构建企业数字化供应链物流的关键因素

数字化物流在供应链物流中通过对物流部分所产生的大数据进行分析，并结合物流系统中的资源，如人员、设施、设备（包括车辆）等进行仿真模拟分析，将数据、资源与场景结合。场景包括在采购物流环节中的运输、仓储与配送、生产物流环节中的仓储与生产配送、销售物流环节中的仓储、运输与配送，然后对企业的供应链管理提供最优化策略的决策。我们来剖析企业完成整个数字化供应链物流中的基本前提和以数学模型为基础的引擎。

数字化供应链物流的引擎与逻辑结构图

数字化供应链物流的数据呈现

一.数字化供应链物流的基础

场景模拟是数字化物流的基础。

现代物流管理是从军事后勤发展而来，从其发展历史来看，物流系统从来都是为实现战略目标而存在，没有一个良好的物流系统很难实现组织目标。在商业环境中企业的战略目标具有多样性，有关于财务方面的目标，有关于市场方面的目标，也有关于提升生产力方面的目标等。例如企业需要进行扩张，就需要快速进行全国乃至全球布局，那么物流系统中的仓储节点布局、运输网络需要进行构建并且持续优化与反馈，以支撑企业的扩张；再例如企业需要实现制造的精益化、均衡生产以及降低库存的目标，那么物流系统需要调整其供应批量与批次，以及供应物流的模式，以达到在实现精益生产的同时避免缺货风险。还有例如企业进行成本控制或者是电商企业实现订单的快速交付等，这些都需要通过数字化物流的工具对未来场景的模拟分析，可提供更优的物流策略，并分析瓶颈并规避风险。

从以上的企业需求来看，物流系统随企业的发展而进行调整，那么数字化物流在其中如何发生？

一是数据的产生和存储。在物流作业过程中产生大量的数据并存储在信息系统中，当前有一定规模的企业基本都使用了ERP系统，日常业务数据已被记录在了信息系统中，并且通过不同的字段对业务类型或者状态进行分类存储，通过数据可以进行查询。很多企业同时也使用WMS系统以及TMS系统，或者与第三方物流企业进行了物流系统的对接，在这样的企业中，物流业务数据的记录就更为详细。

二是数据规模。企业的物流活动中的流程较多，有的企业在某一个流程中每天可能就会产生数十万行数据记录，而这些数据是无法通过常规的办公软件进行存储和分析，只能通过数据库技术进行查询和调用。如果对整个供应链物流流程中所产生的数据进行调用和分析，可想而知，其数据量是巨大的。

三是数据记录了流程活动的细节。数字化物流对企业流程活动的标准化和数据记录的准确性有较高的要求。当然，这也可以根据企业数字化管理的目标而分阶段逐步实现精确的数字化物流管理。在行业内常用的物流信息化系统都可以对物流作业中的每个流程进行记录，例如车辆到达时间、物流作业开始时间、作业完成时间、作业人员、作业量、库区、货位等等。这些信息中包含了流程名称、作业量、资源类型（人、设备编号）、作业时间等仿真模拟分析所需要的数据，也有一些数据需要和WCS系统对接，以采集设备的作业信息。

四是仿真模拟。每个企业在经营活动中都有自己的物流业务场景，我们在以前的文章中描述过各种企业物流的场景，例如仓储活动场景，运输网络场景等。有的是以实体设施为基础，在一个三维场景中完成物流活动，有的是以GIS系统为基础的地理坐标场景完成运输与配送活动。通常一个企业完整的物流业务活动是由数十个物流子流程活动所构成，在物流系统仿真过程中将根据具体的需求，对全流程或者某个环节进行场景构建。首先将场景抽象化，然后通过建立数学模型以及优化算法，可实现输入与输出。通过获取企业在业务活动过程中的数据，并对其标准化后进行拟合与预测，再结合当前的资源作业的效率，输入数学模型中进行运算，模拟在未来物流业务中可能出现的瓶颈，并提供优化方向。

