基于大数据的服装供应链协同创新平台构建研究
和征 HE Zheng；阮紫琳 RUAN Zi-lin；李亚森 LI Ya-sen；桑子茹 SANG Zi-ru；孙静 SUN Jing
（西安工程大学管理学院，西安710048）
摘要： 服装供应链协同创新能够解决服装企业与供应商、客户之间的信息不对称，有效地降低各成员企业的成本并提高供应链的运行效率。本文将大数据与服装供应链协同创新相结合，设计出基于大数据的服装供应链协同创新平台的技术架构，并结合应用实例验证了该架构的适用性与合理性。
关键词： 大数据；服装供应链；协同创新；服装供应链协同创新
0 引言
纺织服装行业正在经历着产业提升和行业洗牌的压力，尽管我国已经是全球最大的服装生产国、消费国和出口国，但是，目前国内外市场需求不振，未来服装行业面临着发展的机遇和挑战，这一切终将取决于企业的可持续发展能力。服装供应链协同创新的核心就是为服装企业提供可持续发展的不竭动力，并且随着大数据技术的日益成熟和深度融合，大数据在驱动服装供应链的质量升级、服务升级和物流服务功能升级的方面表现越来越突出，大数据的广度和深度延伸于服装企业的供应链物流服务链条，大数据成为构建服装供应链协同创新平台的关键。
1 文献综述
有关服装供应链的研究，谭志强等（2017）认为服装供应链是服装制造企业、材料供应商和零售商等相关企业，为了面对不断加剧的市场竞争压力，因利益驱动而结成的服装行业的动态联盟，目的是为了增强供应链的弹性，提高信息传递的速度并增强供货能力[1]。许多学者从多个方面研究了纺织服装供应链。Romano和Vinelli（2001）等提出了运用供应链策略对纺织服装供应链的质量管理进行改善的解决方法[2]。Bruce等（2004）提出了纺织服装供应链快速交货的解决方案，并且提出快速反应在供应链中的重要性[3]。Cao和Zhang（2005）认为纺织服装供应链包括三种结构：核心企业整合供应链、传统采购链、汇聚于第三方的供应链[4]。Jimmy和Lam（2006）认为香港纺织服装供应链面临的主要问题是供应链响应时间太长[5]。可见，要提升服装供应链的参与主体企业之间的联动性，增强它们对市场需求快速反应的能力，就需要对现有的业务模式和运作流程进行有效的协同。
“投”原为“殳”，甲骨文字形，像人手持长柄大锤。造字本义：用杸杀人。《周礼》上说，杸用积竹做成，有八棱，长一丈二尺，树立在兵车上，车上的部队拿着它作先锋。在篆文中，“殳”旁再加上“手”，造出会意字“投”，表示手掷杀器。现在“投”指有目的的抛、掷、扔。
有关供应链协同创新的研究，Leng和Parlar（2010）采用回购和缺货成本契约，解决了生命周期较短的产品供应链协同过程中所面临的问题[6]。Kaya（2011）考虑供应链成员的努力水平对客户需求的影响，采用成本分担契约和期权购买的方式，研究供应链协同问题[7]。王梓蓉（2018）认为在大数据环境的背景下，要使供应链协同创新达到最优，需要建立有效的协同创新机制体系[8]。兰秀文（2018）等分析了现有流通供应链对称性协同机制的作用及创新路径[9]。王加毅（2018）认为纺织服装供应链高质量和有效的协同创新将成为我国纺织服装企业提升自身竞争力的有效途径[10]。
服装供应链成员企业的业务数据（采购、库存、销售、物流、产品设计和生产、产品质量等数据）具有大数据的特点，即业务数据量巨大，结构多样化，数据来源多样化，数据时效性很强，为了获得这些数据带来的管理价值和服务，就需要对这些业务数据的价值进行分析和挖掘。例如，通过对客户信息数据、产品质量数据等数据的挖掘，获得客户潜在的需求，可制订相应的销售策略，也可获得产品质量改进需求，从而提高产品质量。通过大数据技术，也可以解决服装供应链成员企业间信息共享不及时和客户需求预测不准确方面的问题。因此，本文基于以上原因，构建基于大数据的服装供应链协同创新平台，为提升服装供应链的信息共享效率和企业协同创新水平提供帮助。
