姜家樂，陳 昕

校園物流數(shù)據(jù)分析與應用研究

姜家樂，陳 昕

（遼寧工業(yè)大學 汽車與交通工程學院，遼寧 錦州 121001）

針對校園物流中心運營利潤薄弱的問題，提出利用對物流中心收貨數(shù)據(jù)的收集，采用主成份分析的方法對物流中心收貨的產(chǎn)品進行分析，分析出哪種產(chǎn)品物流中心收貨量最大，對收貨量最大的產(chǎn)品進行數(shù)據(jù)整理，采用非線性回歸的方式對收貨量最大的產(chǎn)品進行每周的需求預測。最后依據(jù)分析與預測的結果為物流中心運營提出決策，增加物流中心的囤貨功能，每周囤必要數(shù)量的該產(chǎn)品，增加物流中心的利潤的同時，快速滿足遼寧工業(yè)大學師生的需求。

主成份分析；非線性回歸；物流中心

物質生活不斷豐富的今天，大學師生的需求也變得不斷多樣化，越來越多的人選擇網(wǎng)購，這就直接促使越來越多的大學師生對快遞的需求，同時也促進了校園物流的發(fā)展。

目前，校園師生網(wǎng)購呈現(xiàn)出如下特點：(1)作為高級知識分子的高校師生在面對極其豐富的網(wǎng)絡商品時，更加注重自我，以自我的心里感覺作為先決條件進行購物。(2)師生在需求上呈現(xiàn)差異性，這就促使了網(wǎng)購需求的差異。(3)師生在購物時更多的強調購物的便利性和購物的樂趣，網(wǎng)上購物能夠減少他們往返商場進行購物，網(wǎng)上購物減少了不必要的麻煩。(4)師生的消費需求具有層次性，消費的層次性是指消費者通過滿足某一層次的需求，隨即便開始另一層次的消費。

師生個性化的需求給校園物流中心帶來來諸多的問題，如何提高物流中心的工作效率，降低物流中心成本，提高物流中心利潤便成為了主要問題。目前大多數(shù)研究集中于物流中心選址以及物流中心運作方式，如鐘誠的校園電子商務物流配送問題及其對策，分析了校園物流面臨的問題以及可能的對策，王路的校園快遞公司的構建與運作研究，提出了校園物流中心的運作模式，呂亞博的校園物流運作模式研究等，很少有文章對校園物流中心的數(shù)據(jù)進行分析。

本文基于遼寧工業(yè)大學物流中心多年發(fā)展積累的數(shù)據(jù)，分析遼寧工業(yè)大學師生的需求，為物流中心提供囤貨策略，來提高物流中心的利潤。

針對問題的研究，需要解決的問題主要有三個方面：(1)遼寧工業(yè)大學師生購物信息的收集。(2)數(shù)據(jù)的分析處理。(3)數(shù)據(jù)的利用。

本文中各商品數(shù)據(jù)都是以“件”為單位，每件的數(shù)量為統(tǒng)計數(shù)量的平均值。

1 數(shù)據(jù)的收集與預處理

通過調查發(fā)現(xiàn)，遼寧工業(yè)大學物流中心是一個占地面積約為120 m2的物流服務場所。分別設有兩個部門，一個發(fā)件部門，一個配送，極大的方便了廣大師生的郵寄快遞的過程。一天有收貨兩批，上午一批，下午一批，每天大概的收貨量大概在2 500件左右。本文對遼寧工業(yè)大學物流中心5月份的數(shù)據(jù)進行收集，將各種物品進行分類匯總，再進行篩選，選出幾大類物品，分別為書籍文具、電子產(chǎn)品、食品、服飾以及化妝品，將其余的零散的小批量物品剔除，以下數(shù)量的單位均為“件”，匯總表格如下表1所示。

表1 物流中心收貨情況匯總表

表1是經(jīng)過預處理后，整理得出的數(shù)據(jù)，清晰的呈現(xiàn)了物流中心對各類物品每周的收貨量?？偟膩砜捶椪嫉臄?shù)量較大，化妝品數(shù)量較少。

2 物流數(shù)據(jù)分析

如何從物流中心海量的物品品種中選擇幾種重要的品種是本篇論文首先要解決的問題。物流中心的收貨物品品種很多，可以采用主成份分析法選出幾個較重要的品種。主成分分析能夠研究多個變量之間的相關性，變換原先的多個變量，建立盡可能少的變量，使新變量是兩兩之間不相關，但新變量在反映事物的信息方面卻可以保持盡可能多的信息，這樣便可以得到新的指標，通過新的指標就可以計算較重要的物品品類。

