智慧物流的意义
前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇智慧物流的意义范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。
智慧物流的意义范文第1篇
关键词：联盟；关系治理；正式控制；机会主义行为
DOI：10.13956/j.ss.1001-8409.2017.01.27
中图分类号：F274；F252 文献标识码：A 文章编号：1001-8409（2017）01-0124-06
Abstract： Based on the survey data of 124 questionnaires from LSPs， this paper studies the effects of relational governance and formal control on managing opportunism behavior respectively and their interactions by adopting the Latent Moderated Structural Equations. Results show that， trust， commitment， formal control and output control can effectively curb the occurrence of opportunistic behavior， while the negative influence of joint action on opportunism behavior is not significant， opportunism behavior has a significant negative influence on alliance performance. Process control weaken the role of trust and commitment to reduce the opportunism behavior， output control is to strengthen the role of trust， commitment and joint action to reduce opportunism behavior.
Key words：alliance； relational governance； formal control； opportunism behavior
1引言
随着竞争的日益加剧、产品和服务在全球范围内的扩张，供应链上处于平行位置的企业逐渐倾向于采用联盟的方式获得竞争优势，即横向联盟。尤其是物流行业，配送范围和能力的局限性限制了只能为区域内的顾客提供物流服务，更需要与其他物流服务提供商（Logistics Service Providers，LSPs）形成联盟，以占领配送范围以外的市场份额、降低成本、提高服务质量和配送效率[1]。
LSPs进行横向联盟的目的是实现预期目标，但同时也面临着失败的风险。Das等指出联盟伙伴的机会主义行为导致横向联盟失败的比例达40%～70%[2]。LSPs之间服务业务的相似性以及各自独立的配送网络，使得相互之间的依赖性比较低，并且联盟后LSPs之间竞争与合作并存，更容易产生机会主义行为。有学者指出适当的关系治理机制是预防机会主义行为的有效方法，强调了联盟过程中伙伴间的责任、承诺和期望，促进了双方关系准则的建立、相互之间的依赖和联合行动[3]。而交易成本理论认为正式控制机制同样能够降低伙伴间机会主义行为，还可以通过契约弥补关系治理机制的缺陷。因此，为防范LSPs横向联盟过程中的机会主义行为，究竟是聚焦于一种治理机制，还是采用多种治理机制？以及治理机制之间的交互效应又是如何？这些成为横向物流联盟实践中亟待解决的问题。
关系治理来源于麦克内尔的关系契约控制理论和威廉姆森的双边治理结构观[4]，学者据此对关系治理和正式控制的关系进行了大量的研究，主要有3种观点。第一种认为关系治理与正式控制机制互为补充，联合使用两种治理机制可以更好地防范机会主义行为。第二种认为关系治理与正式控制机制互为替代。第三种是在互补和替代关系的基础上进行的延伸，少数学者认为关系治理和正式控制之间互补和替代共存，或者是既不存在互补关系也不在替代关系。但归纳而言，对于这种互补或替代关系的研究都是基于联盟整体进行的，而实践中，不同合作阶段伙伴关系的表现一般不同，比如，联盟运营过程阶段，同行竞争者为获取互a的能力和资源，在弱正式控制机制下会表现出相互之间的信任和承诺，并采取联合行动以期实现联盟目标；在联盟结果输出阶段，联盟伙伴又会为实现各自的利益目标展开竞争，此时就需要正式控制机制的约束以防范机会主义行为。
为区分不同阶段关系治理与正式控制的差异，本文基于联盟的过程将正式控制分为过程控制和结果控制，并引合行动作为关系治理机制的重要措施，分析不同控制机制下关系治理对联盟过程中机会主义行为的影响。采用对我国LSPs横向联盟调查得到的124份问卷，运用潜调节结构方程模型对关系治理、正式控制和二者的交互效应对机会主义行为的影响，以及机会主义行为对联盟绩效的作用进行了实证研究。
2理论依据及研究假设
21关系治理与机会主义
关系治理是与正式契约治理机制相对应的非正式治理机制，指合作伙伴为保证联盟过程的顺利进行而共享关系规则、监督和协调相互之间的行为，强调了内在规则和外在行为。内在规则包括信任、承诺、灵活性等规则，外在行为指合作伙伴联合行动和解决问题[5]。基于此，本文将关系治理划分为信任、承诺和联合行动。
Nyaga等指出联盟伙伴之间通过联合行动可以共享需求和行为期望，并在长期的联合行动过程中会逐渐形成共同遵守的行为规范[6]。这表明随着伙伴间联合行动的加强，提高了双方间的信任和有效承诺水平，双方能够更默契地联合解决联盟过程中遇到的问题，最小化关系交易成本，降低双方机会主义行为，提高联盟成功的可能性。实证研究表明，信任减少了伙伴间的投机行为，是防范机会主义行为的基础。Yang等指出在没有正式控制机制时，良好的信任关系能够有效促进联盟伙伴相互间的信息共享，降低信息不对称[7]。当合作双方相信联盟能够带来较多的利益时，愿意履行各自的承诺，自觉减少机会主义行为，并有学者指出承诺可以有效降低机会主义行为。另外，在共同设计联盟活动的过程中，当双方采取联合行动而频繁接触时，一方面有助于促进双方的相互理解、沟通，建立亲密的伙伴关系，培养共同的目标；另一方面双方可以相互监督和控制，这样联盟伙伴之间就比较容易进行协调与合作，及时发现对方的机会主义行为。因此，提出假设：
H1a：联盟伙伴间的信任降低了伙伴机会主义行为；