2 服装供应链协同创新平台的大数据管理架构
2.2.1 了解应用领域并确定数据挖掘目标
图1 服装供应链协同创新平台的大数据管理总体架构图
2.1 大数据中心层
服装供应链协同创新平台的大数据中心首先采集成员企业的业务系统数据，主要包括服装面料采购和库存数据、服装产品设计与生产数据、服装销售和库存数据、服装物流数据、服装产品质量数据等；其次，进行服装供应链协同创新业务数据的存储和整合；然后，进行服装供应链协同创新业务数据的交换和共享；最后，进行服装供应链协同创新业务数据的分析、挖掘和处理，提供各种数据服务。大数据中心是集这些功能为一体的统一的多方位应用平台，该平台以网络和数据库为基础，覆盖了整个服装供应链和产品全生命周期。服装供应链大数据中心采用云计算的技术架构。云计算通过提供基础架构平台，解决了大数据存储和运行的问题，而大数据则以分布式处理等手段支撑服装供应链协同创新功能，主要支撑服装面料协同采购、服装协同设计和生产、服装产品的协同销售和库存管理、服装产品质量协同管控等功能。服装供应链协同创新平台的大数据中心的技术架构从下到上依次为：基础设施层、虚拟化层、平台层、应用层[11]。
2.2.4 匹配目标与特殊的数据挖掘算法
基础设施层包括支撑服装供应链协同创新大数据管理的各种软硬件资源。其中，硬件资源包括服务器、网络设备、存储设备、计算机等。软件资源包括操作系统、数据库、系统管理软件、应用软件等，它们提供存储、队列服务以及其它与服装企业协同创新业务相关的服务。基础设施层将基础设施资源封装成服务，可以很好地进行基础设施资源的划分、分配，以及根据用户需求的动态调整，最终实现基础设施资源的管理服务。
2.1.2 虚拟化层
虚拟化层是对基础设施层的各类软硬件资源进行虚拟化，实现服装供应链协同创新大数据管理的服务器、存储设备、网络设备、操作系统、数据库等虚拟化，提高它们的利用率。通过虚拟化，实现一台服务器被虚拟成多台服务器，每台服务器上可以运行多个操作系统，每个操作系统上可以运行多个服装供应链成员企业的业务系统。
2.1.3 平台层
现在随着共建行动的深入开展，“平安西江”品牌效应集聚，不仅省级交通、水务、气象、旅游、环保、渔政等部门参与，属地市级政府的交通部门、气象局、环保局、农业局等都积极参与到水上安全监管监管。令吴建生感到高兴的是，随着这些属地管理部门的加入，共建“平安西江”行动推进得愈发顺利。“海事部门牵头推进行动，行动形成集聚效应，更多的单位和企业参与进来，行动得到进一步推进，这就形成了一个很好的良性循环。”
理解服装供应链协同创新过程面临的现实问题的需求范围，明确大数据挖掘的对象和将要得到结果。服装供应链协同创新主要包括服装企业与面料供应商的协同创新、服装企业与销售商、客户的协同创新等。服装企业与面料供应商的协同创新主要包括：协同采购、协同设计和生产、协同质控等，此时大数据挖掘的对象主要是服装企业与面料供应商的业务数据，例如它们的采购数据、库存数据、设计数据、生产数据、质量数据等，将要得到结果主要是面料供应商的画像数据、所供面料的到货完成率、准时交货率、合格率、库存消耗数量等数据的预测与控制等。服装企业与销售商、客户的协同创新主要包括：协同设计、协同生产、协同销售、协同质控等，此时大数据挖掘的对象主要是服装企业与销售商、客户的业务数据，例如它们的产品设计数据、生产数据、销售数据、库存数据、质量数据等，将要得到结果主要是销售商和客户的画像数据、服装产品的到货完成率、准时交货率、合格率、PPM（百万分之一不合格率）、库存量等数据的预测与控制等。
2.1.4 应用层
