基于高新技术的石化行业物流一体化优化探析

杨延飞，李 涛，李宁宁，胡小刚，孙延吉

（1.中国石油化工股份有限公司，北京 100027；2.石化盈科信息技术有限责任公司，北京 100007）

1 引言

物流业是融合运输、仓储、信息等产业的复合型服务业，是支撑国民经济发展的基础性、战略性产业，已成为世界各国学术界、实业界关注的热点。物流企业之间的竞争也转向了供应链的竞争。供应链竞争是企业竞争的新形式[1]。供应链管理，即利用计算机网络技术全面规划供应链中的商流、物流、信息流、资金流等，并进行计划、组织、协调与控制[2]，而物流一体化作为供应链管理中物流优化的核心趋势，是市场经济竞争和选择的结果。

最初物流一体化是在一个企业范围内的，后来突破了企业界限，各企业之间密切合作，信息共享，围绕一个核心企业，形成上下游企业的战略联盟，覆盖供应商、生产商、分销商、承运商等，在这些企业之间进行物流信息流转。

物流一体化优化可从三个方面实现，分别是物流流程一体化、物流作业一体化和物流信息一体化。物流流程一体化是物流一体化优化的本质，是物流操作统一有序、逻辑相关的保证，物流作业一体化是贯穿上下游以物流作业为核心的活动的集合，是物流作业的高级阶段，而物流信息一体化则是流程一体化和作业一体化得以实现的基础，旨在通过利用大数据、物联网等新技术来完成各层次信息的一体化控制与共享，完成信息口径统一、数据集成。三者作为物流优化结果的评价指标嵌入到物流运行指标中，通过优化后的指标体系保证流程一体化、作业一体化和信息一体化的实现[3]。其理论基础模型如图1所示。

图1 物流一体化理论模型

物流一体化优化的最大价值体现在效率上，现代信息技术则是物流一体化的纽带[4]，是开展高效物流工作的重要支撑，如何利用这一纽带对物流运行各环节进行有效优化，是很多集团企业共同面临的问题，对于产业链复杂的石化行业来讲尤为重要。

近年来石化产业的蓬勃发展，带动了石化物流行业的发展，其物流运行具有以下特点：

（1）石化产品品种多样，形态各异，对运输、库存要求很高。不少产品带有易燃、易爆等危险性质，运输一旦发生意外轻则泄漏，重则爆炸，后果严重。

（2）信息系统对物流数据的实时性、准确性、灵活性、高集成性要求很高，传统的数据割裂方式已不再满足物流高速发展的要求，一体化的物流信息系统需求更加迫切。

（3）物流作业众多、各司其职，如物流计划、服务商提货、卸货、客户签收等，各作业之间的联系有待提升。如车辆实时位置信息可为物流计划提供参考，为卸货提供准备时间等，从而有效提高物流效率。

基于以上特点可看出，石化产品物流运行过程中，运输安全是重要的一环，故而选择物流运输安全管理为切入点进行物流一体化优化。通过完善运输安全指标体系，使其满足一体化特性，从而保证产品运输透明、安全、绿色、协调统一的发展。为达到这个目的，首先需要对物流一体化及运输管理进行研究，国内外学者已经做了有意义的探讨，MihalisGiannakis等从绿色物流的视角研究供应链的可持续发展[5]。Viktor创新性的从生活、工作、思维等维度向读者展示数据时代给人们带来的变革[6]。国内主要侧重于单独对物流一体化、能源化工产品运输监控、物流新技术应用的研究。赵林度从物流的一体化管理、库存、采购等领域进行流程重组，提出供应链物流绩效评价体系[7]，施云侧重从架构上理顺供应链物流战略到运营的集成[8],李一辉研究了一体化背景下的物流管理特点[9]，潘永刚介绍了重新定义物流的意义，讲解了新技术如物联网、GIS在物流领域的应用[10]，刘飞侧重于对汽车电子标识技术在危化品运输监管中的创新应用[11]。

综合以上分析，学者们侧重于对物流运输监管过程和机制进行研究，或单独研究评价体系、物流特点、新技术的应用，还没有学者以物流一体化优化为目标，通过新技术手段对石化行业物流运行进行研究。通过将物流一体化优化的三大指标与物流运行指标相结合，优化石化产品物流运行指标体系，着重考虑一体化要求对运输各节点的影响，借助于物联网、大数据、地理信息系统等新技术手段，对实现物流一体化优化进行分析和验证，并通过实例证明优化的效果，为物流一体化优化的研究提供理论指导和可行的借鉴方法。