H1b：联盟伙伴间的承诺降低了伙伴机会主义行为；
H1c：联盟伙伴间的联合行动降低了伙伴机会主义行为。
22正式控制与机会主义
交易成本理论认为，正式控制机制同样是有效防范机会主义的手段。它主要是通过正式规则、制度、程序等契约来规范双方的合作行为，并对合作的过程、结果以及双方履行的责任、义务进行严格的监督[8]，即对联盟的过程和结果进行控制。其中，过程控制是指依据一定的契约规则来监控和指导联盟伙伴的行为以实现特定的目标，强调了对联盟过程中伙伴相关行为的监督；结果控制是对联盟伙伴合作结果的测量和控制，仅仅聚焦于最终的结果，并不关注结果是如何取得的[9]。
过程控制的实施会促使合作伙伴密切关注对方在合作过程中的行动，并提供相关支持，营造一种和谐的合作氛围；另一方面表明了联盟双方对联盟重要性的认同，可以激发双方建立长久的合作关系，降低联盟伙伴的机会主义行为[10]。结果控制主要是通过联盟伙伴按照事先制定的详细目标自觉实施对联盟组织有利的行为，这种“不干预”机制可以促使双方实现联盟目标过程中的行为自由达到最大化，减少相互之间的抵触行为。Kale等认为结果控制表现出了在没有连续监督的情况下，对联盟成员能力和合作意图的信任，有助于提高双方合作的积极性和组织承诺水平[11]。另外，无论是过程控制还是结果控制，都会事先制定明确的规则，并对违反预期的行为依据事先的规则采取相应的惩罚措施，在一定程度上降低了伙伴机会主义行为的动机。因此，在正式控制机制下，联盟伙伴会更加自觉地履行职责，建立良好的合作关系，降低机会主义行为的倾向。基于以上分析提出如下假设：
H2a：过程控制可以减少联盟伙伴的机会主义行为；
H2b：结果控制可以减少联盟伙伴的机会主义行为。
23关系治理和正式控制对机会主义的交互影响
联盟实践中，关系治理和正式控制机制各具优势，针对不同的情景，二者以其独特的治理方式可以产生不同的效果。Li等指出两种治理机制的同时使用可以弥补任何一种机制的不足[8]。但由于联盟过程的复杂性，不同的联盟阶段，关系治理和正式控制之间的关系也存在着显著差异，现有研究往往忽视了联盟的阶段性特征。本文基于联盟的过程将正式控制分为过程控制和结果控制，分析关系治理与不同类型控制的交互作用对机会主义行为的影响。
Liu等指出产生于高度信任、承诺下的机会主义行为可以通过正式的规则、标准等加以阻止，因为过程控制明确规定了双方的合作行为，并对机会主义行为进行严格的监控和惩罚[12]。过程控制的实施一方面激发了双方按照一定的规则进行合作的意愿，保证了联盟的初步运作，另一方面过程控制的制定和完善也是双方进一步了解的过程，促进了相互之间的信任。但面临环境的不确定性，双方通过长期的联合行动建立起的信任关系很容易被破坏，在这种情况下，过程控制机制则可以按照一定的规则约束双方的行为，产生并履行合作承诺，减少机会主义行为，并且还能够促进双方在环境不确定性困境下进行共同协调和合作，联手解决问题，甚至共同承担联盟损失[13]。这样双方便更愿意紧密地进行合作以履行各自的职责和义务，并在相互的接触过程中不断完善过程控制机制。因此，过程控制的制定和实施是联盟双方在信任、承诺和联合行动下进行自我保护的有效措施，不仅不会降低对方的信任和承诺水平，还可以有效防范机会主义行为。据此提出如下假设：
H3a：信任和过程控制的共同使用降低了联盟伙伴的机会主义行为；
H3b：承诺和过程控制的共同使用降低了联盟伙伴的机会主义行为；
H3c：联合行动和过程控制的共同使用降低了盟伙伴的机会主义行为。
结果控制的实施主要是聚焦于对联盟双方努力结果的测量和监督。在该阶段，联盟双方彼此之间已经比较熟悉，合作的范围、联盟的目标等都达成一致并形成良好的合作关系，相互信任并遵守各自的承诺，对双方联合行动的实施也达成了默契。在这种良好关系治理机制下，详尽的、正式的结果控制规则容易使双方相互不信任，造成双方的孤立和担忧，增加冲突，并且各自的利己行为和不信任很容易阻碍联盟的长期发展，导致双方丧失共同努力的动机。但另一方面，强制性的结果控制措施可以有效约束双方的行为，避免将合作伙伴的不努力行为转移到另一方，分享对方的劳动成果。并有学者指出当双方采取默契的联合行动获得了较高水平的信任和承诺时，适度的契约规则会促使联盟双方进行更加紧密的合作、沟通、协同解决问题、合理地分配利益。也就是说，关系治理和结果控制之间具有互补关系，提出假设：
H3d：信任和结果控制的共同使用降低了联盟伙伴的机会主义行为；
H3e：承诺和结果控制的共同使用降低了联盟伙伴的机会主义行为；
再者，从关系治理和正式控制机制的交互效应来看，信任、承诺、联合行动与过程控制的交互效应对机会主义行为的负向影响并不显著，与结果控制的交互作用可以有效降低双方的机会主义行为，并且联合行动只有在结果控制的交互作用下才可以显著降低机会主义行为。调查表明主要是因为联盟双方认为在实施联合行动的过程中，采取过程控制措施有可能造成双方的相互不信任，对联盟伙伴的监督和控制往往会被误解为相互之间的背叛，容易导致双方合作关系的中断，降低承诺水平，增加机会主义行为。而在联盟结果阶段的联合行动过程中，双方合作产生了一定的联盟利益，需要经常一起对联盟利益进行评估，识别并分析解决问题，而相互之间的信任和承诺容易降低双方对利益的自我保护意识，为机会主义行为的发生提供了机会，因此，此时采取一定的强制性结果控制措施对联盟的结果进行严格的监督和控制，可以促进双方积极参与、共同解决问题，避免机会主义行为。
最后，现有研究大多数是基于供应链上下游之间的纵向联盟强调了机会主义对联盟绩效的负向影响，而本文所探讨的是横向联盟中的机会主义行为，结果表明横向联盟中的机会主义行为对联盟绩效仍然有显著的负向影响。
避免机会主义能够有效促进联盟的成功，本研究有助于正确理解关系治理、正式控制对机会主义的遏制作用，明确了不同联盟阶段应采取的机会主义防范措施，强调了关系治理中采取结果控制对克服双方投机行为的重要性。但还存在一些不足，仅调研了物流行业环境下的横向联盟，而行业环境的不同有可能得出不同的结果。另外，联盟过程中，关系治理形式、正式控制方式均有可能发生改变，没有考虑防范机会主义措施的动态性。后续研究可以结合不同行业研究更复杂的治理形式及交互作用对机会主义行为的影响。
参考文献：
[1]Schmoltzi C， Marcus Wallenburg C. Horizontal Cooperation between Logistics Service Providers： Motives，Structure，Performance[J].International Journal of Physical Distribution&Logistics Management， 2011，41（6）：552-575.
