計算機物流信息管理系統的設計及應用分析

文/吳昕霞

0.引言

隨著近年來經濟的高速發展，電子商務背景下的物流行業應運而生，并且發展迅猛。結合電子商務與物流行業之間密不可分的關系[1]，對物流信息進行有效管理成為至關重要的工作內容之一[2]。對物流行業的基本特性進行分析可以發現，其具有起步晚，基礎弱的特點，對應的發展程度也相對滯后[3]，由此導致的最直接的問題就是物流成本控制效果并不理想，相關體系的完善程度因為并未達到理想狀態[4]。在此條件下，企業的自主物流信息管理能力就更加成為關系到其經營效益的關鍵。對物流信息的特點進行分析[5]，一方面其規模相對較大，不同出發地和目的地之間的交叉關系錯綜復雜；另一方面，參與物流運輸的車輛狀態也是實時變化的[6]，在此基礎上，如何實現對任務與車輛之間的合理匹配也成為物流信息關系階段需要重點關注的問題之一[7]。在此基礎上，本文提出計算機物流信息管理系統的設計及應用分析研究，在硬件設計階段，強化了系統信息的安全，在軟件設計階段，強化對信息的分類與管理。

1.硬件設計

對于計算機物流信息管理工作而言，保障信息的安全性是至關重要的核心目標之一。當計算機物流信息管理系統受到攻擊出現信息安全問題時，不僅會增加信息丟失的風險，同時也會對實際的物流運輸工作造成不同程度的影響[8]。為此，本文采用為系統設置了終端安全管理EDR裝置，其具備APT精準檢測機制，可以實現對終端行為全面采集，包括進程、文件、注冊表等13個類別終端，以及應用層的行為數據，為實現信息的全面管理提供了強力基礎。除此之外，終端安全管理EDR裝置還具有足夠輕量的特點，具備資源自適應抑制技術，動態調控資源占用率，日常占用內存100M 以內、CPU5%以內。另一方面，其具備勒索挖礦全面防護功能。對勒索挖礦全面防護的特定進行分析，區別于傳統病毒檢測，作為一種深信服EDR，終端安全管理EDR裝置可基于攻擊全鏈條進行防護，從漏洞免疫到微隔離提前防護一漏洞利用攔截、暴力破解封堵阻止惡化無文件防護等持續定位檢測。提供勒索挖礦全面專項防護策略。利用這樣的方式，最大限度降低計算機物流信息管理系統在攻擊環境下的安全性。除此之外，終端安全管理EDR裝置還搭載了AI智能精準檢測，表1為AI智能精準檢測模塊的基本配置情況。

表1 AI智能精準檢測模塊基本配置

結合表1所示的參數配置，終端安全管理EDR裝置可以實現對不同類型網絡攻擊的準確識別，并且在云端實現查殺快速清除處理過程中，針對頑固類病毒可進行深度分析，提供獨創云端專家分析處置下發定位查殺的專殺通道，以此保障對頑固病毒檢測查殺更快速、更徹底。在數據管理階段，借助終端安全管理EDR裝置與XDR建立聯動關系，可以實現對海量數據的高效分析，以云端算力為基礎，對采集到的物流信息數據進行聚合分析，精準鎖定目標數據的位置，達到快速響應的目的。

2.軟件設計

2.1 物流信息數據分類

對物流的整個執行過程進行分析可以發現，其主要可以分為三個階段，分別是出發地運輸車輛的匹配，貨物運輸以及目的地貨物的配送。在上述過程中，涉及的因素分為2類，分別為貨物信息、出發地信息、運輸車輛信息以及目的地信息。在此基礎上，本文首先結合上述的分析結果對物流信息進行分類管理。其中，目的地和出發地信息對具體構成即為對應的名稱及經緯信息。貨物信息包括可執行地（一般情況下，貨物的發貨地是不唯一的，因此，在物流信息管理階段對其進行明確是后續任務合理分配的重要基礎）。最后就是對運輸車輛信息的管理，由于不同車輛的荷載能力不同，對應可執行的運輸任務也不同，因此，本文設置運輸車輛信息包括荷載參數和位置參數兩部分。結合上述，對于物流信息數據的分類結果可以表示為