（一）玉米3-5葉期：50%乙草胺乳油80-100ml/畝，或33%除草通乳油100-150ml/畝，對水40-50kg，噴灑行間地表。

得到物流中心最重要的幾類物品，就可以對這幾類物品每周的收貨量進行預測分析。但是由于物流中心每周的收貨數(shù)量都是波動的，不可能直接建立方程進行預測。本文采用非線性回歸分析進行預測，非線性回歸分析能夠通過一些離散的、但又所些關聯(lián)的點中建立回歸方程，方便后期的預測。主成份分析出主要的物品品種，加上非線性回歸分析預測出每周的需求量后，就可以為后期的應用方案提供依據(jù)。

2.1 基于主成份分析法的收貨品類分析

首先要根據(jù)收集到的物流中心收貨數(shù)據(jù)，利用主成分分析法，將影響物流中心收貨情況的多個變量通過線性變換以選出較少的一到兩個重要變量。

利用spss17.0軟件進行分析，這樣就能夠很容易的得到方差矩陣，如表2所示。

表2 解釋的總方差

從表2中可以看出，第一主成分方差占到了72.124%，第二主成分方差占到了24.463%，總的方差貢獻率高達96.587%，已經(jīng)遠遠大于80%，足夠代表原來的變量。為了能夠計算各收貨物品得分情況，還必須得到成分矩陣，成份矩陣如下表3所示。

表3 成份矩陣

主成分計算公式為：

F=a*Z1+2i*Z2+3i*Z3+4i*Z4+5i*Z5（1）

其中，系數(shù)1i、2i、3i、4i、5i是通過將成份矩陣中的數(shù)據(jù)除以相對應的主成份特征值開平方根得到的。通過計算得到各個指系數(shù)，如下表4所示。

表4 各主成分對應的系數(shù)

通過上述計算，就能得出的各主成份對應的系數(shù)，對于給定的數(shù)據(jù)，為了防止最終的分析結果受到量綱的影響，必須對數(shù)據(jù)進行歸一化處理，歸一化得到數(shù)據(jù)如表5所示。

表5 歸一化后的數(shù)據(jù)

歸一化之后，就能得到數(shù)值在-1到+1之間的數(shù)據(jù)，這樣就能很方便的計算出各物品品類的得分。然后將數(shù)據(jù)代入到公式（1）中，就能得到各主成份值，得到各主成份值之后，就能計算各物品品類得分情況。將各主成分值代入到式（2）中。

=(72.1/96.6)1+(24.5/96.6)2(2)

表6 各品類得分情況表

從表6中可以看出，服飾的得分最高，食品的得分排第二?？偟膩碚f，遼寧工業(yè)大學物流中心的五項物品品類中服飾的收貨量最大，食品的收貨量排第二。但是由于服飾的品牌較多，每次物流中心收到的服飾產(chǎn)品都是單一品牌小批量的，所以如果對服飾實施囤貨策略，當需求波動較大時，必將造成庫存成本過高，所以本文不再對服飾進行分析。本文選取得分第二的食品類產(chǎn)品進行進一步研究。

2.2 食品類產(chǎn)品中的主要物品

如何從大量的食品類產(chǎn)品中選擇具體幾種食品和從物流中心中選擇主要的物品品類一樣，同樣要對食品類產(chǎn)品進行數(shù)據(jù)收集，對收集到的數(shù)據(jù)進行主成分分析，分析出各具體食品的得分，然后進行綜合排序，選擇出前幾種物品，為遼寧工業(yè)大學物流中心提供囤貨策略。

首先需要對收集到的食品數(shù)據(jù)進行觀察，排除錯誤的數(shù)據(jù)，選出幾種收貨數(shù)量較多的食品，然后對其數(shù)量進行統(tǒng)計，最終本文選出了櫻桃、水果、零食和飲品四大類食物，由于櫻桃數(shù)量較多，所以本文將它單獨歸類。食品類數(shù)據(jù)歸類如下表7所示。

表7 食品類產(chǎn)品收貨數(shù)據(jù)

數(shù)據(jù)收集匯總，處理完之后就可以進行數(shù)據(jù)分析了，再次通過主成分分析選出食品類物品中主要的產(chǎn)品，重復之前選擇物流中心選擇主要物品品類的步驟，得到主成份值如下表8所示。

表8 食品類別主成份值

得到了各種食品類別主成份值之后，就可以知道各類產(chǎn)品的得分情況，由于只選擇了一個主成份，因此第一主成份值即為各食品類別產(chǎn)品的得分值，也就是=1，從表8中可以看出，水果的得分最高，零食的得分第二，其次是櫻桃排第三，最后是飲品。

水果和零食得分比較高，但是水果和零食所包含的種類較多，調查起來比較困難，櫻桃得分排其次，僅僅比零食低不到0.1，而且，櫻桃的得分已經(jīng)超過水果的得分的一半，櫻桃只有單一品種，所以，本文選擇櫻桃作為物流中心囤貨商品。