[2]Das TK，Rahman N.Determinants of Partner Opportunism in Strategic Alliances：A Conceptual Framework[J].Journal of Business and Psychology， 2010，25（1）：55-74.
[3]Schmoltzi C， Wallenburg CM. Operational Governance in Horizontal Cooperation of Logistics Service Providers： Performance Effects and The Moderating Role of Cooperation Complexity[J]. Journal of Supply Chain Management，2012，48（2）：53-74.
[4]灿. 国外关系治理研究最新进展探析[J]. 外国经济与管理， 2012， 34（10）： 74-80.
[5]Claro DP， Hagelaar G， Omta O. The Determinants of Relational Governance and Performance： How to Manage Business Relationships？[J].Industrial Marketing Management，2007，32（8）：703-716.
[6]Nyaga GN， Whipple JM， Lynch DF. Examining Supply Chain Relationships：Do Buyer and Supplier Perspectives on Collaborative Relationships Differ？[J]. Journal of Operations Management，2010，28（2）： 101-114.
[7]Yang J， Wang J， Wong CWY， et al. Relational Stability and Alliance Performance in Supply Chain[J].Omega， 2008，36（4）：600-608.
[8]Li Y，Xie E，Teo H H， et al. Formal Control and Social Control in Domestic and International Buyer-supplier Relationships[J]. Journal of Operations Management， 2010，28（4）： 333-344.
[9]Das T K， Teng B S. Trust， Control， and Risk in Strategic Alliances： An Integrated Framework[J].Organization Studies，2001，22（2）：251-283.
[10]Nakos G，Brouthers KD.International Alliance Commitment and Performance of Small and Medium-size Enterprises： The Mediating Role of Process Control[J].Journal of International Management， 2008，14（2）：124-137.
[11]Kale P， Singh H， Perlmutter H. Learning and Protection of Proprietary Assets in Strategic Alliances： Building Relational Capital[J].2000，21：217-237.
[12]Lui SS， Ngo H.The Role of Trust and Contractual Safeguards on Cooperation in Non-equity Alliances[J]. Journal of Management，2004，30（4）：471-485.
[13]冉佳森， 谢康， 肖静华. 信息技术如何实现契约治理与关系治理的平衡――基于 D 公司供应链治理案例[J].管理学报，2015， 12（3）： 458-468.
[14]Wang ETG， Wei HL.Interorganizational Governance Value Creation： Coordinating for Information Visibility and Flexibility in Supply Chains[J].Decision Sciences， 2007，38（4）： 647-674.
智慧物流的意义范文第2篇
(一)我国智慧物流发展存在的问题
首先，我国物流企业规模较小，末端物流配送成木较高。当前，我国物流市场管理混乱，没有形成统一开放的现代化物流市场，活跃在我国物流领域的物流企业规模普遍较小，且布局分散，主要集中在城市地区，广大农村地区的覆盖率较低，同时缺乏向西方发达国家一样的龙头物流企业，难以形成产业集群。同时，我国跨境电商物流缺乏统一行业标准，如果跨境物流按照境内物流的流程进行运营，必然会耗费大量时间与资金。因此函需制定出一套适用于跨境物流行业的标准体系。另外，物流产业链末端配送成木高，且末端物流基础设施重复建设，无法发挥其最大效用。大部分物流采用将大城市作为企业发展的重心，耗费大量资金在这些城市建设仓库或者配送点。而对于稍微偏远一点的乡、村等地区的物流配送点建设不足，仅有几家大型物流企业可以在这些地区进行物流配送点建设。 其次，我国智慧物流信息标准制定进程缓慢，国家对跨境电商政策支持不足。基于物流信息标准化流程的智慧物流，不仅要求在物流软件、条形编码和全球定位系统上实现标准化管理，还要求在文件格式、数据交换以及信息接口方面实行统一的行、!不标准。而我国物流标准化体系建设并不完善，不同的物流企业各自为政，导致信息沟通不畅，制约了物流行业整体服务水平的大力提升。同时，与电商物流发达国家相比，我国对物流行业的扶持力度有待进一步加强。当前针对跨境电商的政策法规不完善，现行的《国务院办公厅关于促进跨境电子商务健康发展的知道意见》和《关于跨境电商务零售进口税征收政策的通知》只针对出人境产品的海关、税收、检疫等方面，远不能满足我国当前跨境电子商务的发展需求。另外，在我国经济高速发展以及物流市场的强烈需求背景下，仅仅依靠国际物流公司进行跨境电商业务是远远不够的，急需能够承担国际运输的大型物流企业。
