1智能物流系统
随着物流现代化进程的推进，各流通行业在经营过程中产生了海量的数据，这此数据蕴藏了丰富的经营视点和市场规律。它们拥有相当丰富的数据，却缺乏足够的信息，而且无法衡量管理或改进业务处理过程以及跨组织和IT界限的功能。有调查表明，在这此数据当中，平时只用到其中的7%左右，怎么很好地利用这此数据让它们更好地为企业决策服务已成为流通行业的现实难点。
当今的一此物流昔理信息系统只能够为昔理者提供普通的业务处理数据和简单的分析数据，不具备数据挖掘和知识发现功能，不能提供立体化的，多视角的，有渗透力的数据，更不能提供具有预测性的、潜在的市场信息，不能满足各层的实时要求。虽然目前市场上存在着一此数据挖掘软件可以做到一定程度的分析，但它们都需要把相应的业务数据专门提取出来进行分析，因此其分析过程脱离了企业的流程且时效性不强，并不能很好地适用于流通行业。因此在决策过程中包含有大量的“主观决策”成分，这样就产生了“长鞭效应”，带来了多余的库存或者设置了不必要的物流中心甚至产出根木没有市场需求的产品。
流通行业迫切需要一套能快速地为供应链上各层成员提供相应的、独特的、准确的决策信息的智能管理系统。
这套智能系统能够为各层成员实时地提供立体化的、多视角的、有渗透力的数据和具有预测性的、潜在的市场信息，使他们可以实时有效地进行口常事务操作和口常决策、战略决策。同时允许他们实时地监控流通过程中物流、信息流和业务流的流动。强化了目前的物流系统的功能，不仅实行物流结构的调整，而且在物流中心的建设、库存控制、库存补货以及运输等方面建立起能够有效控制的运行机制，使物流系统能够适应市场的变化，提高物流系统的效率和决策的准确性;减少决策过程的主观因素，克服决策中的主观随意性和自目性;消除物流系统中信息的“长鞭效应”，减少因决策失误而造成的经济损失;从品种、质量、数量上生产适销对路的商品。同时还能为企业提供客户化的服务提高客户的忠诚度。
该智能系统的目标是将企业所掌握的信息转换成竞争优势，提高企业决策能力、决策效力、决策准确性。为完成这一目标，该系统除了日常事务操作外还必须具有实现数据分析到知识发现的算法、模型和过程。
广义地说，系统分析与决策的进程可以划分为四个阶段;首先，是对系统的描述性分析，它是运用所掌握的信息，对系统进行尽可能充分和全面的认识;其次，是对系统的解析性分析，它往往通过建立数学模型，识辨和刻画系统的解析结构，确定系统中各因素或各元素的内在联系;第三，是有关系统的预测性研究，其目的是掌握系统运行和动态变化的规律，对系统未来做出准确的预见是正确决策的先决条件;第四，是决策阶段，所谓决策，就是指对系统状况进行充分的观察和认识，对系统构造及其要素的内在联系进行识辨和深入地分析。并且在对系统做出正确判断的基础上，在多种可行的方案中进行优选。在这四个过程中需要采用的关键技术有数据仓库，数据挖掘，统计分析学，商业智能，专家系统、系统数据流图如图1所示。
我们在研究大量企业的流通过程的基础上，以烟草为背景设计开发了一套适用于企业物流管理的信息智能管理系统，这套系统采用B/S结构、图2是系统设计框图。
整个系统的智能应用建立在知识库，数据仓库，操作数据存储和业务数据库的基础上，以市场分析和客户分析为主线，将市场信息和客户信息集成到各个模块，每一个模块都建立客户化市场化的智能解决方案。
由于各个模块中事务操作功能在任何一个物流信息管理系统中基本上都实现了。限于篇幅，在此就不详述。下面我们就各个模块中全新的功能进行简单的介绍:
2.1销售管理模块
包括各种销售指数、各种销售曲线、销售量的预测、利润分析与预测、销售渠道的分析、市场占有率预测。
我们允许对任一区域任一时间段进行分析，这个区域由用户划定，同时也允许对任何一个销售点进行分析。在销售指数中有综合指数、成分指数、涨落指数等，这此指数又分销售量、销售额、净利润、毛利润四种。销售曲线包含平均移动线、日销售量曲线、乖离率曲线等。销售量和利润的预测的基木过程是根据预测产品的相关历史资料数据生成历史资料数据散点图，根据这此散点图选择预测模型，确定待定常数，再确定最佳预测模型，分析修正预测值，最后输出预测结果。另外还采用数据挖掘技术来验证管理人员的一此销售模型的假设和发现新的销售模型。
