QY球友会体育

ietm系统创刊！打造高水平学术交流平台

　　全球協同合作與線上線下渠道融合的發展趨勢給物流行業帶來了新的挑戰。發展智慧物流成爲了應對物流業務複雜度與數量不斷增長的可行解決方案。智慧物流技術，如物聯網、信息通訊和人工智能等技術，使得物流行業的運作更爲高效。然而，新興技術的應用也從根本上改變了物流行業的管理與經營模式。因此，關于物流行業智慧化的變革吸引力工程、物流、運輸和管理等領域學者的關注。其中，智慧物流運營管理研究主要涉及底層技術應用、業務邏輯、運營框架、相關管理體系、特定場景下的運作優化等問題。爲了對智慧物流運營管理的研究現狀及發展方向進行探索分析，本文對相關研究進行系統的梳理，並基于研究空白和行業實踐的需要，提出了該領域未來的研究方向。

　　由于商品經濟的快速發展，物流在供應鏈運營中變得越來越重要。2019年，全球物流總額達6.6萬億美元，增長9.1%。其中，受中國經濟快速發展的需求所推動，亞太地區擁有最大的物流市場份額。然而，零售和電子商務的蓬勃發展也給全球物流業帶來了挑戰。例如，2020年3月，全球物流包裹數量達到4360萬件，同比增長8.7%，其中60.75%的包裹來自中國。在物流總額激增的壓力下，2019年中國物流成本爲14.1萬億元，比2018年增長6%。同時，高額的物流支出也伴隨著資源利用率低的問題。據報道，中國物流業的物流空置率爲12.6%，倉庫閑置率爲15%，物流勞動力缺口爲20%。

　　與世界範圍內的情況類似，“智慧物流”時代的來臨促進了物流服務的能力和效率。通過大力推廣射頻識別設備（RFID）標簽、區塊鏈、大數據✅分析、人工智能（AI）、無人機等新興智能信息技術，物流行業正致力于實現物流自動化、可視化、可追溯和物流過程的智能決策（Barreto et al., 2017; Liu et al., 2018）。例如，物流公司UPS近年已投資10億美元用于開發物流技術，特別是專注于無人機交付領域。電子商務巨頭之一的亞馬遜以77.5億美元收購了機器人制造商Kiva Systems，用于建立自己的智慧物流系統。在中國市場，開發智慧物流系統已成爲阿裏巴巴、順豐、京東等中國主要物流及電子商務企業的首要戰略。

　　智慧物流的發展也得到了各國政府的大力支持，陸續出台了如表1所示的各類促進政策與專項項目。其中，發達國家，如美國、英國和法國，更加重視智慧物流的基礎設施建設，除了推進多式聯運的實施（如歐洲的跨歐洲運輸網絡計劃），信息基礎設施和公共信息平台的建設也引起了各國政府的關注。例如，美國交通統計局進行了商品流向調查，並將數據應用于城市交通走廊的規劃；與IBM、AT&T、Cisco等信息技術企業建立聯盟，共同開發信息化平台，實現物流信息化。德國政府與知名物流企業建立了物流聯盟，重點發展物流園區之間的信息網絡。在中國，政府出台了一系列産業層面的戰略規劃，涵蓋相關技術研發（R&D）、專項資金、行業標准等方面。這些舉措都證明了各國推進智慧物流建設的決心。

　　智慧物流雖然是物流變革的必然趨勢，但總體仍處于起步階段。技術不成熟、實施成本高、功能模塊不規範、缺乏通用的運營框架是智慧物流發展的主要障礙。這些問題也引起了學術界的關注。工程、物流、運輸、管理等領域的學者主要關注底層技術的研發應用、業務邏輯和運營框架、相關管理系統、以及智慧物流情景下的特定優化問題（Chu et al., 2018; Sarkar et al., 2018; Sarkar et al., 2019; Ma et al., 2020）。相關研究旨在推動✅智慧物流發展、提高物流運營效率，進一步滿足經濟發展與行業變革的需要（Yang et al., 2018; Feng et al., 2019）。在下文中，本研究將回顧智慧物流的相關文獻，並結合現代物流實踐分析未來的研究方向。