五是优化决策。物流场景通过数字化模拟之后所输出的结果可用于物流管理决策，对于所有的输出要素来说是一个结构化的体系。顶层是经济状态的反馈，而往下是资源瓶颈的反馈。前者对接企业的战略目标，输出在企业将达到什么样的战略目标背景下，最佳的物流体系或者可行的物流体系如何构造，并需要为之付出多大的成本，对于最终的决策来说是投入和产出。与此同时，投入产出也细分到不同的物流环节中，分别可以反馈采购物流、生产物流、销售物流各个环节在整个供应链体系中的经济状态。在不同物流环节中对详细的资源数量、资源效用与瓶颈进行反馈，一方面通过瓶颈反映出可能存在的风险，另一方面呈现出最佳的物流作业策略以及在其状态下的资源组合。

二.数字化物流场景仿真模拟的“引擎”

数学模型是数字化物流场景仿真模拟的“引擎”。

前面所述，物流的数字化中仿真模拟是核心，只有对基础场景进行数字化构建后，才能再通过对其场景构建数学模型模拟运算，最后输出最优策略以及资源组合。

整个供应链物流体系的数字化仿真模拟中，不同环节有不同的数学模型构造，例如运输网络、仓储布局、仓储运作、配送路径等都存在各自所使用的模型，但这些模型之间并非独立，可以相互的输入与输出，所以对整个模拟来说也会有一个模型架构。

我们通过运筹学中基本的数学模型，来分析数字化物流中仿真模型的基本构造以及模型之间的关联性。

将供应链物流系统分为采购物流、生产物流与销售物流。简化来看，其中分为几个过程，第一，客户下达订单后原料仓库进行备货；第二，供应商将货物运输到原料仓库；第三，原料仓库进行仓储运作管理；第四，原料配送上生产线；第五，生产完成后进行成品的仓储管理；第六，货物运输到区域配送中心；第七，商品从配送中心配送到客户。

我们再来看数学模型如何在这些流程进行构建，一是原料与成品备货可采用存储模型；二是供应商供货和成品的运输网络采用线性规划模型；三是原料和成品仓储运作采用排队模型；四是生产配送中采用网络流模型（图论）。另外，在这些环节的局部作业中，这些模型也可以穿插构建，如运输网络中加上循环取货或者送货的路径问题，仓储作业中又存在资源配置问题等。总之，如果物流场景是灵活多变的，那么模型构建也就需要灵活处理。

三.仿真模拟在数字化供应链物流场景中的实现

1-存储模型实现需求拉动与存量的经济性反馈

库存本身是供应链中的要素，但是库存与库容紧密相关，进而影响到存储的面积。而存储的这个过程又分布在物流场景中的各个子环节中，如原料仓库需要存储，成品仓库需要存储，生产线边需要存储，在对仓库进行不同的细分，有的企业的配送中心就多达数十甚至上百个，所以货物的存储在供应链物流场景中随处发生。

| 存储活动的数字化场景表达：

在需求方提出什么时间需要多少货物，然后供方进行采购或者生产，在既定的时间内将货物交付到需求方手中。在这个过程中，结合判定采购或生产的周期与交付周期是否能够匹配，如果不匹配则需要提前准备货物库存。那么这些库存需要一个存储的场地，可以是仓库、堆场等任何一个可以进行存储的空间内，同时，这个过程是持续发生的。这个过程为了达到最经济的状态，便需要对其进行模拟运算，构建最合适的机制和最优的资源配置。

| 模型表达：

在存储中有两个模型非常重要，一个是安全库存，另一个是订货量，我们抽象来看，前者决定了存多少，后者决定的需要订多少。整个供应链系统可以看成是由这两个模型拉动，才有了其他模型需求的产生。

首先我们用一个标准的安全库存计算公式来看其中表达的逻辑。这里面有两个关键的变量，一个是提前期，另一个是需求量。从物流角度看，提前期L是对时间的限定，而需求量d是对数量的限定，而数量的单位可以转换为单位体积，因此是对空间的限定。标准差是提前期和需求量的偏差，可以看作是描述供应链系统均衡性的一个变量。关于均衡性的判定，通过标准差，可以进一步构建为变异系数C.V，因为是对一个货物需求量的偏差，不同货物之间难以进行对比，而通过调整为变异系数后，可以对不同货物间进行关联。

