智能物流系统的相关理论及技术与应用研究

科技创新与生产力2011年4月总第207期物流业是国民经济发展的重要动脉和基础产业。2009年2月25日，国务院发布《物流业调整和振兴规划》，这是唯一入选的三产行业。2010年，我国社会物流总额达到125万亿元，是“十五”末期的1.26倍，“十一五”年均增长21%，而物流业增加值每多一个百分点，将增加10万个工作岗位。但据世界银行的估计，目前我国社会物流成本相当于GDP的18％，而美国20世纪就已低于10％。该比例每降低1个百分点，我国每年就可降低物流成本1000亿元以上。这从侧面反映了推进我国物流产业技术升级和产业结构调整的重要性和紧迫性。我国制造企业物流配送现状目前，我国制造业物流总额在社会物流总额中占到74.7%。可见，制造业挖潜的最大领域在物流。目前，我国大多数物流企业都停留在提供运输、仓储或货代服务的初级阶段，与国外现代化大型物流体系相比存在很多差距，具体表现在以下方面。物流业总体成本偏高。我国目前每万元GDP产生的运输量为4972t/km，而美国和日本的这一指标分别为870t/km和700t/km。我国物流系统各环节的衔接较差，运转效率不高。仅以货运汽车的生产率水平为例，美国营运汽车的单车吨年产量约为66万t/km，而中国这一指标仅为3万t/km左右。物流基础设施的配套性差，物流技术装备水平低。按国土面积和人口数量计算的运输网络密度，我国与美国、德国等还有不小的差距。在仓储设施方面，70％是普通平房仓库，现代化仓储比例极低。在搬运工具中，人工搬运车、手推叉车和普通起重设备占70％以上，而可视屏叉车等现代化搬运工具却很少。在运输工具方面，普通车辆占70％以上，而现代化的箱式货柜和集装箱拖头及特种运输车辆却很少。物流管理方法比较粗放。大部分物流配送和仓储储运，都是直接依据采购订单或合同，进行粗放式的简单规划和计划，无法依据供应链实时状态进行动态响应，无法形成科学合理、动态高效的集约式配送储存模式。对物流配送端到端全过程的实时状态无法做到有效监控，往往放大物料需求量，从而在上游形成牛鞭效应，增高了物料仓储和配送运输的成本。缺乏现代化智能化配送信息系统支撑。据调查，我国的物流服务企业中仅有39％的企业拥有物流信息系统，物流信息系统应用的落后已成为我国中小物流企业进一步发展的瓶颈。同时，物流企业也缺乏与制文章编号：1674-9146（2011）04－0013－06智能物流系统的相关理论及技术与应用研究胥军1，2，李金3，湛志勇2摘要：分析了我国制造业物流发展现状与问题，阐述了智能物流系统实现的基本思路，分析了智能物流的相关理论和技术，剖析了目前智能物流系统的应用案例。关键词：智能物流；蚁群算法；RFID；物联网中图分类号：TP180文献标志码：A（1.武汉制造业信息化工程技术有限公司，湖北武汉430074；2.东莞华中科技大学制造工程研究院，广东东莞523808；3.中南民族大学教务处，湖北武汉430074）［基金项目］广东省促进科技服务业发展专项计划项目（2010A040306002）收稿日期：2011－02－17；修回日期：2011－03－17作者简介：胥军，男，博士，信息系统项目管理师，湖北省机械工程学会理事，主要从事制造业信息化、电子商务、现代制造服务业研究，胥军博客：http:/blog.sina,com.cn/xujung。*重点关注SignificantAttention-013-SCI-TECHINNOVATION&PRODUCTIVITYNo．4Apr.2011，TotalNo．207造企业之间的实时协同机制，配送过程往往与企业的生产制造过程脱节，无法与制造企业之间建立即时响应、智能协作的实时联动机制。缺乏统一的物流信息共享体系。由于缺乏统一的共享体系、缺乏接口标准，企业内部物流信息系统与第三方信息系统之间缺乏有效衔接，运输信息系统、仓储信息系统、物流作业管理信息系统之间互不沟通。