2） 2016—2017年主要分析了总汞、总砷、总铬、六价铬、铅、镉6种有毒有害重金属含量，总汞 0.12～2.13 μg·L-1，总砷 9.26～48.12 μg·L-1，总铬 0.11～2.32 μg·L-1，六价铬 0.04～0.98 μg·L-1，铅13.4～106.0 μg·L-1，镉 1.56～16.70 μg·L-1，随着季节变化以及垃圾的不稳定性，重金属浓度变化幅度较大。GC-MS分析有机物种类34种，包括酚类、胺类、杂环类、卤代物、苯环类物质。
2.2 大数据挖掘层
服装供应链协同创新平台的大数据挖掘的基本过程如下：
经过一段时间的实践探索，金山区走出了一条以制度建设为基础、以民主参与为重心、以法治方式为内核的，特点鲜明、群众认可、成效显著的精细化基层治理新路子。但同时，也还存在着一些需要进一步完善的问题。比如，基层法律服务的多部门工作衔接还不够流畅，律师参与基层治理的机制还可以进一步完善，村规民约的修订尚不够精细等。
服装供应链协同创新平台的大数据管理总体架构自下而上依次包括：大数据中心层、大数据挖掘层、大数据商业智能层，如图1所示。
平台层实现服装供应链业务系统的数据存储、数据交换、数据管理、用户管理、资源管理、安全管理、映像管理等服务。平台层能够根据服装供应链相关企业的业务需求，进行服务定制和组装，例如可以实现服装产品协同设计服务、协同生产、协同采购和销售服务等功能。
2.2.2 产生目标数据库
为了得到最终的结果，需要一个完整的数据库来记录服装供应链协同创新的业务流程信息，各个系统根据不同的目标来组织其数据库，其中应包含各种形式的服装供应链各成员企业的数据资源，以便最终能够得到令人满意的正确结果。
服装供应链协同创新平台的大数据管理架构已经在我国一个服装企业的供应链协同创新平台建设中得到应用。该企业创建于八十年代，经过三十多年的发展，拥有全国百余家服装特许加盟专卖店，年销售收入过亿元。为了提高服装供应链的协同创新绩效，夯实服装产业发展基础，该企业借助互联网、云计算、大数据等先进的信息技术，构建了服装供应链协同创新平台。该平台以大数据的采集和分析为主，利用专门的数据挖掘工具，结合数据挖掘技术，分析和挖掘客户需求；根据客户需求，该企业与供应链上下游企业进行相互合作，实现协同创新业务。
五代之乱给北宋朝廷蒙上了一层阴影，上至君主，下至朝臣对当时人伦秩序失常记忆尤深，宋王朝在建立之初就面临如何巩固国家君主权威的问题。而新旧《五代史》在对待五代十国的态度上则一致尊五代抑十国，其蕴含的政治意图被王夫之一语道破，“宋之得天下也不正，推柴氏以为所自受，因而溯之，许朱温以代唐，而五代之名立焉。”〔12〕（卷二八，P869）
2.2.3 清理与预处理数据
其目的是为了将数据中的空缺值进行填补，并将噪声数据进行消除，继而对不一致数据进行纠正。
2.1.1 基础设施层
其目的是确定哪些数据模型适合于搜索数据模式，以及哪些数据挖掘方法可用于匹配挖掘过程的目标。模型选择一般是基于要挖掘的数据类型，数据挖掘方法的选择取决于最终结果的形式，一般是指知识发现或数据预测。例如，在大数据挖掘层，采用神经网络算法和指数平滑算法，对面料供应商、服装销售商和客户进行画像；采用指数平滑算法和多元回归分析算法不仅可以对面料的到货完成率、准时交货率、合格率、库存消耗数量等数据进行预测与控制，还可以对服装产品的到货完成率、准时交货率、合格率、PPM、库存量等数据进行预测与控制；此外，该企业为了更好地满足客户个性化、多样化的服装消费需求，采用关联规则、文本分析等智能化算法，精准挖掘客户的潜在需求，对客户进行组合销售和精准营销。
应用层将服装供应链协同创新的业务应用封装成Web服务的形式，相关服装企业根据不同的权限，通过服务访问接口，对不同的资源服务进行注册、查找和调用，实现各种应用的运行与维护。应用层能够封装服装供应链成员企业的ERP系统、PDM系统、供应链系统、生产制造系统等提供的各种功能，实现这些系统之间的服务注册、服务共享、服务互操作等。