本系统中销售渠道的分析也是一个重要功能。随着竞争越来越激烈，谁控制了销售渠道，谁就控制了市场。销售渠道分析的目的是为了让企业更好的控制销售渠道，提高企业的竞争力。
2.2 产品管理
包括产品生命周期的分析与预测、产品价格波动趋势分析与预测、产品的定价(实时的价格模型)、产品合格率的预测。
在这个模块中，它们是建立在销售分析和客户分析的基础之上的。在销售分析的基础上可以很容易地确定某一产品的生命周期所处的阶段。由于市场的快速变化，产品的定价采用实时的价格模型，对每一类客户实施不同的运行模式和价格模型，同时对产品的价格进行预测，对产品价格的预测主要是根据销售量订单和GDP进行的。
由于实际情况中，产品的合格率受诸如天气等多方面的影响，如果能很好的预测产品的合格率，对采购和生产计划的制定将很有帮助。所以在这个模块中我们也对产品的合格率进行预测，预测方法主要采用季节变动预测法。
2.3库存管理
包括根据市场分析动态地配置库存、补货时间和数量的确定(分制造商，批发，零售)、根据以往订单数预测出库量。
库存管理的原则就是在保证不会缺货的前提下，尽量做到库存量最小，最好能实现零库存。存货分析是建立在销售分析和订中一分析基础上进行的。根据销售信息和订单信息预测出库量，由市场来决定库存量。运用数据挖掘技术发现确定补货时间和数量的模型，根据预测出库量和库存决策准则确定补货时间和数量，当需要定购时，订购单送给相应的供应者。
2.4运输管理
包括规划线路、调度和资源配置、运输管理的原则就是使运输费用达到最低，运输效率最高。线路规划和资源调度配置都是在此原则下进行，以客户服务和订单管理为基础，在规划线路，资源配置时可以优先考虑重要客户等等。
2.5生产和采购管理
根据销售量和汀单量或物料清单决定生产和采购。采用数据挖掘技术根据销售量的预测，订单数和实际需求量构建一模型。这个模型的输入为销售量的预测数和定单数，输出为需采购的原材料数。根据这个模型的输出制定实际采购定单。在采购单的制定中还需要结合原材料利用率的预测值和产品合格率的预测值。
2.6客户服务
包括客户的细分、服务客户化、客户评分。服务客户化是在当今竞争激烈的环境中获胜的一个重要因素。良好的客户服务可以产生出色的销售业务，在面对客户时，我们直接访问数据仓库，获取该客户相关的历史记录。以便产生客户化的服务。我们也可以对某一类客户采用特殊的销售模式和价格模式。为了达到这个目的，我们需要对客户进行细分和评分。
客户评分就是利用数据库的信息创建模型，将模型提供的预测结果作为分数。每个分数对应于数据库中的一个记录，用于指出该记录所代表的客户做出某类行为的概率，并对客户进行细分。
2.7知识库管理
在这套系统中知识库也是一个亮点。各种外部知识诸如库存决策准则、产品放弃准则，系统木身产生的知识诸如数据挖掘发现的模型，均以特定的格式写进知识库中。在决策过程中，将结合知识库进行决策，对某此问题可以为决策者提供方案以供参考。这样形成一个闭环的动态的知识库。
2.8其它
分销网络的设立是否最优，撤销掉其中某一个的影响会怎样，增加一个呢?
本企业物流系统的敏感度分析:包括系统中增加一个仓库数目的变化，改变安全库存政策的变化。即选址的修正，工作周期的修正，安全库存的修正。
异常情况昔理，系统自动识别需要昔理部门注意的问题，并使用工作流思想，使整个异常处理进一步自动化。
这个模块主要功能是物流系统的评估和改进。运用数据挖掘，专家系统、OLAP分析技术，评价整个物流系统中的网络的设计是否合理，是否可以进行改进，物流系统的敏感度如何等。
如果在整条供应链中某一结点出现异常情况，系统自动识别，以email或短消息方式通知有关人员。并采用工作流思想使这一环节实现一定程度的自动化。
3结束语
目前这套系统还没有则务昔理模块，没有把资金流结合进来。如果能把资金流结合进来，能和则务部共享数据的话，那就能够更好地方便昔理者的决策。
另一方面由于该系统采用B/S结构，且由于供应链中节点企业众多，竞争与合作并存，因此该系统更容易受到攻击和破坏。平台安全是值得重视并着力解决的问题。
以上文章由 武汉网站制作整理发布。http://www.tuoruisi.com转发请注明出处。