再次，物流基础设置建设较为落后，素质的物流专业人才较为缺乏。随着我国物流行业的爆发式增长，智能感知技术被广泛应用到仓储、监控、仓库管理等运营环节，物流电商随时可以根据市场需求变化，自动调整商品库存量，进而在不增加人力成木的基础上，最大限度的降低物流管理成木，提升物流运营效率。依靠云计算、大数据等技术对“物联网络”进行管理与控制，智慧达到对物流产业更加精细与动态的管理效果，进而改善整个物流产业链，实现物流产业的升级与优化。但当前我国物流企业拥有的物流设备落后，企业之间的信息化连接不足，缺乏高效的货物仓管系统和追踪系统等现代物流服务信息系统，信息化平台建设不完备，信息孤岛问题严重。另外，我国发展现代化物流行业需要大量高素质的技术和管理人才，而当前我国严重缺乏网络通信以及现代物流信息化运作规律的高端人才，严重制约了我国智慧物流的长足发展。
智慧物流的意义范文第3篇
本篇集中讨论流转税（增值税，营业税），所得税在税务会计与财务会计的差异极其对经营活动的影响和在实务中的应用。在流转税中，集中论述了国内销售和国外销售会计做帐科目的区别，特别提到了在国外销售中出口退税的会计处理，举例说明，内容详尽，通俗易懂。在所得税章节中从平面铺开，在工资与折旧，利息与投资收益等方面详细阐述和对比了各种会计科目的处理方法极其区别，并对现行企业制度提出了有建设性的建议，希望本论文对会计活动和实际业务操作具有实际意义。
目录
一．总 论…………………………………(3)
二．流转税在两种会计制度中的差异.…..(5)
第一节． 概述……………………………………(5)
第二节． 国内销售………………………………(5)
第三节． 出口销售……………………(7)
第四节． 出口退税………………………………(8)
第五节． 营业税…………………………………(9)
三．所得税在两种会计核算中的差异.(10)
第一节．概述…………………………………….(10)
第二节．工资及附加费和折旧………...……. (10)
第三节．利息和投资收益……………….(12)
第四节．现代企业制度试点单位………… (13)
智慧物流的意义范文第4篇
关键词：智慧物流；供应链；制造业；大数据；物流
随着世界经济的发展和新兴技术的出现，智慧物流也应运而生。智慧物流是指在物流活动中运用大数据、物联网、人工智能、云计算等新兴技术，实现物流系统信息交流、企业及时获取货物的多方位信息，掌握货品的物流状态，监控货品的品质和物流活动。智慧物流需要对信息进行收集、传输、反馈、分析处理，因此，智慧物流可以分为基础层、感应层、传递层、分析层、决策层。基础层包括物流仓库、运输车辆等，这是物流最传统的基础设施；感应层是安装在车辆、货物外包装和仓库中的各种类型感应器，比如，光感器、远红外线、监控摄像头、湿度感应器等，能够将感应转换成数据；传递层是将感应到的数据通过网络传输设备传送到企业供应链物流控制中心；分析层是利用各种云计算软件和测评系统来分析所获得的数据，从而得出相关的结论；决策层是根据分析层的报告对企业战略做出具体的部署决策。其中基础层、感应层和传递层可以应用物联网技术，而分析层和决策层可以应用大数据和人工智能技术，从而实现了制造业物流的智能化。
1智慧物流在企业供应链中的发展现状
我国城镇化进程的快速发展，促进了智慧物流供应链规模的扩大。智慧物流能够最大化地将企业的生产数据进行整合和分析，从而制定更加合理的物流方案，提高物流供应链作业效率，在满足市场需求的同时，最大限度地降低物流成本。智慧物流中的人工智能技术，通过大数据汇总分析数据后，能够利用机器人手、光感应技术、计算机技术、物联网技术智能化地实现对物流供应链的管理与控制，具体而言就是将客户信息、订单信息、货物信息、运输车辆定位信息、承运车辆的运能、物流网络等汇总到企业物流供应链数据技术中心进行数据处理，经过云计算数据分析，得出决策依据，进而调整供应链的物流方案、调控物流运力、物流路线规划和物流承载力预测等活动。随着信息技术的迅猛发展，智慧物流的智能水平持续上升，从而实现了供应链从头到尾的管理，确保了供应链整个流程的数据可以查询，可以追溯。
2智慧物流在企业供应链发展中出现的问题
2.1物流要素资源共享协同程度低
当前，大多数企业都意识到将物流新兴技术应用到生产领域所带来的竞争性优势，因此都建立起了物流智能化项目。制造企业在供应链建设中需要进行多方产业协调，需要多个行业、多个领域的企业共同参与，物流各个环节中的企业合作协同才能共赢。如果盲目草率启动，缺乏相配套的物流优化环境，发展单一会导致效率低下。比如，一些企业引入了智慧物流的概念，但是企业的文化理念跟不上，战略先导不能带动企业文化氛围，使得企业不能够顺利推进和贯彻智慧化物流。企业之间B2B领域的物流环节，配送活动涉及众多因素，运力、车辆调度、路线优化、运输成本、路况等因素之间联系紧密，但是企业间缺乏协同，联系不足导致发展效用差别很大。在智能化仓储领域同样也存在入库、存储、分拣和保管、配货要素之间相互割裂，物流协作优势受到制约的情况。企业之间的信息共享化和协同化水平低，使得企业物流成本高、效率低，市场竞争力弱。
2.2智慧物流标准化不到位，监管不足
企业制造对商品信息化标准建设不足，这样商品信息的输入就会受限，供应链体系中信息互相割裂，产生信息孤岛，导致智慧物流的数据共享没有统一的标准。智慧物流中有很多新兴设施设备，但是设备的型号、规格缺乏统一标准，这样设备和设施之间的兼容性不足，影响了物流供应链作业的效率。企业出于自身经济实力情况和节约成本的考虑，在选择标准时也会有一定的倾向性，导致标准差异给物流活动带来了制约性影响，难以发挥优势。智慧物流下，大数据和物联网、云计算等IT技术的普及，使这个行业内涌入大量的物流行业参与者和利益参与者，所以急需继续健全企业的征信体系。当前物流行业市场秩序缺乏规范，存在真空地带，政策法规缺乏有效的针对性，现行的监管制度在智能货柜、无人机等无人化设备方面的规章制度不够健全，对智慧物流的发展产生了制度性障碍。
2.3新兴技术人才不足
智慧物流在制造业中涉及众多知识领域，比如，计算机、电子技术、自动化控制、大数据、图形图像、财务金融等，所以建设智慧化物流供应链需要大量的复合型人才。当前复合人才培养速度较慢，不能很好地满足物流人才队伍的需求。对于高效率、低成本的物流发展趋势，人才培养是一项急需的重要任务，影响着智慧物流供应链的建设。
3智慧物流在制造企业供应链中的建设策略