因此，我们可以看到在这个表达式中其实已经对供应链系统中的时间、空间和均衡几个重要的维度做了关联，输出的是空间变量SS。那么由这个表达式可以进一步延伸出一个关于存储空间占用的无穷个逻辑关系。

再看经济订货批量，经济订货批量中有几个重要的描述：R表示需求速度，t表示存储时间，C表示订购费用和存储费用，P表示生产速度。这几个变量中包含了对采购和仓储的成本约束，需求和生产率的约束，然后寻找到最合适的订货量，将效率、成本和时间与量构建了一个函数关系。

将安全库存与订货量结合来看，安全库存提供了一个触发的机制，而经济订货批量构建了一个要货量的机制，这个两个机制中同时又对时间和空间进行了约束，并且可以反映出系统的均衡状态，通过均衡状态可以反映出系统中的存储策略所消耗的成本，进而可以通过均衡性进行系统性调节，当然，也可以通过对于资源的限定进行局部调节。

以上所描述的是一种基本存储策略的形态，即：在安全库存拉动时，不允许缺货、生产需要时间环境中的基本模型结构。还有更多策略形态存在，也带来了存储论模型的各种变化，如对缺货的判定、供应时间的判定、需求量连续性的判定、定期订货还是定量订货的判定等。但从物流场景本身来说，存储活动中的关键输入是需求与到货提前期的量和偏差，再加上对生产（采购）效率与需求速度以及采购与存储成本之间的函数关系，找到最优的存储策略。

2-排队模型模拟节点活动的过程与节点作业能力反馈

供应链物流系统中，原料仓库和成品仓库都主要从事仓储作业的活动，只是不同类型实现不同的功能。首先原料仓储和成品仓储服务了不同的对象，前者服务于生产后者服务于市场。在仓储的功能分类中，有的是流通加工型，有的是存储型，也有的是中转型等，不同功能仓储活动有较大区别。但总的来说，仓储强调两个方面的能力：一个是存储能力，另外一个是出入库的作业效率。不同的仓库中无非是对这两方面的需求不同而已。

| 仓储活动的数字化场景表达：

根据订单的时间序列，每天产生需要进入的货物订单需求。随着入库货物和出库订单的下达，分配仓储中的资源对其进行处理。入库的货物给予分配场地（货位），由仓储人员和设备进行装卸和搬运，出库的货物由仓储人员和设备将其从当前位置中取出直至装车发运。整个过程在一个有限的三维空间设施中完成，强调以最少的资源投入和最快作业效率，以完成每天仓库中所接收的两种订单类型。

对于仓储内部的活动我们采用排队模型来对其进行模拟。其订单货物为队列，人、设施、设备为资源，作业方式为服务机制。

| 模型表达：

首先我们用排队论模型的语言来表达仓储活动，排队论中有一般形式的描述：X/Y/Z/A/B/C，其中，X表示顾客（订单货物）相继到达时间间隔分布；Y表示服务时间（仓储人员与设备的作业效率）的分布；Z表示并联服务台（同时作业的人员和设备的组合）的个数；A表示系统的容量（仓库容量），即可容纳的最多顾客（货物）数；B表示顾客源的数目（订单货物总数）；C表示服务规则（订单优先级）。

由此可见，这个模型机制中包含了仓储作业场景中需要去模拟的各种要素，如仓储活动需要的资源、仓库能存放的库容、每天有多少订单需要处理、资源的处理效率等，都包含在了模型中进行函数关联。

我们再看具体模型的输出表达：

一是等待时间和逗留时间。如果车辆在园区内装卸，没有及时的装卸，那么存在等待的时间，装卸的时间和等待时间加总是逗留时间。等待的时间越长对于园区面积的资源消耗越大，而装卸时间又取决于卸货的速度与调度的能力，因此时间变量也与作业能力有关。仓库内对货物的作业也同理。