2.2.5 提取数据模式
使用智能的方式提取目标数据中的数据模式。对服装供应链协同创新的数据库进行数据挖掘的主要目的是对服装供应链各成员企业的业务数据资源进行分类、分析，产生数据价值和服务。
2.2.6 解释和评估挖掘到的模式
数据挖掘算法可挖掘出多种模式，用户应筛选并识别出对自己有用的模式，采用可视化和知识表示技术应用这些有用的模式。
2.3 大数据商业智能层
服装供应链协同创新平台的大数据商业智能层通过对服装供应链协同创新业务的大数据挖掘，将服装供应链中现有的数据资源转化为知识。通过对服装供应链的数据资源预处理，建立服装供应链协同创新业务的数据仓库。按照服装供应链协同创新的主题，对数据仓库进行主题划分，一般可划分为协同采购主题、协同设计主题、协同生产主题、协同质控主题、协同销售主题等，并通过数据挖掘工具，对服装供应链协同创新的主题数据进行分析和挖掘，所得结果将为服装供应链的成员企业科学、有效的使用资源提供帮助。数据挖掘工具封装了像神经网络、指数平滑、回归分析、关联规则等数据挖掘算法，用户不需要了解这些算法的具体实现过程，只需要根据自己的需求目标，直接操作数据挖掘工具，即可实现服装供应链协同创新业务的大数据挖掘和分析，为服装供应链的协同创新提供数据支撑。
3 应用实例
通过本文的研究和探讨，希望可以为已建抽蓄电站的改造实施以及新建的有必要设置汛期备用水源的抽水蓄能电站的设计提供一些借鉴。同时对于该类型的新建电站，设计工作开展时建议：
该企业的服装供应链协同创新平台的总体架构自下而上依次包括：数据源层、大数据管理层、业务协同层、业务应用层，如图2所示。其中，数据源层主要包括服装供应链成员企业（面料供应商、服装企业、销售商等）的各种业务系统的数据库，例如 ERP、CAD、PDM、CAPP、MES、CRM、SRM等系统的数据，这些数据数量巨大、形式多样，符合大数据的特征；大数据管理层主要实现对这些异构数据的抽取、转换、加载、存储、分析和挖掘等操作，从而实现服装供应链协同创新的数据价值与服务；业务协同层主要实现服装企业与面料供应商、销售商等供应链成员企业的协同设计、协同采购、协同生产和销售、协同质控等功能。
将n个丢包率的样本值zn与n组网络指标的样本值代入式(4)中,可求得使损失函数SE达到最小值的b0、b1、b2以及b3。
图2 服装供应链协同创新平台的总体架构
服装供应链协同创新平台的业务应用层主要包括以下功能：客户细分和需求预测、供应链协同创新成果共享、客户关系维护与管理、供应商关系维护与管理，具体说明如下：
3.1 客户细分和需求预测
该企业利用服装供应链协同创新平台的基本功能，对客户的行为需求进行数据采集，生成客户的未来需求预测趋势图，预测客户对服装款式、服装面料颜色、质量、服装着装搭配等需求的变化趋势，然后根据客户个性化需求，进行服装协同设计和生产，进行定制化的协同营销服务，实现客户价值和服务，从而提升了服装供应链的协同创新绩效。
本文分析并设计了基站辅助列车D2D通信建立过程以及列车自组织D2D通信过程，分别考虑在基站和ProSe服务器正常工作的情况下，以及在基站和ProSe服务器故障情况下列车D2D通信。针对列车自组织D2D通信，提出了一种基于ACB机制的资源分配方法，并将该方法与随机竞争的方法进行仿真比较，证明本文提出的方法能有效提高列车识别率，并减少多数列车识别所用的时间。就技术发展现状而言，将D2D通信应用于车车通信的研究还处于初级阶段，还有许多的问题有待解决，许多研究内容和成果还有待改进和深化。
2008年以来，隆阳区丙麻乡推广的是保山市烟草公司下发的三段式烘烤工艺。但是在具体的操作过程中，由于指导和管理不到位，有多年种植和烘烤经验的烟农，借鉴小烤房的烤法，按照自己的烘烤习惯，不重视卧式密集烤房的三段式烘烤工艺的宣传与应用。