现今企业对物流的要求越来越高，客户对时效性、安全性、快速反应和环保都提出了高要求，因此现在的企业需要将众多IT技术，比如云计算、大数据、物联网等新兴技术，运用到企业采购、仓储、运输、配送、生产等重要的物流环节中去。结合智慧物流中的机器设备，比如，机器人手、自动导引运输车、AGV、RGV、无人驾驶配送机、自动配送车等智能化设备，实现企业物流的信息化和智能化、自动化。形成智能化的物流体系，是未来企业发展的方向。智慧物流不是单个企业的事，需要物流行业不同环节的企业共同参与，形成一个完整的智慧物流产业链，物流企业、行业相互补充从而实现协同发展。
3.1建立智慧化的仓储中心
建设自动化立体仓库，采用机器人手进行拣货和堆码作业，AGV、自动拣选机等设备，配合传感器、光感器等电子技术，对货物的入库、在库、堆码、拣选作业进行自动化的高效无人作业。通过空气传感器和光感器对空气中气体进行检测，当空气指标超标时发出警报，对不正常货物出入进行提示，提高了仓库的安全性和稳定性。将产品的入库、出库数量进行记录，汇入企业大数据库中，进行数据的分析和挖掘汇总，与企业的供应链系统、企业的资源计划ERP系统进行对接匹配，这样企业能够及时掌握真实的库存情况，了解存放时间、存放数量、批次等，合理地调节仓库的库存量，达到经济库存量水平。仓储过程实现智慧化仓储，能够对物流作业信息和库存货品信息全面掌握，协调管理。
3.2大数据下产品的物流监控
产品从生产到销售的整个过程，都有可能在某一环节出现问题、故障，为了能够追根溯源，我们需要对生产从原材料采购，半成品生产，产成品入库，到最终商品销售环节，建立起一整套完整的可追溯体系。同样追溯产品需要企业从采购、物流、生产、销售等多个环节同时进行，从产成品入库、包装、装车运输，到送货完成这些物流环节都需要保证信息是可以追溯的。产品的追踪可以双向进行，一方面产成品完工后，拥有自身对应的唯一编码，登记入大数据库中，对其后续的物流仓储、运输、销售和送货等环节进行记录登记，收集相关数据到数据库中；另一方面追溯该产成品的生产过程、原材料、供应商等信息，包括入库记录、库存保管记录、验收报告等。这样就保证了原材料与产成品的信息能够一一对应，一旦产品质量出现问题，可以追根溯源，找到问题所在，实现对每一环节异常情况能够提前预警、及时解决，从而降低了企业风险。
3.3物流供应链流程可视化
将摄像头、数据传输、视频监控等技术与企业物流技术相融合，比如，物流的GPS卫星定位系统、RF技术等，能够实现物流供应链全流程可视化。从采购原材料、仓储储备、配送车辆运输调度、物流在线调配等物流供应链全流程可以通过视频、音频进行实时传输和监控。比如，在货物运输过程中，GPS全球定位系统能够将产品在运输过程中的实时位置监控显示在企业控制调度中心，可以实现产品运行轨迹的及时调配和监控，当某地区对产品有紧急需求时，可以通过监控系统对产品的目的地进行及时调换和更改。如果在仓储中心或者物流中转站建立这样的可视化系统，能够配合视频检测系统，更好地对产品的质量、状态和异常情况进行及时监控。比如，在产品的外包装上、运输车辆上、集箱上安装监控设备、光感器、红外线感应器、温湿度传感器、压力器等，它们将接收到的信息转换成图形、字符信号传回企业，这样企业就能监控产品。
3.4供应链上下游控制智慧化
智慧化的供应链涉及上游供应商和下游销售商。在信息的传输上，上下游企业和制造企业需要在信息的传输、共享上达到及时、准确。因为当今的供应链数据信息数量大，更新的速度也很快，传统的供应链信息传递方式已经不能满足快速反应的需要。所以，需要利用新兴物流技术，比如，云计算、物联网、大数据等将上下游企业的信息进行汇总、分析、整合，实现整条线的信息共享。共享的信息从物流需求、原材料采购、产成品运输、货品仓储、市场销售、财务分析、战略决策等全方位地进行整合。一方面，企业可以利用下游销售商的共享信息、数据进行大数据分析，通过云计算分析出市场的销售情况、客户的需求情况，从而改善产品，调整产能，改进工艺，制定更加符合市场需求的生产计划；另一方面，企业将生产计划分享给上游供应商，原材料商能够据此精确地预测原材料供货量，从而明确交货期、制定合理的工业计划，尽量做到JIT生产和零库存，确保了整条供应链上生产的稳定性。
3.5智慧物流采购活动智慧化
原材料采购品质是企业面临的问题，采购品质难以控制，企业不可能对全部原材料进行检验，时间和经济成本都太高。大宗货物的价格变动频繁，一旦价格变动过大，企业会面临被违约、以次充好的困境，采购环节信息也不对称，企业面临着信用风险和价格风险。采用了智慧物流后，我们可以利用智慧物流的监控功能，在原材料仓储和运输过程中，运用感应器智慧物流实时监控采购的原材料货物的状态、温度、湿度和出入库情况，防止库存原材料的数量差异和在库原材料因为保管不当导致的变质和毁坏。在采购价格方面，运用大数据系统，将采购原材料的价格和市场上同品质、同地区的价格相比较，能够控制采购的价格，防止采购中舞弊的风险。
智慧物流的意义范文第5篇
关键词：智慧物流；数据挖掘；差异化服务
中图分类号：F250 文献标识码：A
Abstract： This article collects the research trends of smart logistics and data mining， and provides the theoretical basis for further research. Based on big data research field of vision， it analyzes the reason of logistics' enterprises exploring opportunity form the data under the pressure of competitive situation and“internet+”opportunity. The article studies the differentiation service method of logistics' enterprises from the establishment of high quality data availability set taking the theme of logistics service as the center and the competitive elements of smart logistics differentiation service.
