基于DSM模型的智能配送系统功能模块划分研究

温平川，高辉辉

（重庆邮电大学 经济管理学院，重庆 400065）

0 引 言

智慧物流是现代智能技术与物流行业紧密结合出现的趋势和必然结果，随着智慧物流的快速发展迫切需要设计出高效的智能配送信息系统平台。功能模块层作为配送系统的核心，其功能最终要经过各个服务模块的相互作用才能发挥系统的最大效用。按照松耦合、高聚类的原则，对系统定义的服务活动进行分类、归纳、总结，划分成多个服务模块。这样各个服务模块就会保持一定的独立性，便于对系统进行调试、后期维护和更新管理等。同时对系统服务活动进行模块划分之后，能够最大程度地降低系统开发的复杂度，缩短系统开发周期，最终提升系统整体运行质量。当系统功能模块划分不恰当时，就会出现各个子模块之间联系混乱，难以以合理的方式对其功能实现集成，导致相关服务对象产生额外的信息交互行为，最终会增加各个交易主体之间的沟通商谈时间，无形之中降低了物流配送运作效率。

目前相关学者对功能模块划分的研究工作主要有：蓝莓（2017）根据客户对网络外线管理系统的相关业务需求，将系统功能划分为五大模块；马薇（2016）以用户的需求为导向来进行系统功能的模块化划分；辛龙翔（2014）从安全性评价、考试系统使用情况及反违章等方面来对电力安检系统进行功能模块设计。根据上述文献可知，目前对于系统功能模块划分基本都是根据用户和业务需求来进行，其划分主观性较大。现有研究不能对于各个功能模块之间的联系程度进行量化处理，难以把握各模块之间的信息交互联系程度，因此造成了模块划分出现混乱，最终会使系统功能出现冗余，运行效率低下，难以有效处理一些复杂业务。

为了更好地解决目前功能模块划分中存在的上述问题，本文在前人的基础上，引入了设计结构矩阵（DSM）模型进行系统服务活动的矩阵建模，再按照一定方法对服务活动进行分块划分，最后对划分结果进行综合评价，得出最优模块划分方案。

1 业务建模及相关服务活动定义

智能配送系统功能模块设计往往需要以用户的实际需求为依据，这样系统才能被广大用户所接受，系统才能真正实现其社会价值。为此首先应该要对用户的需求进行业务建模，分析各个主体与系统进行信息交互的一系列操作行为，进一步锁定系统需要提供的服务活动，构建系统业务模型。智能配送系统功能服务模块依据面向对象不同可以划分为两部分：一部分是面向过程的服务，指系统提供的信息动态交互、数据统计、费用核算、智能信息提醒等服务。另一部分是面向实体的服务，本文中的实体主要是指系统服务的相关主体和客体，主要是指货物、货主、物流企业、司机及其他物流相关基础设施等，系统服务活动的定义将以业务模型为基础，将用户在系统中进行的一系列操作进行归类，具体见如图1至图3所示。

图1 货主与系统的交互行为

图2 运输人员与系统的交互行为

图3 物流企业与系统的交互行为

根据上述各主体与系统的交互行为分析，则接下来将系统的服务活动定义如表1所示。

2 智能配送系统功能结构DSM模型建模

DSM模型首先是Donald Steward（1981）用来研究各设计工作中每项任务之间的信息流交互情况，通过引入联系信息流量这个评价指标对各任务之间的联系强度进行量化。后来各学者专家在此基础上发展和优化，目前该方法主要应用于复杂产品的开发、设计及信息系统模块化划分等方面。

配送系统功能模块中DSM模型是由一组按照一定顺序排列的行列元素所形成的矩阵，矩阵中的每个行列元素分别对应系统中所定义的服务活动；然后对服务活动进行聚类划分之后形成相应的功能模块。设计结构矩阵中对角线上方单元格值（即刻度权重值）表示元素之间的反向关系，而下方的单元格值表示各元素之间的正向关系，对角线上的单元格及空白单元格表示没有联系（即刻度权重值为0）。