物流企业之间无法共享配送货运信息，无法协作分享货运业务，形成集约化共同配送，大多数小规模的物流企业都无法将物流配送过程的进展状态与供应链上其他企业进行即时分享。智能物流的基本概念与实现思路随着技术的日趋进步与日益成熟，智能标签、无线射频识别（RFID）、电子数据交换（EDI）技术、全球定位系统（GNSS）、地理信息系统（GIS）、智能交通系统（ITS）等纷纷进入应用领域。很多大型国际物流企业也采用了红外、激光、无线、编码、认址、自动识别、定位、无接触供电、光纤、数据库、传感器、RFID、卫星定位等高新技术，现代物流系统已经具备了信息化、数字化、网络化、集成化、智能化、柔性化、敏捷化、可视化、自动化等先进技术特征，这就是智能物流（IntelligentLogisticsSystem，ILS）。智能物流系统的概念与特点智能物流，是基于互联网、物联网技术的深化应用，利用先进的信息采集、信息处理、信息流通、信息管理、智能分析技术，智能化地完成运输、仓储、配送、包装、装卸等多项环节，并能实时反馈流动状态，强化流动监控，使货物能够快速高效地从供应者送达给需求者，从而为供应方提供最大化利润，为需求方提供最快捷服务，大大降低自然资源和社会资源的消耗，最大限度地保护好自然生态环境。智能物流的智能性体现在：实现监控的智能化，主动监控车辆与货物，主动分析、获取信息，实现物流过程的全监控；实现企业内、外部数据传递的智能化，通过EDI等技术实现整个供应链的一体化、柔性化；实现企业物流决策的智能化，通过实时的数据监控、对比分析，对物流过程与调度的不断优化，对客户个性化需求的及时响应；在大量基础数据和智能分析的基础上，实现物流战略规划的建模、仿真、预测，确保未来物流战略的准确性和科学性。智能物流系统的基本思路要真正实现智能物流，就必须要实现供应链企业间的信息分享和互动。而企业之间的核心联系纽带就是物品，以物品状态信息作为流动主体的物联网技术，正是构建覆盖供应链的全程智能物流配送的关键。通过物联网技术，能够实现供应链之间的信息无缝整合，从而构建统一的物流配送服务信息平台，在该平台上提供智能物流模式。1）通过物联网，使得物料信息在整个供应链上下游贯通，实现制造企业供销两端的无缝衔接。提高物流配送的即时性、准确性和有效性，实现低成本、按需供给的物流仓储模式。通过物联网技术将供应链上下游所有企业衔接起来，形成端到端的智能供应链物流配送服务流程，从而能够依据物流配送实时状态实现有效的配送。2）通过对等、实时、互动的商务网络传送手段，为生产供应企业、物流配送企业、物品采购企业之间提供即时联动协同的平台，从而围绕物品状态信息进行互通有无，即时分享，实时协作，统一规划。包括：信息分享，物品的生产状态、库存状态、配送状态等能够即时分享；计划分享，采购企业的物料需求计划、供应商的物料生产计划、物流配送的物流配送计划等都即时分享；规划协作，供应链上所有企业能够依据上下游的计划，规划本企业的物流配送策略和行动计划。3）通过物联网的智能感知、自动传送手段，使得企业能够对供应链物流全过程中的各个环节实现实时监控，及时掌握物流活动状态，并对状态进行实时响应、自动决策、智能应对。制造企业物流配送过程中的每个节点，都要依赖于其他节点物流状态情况实时应变。重点关注SignificantAttention-014-科技创新与生产力2011年4月总第207期4）通过物联网的协同分享平台，企业之间能够进行基于物流储运分享的协同配送和协同储运：物流企业之间实现有效地货运信息分享、货运资源分享，实现协作配送；供应链企业之间将储运资源在整个供应链范围内分享，一个企业能够利用供应链上其他企业的储运资源，提高运输配送效率[1]。智能物流的相关理论与关键技术物流作为一项社会活动，历史悠久。但物流系统却是伴随人们逐渐用系统的观点来认识和实践物流活动而产生、发展起来的。20世纪50年代，学者Howard在《物流航空货运的作用》一书中引入整体成本分析的概念评价运输手段，这是现代物流思想的雏形。