　　智慧物流，也被稱爲“智能物流”或“物流4.0”，來自于IBM提出的“智能物流系統”的概念。目前，智慧物流還沒有統一的定義，它通常被認爲是一種利用智能技術對物流活動進行更爲智能和高效的規劃，管理和控制的新方式（Zhang, 2015; Barreto et al., 2017; He, 2017）。如圖1所示，智慧物流所應用的技術，如物聯網、大數據分析和人工智能技術，使得其具有區別于傳統物流的四個特點。

　　（1）智能化：智能技術，如人工智能，自動化技術、信息和通信技術等，將應用于整個物流過程，以提高物流運營的自動化水平，實現一般物流管理問題的智能化決策。（2）柔性化：由于智慧物流能夠進行更准確的需求預測，更好的庫存優化和更高效的運輸路線規劃，使得其具更快的反應速度和更高的運作靈活性，增強其對未知問題的解決能力，從而提高了顧客滿意度。（3）物流整合：通過物聯網和信息通訊技術，實現了物流過程中各主體之間的信息共享，相關業務流程能夠進行集中管理，從而加強不同流程之間的協調性。（4）自組織：實時監控和智能決策使物流系統能夠在沒有人爲幹預的情況下運行，從提高物流運作的效率。

　　智慧物流是利用物聯網和智能信息技術，實現對物流全過程的實時監測、全方位控制、智能優化和自動化，以進行物流價值鏈整合和延伸的一種新模式。根據相關技術成熟度和物流運作模式的不同，智慧物流可分爲四個發展階段。

　　智慧物流的第一階段關注各個物流功能的智能化，如運輸路線優化、倉庫選址、基于智能算法的設施規劃和實時數據驅動預測。沃爾瑪和Codelong Technologies共同開發的零售AI生鮮系統就是第一階段的典型案例之一。在這個案例中，中國沃爾瑪所有門店的商品實時數據都是通過貨架掃描機器人和RFID技術收集。該系統具備弱監督的屬性，能夠自動識別各類商品，即使是存放在包裝袋裏的商品。有了這個智能系統，沃爾瑪的補貨、分揀和庫存監控等功能變得越來越智能和自動化。

　　智慧物流的第二階段強調整個物流運作過程的智能化。跨流程的資源分配對于實現每個物流職能的最大協同至關重要。因此，在此階段需要對每個物流過程進行實時監控，並進行與集成智能系統相協調的管理模式創新。其中，全球自主移動機器人（AMR）企業Geek+與上海西門子共同開發的“智能工廠”屬于這一階段的典型案例。在工廠中，大部分操作都是由物流機器人和人工智能調度系統完成。該系統實現了從收貨、質檢、入庫到倉庫搬運、出庫收集、生産線進料的全天候自動化操作。正如預測的那樣，該智能工廠的庫存效率提高了2.5倍，出庫效率提高2.15倍，存儲面積減少50%。

　　智慧物流第三階段旨在從供應鏈的角度實現物流過程的全面優化。這一階段的智慧物流通過創新與新興技術和運營模式相適應的新型業務流程、管理體系和綜合物流平台，在供應鏈參與者之間獲得更有效和高效的協作。這一階段的智能物流應用于一些大型跨國制造企業，如業務範圍涵蓋大部分供應鏈環節的西門子和海爾。其中，海爾互聯工廠實現了所有運作職能、海爾與供應商、分銷商、客戶之間的數字化連接，從設備、控制、車間、企業、協同五個層次構建了管理架構，加強了供應鏈夥伴之間的互聯互通和信息共享。

　　智慧物流的第四階段嘗試以智能技術和創新協作模式實現跨供應鏈的物流整合。在這一階段，並行的同質和異質供應鏈之間的資源配置優化成爲物流管理的主要任務。在中國，阿裏巴巴、京東等電商巨頭紛紛啓動智慧物流項目，大力投資自動化和智能化技術，並規劃建設具備冷鏈網絡、B2B協同物流網絡、衆包網絡和跨境網絡的城市物流樞紐。