2 物流运行指标体系优化

石化产品物流运行过程中，运输安全是核心关注点，而指标体系的建立则是运输管理的关键，也是保障运输各节点顺利运行的前提。运输节点企业多、地理位置分布广泛、参与环节多注定了其复杂性、广泛性的特点，再加上石化产品本身所具有的特殊性，以及一体化优化的要求，决定了指标选取的复杂性、多样性和个性化的特点。

考虑到石化产品运输的风险因素影响，将风险划分为系统性风险和非系统性风险。系统性风险是由外部客观因素所导致的运输风险，诸如制度、灾害、信息中断、恶意破坏等；非系统风险则是由于信息缺乏共享、过程不透明、监管意识淡薄、供应链孤岛以及预测不准确等导致的。石化产品运输安全影响因素如图2所示。

图2 石化产品运输安全影响因素

为避免上述风险因素，将运输安全指标体系涵盖的三大子体系即运输轨迹指标体系、运输报警指标体系和统计分析指标体系进行优化，针对每个体系，增加物流一体化优化的一个或多个指标。石化产品物流运输安全指标体系见表1。

表1 石化产品物流运输安全指标体系

（1）运输轨迹指标体系一体化优化。运输过程链条长、环节多，如仓储和运输，分别是为物流创造“空间价值”和“时间价值”的主要因素，但长期以来，类似的控制都是分开执行的，实际上两者相辅相成，相互作用。故而增加作业一体化指标，要求在空间和时间上对运输过程进行整合，使各物流作业联合起来，一方的开始取决于另一方的完成或根据另一方的情况进行作业参考。同时增加信息一体化指标，对运输轨迹数据采集集成，从而对资源进行一体化优化配置，提高物流服务水平。

（2）运输报警指标体系一体化优化。在驾驶环境、行为、资质指标的基础上，增加信息一体化及作业一体化指标，优化报警流程，使得各组织间同步作业、快速响应。

（3）统计分析指标体系一体化优化。本指标体系在前人研究的基础上增加了信息一体化、流程一体化指标，以及体现新技术应用的新技术指标，旨在通过对风险评估、运输安全影响因子权重的分析，对物流运行流程进行优化重组，并通过对风险级别、趋势预测提出运输过程管理优化方案。

3 运输轨迹一体化优化

运输轨迹主要包括公路、铁路、水路下的人、车、物的轨迹。通过对物联网和GIS技术在石化行业物流一体化优化过程中的应用，实现运载工具状态、轨迹、视频及货物信息情况的全程、在线、实时的掌控，从而满足物流作业一体化、信息一体化指标要求。

3.1 物联网结构

物联网技术的快速发展为石化产品物流运输事业带来了新的机遇，物联网定义为在任何时间地点下物与物自发进行联结的互联网络，其技术原理是在计算机互联网的基础上利用RFID、无线数据通信等构造一个覆盖世界万物的“Internet of Things”。在这个网络中，物品能够彼此进行“交流”无需人的干预。其核心技术在云端，云计算就是实现物联网的技术核心。物联网的三项关键技术包括传感器技术、RFID、嵌入式系统技术[12]。传感器技术将传输线路中的模拟信号转变为可处理的数字信号，交于计算机进行处理。利用无线射频技术，能够根据物品电子标签，对货物运输流程进行实时监督，通过这种方式及时掌握基本动态信息。并基于GIS地图进行位置信息展示，有效的辅助了石化产品运输的全方位联合监控。通过物联网技术整合车辆的位置追踪、智能识别以及智能监控信息，带动生产企业、销售企业、物流企业以物流作业为核心快速反应，实现产品从源头供应到客户签收整个过程的全透明。物联网基本理论模型如图3所示。

图3 物联网基本模型图

3.2 GIS地理数据处理流程

GIS即地理信息系统，它以地理空间为基础，采用地理模型分析方法，实时提供多种空间和动态的地理信息，是一种为地理研究和地理决策服务的计算机技术系统。其基本功能是将表格型数据转换为地理图形显示，然后对显示结果浏览、操作和分析。石化产品运输管理依托GIS技术应用，根据企业、车辆相关地理经纬度，在地图上标注各企业及建筑，实现快速定位。收集整理可用地图数据，进行地理数据发布和处理，其流程主要包括地理数据格式归一化、地理数据质量控制及校验、标准化地图发布，见表2。