20世纪70年代，MRP，MRII，JIT等供应链管理思想形成，物流系统的优化得到了更深入的研究，近年来，由于供应链的纵深发展和计算机技术的突飞猛进，现代物流逐步走向集成化和智能化。智能物流系统的相关理论由于经济全球化、竞争国际化的加剧，现代物流中存在越来越多的运筹与决策，而且由于外部环境复杂多变，从而导致运筹与决策的内容也日趋复杂，单是依靠物流管理者的知识是不够的，因此需要采用智能化技术，将管理者经验和专家知识相结合，将定性分析与定量分析相结合，提供高质量的决策支持。另外，由于供应链管理集成化的需要，要将物流系统同其他系统集成，共同构成供应链级的管理平台。因此，智能物流系统需要综合运用现代物流技术、信息技术、自动化技术、系统集成技术以及人工智能技术，以集成和优化为手段，将物流信息、物流活动、物流制品、物流资源以及物流规范有机集成并优化运行，在具体如何进行物流系统的调度优化方面，很多专家都提出了很多不同的数学方法，如启发式算法、遗传算法、蚂蚁算法、粒度计算等。启发式算法。启发式算法（HeuristicAlgorithm），是基于直观或经验构造的算法，在可接受的花费（指计算时间和空间）下给出待解决组合优化问题的一个可行解，该可行解与最优解的偏离程度不一定事先可以预计。之所以叫启发式算法，是因为人类受大自然的启发，从大自然的运行规律中找到了许多解决实际问题的方法，所以叫启发式算法。现在的启发式算法也有来自人类积累的工作经验。由于启发式算法的提出就是根据经验提出，缺乏统一、完整的理论体系，得到的解只是近似最优解，近似到什么程度，只有根据具体问题才能给出。启发式算法在半个多世纪的发展过程中，又衍生出了一些新的思想和算法，如贪婪算法、局部搜索算法、遗传算法、模拟退火算法、人工神经网络、演化算法等。启发式算法伴随着计算机技术的发展，取得了巨大的成就。遗传算法。遗传算法（GeneticAlgorithm），是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它由美国学者J.Holland教授1975年首先提出来的。其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向，不需要确定的规则。基本的遗传算法由初始化、选择、交叉、变异4个部分组成，其流程结构见图1。由于遗传算法的整体搜索策略和优化搜索方法在计算是不依赖于梯度信息或其他辅助知识，而只需要影响搜索方向的目标函数和相应的适应度函数，所以遗传算法提供了一种求解复杂系统问题的通用框架，它不依赖于问题的具体领域，对问题的种类有很强的图1遗传算法基本流程生成初始染色体种群计算个体适应度是否为最优解交叉选择高适应值的染色体进行复制给出最优解变异是否重点关注SignificantAttention-015-SCI-TECHINNOVATION&PRODUCTIVITYNo．4Apr.2011，TotalNo．207鲁棒性（即系统的健壮性，它是在异常和危险情况下系统生存的关键），已被广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。蚁群算法。蚁群算法（antcolonyoptimization），吸收了蚂蚁的行为特性，是新的仿生类随机型搜索算法，通过其内在的搜索机制，在困难的组合优化问题求解。它是MarcoDorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。蚁群算法和遗传算法均是基于种群寻优的自然启发式方法。蚁群算法是模拟进化算法，具有一种新的模拟进化优化方法的有效性和应用价值。通过正反馈、分布式协作来寻找最优路径。它充分利用了生物蚁群能通过个体间简单的信息传递，搜索从蚁巢至食物间最短路径的集体寻优特征，以及该过程与旅行商问题求解之间的相似性。得到了具有NP难度的旅行商问题的最优解答，见图2、图3。同时，该算法还被用于求解分配问题、Job-S