　　爲了促進智慧物流的發展，管理領域的學者對其進行了兩個方向的研究。第一個方向是賦能技術應用的研究，主要對應智慧物流的第一、二階段（見圖2）。根據Porter and Heppelmann (2014) 的討論，智能物流具有四個漸進的功能，包括監控、控制、優化和自動化。爲了實現上述四大功能的智能化和提高整個物流過程的靈活性，這一方向的研究主要探索了應用人工智能、物聯網和信息通訊等新興物流技術的情景與方法（(Lee et al., 2018; Sarkar et al., 2019）。第二個研究方向則是基于海量數據的物流優化問題研究，致力于實現物流過程的整合和自組織。智慧物流能夠提供全面的實時數據支持，使得傳統的優化模型難以匹配新的物流情景，導致優化效率下降。因此，學者們開始關注新數據環境下的路徑、調度、規劃和網絡等方面的優化問題（Li et al., 2019b; Wang et al., 2020）。

　　人工智能、物聯網、信息通訊技術的發展和應用，賦予了物流行業實時追蹤、智能優化、自動化運作等新屬性和新功能。這些新特性從根本上顛覆了物流運營模式和管理框架，受到了學術界和工業界的關注。本小節主要對智慧物流中的新運營管理問題研究進行梳理分析，爲未來的研究提供思路，爲産業發展提供理論指導。

　　本小節回顧了新興技術對智慧物流影響的研究，相關研究主要側重于實現物流功能智能化的途徑。首先，智能監控的實現是物流優化和自動化的基礎，其在很大程度上依賴于智能技術的應用。以往文獻中提到的智能技術可以分爲物聯網、信息通訊和人工智能技術。這些技術的應用情景和特定的物流功能如表2所示。

　　在智能監控的支持下，在集成系統中充分利用監控所獲數據實現物流優化和自動化是下一個研究重點。因此，部分學者將研究重點放在了網絡物理系統（Cyber-physical System，CPS）的架構框架設計上。CPS是一個基于物聯網技術的智能物流系統，能夠將可感知的真實物流問題導入數字虛擬系統（Trab et al., 2017）。根據應用場景的差異，CPS將側重于不同的物流運作流程。已有文獻提出了針對生産、倉儲、越庫運輸路徑、調度、冷鏈和碳交易等物流流程管理的CPS系統框架（如表3所示）。CPS的典型例子之一是數字孿生（Digital Twin），即使用物聯網技術（例如傳感器和RFID）捕獲的物理信息對産品的生命周期狀態進行建模和仿真，提供物理系統的鏡像反射（Weyer et al., 2016; Tao et al., 2019）。通過基于各種計算智能技術（如Dijkstra算法、蟻群算法和雲計算）的高保真虛擬模型，數字孿生能夠實現更准確的預測和更高效的優化（Alam and El Saddik, 2017; Schluse et al., 2018）。

　　物流流程監測、控制和優化的實現爲物流自動化提供了所需的數據和決策支持。因此，物流情景識別、異構設備和系統之間的協同運作成爲了物流自動化研究的焦點（Breivold and Sandstrm, 2015）。由于智慧物流的研究是由現實需求所驅動的，因此大部分研究所提出的系統框架都基于現實案例並已投入使用（Levina et al., 2017; Trappey et al., 2017; Lee et al., 2018）。例如，Trappey et al. (2017) 結合UPS和IBM的案例提出了專利路線圖，將相關技術在感知（傳感器、GPS、RFID）和網絡（雲計算）層面進行區分，提高了實體物流服務、相關增值服務和銷售服務的智能化水平。

　　然而，智慧物流的高效伴隨著系統的安全問題，具體包括了硬件安全問題和信息安全問題。硬件安全主要指物聯網設備、黑客攻擊和系統網關的安全；而信息安全主要是指數據存儲、傳輸和訪問的安全（Kim et al., 2018; Fu and Zhu, 2019）。爲了解決上述安全問題，不同接口設備之間的認證機制和數據共享機制設計成爲物流運營管理的新興研究課題。

　　3.1節中提到的新興物流技術爲物流管理帶來了海量實時的數據，並能夠及時監測到不同物流單元之間複雜的瞬時交互，這爲物流優化問題帶來了新的優化情景。因此，學者們開始關注新物流情景下的傳統優化問題，以尋求充分利用數據支持並適應新物流機制的優化方案。