Key words： smart logistics； data mining； differentiation service
2009年以来，智慧物流理念的提出，给物流业向“智慧化”转型注入了一剂强心针。各种冠以智慧名目的软件和解决方案不胜其数，对于物流企业而言，在享受智慧物流理念的同时，又深深陷入技术应用和业务发展的困局，即采用智慧物流技术之后，业务增长有限。与此对应的是，企业数据量大幅递增，带来了企业IT架构的不稳定。“互联网+”、大数据也在深深地刺激着物流企业的经营神经，如何跟上时代潮流，借助先进理念对企业业务进行升级转型成为了一个迫切需要研究的命题。
1 相关文献研究
1.1 智慧物流及研究动向
从现有文献来看，国内智慧物流理念从提出到引发激烈研讨，经历了以下几个阶段。2009年以前，相关文献使用物流智慧，或者将物流表述为一种智慧，对其展开了相应的研讨。宋则（2007）认为现代物流是一种人类协同合作“本能的智慧”[1]。2009～2013年，该阶段研究强调信息技术在物流行业的推广应用，将智慧物流作为物流信息化发展的较高阶段展开论述。王继祥（2010）指出物联网发展必将推动智慧物流的变革[2]。2014年之后，学者们结合智慧的内涵和外延，从管理角度对智慧物流进行了更加深入的研究。王之泰（2014）将智慧物流定义为是将互联网与新一代信息技术和现代管理应用于物流业，实现物流的自动化、可视化、可控化、智能化、信息化、网络化的创新形态[3]。
以“smart logistics”和“wisdom logistics”为关键词，检索google学术、Emerald数据库可以发现，2006年以前，国外学者往往以物流某环节的智慧（smart）为关键词展开论述，在研究时遵循着IT技术、RFID、系统软件开发的技术路线，同时沿着供应链管理的视角对物流相关环节进行研究。Peter Vervest， Eric van Heck， Kenneth Preiss， Louis-Francois Pau（2005）[4]认为智慧商业网络的实施需要对物流进行更加全面的改造，从而使业务流程更加模块化和动态化，以获得更为灵活的采购性能和资产效率。2006～2009年，国外学者围绕着物流具体功能环节，结合RFID、智能电话等信息技术的应用，进行了相应的研究。Veloso M， Bentos C， Pereira F C（2009）[5]等结合智慧运输系统，研究了感知技术和感知网络对物流的影响，并且论证了使用相关技术应用会对环境带来积极的变化等。2010年以来，国外学者逐渐将研究视野转向了行业应用、网络构建、大数据、信息管理体系、互联网融合、大数据等层面，逐步从原来的微观层面走向了中观，乃至宏观领域。Gubbi J， Buyya R， Marusic S等人（2013）[6]指出智能交通和智慧物流应该分别隔离成一个单独的领域，原因在于数据共享和IOT支柱环节实施的性质需要。
综合上述国内外参考文献可以看出，国内外学者的研究路线基本遵循着语义联想―技术应用―管理拓展的思路，从智慧源头开始，到相关技术应用于物流环节，再围绕RFID典型技术与物流的关系，然后再到产业融合等这样一个研究链条。略微有些差异的地方在于，国内学者对于互联网+、大数据和物流的研究兴趣要高于国外学者。
1.2 数据挖掘及研究动向
数据挖掘，又称数据库中的知识发现，是从大量的、不完整的、有噪声的、模糊的、随机的大型数据中提取隐含其中的、人们事先未知的、具有潜在价值的信息和知识的过程。按照数据结构进行组织、存储和管理数据的数据库技术，在过去60多年来产生了巨大的科技影响，与各行各业进行了有效的融合。泛在知识环境理念提出之前，数据挖掘的研究大多停留在基于结构化数据完成相关知识的描述和预测研究上。马志锋，刑汉承，郑晓妹（2001）基于Rough集的时间序列数据的挖掘策略，讨论了时间序列数据中的时序与非时序信息的获取问题[7]。Agrawal R（1993）等人提出了增量式更新算法[8]，Cheung DW（1995）等人提出了并行发现算法[9]。在数据挖掘方法层面，进行了关联规则挖掘、多层次数据汇总归纳、决策树、神经网络、可视化技术等模式、算法的研究。郑建国，刘芳，焦李成（2002）在分析人工神经网络基础上，将子波与已有的神经网络模型结合，提出了基于自适应子波神经网络的数据挖掘方法[10]。Furuta K（1990）提出了剪辑近邻法[11]。
伴随着大规模数据的增长，人类社会已经进入大数据时代，与传统的数据集合相比，大数据通常包含大量的非结构化数据，且大数据需要更多的实时分析。2011年全球数据量为1.82ZB，据估计2020年全球大数据量将达到40ZB。现有数据库架构在ZB数据规模量级下呈现出一种无能为力的状态。围绕大数据带来的数据量级规模的变化，国内外专家学者对数据挖掘的研究焦点出现两个支分支，其一是如何应对大数据挑战带来的数据类型多样，要求及时响应和数据的不确定层面。余伟等（2015）针对web中不同数据源之间数据不一致的问题，基Hadoop MapReduce架构提出了相应的自动发现算法[12]。Rakthanmanon T， Campana B， Mueen A， et al（2013）[13]提出了DTW（Dynamic Time Warping）法来研究大数据集下的时间序列数据挖掘算法，通过实证验证了可行性。其二，围绕数据量集增大，将数据之间的因果关系转向相关关系，进行相关业务模式、应用和策略等的洞察力研究。曾晖（2014）提出了构建大数据挖掘的管理层次和制度结构及相关解决方法，基于房地产工程项目进行了应用研究[14]。