二是资源的忙期和闲期。如果在人员和设备的投入中，用最少的投入实现高负荷的运转，那么对于仓储的经济性是比较高的表现，但如果人员和设备一段时间内处于满负荷，一段时间内处于闲置，这种状态显然经济性不够高。通过模型的模拟也可以输出资源的利用情况，另外还可以通过模型中输出的数据来观测仓储作业机制的作业能力强度，以便于选取一些生产力更强的自动化或者智能化设备。例如模型中构建了平均服务率的变量，再结合资源并行的数量和订单货物下达的时间间隔，进一步构成仓储系统服务强度的变量。

我们来看基本的排队模型：

其中几个关键变量：ρ表示服务强度，s表示资源并行的数量，L表示等待作业的订单货物数量，W表示等待时间，λ表示订单货物到达的时间间隔，µ表示服务能力（平均服务率），Z表示最优状态下的资源数和服务能力。

从这个模型中我们可以看到下列几种相应的仓储策略：

一是如果订单货物或者车辆到达的随机性强并且分布不均，那么仓储系统的资源调度和服务率难以得到保障，而通过计划调节队列数的概率有利于达到更高的仓储资源服务率，也相当于调整其队列分布的概率；

二是服务能力µ可以通过订单发生的概率和客户交付需求进一步模拟出最佳的取值区间，以判断仓储作业中是否需要增加人员或者引入生产力更高的自动化和智能化辅助设备。对于µ这个变量来说，还可以成为另外一个仿真模型的输出，如模拟自动化设备的分拣能力、搬运能力等，将其“封装”后与µ进行对接。

3-线性规划模型模拟网络活动机制与网络效率反馈

在采购物流和销售物流中，主要是对货物从始发地到目的地中关于运输周期、车辆资源与配载，仓库节点布局运输与配送策略等方面的数字化模拟。采购物流中是供应商到工厂端的运输网络结构，以产品原料为作业对象，而销售物流是从成品仓库到客户端的运输网络结构，以成品为作业对象。虽然都是网络化的结构，但是其中的作业模式和策略还是有很大差别。

| 采购物流运输网络的数字化场景表达：

在采购（供应）物流网络中，上万量级的原料从上千量级的供应商处始发，按照工厂的生产速度需求进行供货，运输的目的地可能是中间仓库和线边仓库以及直供生产线的几种不同的方式中的一种。近距离的供应商根据作业机制的构建，配送方式可能是A点直接到B点，也可能循环取货的方式进行配送。整个运输网络需要在控制缺货风险的情况下寻求总成本最优，其场景是在全球GIS的坐标系统中完成。

| 模型表达：

在采购物流网络中的仿真模型是以线性规划为基础，把对工厂所需要交付的时间作为约束条件，把多阶段的运输成本和中间仓和线边仓的建设与运作成本作为目标，再灵活根据企业实际的运作场景构建约束环境。其中还可以增加不同的供应模式，如JIT、MilkRun等模式，将其作为成本变量的函数表达式，这样的可以在模型引入更多可选择的策略。

在模型中我们可以看到其中x，y，z分别表示不同运输阶段中个每种物料的运输量，也是模型中的决策变量，需要通过模拟构建每种物料的流向与最优运输量。其中不同的上标标的C是代表不同的成本，如运输成本，仓储作业成本。这样就通过数学模型构建了以总成本最小作为目标的判定函数。如前所述，对于成本项仍然构建为其与作业模式的函数模型，通过不同的JIT、MilkRun等模式，以及不同的物料准入不同的模式，然后返回到成本变量中，这样对模型来说就更加能够指导实践。

在销售物流网络中，模型框架与与采购物流网络相似，但是描述场景内容有很大的区别。在仓库布局上，可能存在多级库存，也就是从工厂生产完成并运输到客户端，可能会经过NDC-CDC-RDC这样的结构，当然，通常在制造型的供应链体系的销售物流比流通型的体系相对简单，我们先按照制造型供应链网络进行说明。

| 制造型企业销售物流运输网络的数字化场景表达：

制造企业上千种产品从全国多工厂中生产完成，然后通过工厂端的成品库进行一定周期的存储，然后根据各地配送中心的库存需求将产品运输到全国乃至全球的各个配送中心，这是第一阶段的运输环节，这个环节中配送中心的需求量相对较大，整车集中运输比较多。各个配送中心根据区域内的客户订单进行配送，这是第二阶段的配送环节，这个过程客户的订单量要小于第一阶段，因此需要考虑到车辆配载与配送路径的问题。在整个过程中重点需要关注：第一，运输路径与成本问题；第二，仓库选址和布局在什么城市；第三，每种产品在不同仓库中的数量如何分配。