表2 地理信息数据发布和处理内容

（1）地理数据格式归一化。Shapefile使用点、线、多边形存储要素的形状，一个shapefile是由若干个文件组成的，空间信息和属性信息分离存储，所以称之为“基于文件”的GIS数据格式。

（2）地理数据质量控制及校验。质量控制的人工方法主要是将数字化数据与数据源进行比较，图形部分的检查包括目视方法、绘制到透明图上与原图叠加比较，属性部分的检查采用与原属性逐个对比或其他比较方法。例如，在地图数字化过程中，不可避免地会出现空间点位丢失或重复、线段过长或过短、区域标识点遗漏等问题。如图4所示，其中(a)为区域标识点遗漏，(b)为线段过长。

图4 地图数字化问题

（3）标准化地图发布。Geoserver是一个功能齐全，遵循OGC开放标准的WFS-T和WMS服务器。可以把数据作为maps/images来发布(利用WMS来实现)，也可以直接发布实际的数据(利用WFS来实现)，同时也提供了修改，删除和新增的功能(利用WFST)。Server允许用户查看和编辑地理数据。

系统发布的单个地图图层，其对应的URL地址示例见表3。

表3 单个地图图层URL

多图层叠加呈现，在访问WMS服务的时候在其请求地址的layers参数后面用逗号（“,”）将多个图层进行分割就可以了。

以上是物联网和地理信息系统在运输轨迹一体化优化中所用到的原理技术，通过物联网技术，采集人、车、货数据，并基于地理信息系统的信息处理，坐标转换，整合物流运输过程中各生产企业、供应商，铁路、海洋、公路等位置信息，实时展示公、铁、水运行轨迹，实现物流数据的集成共享。通过对车辆位置的识别和跟踪，实现企业内部从物流计划下达到提货、出厂各操作的系统性、整体性，提升物流效率，满足物流作业一体化优化需求。同时通过信息的统一集成，消除组织障碍，降低物流成本、保证物流安全、提升客户体验，完成物流信息一体化优化。

4 运输报警一体化优化

为保证运输安全，报警体系的搭建至关重要。其报警管理流程为：对于系统采集的报警信息，通过搭建报警分级管理体系，系统自动确认一般报警信息，对于重点报警信息，通过人工进行确认，确认的系统记录，最终统计结果，作为专业物流承运商考核的重要指标之一。承运商考核结果反馈到系统中，实现整个报警闭环管理。运输安全报警主要包括预警管理、报警管理两项功能，为企业提供承运商资质、驾驶行为、轨迹等报警信息。预警系统模型图如图5所示。

其中驾驶行为报警通过采集驾驶动作特征信息，包括制动踏板操作、油门踏板操作、转向盘操作、转向灯操作、车速等，分析驾驶行为动作特征与驾驶行为特征之间的内在关系，研究构建于驾驶行为动作观测信息的驾驶行为预测模型和方法[13]。

各驾驶操作信息根据参与驾驶行为如紧急刹车、转弯等的不同，具有不同的决策权重。通过报警信息系统，可实现以下功能：

（1）资质过期预警：资质证照包含承运商、车辆、船舶、人员等类型，所有资质在到期前15天发出第一次预警提醒，到期前3天进行第二次预警提醒，到期后将进行报警处理。

（2）优化天气分类及预警功能：将天气情况分为一般天气和恶劣天气两种状态，对企业和承运商发出恶劣天气预警提醒；根据天气预报情况，通过系统消息、APP等方式通知区域内企业、承运商做好应急处置，及时防范天气因素带来的危险因素。

（3）驾驶行为报警：通过对驾驶行为和货物关联进行分级管理，优化驾驶行为报警。高风险驾驶行为和重点监控货物为重点关注项。

通过报警流程、报警模型、传感器等技术的应用，对报警数据统一集成，实现报警信息的口径统一、集中管控，从而达到信息一体化优化的目的，同时通过对运输过程中各环节报警信息收集，对企业、服务商、承运商进行报警作业联动及分级管理，在实现资质、环境、行为指标的基础上完成物流作业一体化优化。