　　在物聯網、信息通訊等智能技術的推動下，智慧物流情景下的車輛路徑問題（Vehicle routing problem，VRP）研究出現了兩個新方向。

　　第一個新興焦點是處理動態優化問題的多目標模型和改進的智能算法。在模型類型方面，數據驅動模型和多目標動態學模型受到了越來越多學者的關注，因爲這些模型能夠處理數據的實時更新和多個運輸代理之間的協調問題。例如，Katsuma and Yoshida (2018), Wang et al. (2019)和Yao et al. (2019)開發了實時道路交通和聯網車輛狀況驅動的優化模型。車輛的連接也給VRP 帶來了複雜的協調問題。Eitzen et al. (2017) 和Anderluh et al. (2021)均爲VRP建立了多目標雙梯隊模型，以提高智慧城市物流的靈活性。兩個模型的目標函數都考慮了企業、居民、政府等利益相關者的需求；後者還考慮了車輛同步的情景。同時，智慧物流的VRP出現了對新模型優化算法改進的需求。已有研究通常引入啓發式算法和智能優化算法提高算法處理海量實時數據和複雜物流機制的效率（如表4所示）。例如，Chen et al. (2016)提出的多目標識別改進算法將時隙防碰撞算法與RFID沖突仿真結果相結合，以處理標簽的動態掃描數據。Lin et al. (2019)研究了物聯網中有能力約束的VRP，這是智慧物流中被廣泛研究的組合優化問題。該研究提出了一種新穎的順序感知混合遺傳算法，由改進的初始化策略和基于特定問題的交叉算子組成（Lin et al., 2019）。

　　第二個研究焦點來自于物理和地理空間定位技術的應用。已有研究指出這些技術帶來的數據使智慧物流中的VRP具有可視化、可預測、可控制的特點（Su and Fan, 2020）。然而，從這些智能系統中收集到的各種格式或非格式數據也給VRP研究帶來了新的挑戰。爲了充分利✅用這些數據，Borstell et al. (2013)提出了一種將光學車輛定位與物流VRP相結合的方法，該方法由平面標記檢測系統驅動；考慮到用戶需求覆蓋範圍、成本和准確性，這種方法的可行性已在三個內部物流場景中得到證明。Klumpp (2018) 使用地理空間數據通過概念框架和定量測試仿真來推進事前車輛路線規劃，經驗證，該方法可在經濟（降低運輸成本）、環境（減少運輸排放）和社會（減少司機的工作量和工作時間）方面帶來明顯優勢。

　　隨著配送中心的普及和對物流快速響應要求的提高，物流配送調度變得越來越複雜，而智慧物流的發展也對調度算法和數據處理能力提出了更高的要求。相關研究主要從物流機制與數據處理兩個方面對物流調度問題進行了探討分析，以適應智慧物流帶來的變化。在物流機制層面，在物聯網技術的支持下，實時數據在物流流程中可隨時被訪問，同時，設備之間的瞬時交互帶來了更爲複雜的物流協調策略（Zhang et al., 2019b）。因此，相關研究構建了具有實時數據驅動參數和超連接物✅流機制的動態模型，以解決智慧物流中的調度問題。Kwak et al. (2014) 和Hasan and Al-Rizzo (2020) 提出的物流調度改進模型考慮了資源條件、情景信息等實時數據和傳入任務的協調策略。Chen (2020) 進一步開發了與智能交互數據庫對接的物流管道調度系統，能夠同步所有在線連接設備的實時數據以及環境和人員信息。

　　爲了使模型適應海量數據處理的工作量，基于雲計算的物流調度研究受到了學者們的關注。通過這種方法，大數據任務在雲端執行，爲物流企業帶來更高的計算效率和更低的成本（Rjoub et al., 2019）。爲了實現基于雲計算的物流調度，學者們提出了將雲計算基礎設施集成到物流系統的網絡架構。例如，Nguyen et al. (2019)設計了一個三層架構，將調度對象、相關主體與雲端連接起來。Tuli et al. (2020) 提出了具有遞歸殘差神經網絡的隨機Edge-Cloud架構。此外，Liu et al. (2015) 和 Zhu (2018) 分別爲智能港口物流、協同物流配送以及建築用地物流開發了基于雲計算的調度系統。對于基于雲計算調度模型的具體算法，其中遺傳算法、群優化算法和花授粉算法在相關研究中比較流行。例如，Al-Turjman et al. (2018) 和Sun et al. (2019) 改進了基于雲計算的協同資源和物流配送路徑調度系統的群優化算法，以提高調度效率和容錯性。與此同時，Xu et al. (2019) 開發了智慧物流調度模型以及雙層混合遺傳算法，該算法在物流動態調度問題上被證明是優越和有效的。此外，Hu (2019) 提出了一種改進的花卉授粉算法，以在智能物流配送中心的選址問題中避免了傳統優化的局部最優性缺陷。