本文中DSM模型主要包括两个部分：功能模块内部各服务活动之间的联系、功能模块与其他功能模块之间的联系。根据服务功能结构的特征及DSM方法的内涵，则按照下面步骤对DSM系统功能模块建模：（1）将表1定义的服务活动按照一定的联系性和方向性确定行列元素排序，即形成二值标识矩阵；（2）由每个行列元素之间的信息交互程度，确定相应权重值，得到实值方阵；（3）对实值方阵进行进一步的核对，检查权重值无误后，最终得到初始DSM矩阵。根据各元素之间的联系程度，使用四点刻度法来描述各个元素之间的联系强度大小。如表2所示。

通过对智能配送系统各服务活动之间的联系程度得到相应的权重值，然后按照上述方法步骤可以得到初始DSM矩阵，如图4所示：

3 聚类划分步骤及评估方法

经过上述建模得到了初始DSM矩阵，接下来就对其进行聚类划分，从而得到最优的功能模块方案。在本文中的DSM模型，行列服务活动分为三类：普通聚类元素、独立聚类元素和Bus聚类元素。独立聚类元素是指存在这样一些元素，它们与其他行列元素联系程度比较低，独立聚类元素组成一个独立聚类；Bus聚类元素是这样一种元素，它与很多元素信息交互程度都很高，整个Bus元素形成一个Bus聚类；在DSM模型中，前面两类元素之外的那些元素，就是普通聚类元素（简称聚类元素），普通聚类元素组成的聚类则称为普通聚类（简称聚类）。

表1 智能配送系统服务活动及内容定义

表2 四点刻度权重及含义

对智能配送系统中服务活动进行聚类划分的目的为：（1）每个功能模块（聚类）尽量独立于其他模块，也就是要实现各模块之间的信息交互程度最小化或彻底淡化；（2）对模型矩阵中的元素进行最佳聚类划分，最终确定系统功能模块中的最优划分方案；（3）对于Bus聚类而言，应该增强其与普通聚类之间的信息交互程度；（4）对于普通聚类而言，其内部各元素之间的信息交互应尽量存在于方阵内部，这样就能避免与其他聚类之间产生冗余的信息交互。

3.1 聚类划分步骤

在DSM矩阵中进行聚类划分的详细步骤如下：

图4 初始状态下DSM实值矩阵

步骤1 弱联系粉碎。对初始化的DSM矩阵实值矩阵进行聚类划分时，对弱联系元素之间的信息交互权重值（即刻度权重值＜2）暂时降为0，待聚类划分完成后再将粉碎的权重数值还原到模型矩阵内。

步骤2 独立元素暂时隔离。在前面经过弱联系粉碎后的DSM矩阵基础之上，找到矩阵中所有的独立元素（即所在行列刻度权重值都为0的元素），将其暂时从矩阵中剥离出来，待聚类划分之后，则将独立元素放在矩阵中行列元素的最前面。

步骤3 行列元素变换。根据DSM模型方阵中非零单元格与对角线的分散与集中程度，进行行列元素变换（即当行元素变换时，对应的列元素也相应变换）。通过多次反复变换，当非零单元格聚集在对角线位置最多时则停止变换。

步骤4 找出Bus聚类元素。根据上述Bus聚类元素的定义锁定其位置，然后将其放置在DSM模型矩阵的最后方。

步骤5 聚类划分。经过上述几步操作，大部分聚类元素都已经尽量接近模型矩阵对角线了，然后根据靠近对角线的密集程度将普通聚类元素划分为多个模块，尽量使非零单元格位于聚类里面，此外对于聚类划分的数量应当控制在一定范围之内。步骤6 将在步骤2中分离的独立元素排列到DSM矩阵中的最前方。步骤7 将步骤1中被粉碎的弱联系单元格数值还原至DSM矩阵中。

3.1.1 聚类划分方案

将前面图4中的初始DSM矩阵经过上述聚类划分步骤后最终得到如下模块划分方案，如图5至图8所示：方案一：

图5 系统功能模块划分方案一

方案二：

图6 系统功能模块划分方案二

方案三：

图7 系统功能模块划分方案三

方案四：

图8 系统功能模块划分方案四

3.2 联系信息流量计算方法

系统服务活动经过上述聚类划分之后形成了若干个功能模块方案，需要建立有效的评价指标对这些方案进行逐个评估，最终从中选取最优功能模块划分方案。本文引入“联系信息流量”指标来衡量各个方案的优劣程度，它是指在系统功能模块设计中，模块内部各服务活动及模块之间信息联系的总量。这个指标用来全面量化功能模块中各服务活动及模块之间的联系强度。通过计算每个方案联系信息总流量，然后从中选取计算结果最低的方案，确定为本系统中最终的功能模块设计方案。