其中，X表示物流信息數據構成，d（x）表示出發地信息，m（x）表示目的地信息，s（x）表示貨物信息，c（x）表示運輸車輛信息。

按照上述所示的方式，實現對物流信息數據的分類。

2.2 物流信息匹配管理

在上述基礎上，對于任意物流運輸任務而言，對其相關信息的匹配主要以成本最小化為核心目標。假設待執行運輸任務為將a噸k貨物由m 地運輸至n地，那么，首先結合a值確定可以執行的車輛，其計算方式可以表示為

其中，c（a）表示可執行物流運輸任務的車輛信息，結合式（2）可以看出，其篩選標準為運輸車輛荷載參數大于運輸任務對應的重量。

在此基礎上，以出發地m為基礎，對c（a）進行第二輪篩選，其可以表示為

其中，c（m）表示最終物流運輸任務的車輛信息，結合式（3）可以看出，其篩選標準為運輸車輛與出發地的距離最小。

按照上述所示的方式，實現對物流信息匹配管理，實現物流成本的最小化。

3.系統應用分析

3.1 測試環境

在對本文設計系統的實際應用價值進行分析時，本文以某物流公司的部分實際業務信息為基礎，開展了對比測試，其中，表2為業務的基本分布情況以及相關運輸成本構成情況。

表2 測試物流信息

在此基礎上，結合表2所示的信息可以看出，不同發貨地與目的地之間的單位運輸成本存在較為明顯的差別。為了實現物流企業利潤的最大化，對物流信息進行合理管理是降低成本投入的重要環節之一。為此，本文分別設置5個目標區域的供應量分別為28噸、54噸、36噸、50噸以及46噸。在此基礎上，分別以供應量為導向、供應時間為導向，分析對應的成本投入情況。從應用結果分析的角度出發，本文設置了對照組，對應的信息管理系統分別為Cloud Native信息管理系統，以及HL7和RFID信息管理系統，通過對比不同信息管理系統下，相同運輸任務下的物流成本投入情況。

3.2 測試結果與分析

結合上述的測試環境，三個系統下的物流成本投入情況如表3所示。

表3 物流成本投入情況統計表

結合表3所示的測試結果對三個信息管理系統的實際應用價值進行分析，Cloud Native信息管理系統下對應的物流成本總值為3146元，其中，對于d目的地和c目的地運輸任務的成本投入明顯偏高，表明其仍存在進一步優化的空間。在HL7和RFID信息管理系統下，對應的物流成本總值為3167元，其中，對于e目的地運輸任務的成本投入明顯偏高，且不同目的地的成本開銷基本一致，表明其對于物流信息的適應性分析能力存在提升空間。相比之下，在本文設計信息管理系統下，對應的物流成本總值為3044元，分別低于Cloud Native信息管理系統、HL7和RFID信息管理系統下的成本102元和123元。測試結果表明，本文設計的計算機物流信息管理系統可以實現對物流信息的有效分析，在保障物流運輸方案合理的前提下，對于降低運輸成本具有積極作用。

4.結束語

在貿易交互范圍不斷擴大的背景下，物流行業也實現了快速發展，在對物流信息進行有效管理，無論是對于物流企業的成本管理而言，還是對于物流任務的執行效率而言，都具有重要的現實意義。本文提出計算機物流信息管理系統的設計及應用分析研究，在保障物流信息完整安全的前提下，實現了對信息的合理管理，并極大程度上降低了物流運輸的成本開銷。借助本文設計的物流信息管理系統，希望能夠為實際的物流行業發展提供參考價值。