　　近年來，智慧物流系統的規劃問題也引起了學者們的關注，其中物聯網技術所收集的數據成爲了此方向研究的焦點。爲了挖掘數據資源的用途，Andersson and Jonsson (2018) 進行了案例研究和文獻回顧，探索需求規劃中實時進程數據的應用，並將相關數據分爲五個類別，對應八個應用領域。此外，Kovalsk 和 Micieta (2017) 的研究識別了必要的物流能力因素，並分析了使用跟蹤數據進行自動化物流規劃的靜態和動態方法的優缺點，爲解決智慧物流的規劃問題提供了方法支持。

　　從技術層面上應用數據是智慧物流規劃問題的另一個重點。Huang et al. (2019) 基于物聯網技術爲生産物流規劃提出了實時數據驅動的動態優化方法，以便監控動態制造過程，獲取實時信息。Li et al. (2019a) 將智慧食品物流系統中的集成規劃問題建模爲雙目標混合整數線性規劃模型，該模型通過新穎的基于S約束的兩階段叠代啓發式算法和模糊邏輯模型進行求解。所提出的方法被證明在最小化總成本和最大化食品質量方面具有更高效率。考慮到産品放置規劃中的安全問題，Trab et al. (2015) 提出了一種考慮監控環境數據的多代理模型，基于給定的協商和決策機制處理輸入數據，在布局規劃中通過減少浮動位置的大小來降低智慧倉庫中發生危險事故的風險。

　　跨供應鏈物流整合是智慧物流的最終目標，也是物流自組織實現的基礎（Chen, 2019）。通過物聯網技術連接，物流成爲了一個各類設備、各環節主體互聯的複雜系統。已有研究指出，物流系統，尤其是智慧物流系統，應該是一個複雜的自適應系統（Complex Adaptive System，CAS）。在CAS中，內部單元可以在一定規則的控制下自行實現物流系統從無序到有序的演進（Gallay and Hongler, 2009）。爲了識別這些規則，考慮基本系統元素的程式化模型被用于探索系統行爲的內部機制和潛在影響（Hongler et al., 2010）。使用這種方法，Kim et al. (2017) 確定了兩種不同的供應商合同庫存策略的機制和應用環境。Hongler et al. (2010) 建立了一個可解的程式化模型來探索交通中自主交互主體的協調模式。此外，程式化模型還可以用于設計物流網絡的框架，如Dong and Franklin (2020) 的物理互聯網概念框架。

　　在這些系統機制和自組織模式的支持下，學者們開始關注智慧物流的網絡優化，在優化研究中整合了智能技術和新興運營模式帶來的額外數據或鮮明特征。Liu and Wang (2016a; 2016b) 主要采用多層次物流供應網絡優化模型和兩階段建模框架進行供應網絡優化，前者基于顧客網頁評分數據進行聚類分析，得到顧客的個性化需求，並將其與顧✅客潛在需求進行整合，驗證了基于個性化需求的物流網絡優化是提高顧客滿意度和整體物流網絡服務水平的可行解決方案（Liu and Wang, 2016a）；後者進一步考察了物流服務供應網絡的訂單分配問題，基于顧客位置和點擊率大數據預測最佳交貨時間和顧客需求，構建了一個多階段（“大數據預測階段”和“模型優化階段”）的物流服務供應模型（Liu and Wang, 2016b）。Gan et al. (2018) 提出了一種考慮共享經濟的新型集約銷售物流網絡模型，其中客戶的物流偏好是利用大數據技術對客戶購物行爲進行分析所得；此外，該研究還提出了一種改進型區間Shapley值法，以在分銷網絡參與者之間進行利益分配，提高了利益相關者的滿意度，促進了聯盟的可持續發展。

