姜家乐，陈 昕

校园物流数据分析与应用研究

姜家乐，陈 昕

（辽宁工业大学 汽车与交通工程学院，辽宁 锦州 121001）

针对校园物流中心运营利润薄弱的问题，提出利用对物流中心收货数据的收集，采用主成份分析的方法对物流中心收货的产品进行分析，分析出哪种产品物流中心收货量最大，对收货量最大的产品进行数据整理，采用非线性回归的方式对收货量最大的产品进行每周的需求预测。最后依据分析与预测的结果为物流中心运营提出决策，增加物流中心的囤货功能，每周囤必要数量的该产品，增加物流中心的利润的同时，快速满足辽宁工业大学师生的需求。

主成份分析；非线性回归；物流中心

物质生活不断丰富的今天，大学师生的需求也变得不断多样化，越来越多的人选择网购，这就直接促使越来越多的大学师生对快递的需求，同时也促进了校园物流的发展。

目前，校园师生网购呈现出如下特点：(1)作为高级知识分子的高校师生在面对极其丰富的网络商品时，更加注重自我，以自我的心里感觉作为先决条件进行购物。(2)师生在需求上呈现差异性，这就促使了网购需求的差异。(3)师生在购物时更多的强调购物的便利性和购物的乐趣，网上购物能够减少他们往返商场进行购物，网上购物减少了不必要的麻烦。(4)师生的消费需求具有层次性，消费的层次性是指消费者通过满足某一层次的需求，随即便开始另一层次的消费。

师生个性化的需求给校园物流中心带来来诸多的问题，如何提高物流中心的工作效率，降低物流中心成本，提高物流中心利润便成为了主要问题。目前大多数研究集中于物流中心选址以及物流中心运作方式，如钟诚的校园电子商务物流配送问题及其对策，分析了校园物流面临的问题以及可能的对策，王路的校园快递公司的构建与运作研究，提出了校园物流中心的运作模式，吕亚博的校园物流运作模式研究等，很少有文章对校园物流中心的数据进行分析。

本文基于辽宁工业大学物流中心多年发展积累的数据，分析辽宁工业大学师生的需求，为物流中心提供囤货策略，来提高物流中心的利润。

针对问题的研究，需要解决的问题主要有三个方面：(1)辽宁工业大学师生购物信息的收集。(2)数据的分析处理。(3)数据的利用。

本文中各商品数据都是以“件”为单位，每件的数量为统计数量的平均值。

1 数据的收集与预处理

通过调查发现，辽宁工业大学物流中心是一个占地面积约为120 m2的物流服务场所。分别设有两个部门，一个发件部门，一个配送，极大的方便了广大师生的邮寄快递的过程。一天有收货两批，上午一批，下午一批，每天大概的收货量大概在2 500件左右。本文对辽宁工业大学物流中心5月份的数据进行收集，将各种物品进行分类汇总，再进行筛选，选出几大类物品，分别为书籍文具、电子产品、食品、服饰以及化妆品，将其余的零散的小批量物品剔除，以下数量的单位均为“件”，汇总表格如下表1所示。

表1 物流中心收货情况汇总表

表1是经过预处理后，整理得出的数据，清晰的呈现了物流中心对各类物品每周的收货量。总的来看服饰占的数量较大，化妆品数量较少。

2 物流数据分析

如何从物流中心海量的物品品种中选择几种重要的品种是本篇论文首先要解决的问题。物流中心的收货物品品种很多，可以采用主成份分析法选出几个较重要的品种。主成分分析能够研究多个变量之间的相关性，变换原先的多个变量，建立尽可能少的变量，使新变量是两两之间不相关，但新变量在反映事物的信息方面却可以保持尽可能多的信息，这样便可以得到新的指标，通过新的指标就可以计算较重要的物品品类。

（一）玉米3-5叶期：50%乙草胺乳油80-100ml/亩，或33%除草通乳油100-150ml/亩，对水40-50kg，喷洒行间地表。

得到物流中心最重要的几类物品，就可以对这几类物品每周的收货量进行预测分析。但是由于物流中心每周的收货数量都是波动的，不可能直接建立方程进行预测。本文采用非线性回归分析进行预测，非线性回归分析能够通过一些离散的、但又所些关联的点中建立回归方程，方便后期的预测。主成份分析出主要的物品品种，加上非线性回归分析预测出每周的需求量后，就可以为后期的应用方案提供依据。

2.1 基于主成份分析法的收货品类分析

首先要根据收集到的物流中心收货数据，利用主成分分析法，将影响物流中心收货情况的多个变量通过线性变换以选出较少的一到两个重要变量。

利用spss17.0软件进行分析，这样就能够很容易的得到方差矩阵，如表2所示。

表2 解释的总方差

从表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%，总的方差贡献率高达96.587%，已经远远大于80%，足够代表原来的变量。为了能够计算各收货物品得分情况，还必须得到成分矩阵，成份矩阵如下表3所示。

表3 成份矩阵

主成分计算公式为：

F=a*Z1+2i*Z2+3i*Z3+4i*Z4+5i*Z5（1）

其中，系数1i、2i、3i、4i、5i是通过将成份矩阵中的数据除以相对应的主成份特征值开平方根得到的。通过计算得到各个指系数，如下表4所示。

表4 各主成分对应的系数

通过上述计算，就能得出的各主成份对应的系数，对于给定的数据，为了防止最终的分析结果受到量纲的影响，必须对数据进行归一化处理，归一化得到数据如表5所示。

表5 归一化后的数据

归一化之后，就能得到数值在-1到+1之间的数据，这样就能很方便的计算出各物品品类的得分。然后将数据代入到公式（1）中，就能得到各主成份值，得到各主成份值之后，就能计算各物品品类得分情况。将各主成分值代入到式（2）中。