| 模型表达：

销售物流网络的模型与采购物流网络模型的目标函数类似，只是对于库存成本的要求高于后者，我们这里在前述模型中增加一个库存成本的判定。其中I表示产品的库存成本，x表示某种产品。另外，销售物流网络中存在仓库与仓库之间的调拨运作，该机制可灵活在模型中进行构建，这里就不再进行描述。

4-图论模型模拟局部流活动与最优路径反馈

在生产物流活动中的生产配送问题、销售物流活动中最后一阶段的配送问题，以及仓储中的分拣路径等都会用到图论中的模型或构造思路。整个过程中会涉及到多点到多点，并且各点之间是否连通的问题，进而形成矩阵关系，所以图论中的很多模型也属于线性规划模型，只是在构造的机制上与前面所描述物流网络中的线性规划有所不同。

| 数字化物流场景表达：

仓储拣选路径场景：仓储拣选活动是仓储活动中的一个重要子场景，在活动中，货物存放在货架或者地面上，拣货人员或者自动化设备需要按照货单进行行走到货物存放的位置进行拣选动作。为了提高作业的效率，减少行走的距离，需要根据每一次行走的路径对货物进行排序，设定一个最短的路径。

生产配送场景：生产需要物料供应时，物料会从货位拣选完成后配送至生产线，在这个过程中不同的工厂和车间配送的模式不同。有的是物料拣选完成后直接配送至产线，有的是拣选完成后经过集中作业再配送至产线，有的是拣选完成后由牵引车循环取货再配送至产线。总之，在配送过程中是多个资源（人或者设备），从多个始发点配送至多个目的点，中间存在多个路径节点，需要在这个过程中采用配送效率和经济性最高的方式进行配送。生产配送场景的复杂程度与其设施环境也有较大关系，如在多层结构的三维空间中要比单层空间的逻辑更为复杂。

车辆配送路径场景：当一辆车装载了多个配送点（城市节点或者网点）的货物时，一方面需要考虑哪些点的货物装载到一辆车上，另一方面需要考虑应该先配送到哪个点再配送到哪个点的路径问题。这种情况下需要综合考虑效率和成本问题。

上述的几种场景在数字化物流关于路径的作业中都需要进行仿真模拟，然后评估当前的模式的经济性以及模式的改进机会。这个模块与其他模块有一定的区别：

一是在整个供应链物流系统中，多个环节都可能存在路径问题。从前面的场景描述中也可以看出仓储、生产、供应与销售物流网络的场景中都存在不同程度的路径问题；

二是路径问题的仿真模拟既可能与微观的设施三维场景相关，也可能和宏观的GIS网络相关，需要从两者中提取坐标信息；

三是图论中关于路径优化模型也属于线性规划，但是其中所描述的问题和场景逻辑构造以及算法求解思路与其他场景中所采用的线性规划模型有较大区别。

| 模型表达：

我们用图论中最小费用流的基本模型来进行描述。在该数学模型中有两个特点：一是其属于基本的线性规划模型；二是场景是网络结构，运算以矩阵运算为主。在模型中，G表示一个网络，V表示网络中的节点，E表示节点连通的路径，C表示路线的容量，d表示单位流量费用，f表示一个可行流，W表示总流量。最后使得总费用最小。

通过这个变量描述，可以看出在整个模型主要是描述一个网络的连通状态，哪些路径是可以选用的，然后在这些连通的路径中，哪些路径串联起来是最佳的路线。这里需要说明的是，用图论的模型来模拟物流中的路径问题，其中的节点和流的流通频次远高于采购和销售物流网络中的运输问题。例如仓储中的分拣和配送的活动是按分钟持续发生的，批量更小，批次更多，数据量也更多。因此，在该模型的算法构建上与运输问题构建的方式有较大差异。