　　全球協同合作與線上線下渠道融合導致物流業務複雜度與數量不斷增長，而發展智慧物流則成爲了應對這一問題的可行方案。物聯網、信息通訊和人工智能等技術不僅爲物流帶來了創新的功能，也改變了物流管理的模式。如何有效和高效地應用這些技術已成爲了智慧物流研究的主要問題。以往的研究大多探索了這些技術在不同物流過程中的應用，如提出了實時監控、情境感知控制等新的物流功能，解決有效性問題；智慧物流優化研究則更多致力于提高倉儲、配送、運輸等物流運作環節的效率。然而，已有研究提出的相關優化算法和管理系統是針對不同行業的特定場景所開發的，但考慮到智能物流作爲智能供應鏈的一部分，應兼容不同的流程和行業，因此，未來智慧物流的運營管理研究可以考慮以下幾個方面（圖3所示的藍色部分）。

　　（1）智慧物流的通用管理框架：智慧物流不是簡單的行業升級，而是物流行業的顛覆性創新。然而，大部分已有研究只是在原有管理系統的基礎上應用相關技術來增強某些物流功能。唯有將相關技術應用到促進不同物流流程以及物流與其它供應鏈流程之間的協作時，才能真正發揮技術對行業顛覆的作用，而一個通用的智慧物流管理框架則是指導技術合理應用的基礎。

　　（2）智慧物流的理論研究：缺乏通用的智慧物流管理框架是由于相關技術對當前物流運作的作用機制未被明晰。未來的研究可以理論層面分析某一類特定技術對物流運作的影響及機制。例如，學者們可以用信息系統理論分析內部物流信息共享如何影響物流運作績效。此外，還可以關注智慧物流的獨特屬性及技術應用如何影✅響其執行者的利潤和客戶的期望。

　　（3）智慧物流的可視化研究：已有文獻主要關注物流四大功能（監控、控制、優化、自動化）的智能化發展。物聯網技術雖然爲決策者帶來海量多樣的數據，但不恰當的數據展示可能會導致無關數據隱藏關鍵信息。合理的、人性化的物流信息數據可視化是提高決策准確性和運作效率的關鍵環節。此外，探索物流決策的關鍵要素和數據分析方法也能夠爲可視化設計及實現提供理論和方法支持。

　　（4）智慧物流與其他智能模塊的協同研究：智慧物流是智慧供應鏈、智慧交通、智慧城市不可或缺的組成部分，在邏輯上和功能上應與不同的智能模塊兼容（Chen, 2019）。因此，未來研究可以從不同智能模塊主體視角出發，探索智能物流與其他智能模塊的協作機制和方法路徑。此外，在優化研究方面，相關行業也需要針對自身的應用場景進行算法和集成模型的研究。

　　由教育部主管、高等教育出版社主辦的《前沿》（Frontiers）系列英文學術期刊，于2006年正式創刊，以網絡版和印刷版向全球發行。系列期刊包括基礎科學、生命科學、工程技術和人文社會科學四個主題，是我國覆蓋學科最廣泛的英文學術期刊群，其中13種被SCI收錄，其他也被A&HCI、Ei、MEDLINE或相應學科國際權威檢索系統收錄，具有一定的國際學術影響力。系列期刊采用在線優先出版方式，保證文章以最快速度發表。

　　高等教育出版社入選“中國科技期刊卓越行動計劃”集群化項目。Frontier系列期刊中：13種被SCI收錄；1種被A&HCI收錄；6種被Ei收錄；2種被MEDLINE收錄；11種中國科技核心期刊；16種被CSCD收錄。

　　特別聲明：本文轉載僅僅是出于傳播信息的需要，並不意味著代表本網站觀點或證實其內容的真實性；如其他媒體、網站或個人從本網站轉載使用，須保留本網站注明的“來源”，並自負版權等法律責任；作者如果不希望被轉載或者聯系轉載稿費等事宜，請與我們接洽。

　　FIE 前沿研究： 新型BiOI/WO3納米片光陽極光電催化分解硫化氫同步産氫、産硫