综合上述文献可以看出，从技术路线上来看，数据挖掘围绕着数据规模量级的问题，遵循着解决数据本身的数据结构异同挖掘，再到解决数据挖掘的实时性技术路线。从商业应用来看，研究领域围绕数据规模问题，从原来的因果关系转向到相关关系，逐步将技术与行业应用进行融合的研究路线。
2 竞争态势和“互联网+”机遇倒逼物流企业从数据中探索机遇
智慧物流更强调物流供应链的匹配效率，进而实现供应链整体运作最优。匹配意味着双向配对，无论成员之间的物流服务水平高低与否，在时空效率的约束下，成员的物流服务能力信息必须充分展示在供应链合作伙伴之前，才能实现其与物流供应链的快速匹配。
对于物流企业而言，在一定的时空约束下，物流服务能力是其从事某种物流作业的内在能力表述。物流服务能力会随着业务的熟练程度增加而提升其水平，同样也会随着业务萎缩而固步自封，或者说降低其水平。
提供同质化服务的物流企业面临的竞争环境越来越恶劣，越来越多的物流企业希望摆脱这种尴尬局面。长尾理论告诉我们，这些以往忽视的长尾东西恰恰是我们后续进行差异化经营的变局法宝。企业必须充分重视数据挖掘的细分市场变量集，依靠这些充分挖掘出来的市场细分变量集，我们可以将市场进行无限细分，进而进行有效的目标市场定位，然后根据这些细分市场表现出来的特征，改善我们的物流服务能力，从而形成差异化服务。考虑到物流服务的时空限制，数据挖掘必须重视线上和线下的数据源。对于线下实体运作过程中产生的大量与业务相关联的数据，必须充分纳入NOSQL数据库中进行存储。对于线上数据信息，必须设定相关的情感主题，以充分挖掘物流服务过程中隐藏在不同数据结构类型中的特征信息，借助相关性的数据挖掘技术，对线上和线下两种数据进行细分市场变量集合挖掘，找出相关的细分市场变量结合，从而完成后续的细分市场细分工作。
“互联网+”时代激发越来越多的物流企业将经营目光转向互联网领域，目标是获取更多的经营机会。具体作业时，往往采用“人―机”交互模式进行网上交易信息的检索和分析，并未充分发挥智慧物流的优势，通过机器的自动学习方法来获取和挖掘交易信息。对于网络上的数据信息而言，分为Deep-web和surface-web两种模式，对应的数据结构也分为结构化数据、半结构化数据和非结构化数据形态。对于互联网而言，surface-web模式带来的数据呈现着爆炸性增长的状态，而这些数据背后隐藏的信息给相关经营者提供了大量的商机，只不过这些数据往往以文本、视频、图片等半结构化和非结构化的数据结构存在着。物流企业可以通过提炼自身物流服务能力作为KEY-VALUE，结合能够充分挖掘不同数据结构类型的智慧物流数据挖掘算法，在互联网上进行智慧性的数据挖掘，才能在有限的时间约束范围内，挖掘出匹配自身物流服务能力的物流业务集合。经营者所要做的是，根据自己的服务成本和盈利目标进行二次筛选，形成满足客户需求的信息，主动信息出击，快速完成与相应供应链的对接服务。
3 借用数据挖掘，谋求智慧物流差异化服务创新发展
3.1 以物流服务主题为中心，建立高质量的数据可用性集合
大数据时代的智慧物流运作更强调将数据作为企业的宝贵资源来看待，通过数据挖掘探索出适合自身良性发展的方法和路径，这就决定了数据可用性成为了智慧物流数据挖掘和物流服务有机互动的基础。
随着时间延续，智慧物流运作中的数据量级必然会大幅递增。Web空间和物理空间（如物联网）上的数据流，线下具体作业过程中的数据流等，呈现出不能完全满足数据可用性的特性。一旦数据可用性不足，则数据挖掘结果必然会弱化决策效果。
对于物流企业而言，考虑到目前大数据挖掘技术不成熟的现实约束，必须先将数据可用性这一基础工作落实，只有这样才能随着大数据挖掘技术的突破应用获得实时效益。数据确认工作十分困难，考虑到具体经营条件约束，物流企业可以采取如下路径来完善数据可用性工作。首先，分解数据可用性的五个性质，围绕服务能力，赋予不同的权重，设定相关的弱可用数据指标体系，收集整理弱可用数据集合。其次，以服务相关性为主题，将Web空间上的半结构化和非结构化数据作为收集、整理和存储的重心，为后续进行深入数据挖掘奠定基础。第三，将物理世界中的数据和服务作业现场的数据作为辅助支撑，按照数据可用性的完整指标，收集整理出高质量的数据可用性集合。此路径是一个循环往复的过程，会随着一项物流服务主题的结束，重新开始下一个循环。
3.2 利用数据挖掘，探寻智慧物流差异化竞争要素―细分市场
物流企业的经营思路着重点在于：首先要解决业务有无的问题，其次是开拓对自身有利的业务。对于技术应用而言，同样遵循这样一个规则，那就是无论技术先进与否，如果不能解决上述两个问题，企业也会弃之不用，遵循业务发展路径探索智慧物流数据挖掘和物流服务能力的协同路径会更具研究意义。
“互联网+”时代给物流企业带来了大量的业务机会，物流企业需要借助数据挖掘技术，突破时空限制，充分挖掘不同异构网络平台提供的各种各样的商机，寻求适合自己链入的供应链，完成业务增长任务，这是一种被动性的发展模式。