5 统计分析一体化优化

对物流运输安全过程中涉及到的影响因子及权重进行统计分析及预测，并基于一体化优化的目标，采集多个维度的数据作为分析参数。根据输出结果，指出流程优化的方向，进而明确改进措施，推动物流一体化优化。主要技术手段有风险评估模型和大数据分析优化。

图5 预警模型图

5.1 风险评估模型

在进行风险建模的过程中，考虑到石化产品道路运输风险的不确定性、随机性和动态性特征，采用集对分析法(SPA)流程。SPA是一种处理不确定性问题的系统分析方法，它是用来定量研究系统中确定性与不确定性之间相互影响、相互制约，并在一定条件下相互转化的一种数学方法[17]。SPA分析法的流程如图6所示。

图6 SPA集对分析法流程

此方法首先以运输安全涉及风险项为核心，利用模型算法，计算出各层级的风险值，得出分承运商、分企业、分人员等运输风险评分。通过风险评分穿透至各项指标，针对各类风险细项进行精准管控,如对供应商进行准入分析等，优化各风险项管理流程。将分段式转为一体式管理，运用取消、合并、加强等方法，最大限度的增强流程服务业务的能力。分离物流和商流，以物流为核心，提升企业在速度、质量、成本等方面的绩效。可能涉及到的风险监控点见表4。

表4 安全风险监控点

建立评估模型联系度的算法如下：设有集对H=(A，B)，则集合A与B的联系度可表示为[9]：

式中：a为同一度，表示2个集合的同一程度；b为差异度，表示2个集合的不确定程度；c为对立度，表示2个集合的对立程度。a、b、c通称为联系度分量，且a，b，c∈［0，1］，并满足a+b+c=1；i为差异度系数；j为对立度系数，一般j=－1。若集合A包含有m项指标，且各指标的权重为Wk(k=1，2，…，m)，则联系度可表示为：

式中：W为权重系数向量矩阵；R为联系度分量矩阵；E为同异反系数矩阵。

5.2 大数据分析优化

大数据的真实价值就像漂浮在海洋中的冰山，第一眼只能看到冰山一角，绝大部分都隐藏在表面之下[14]。大数据应用不在于掌握庞大的数据信息，而在于对获取的数据进行专业化处理，以挖掘出数据的价值[16]。模型和算法是大数据分析理论和技术中的两个核心问题[15]。基于神经网络算法的大数据分析方法是近年来较为热门的一种方法，神经网络由感知算法发展而来，早期的感知机为单层节点且缺乏激活函数，科研人员发现多层节点组成的网络具有强大的学习能力。神经网络模型算法主要有前馈神经网络、回复式神经网络、时序记忆神经网络三部分，其中前馈神经网络最为高效。卷积神经网络是一类包含卷积计算且具有深度结构的前馈神经网络，是深度学习的代表算法之一。

在石化物流运输中，此类算法可对人、机、料、法、环五大要素32项指标进行分级量化，通过大数据分析确定影响因子及权重，进而对安全风险进行预测分析，并根据分析结果对运输安全管理过程进行优化，实现信息一体化、流程一体化。具体做法为：（1）采用一年内的运输安全评估记录输入训练集，采用32个因子指标*48个节点数据激活函数；（2）采用ReLU,输出值为是否安全影响因子及权重值；（3）通过对权重值分析，优化危化品运输管理过程。

其中网络结构及详细参数如图7所示及见表5。

图7 卷积神经网络结构图

各算法架构层系功能：

（1）数据输入层/Input Iayer：对输入的32项石化产品运输安全指标进行预处理，可优化训练速度及效果。去均值指把输入数据各个维度都中心化到0；归一化指幅度归一化到同样的范围；PCA/白化指用PCA降维；白化是对数据每个特征轴上的幅度归一化。输入层如图8所示。

表5 卷积神经网络详细参数

图8 输入层

（2）卷积计算层/conv Layer：训练挖掘出风险特征，其中滑块大小尺寸参数影响运算速度和识别精度，根据测试数据维度分别配置了2*2和3*3两类滑块；步幅表明滑块移动的距离，同上配置了步幅为1和2。