在一个系统功能结构模块DSM模型中，联系信息流量由Bus类联系信息总流量及普通类联系信息总流量组成。其中，Bus类联系信息流量由Bus聚类与普通聚类之间的联系信息流量及Bus聚类内部联系信息流量所构成；同样，普通聚类联系信息流量由普通聚类之间的联系信息总流量及普通聚类内部联系信息流量所构成。

本文中的联系信息流量具体计算过程如下：

3.2.1 假设条件

为了更加客观地反映系统功能模块的联系强度，本文对于联系信息流量的计算做出如下假设：（1）两聚类之间联系信息流量与其规模之和呈正向变动关系；

（2）行列元素之间的联系信息流量与矩阵单元格中的刻度权重数值呈正向关系；

（3）聚类内部的联系信息流量与聚类的规模呈简单线性关系；

（4）模型中Bus聚类最多为一个。

3.2.2 参数定义

S：DSM模型矩阵中行/列服务活动的总个数，即模型的总规模；

di，j：第i行第j列单元格i，（）j的值，即第i行与第j列元素之间的刻度权重值，当i=j时，其值为零；

N：普通聚类总个数，1≦N≦S；

I：为独立元素的个数，1≦I≦S；

CLi：表示第 i个普通聚类，从左上方到右下方依此为 CL1，CL2，CL3，…，CLn；

mi：对于任意一个普通聚类CLi从左至右元素的第一个编号；

ni：对于任意一个普通聚类CLi从左至右元素最后一个编号；

Si：普通聚类 CLi的规模，Si=ni-mi+1（ 1≦mi≦ni≦S）；

CLb：表示Bus聚类，从左至右元素的第一个编号为mb，最后一个编号为nb；

Sb：聚类CLb的规模，Sb=nb-mb+1（ 1≦mb≦nb≦Sb）；

）：CLi内部联系信息流量；

）：整个普通聚类内部联系信息流量总和；

）：CLb内部联系信息流量；

）：普通聚类CLi到CLj之间的联系信息流量；

α：普通聚类个数对联系信息流量影响程度系数，本文取其值为0.6；

）：模型中所有普通聚类之间的联系信息流量之和；

）：CLb与CLi之间的联系信息流量；

）：模型总体Bus聚类与普通聚类之间的联系信息流量；

W：某聚类方案下联系信息总流量。

3.3 联系信息流量计算公式

根据上述分析，联系信息流量的计算公式如下所示：

由前面的假设条件（3）可知，）与聚类规模Si呈线性关系，则DSM模型中普通聚类CLi的内部联系信息流量为：

DSM模型中所有普通聚类内部联系信息流量之和为：

模型中Bus聚类CLb内部联系信息流量可以用如下公式来计算：

由假设条件 （1） 可知）与（ni- mi+nj-mj）呈线性关系，因此任意两个普通聚类之间的联系信息流量为：

则模型中总体普通聚类之间联系信息流量为：

Bus聚类与任意普通聚类间的联系信息流量（即CLi到CLb以及CLb到CLi之间的联系信息流量）可以用下列公式得出：

则模型中Bus聚类与普通聚类之间的联系信息总流量可以通过如下公式得到：

最后在DSM模型中某聚类划分方案下的联系信息总流量的计算公式为：

4 模块方案的评估与功能模块设计

4.1 方案评估

按照上述联系信息流量的计算方法逐一得出3.1.1中四个方案联系信息总流量，其计算结果如表3所示：

表3 四种模块划分方案联系信息流量计算明细

由上述计算结果可知在这四个方案中，方案三的联系信息总流量W都要低于其他方案，说明该方案中功能模块与其他模块信息交互程度最低，满足系统功能模块设计中“低耦合、高内聚”划分原则，因而该模块划分为最优方案。

