的风险，同时也会对实际的物流运输工作造成不同程度的影响[8]。为此，本文采用为系统设置了终端安全管理EDR装置，其具备APT精准检测机制，可以实现对终端行为全面采集，包括进程、文件、注册表等13个类别终端，以及应用层的行为数据，为实现信息的全面管理提供了强力基础。除此之外，终端安全管理EDR装置还具有足够轻量的特点，具备资源自适应抑制技术，动态调控资源占用率，日常占用内存100M 以内、CPU5%以内。另一方面，其具备勒索挖矿全面防护功能。对勒索挖矿全面防护的特定进行分析，区别于传统病毒检测，作为一种深信服EDR，终端安全管理EDR装置可基于攻击全链条进行防护，从漏洞免疫到微隔离提前防护一漏洞利用拦截、暴力破解封堵阻止恶化无文件防护等持续定位检测。提供勒索挖矿全面专项防护策略。利用这样的方式，最大限度降低计算机物流信息管理系统在攻击环境下的安全性。除此之外，终端安全管理EDR装置还搭载了AI智能精准检测，表1为AI智能精准检测模块的基本配置情况。

表1 AI智能精准检测模块基本配置

结合表1所示的参数配置，终端安全管理EDR装置可以实现对不同类型网络攻击的准确识别，并且在云端实现查杀快速清除处理过程中，针对顽固类病毒可进行深度分析，提供独创云端专家分析处置下发定位查杀的专杀通道，以此保障对顽固病毒检测查杀更快速、更彻底。在数据管理阶段，借助终端安全管理EDR装置与XDR建立联动关系，可以实现对海量数据的高效分析，以云端算力为基础，对采集到的物流信息数据进行聚合分析，精准锁定目标数据的位置，达到快速响应的目的。

2.软件设计

2.1 物流信息数据分类

对物流的整个执行过程进行分析可以发现，其主要可以分为三个阶段，分别是出发地运输车辆的匹配，货物运输以及目的地货物的配送。在上述过程中，涉及的因素分为2类，分别为货物信息、出发地信息、运输车辆信息以及目的地信息。在此基础上，本文首先结合上述的分析结果对物流信息进行分类管理。其中，目的地和出发地信息对具体构成即为对应的名称及经纬信息。货物信息包括可执行地（一般情况下，货物的发货地是不唯一的，因此，在物流信息管理阶段对其进行明确是后续任务合理分配的重要基础）。最后就是对运输车辆信息的管理，由于不同车辆的荷载能力不同，对应可执行的运输任务也不同，因此，本文设置运输车辆信息包括荷载参数和位置参数两部分。结合上述，对于物流信息数据的分类结果可以表示为

其中，X表示物流信息数据构成，d（x）表示出发地信息，m（x）表示目的地信息，s（x）表示货物信息，c（x）表示运输车辆信息。

按照上述所示的方式，实现对物流信息数据的分类。

2.2 物流信息匹配管理

在上述基础上，对于任意物流运输任务而言，对其相关信息的匹配主要以成本最小化为核心目标。假设待执行运输任务为将a吨k货物由m 地运输至n地，那么，首先结合a值确定可以执行的车辆，其计算方式可以表示为

其中，c（a）表示可执行物流运输任务的车辆信息，结合式（2）可以看出，其筛选标准为运输车辆荷载参数大于运输任务对应的重量。

在此基础上，以出发地m为基础，对c（a）进行第二轮筛选，其可以表示为

其中，c（m）表示最终物流运输任务的车辆信息，结合式（3）可以看出，其筛选标准为运输车辆与出发地的距离最小。

按照上述所示的方式，实现对物流信息匹配管理，实现物流成本的最小化。

3.系统应用分析

3.1 测试环境

在对本文设计系统的实际应用价值进行分析时，本文以某物流公司的部分实际业务信息为基础，开展了对比测试，其中，表2为业务的基本分布情况以及相关运输成本构成情况。

表2 测试物流信息

在此基础上，结合表2所示的信息可以看出，不同发货地与目的地之间的单位运输成本存在较为明显的差别。为了实现物流企业利润的最大化，对物流信息进行合理管理是降低成本投入的重要环节之一。为此，本文分别设置5个目标区域的供应量分别为28吨、54吨、36吨、50吨以及46吨。在此基础上，分别以供应量为导向、供应时间为导向，分析对应的成本投入情况。从应用结果分析的角度出发，本文设置了对照组，对应的信息管理系统分别为Cloud Native信息管理系统，以及HL7和RFID信息管理系统，通过对比不同信息管理系统下，相同运输任务下的物流成本投入情况。

3.2 测试结果与分析

结合上述的测试环境，三个系统下的物流成本投入情况如表3所示。

表3 物流成本投入情况统计表

结合表3所示的测试结果对三个信息管理系统的实际应用价值进行分析，Cloud Native信息管理系统下对应的物流成本总值为3146元，其中，对于d目的地和c目的地运输任务的成本投入明显偏高，表明其仍存在进一步优化的空间。在HL7和RFID信息管理系统下，对应的物流成本总值为3167元，其中，对于e目的地运输任务的成本投入明显偏高，且不同目的地的成本开销基本一致，表明其对于物流信息的适应性分析能力存在提升空间。相比之下，在本文设计信息管理系统下，对应的物流成本总值为3044元，分别低于Cloud Native信息管理系统、HL7和RFID信息管理系统下的成本102元和123元。测试结果表明，本文设计的计算机物流信息管理系统可以实现对物流信息的有效分析，在保障物流运输方案合理的前提下，对于降低运输成本具有积极作用。

4.结束语

在贸易交互范围不断扩大的背景下，物流行业也实现了快速发展，在对物流信息进行有效管理，无论是对于物流企业的成本管理而言，还是对于物流任务的执行效率而言，都具有重要的现实意义。本文提出计算机物流信息管理系统的设计及应用分析研究，在保障物流信息完整安全的前提下，实现了对信息的合理管理，并极大程度上降低了物流运输的成本开销。借助本文设计的物流信息管理系统，希望能够为实际的物流行业发展提供参考价值。