在被动性发展模式下，如何借助智慧物流数据挖掘，在时间变量约束下，快速找到适合自身物流服务能力的业务显得尤为重要。在进行智慧物流数据挖掘时，需要借助大数据已有的Hadoop MapReduce架构，完成智慧物流数据挖掘的快捷性布局；其次，以业务相关性为原则，基于Item-Based数据挖掘技术完善算法。即将现有物流服务能力进行提炼，转化成User特征值，将原有服务成功的物流业务和网上发现的离散物流业务转换成ITEM数据集，提炼关键词。第三，推测和演化ITEM和ITEM的相似度，构建USER-ITEM矩阵完成后续的智慧物流数据挖掘。在进行数据挖掘和物流服务能力匹配的过程中，不断训练和演化算法，以发掘商机为达成目标，可以有效地协助物流企业解决从互联网上发掘业务有无的问题，尽管这种路径有一定的意义，但是并不能改善物流企业需要谋求的差异化竞争态势。
其次，物流企业必须坚持主动性的发展模式，即挖掘出满意的细分市场之后，必须根据细分市场的需求特征来重构自身的物流服务能力，使供给与需求达到契合，不断地实践和磨练自己的物流服务能力，在细分市场形成竞争优势，从而形成差异性竞争优势。
构建足够大细分市场的前提条件在于能够获取独立于竞争对手所知晓的市场细分变量，这些市场细分变量的特征值往往隐藏在不同异构网络平台上的非结构化数据中，充分挖掘细分变量数据成为主动发展模式需要破解的难题。在此路径下，需要采用CONTENT-BASED和ITEM-BASED数据挖掘相结合的方法进行。首先，根据CONTENT-BASED数据挖掘算法，加入业务情感特征向量集，重构CONTENT-BASED的智慧物流数据挖掘算法，对互联网上的业务进行挖掘，找出业务集（无论是否被竞争对手完成）。其次，结合ITEM-BASED算法，对物流服务能力进行重构，依据时间快捷性和相关性原则，探寻适合的业务集。第三，设定时间段，对服务过的业务结合线下数据进行细分市场变量的可用性数据集进行推敲，将其从弱可用性转化为高质量的可用性数据集。第四，采用智慧物流提供的可视化技术对市场进行细分，探寻出满意的细分市场，根据细分市场呈现的需求特征重构自身物流服务能力，进而进入主动发展模式。
对于市场而言，并不是一成不变的，互联网时代随着信息日益公开透明，市场的变化速率将会比以往更迅速。对于积极进取的物流企业而言，需要不断地跟踪和监控已有市场，积极开拓细分市场，从而形成差异化竞争优势。
4 总 结
大数据时代已经悄然来临，数据将成为企业发展中重要的资源，充分借助互联网和大数据的技术优势，不断探寻新的商业模式，可以帮助企业尽快摆脱恶性竞争，形成差异化竞争优势。本文在收集整理智慧物流和数据挖掘相关文献的基础上，研究了竞争态势和“互联网+”机遇倒逼物流企业从数据中探索机遇的成因。接下来，论文从基于物流服务主题为中心，建立数据可用性集合，再到利用数据挖掘探寻智慧物流差异化竞争要素―细分市场方面进行了研究，并提出了部分方法。
参考文献：
[1] 宋则. “物流”其实是一种智慧[N]. 现代物流报，2007
-05-01（002）.
[2] 王继祥. 物联网发展推动中国智慧物流变革[J]. 物流技术与应用，2010（6）：80-83.
[3] 王之泰. 城镇化需要“智慧物流”[J]. 中国流通经济，2014，28（3）：4-8.
[4] Peter Vervest， Eric van Heck， Kenneth Preiss. Louis-Francois Pau： Smart Business Networks[M]. Springer， 2005.
[5] Veloso M， Bentos C， Pereira F C. Multi-Sensor Data Fusion on Intelligent Transport Systems[D]. University of Coimbra， 2009.
[6] Gubbi J， Buyya R， Marusic S， et al. Internet of Things（IoT）： A vision， architectural elements， and future directions[J]. Future Generation Computer Systems， 2013，29（7）：1645-1660.
[7] 马志锋，刑汉承，郑晓妹. 一种基于Rough集的时间序列数据挖掘策略[J]. 系统工程理论与实践，2001（12）：22.
[8] Agrawal R， et al. Mining association rules between sets Items in large Database[J]. Acm Sigmod Record， 1993（2）：207-216.
[9] Cheung D W， et al. Maintenance of Discovered Association Rules in Large Database： An Incremental Updating Technique[D]. Hong Kong： University of Hong Kong， 1995.
[10] 郑建国，刘芳，焦李成. 自适应子波神经网络数据挖掘方法[J]. 西安电子科技大学学报（自然科学版），2002，29（4）：474-476.
[11] Furuta K. Sliding mode control of a discrete systems[J]. Syst Contr Lett， 1990，14（2）：145-151.
[12] 余伟，李石君，杨莎，等. Web大数据环境下的不一致跨源数据发现[J]. 计算机研究与发展，2015，52（2）：295-306.