4.2 功能模块设计

根据上述的最优模块划分方案，智能配送系统功能模块可以分为：用户信息管理、订单交易管理、车辆管理、货物管理、信息智能交互服务、供需匹配管理、费用结算管理、公共信息服务、智能决策服务等9项模块。以下选择几项重要的模块进行详细阐述。

4.2.1 信息智能交互服务

这项服务主要针对传统配送模式下，货物发货后，用户不易变更相关物流信息（如地址、收货时间等），通过与相关方进行实时的信息交互，客户能够实时向其他用户传递自己的动态需求。此外通过实时参与信息的交互，物流企业能够及时获取用户需求，最终能够提高服务质量，增加客户满意度。

4.2.2 货物管理

实时收集货物的运输状态，支持对货物从接货、配送、发货、收货等全程监控管理。运用无线射频识别、GIS等技术，用户通过智能终端能够实时获取所需货物储存状态。对于一些储存条件很高的货物（如精密仪器、冷冻货物），能够对其温度、湿度等及时做出调整，确保货物处于适宜的储藏及运输环境之中。

4.2.3 订单交易管理

包括订单的分类、档案管理及订单交易跟踪，通过采用电子订单交易模式，能够使整个订单处理过程流程化、规范化，提高订单处理的工作效率。对订单进行有效跟踪，能够及时发现订单异常情况，以便及时作出相应调整和处理。

4.2.4 供需匹配管理

用户通过移动终端或电脑网页登录系统，能够发布或获取相关物流信息，进而锁定相关的订单。此外通过大数据挖掘与分析，根据用户历史交易记录，智能向用户推送相关供需信息服务。

4.2.5 费用结算管理

首先，通过货物属性、运输距离、运输时间等核算相应的物流费用，供需双方可以通过微信、支付宝、云闪付等第三方支付软件进行相应物流费用的结算；其次，当客户在变更相应的物流信息时，则相应核算追加物流费用。通过建立这种费用结算体系能够极大地降低双方的交易成本，提高业务达成效率。

5 结论

功能模块是系统架构设计最为核心的部分之一，功能模块划分在系统开发设计过程中占有非常重要的地位。本文首先对系统服务的三大对象的需求进行业务建模，归纳总结出系统应该提供服务活动；然后运用DSM模型对服务活动进行矩阵排列建模，通过聚类算法进行功能模块划分，并得到相应四种方案；最后通过计算四种方案的联系信息总流量，从中选择联系信息流量最低的方案即为最优方案。

本文提出的基于设计结构矩阵功能模块划分方案，突出以用户的实际需求为导向，系统功能模块尽可能地体现了用户的诉求，在一定程度上解决了现有研究中对于信息系统功能模块设计存在的不足，使得信息系统功能模块设计更加客观、更加合理。对于物流信息系统功能模块划分及设计提供了一个新的理论指导思路。但是由于计算的复杂程度，本文只列举了其中四种划分方案，其实功能模块划分远远不止这几种方案，因此在后续的研究中可以考虑引入计算机智能划分方法，将会使得结果更加客观，方案更加合理。

[1]兰梅.网络外线资源管理系统的设计与实现[D].成都：西南交通大学（硕士学位论文），2017.

[2]马薇.图书馆管理信息系统的设计与实现[D].天津：天津大学（硕士学位论文），2016.

[3]辛龙翔.面向县级供电企业电力安监系统功能模块设计与实现[D].济南：山东大学（硕士学位论文），2014.

[4]Steward D V.The design structure system：A method for managing the design of complex systems[J].IEEE Transactions on Engineering Management，1981(3)：71-74.

[5]刘建刚，唐敦兵，刘思峰，等.基于联系信息流量的产品结构模块化方法[J].计算机集成制造系统，2011，17(11)：2373-2382.

[6]Sivamani S.，K.Kwak，Y.Cho.A study on intelligent user-centric logistic service model using ontology[J].Journal of applied mathematics，2014(1)：1-10.

[7]赵园园.智能物流系统设计及应用分析[J].商业经济，2014(1)：64-65，90.

[8]马骏，蔡延光.基于云计算的智能配送系统的研究与实现[J].工业控制计算机，2015，28(6)：121-123.

[9]何黎明.智慧物流发展现状及“十三五”工作重点[J].物流技术与应用，2016，21(10)：84-85.