3 對櫻桃每周的需求量進行預測

將櫻桃作為遼寧工業(yè)大學物流中心的囤貨商品之后，櫻桃的需求量還無法確定還需要對每周的需求量進行預測，為物流中心對櫻桃的囤貨數(shù)量提供依據(jù)。由于櫻桃每周的收貨量太大，數(shù)據(jù)太少，所以如果利用每周的數(shù)據(jù)進行預測，很容易會造成預測不準確的現(xiàn)象，因此，本文選取每天的收貨量進行預測，預測未來某天的收貨量，把它當作未來7天的每天平均收貨量，然后乘以7天，就可以每周的收貨量。表9是通過對收集到的櫻桃每天收貨量數(shù)據(jù)進行篩選得到的數(shù)據(jù)。經(jīng)過篩選之后，本文選取了20天櫻桃的收貨量數(shù)據(jù)，如表9所示。

從表9中，可以看出，櫻桃收貨數(shù)量最多的一天是第6天，收貨量為396，最低的是第16天和19天，數(shù)量為零，這20天櫻桃收貨量在0到396之間波動。將數(shù)據(jù)導入到MATLAB軟件，利用MATLAB進行線性數(shù)據(jù)模擬。經(jīng)過MATLAB擬合后的曲線為：

表9 櫻桃的20天統(tǒng)計數(shù)據(jù)

()=1*^7+2*^6+3*^5+4*^4+

5*^3+6*^2+7*+8 （3）

其中，1、2、3、4、5、6、7以及8為系數(shù)，其數(shù)值如下表10所示。

表10 系數(shù)值

擬合圖形如下，如圖1所示。

從圖中，可以看出這20天里，櫻桃的收貨數(shù)量有所波動，波動趨勢的比較平緩。曲線模擬完成之后，只需要將數(shù)據(jù)代入到公式（3）就可以求出接下來幾天的櫻桃需求量。經(jīng)過非線性擬合分析，擬合出了需求直線，通過需求直線，可以很容易預測下周的需求量50.7968件，每件產(chǎn)品的數(shù)量為平時改件產(chǎn)品數(shù)量的平均值。物流中心可以根據(jù)預測出的需求量進行囤貨，囤積必要的數(shù)量的櫻桃。

圖1 櫻桃數(shù)量擬合曲線

4 結束語

本文以遼寧工業(yè)大學為例，提出了數(shù)據(jù)利用方式，需要注意的是，為了使預測結果更加準確，必須對每周的收貨數(shù)據(jù)進行記錄，然后每周都必須采用同樣的方式對需求量進行一次預測。由于本文統(tǒng)計的數(shù)量不夠，目前僅分析了櫻桃的囤貨決策，今后可以研究其他商品的囤貨策略。

[1] 李聰. 物流信息大數(shù)據(jù)分析方法研究及應用[D]. 武漢:武漢理工大學, 2014.

[2] 劉興中, 韓鑫, 黎榮. 基于數(shù)據(jù)挖掘的產(chǎn)品族規(guī)劃方法[J]. 機械設計與研究, 2018, 34(5): 7-11.

[3] 陳湘芝. 基于需求預測的庫存管理技術與系統(tǒng)研發(fā)[D].哈爾濱: 哈爾濱工業(yè)大學, 2015.

[4] 康兆妍, 閆翠珍. 提升大學校園物流配送效率模式研究[J]. 中國物流與采購, 2019(13): 50.

[5] 郭亞菲, 樊超, 閆洪濤. 基于主成分分析和粒子群優(yōu)化神經(jīng)網(wǎng)絡的糧食產(chǎn)量預測[J/OL].江蘇農業(yè)科學: 1-5[2019-11-07].https://doi.org/10.15889/j.issn.1002-1302.2019.19.056.

Research on Analysis and Application of Campus Logistics Data

JIANG Jia-le, CHEN Xin

（School of Automobile and Traffic Engineering, Liaoning University of Technology, Jinzhou 121001, China）

In view of the problem of weak operating profit in campus logistics center, this paper puts forward the method of principal component analysis to analyze the products received by the logistics center by collecting the receiving data in the logistics center. This paper analyzes which product logistics center has the largest volume, collates the data of the products with the largest volume, and forecasts the weekly demand of the products with the largest volume by nonlinear regression. Finally, according to the results of analysis and prediction, this paper puts forward the decision for the operation of the logistics center, increases the hoarding function of the logistics center, stores the necessary quantity of the product every week, increases the profit of the logistics center, and quickly satisfies the need of the teachers and students in Liaoning University of Technology.

principal component analysis; nonlinear regression; logistics center

F222.1

A

1674-3261(2020)02-0124-04

10.15916/j.issn1674-3261.2020.02.014

2019-05-23

遼寧工業(yè)大學眾創(chuàng)空間項目（產(chǎn)教融合的校園物流信息服務平臺）2018年遼寧工業(yè)大學教改項目（2018011）

姜家樂(1997-)，男，湖北黃岡人，碩士生。

陳 昕(1972-)，女，遼寧鐵嶺人，教授，博士。

責任編校：劉亞兵