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

表6 各品类得分情况表

从表6中可以看出，服饰的得分最高，食品的得分排第二。总的来说，辽宁工业大学物流中心的五项物品品类中服饰的收货量最大，食品的收货量排第二。但是由于服饰的品牌较多，每次物流中心收到的服饰产品都是单一品牌小批量的，所以如果对服饰实施囤货策略，当需求波动较大时，必将造成库存成本过高，所以本文不再对服饰进行分析。本文选取得分第二的食品类产品进行进一步研究。

2.2 食品类产品中的主要物品

如何从大量的食品类产品中选择具体几种食品和从物流中心中选择主要的物品品类一样，同样要对食品类产品进行数据收集，对收集到的数据进行主成分分析，分析出各具体食品的得分，然后进行综合排序，选择出前几种物品，为辽宁工业大学物流中心提供囤货策略。

首先需要对收集到的食品数据进行观察，排除错误的数据，选出几种收货数量较多的食品，然后对其数量进行统计，最终本文选出了樱桃、水果、零食和饮品四大类食物，由于樱桃数量较多，所以本文将它单独归类。食品类数据归类如下表7所示。

表7 食品类产品收货数据

数据收集汇总，处理完之后就可以进行数据分析了，再次通过主成分分析选出食品类物品中主要的产品，重复之前选择物流中心选择主要物品品类的步骤，得到主成份值如下表8所示。

表8 食品类别主成份值

得到了各种食品类别主成份值之后，就可以知道各类产品的得分情况，由于只选择了一个主成份，因此第一主成份值即为各食品类别产品的得分值，也就是=1，从表8中可以看出，水果的得分最高，零食的得分第二，其次是樱桃排第三，最后是饮品。

水果和零食得分比较高，但是水果和零食所包含的种类较多，调查起来比较困难，樱桃得分排其次，仅仅比零食低不到0.1，而且，樱桃的得分已经超过水果的得分的一半，樱桃只有单一品种，所以，本文选择樱桃作为物流中心囤货商品。

3 对樱桃每周的需求量进行预测

将樱桃作为辽宁工业大学物流中心的囤货商品之后，樱桃的需求量还无法确定还需要对每周的需求量进行预测，为物流中心对樱桃的囤货数量提供依据。由于樱桃每周的收货量太大，数据太少，所以如果利用每周的数据进行预测，很容易会造成预测不准确的现象，因此，本文选取每天的收货量进行预测，预测未来某天的收货量，把它当作未来7天的每天平均收货量，然后乘以7天，就可以每周的收货量。表9是通过对收集到的樱桃每天收货量数据进行筛选得到的数据。经过筛选之后，本文选取了20天樱桃的收货量数据，如表9所示。

从表9中，可以看出，樱桃收货数量最多的一天是第6天，收货量为396，最低的是第16天和19天，数量为零，这20天樱桃收货量在0到396之间波动。将数据导入到MATLAB软件，利用MATLAB进行线性数据模拟。经过MATLAB拟合后的曲线为：

表9 樱桃的20天统计数据

()=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为系数，其数值如下表10所示。

表10 系数值

拟合图形如下，如图1所示。

从图中，可以看出这20天里，樱桃的收货数量有所波动，波动趋势的比较平缓。曲线模拟完成之后，只需要将数据代入到公式（3）就可以求出接下来几天的樱桃需求量。经过非线性拟合分析，拟合出了需求直线，通过需求直线，可以很容易预测下周的需求量50.7968件，每件产品的数量为平时改件产品数量的平均值。物流中心可以根据预测出的需求量进行囤货，囤积必要的数量的樱桃。

图1 樱桃数量拟合曲线

4 结束语

本文以辽宁工业大学为例，提出了数据利用方式，需要注意的是，为了使预测结果更加准确，必须对每周的收货数据进行记录，然后每周都必须采用同样的方式对需求量进行一次预测。由于本文统计的数量不够，目前仅分析了樱桃的囤货决策，今后可以研究其他商品的囤货策略。

[1] 李聪. 物流信息大数据分析方法研究及应用[D]. 武汉:武汉理工大学, 2014.

[2] 刘兴中, 韩鑫, 黎荣. 基于数据挖掘的产品族规划方法[J]. 机械设计与研究, 2018, 34(5): 7-11.

[3] 陈湘芝. 基于需求预测的库存管理技术与系统研发[D].哈尔滨: 哈尔滨工业大学, 2015.

[4] 康兆妍, 闫翠珍. 提升大学校园物流配送效率模式研究[J]. 中国物流与采购, 2019(13): 50.

[5] 郭亚菲, 樊超, 闫洪涛. 基于主成分分析和粒子群优化神经网络的粮食产量预测[J/OL].江苏农业科学: 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

辽宁工业大学众创空间项目（产教融合的校园物流信息服务平台）2018年辽宁工业大学教改项目（2018011）

姜家乐(1997-)，男，湖北黄冈人，硕士生。

陈 昕(1972-)，女，辽宁铁岭人，教授，博士。

责任编校：刘亚兵