（3）激励层/ReLU Layer：用于使目标函数快速收敛，即快速找到风险因素特征，该函数特点是收敛速度快。

（4）池化层/pooling Layer：用于压缩数据和参数的量，减小过拟合，如图9所示。

（5）全连接层/FC Layer：卷积取的是局部特征，全连接就是把以前的局部特征重新通过权值矩阵组装成完整的图。即将所有风险特征组合成判断是否存为安全影响因子，并形成权重值。

根据确定的运输安全影响因子及权重值，对运输管理过程中参与的上下游成员进行一体化流程优化，包括生产企业、交通部门、环境、承运商、车辆等，对物流实行全流程统一管理，并依据“计划-实施-控制-评价”的PDCA循环，持续对各成员从信息、流程、物流技术、趋势预测、风险管理等各方面进行持续优化，如图10所示。

图9 池化层

图10 基于影响因子的运输管理优化

通过对基于卷积神经网络算法的大数据分析、风险评估模型的应用，实现石化产品运输监管过程中运输安全影响因子权重分析、运输安全评估、运输安全优化；通过对各个纬度风险指标的预测分析、数据归口统一，以及核心企业对供应链上下游企业的数据跟踪，实现风险信息一体化。同时通过对数据的价值挖掘，优化现有流程，再将优化后的流程产生的数据作为参数重新进行权重分析和趋势预测，从而实现业务流程的可持续、一体化循环优化。

6 应用案例

中国石化是国内最大的石油产品和主要石化产品的生产商、供应商，生产经营具有原料和产品大进大出、物流范围广的特点，物流成本支出巨大。以中国石化每年2万亿元的销售收入计算，每下降一个单位，降低物流费用近200亿元，可以说中国石化作为特大型能源化工一体化公司，物流一体化优化的需求空间很大。

为了实现物流一体化优化的建设目标，中国石化着重从运输安全管理的运输轨迹、运输报警、统计分析三大部分进行一体化优化，应用优化后的运输安全指标作为评价体系，通过物联网、GIS的应用，实现公路、水路、铁路运输过程中状态、位置、轨迹的全程、在线、实时监控；并根据地理经纬度，在地图上标注货物位置信息，包括起运点、送达方、出厂仓库等，使客户、企业、承运商对运单当前所处状态一目了然，极大的提升了运输安全管理的一体化水平。

通过报警流程和报警模型，实现人员资质、车辆资质、企业资质报警、环境报警、驾驶行为报警。实现总部-企业-承运商分级报警监控，对事故由被动响应转为积极预防，最终实现突发事件应急指导和区域联动，全面支撑中国石化运输安全管理。

通过风险模型、大数据统计模型分析、卷积神经网络算法的应用，提出可行的风险评估方式，并依据风险评估步骤，优化运输安全评估。支持风险因子权重影响比重分析，支持通过企业、承运商、人员、车辆等多维度穿透分析，评估各企业对于运输安全的管理情况，从而优化现有流程，促进石化物流运输管理水平的提升；进而提高物流一体化能力。

7 结语

通过对石化行业物流一体化优化进行研究，得出以下结论：

（1）确定石化行业物流一体化优化指标影响因素及一体化优化方向。

（2）通过物联网、传感器、地理信息系统数据处理，实现运输位置、轨迹跟踪，使运输过程透明化，各物流节点都能够信息共享，以企业为核心，成功链接起供应商、承运商、客户，发挥物流资源一体化优势。

（3）通过风险模型、卷积神经网络算法挖掘风险数据价值，进行运输安全评估及优化，为实现运输监管一体化、数据一体化提供依据。

（4）要实现物流一体化的价值，物流设施完善是基础，运行协调高效是关键，数据信息共享是支撑，体制机制创新是保障。四个方面紧密联系，形成有机整体，而新技术的应用则是实现整个体系高效运转的最佳手段。

本文研究为石化行业物流一体化优化提供理论参考和方法借签，未来可考虑这种思路和模式在构建石化行业物流园区信息平台中的作用。目前，我国石化行业物流园区信息化建设还处于起步阶段，需要不断探索，且相对企业来讲，物流园区资源更加集中，安全意识更加显著，物流生态圈更加庞大，相应的，一体化管控需求也更加强烈。可以肯定的是，信息化建设已成为现代物流园区建设的重要组成部分[18]。通过高效、稳定的一体化管理，为社会、企业、政府部门提供更多的服务和价值，从而带动更广泛的物流一体化优化空间。