3.2 供应链协同创新成果共享
该企业的大数据应用能力体现在对供应链协同创新成果的共享，极大地挖掘了客户价值，并将大数据分析结果进行共享，使得供应链各成员企业都可以得到有价值的信息。该企业通过服装供应链协同创新平台，实现了数据分析结果和协同创新成果的共享，从而降低了供应链成员企业业务协同的时间成本，提升了整个供应链的数据利用效率，使得服装产业链条的综合回报率得到显著的提升。
实验中,节点数2、3、4时的平均精度分别为98.82%、90.29%、76.72%,可见,随着预测节点数增多,预测精度降低,预测结果的稳定性也开始下滑.这是因为,当预测的节点数增多时,所有节点组成区域内的链路组合数量呈指数倍增长,而组合数越多,使得预测结果的搜索空间越大,模型越难准确地命中真实的情况,从而导致其预测稳定性的下滑;同时,当数据集大小有限时,对于每种组合下的输入数据就会更少,即每种标签下对应的训练样本变少,使得各标签的训练过程不充分,模型出现欠拟合现象,从而导致其预测精度变低.
3.3 客户关系维护与管理
该企业重视和维护与客户的关系，通过大数据技术从不同的角度和层次分析客户，了解客户的行为，提升客户的满意度，提高了客户的忠诚度并降低了客户流失率。该企业借助服装供应链协同创新平台，根据客户的喜好推荐服装产品和服务，对客户进行精准营销，帮助客户减少筛选服装的时间，实现了该企业与客户的合作共赢。
3.4 供应商关系维护与管理
该企业同时也重视和维护与供应商的合作关系，通过大数据技术从不同的角度和层次分析供应商的各项指标数据，了解供应商的协同创新行为，提升企业与供应商的协同创新绩效。该企业借助服装供应链协同创新平台，根据供应商的各项评价指标，选择合适的供应商参与企业的协同创新，并对供应商的协同创新行为进行跟踪和监督，确保供应商按照企业的要求完成创新任务，最终提高整个供应链的协同创新绩效。
4 结语
本文对服装供应链和服装供应链协同创新方面的文献进行了梳理，发现服装供应链成员企业间信息共享不及时、预测用户需求不准确以及缺乏对冗余数据的价值挖掘，而基于大数据技术的服装供应链协同创新平台可以有效地解决这些问题。通过对大数据技术的相关架构进行研究，构建了基于大数据的服装供应链协同创新平台，设计了服装供应链协同创新平台的大数据管理架构，从下到上依次包括：大数据中心层、大数据挖掘层、大数据商业智能层。最后，结合应用实例，验证了该架构的正确性和有效性。服装供应链协同创新平台通过对大数据技术的运用，能够挖掘客户需求，促进供应链上下游企业的相互合作创新，提升服装供应链的协同创新绩效和运营水平。
参考文献：
[1]谭志强，郑建科，温洪宪，林国龙.基于云平台的服装供应链协同管理体系研究[J].物流技术与应用，2017，22（11）：126-129.
[2]Romano P,Vinelli A.Quality management in a supply chain perspective [J].International Journal of Operations&Production Management,2001,21(4):446-460.
[3]Bruce M,Daly L,Towers N.Lean or agile:A solution for supply chain management in the textiles and clothing industry?[J].International Journal of Operations& Production Management,2004,24(2):151-170.
[4]Cao Ning.Zhang Zhi-ming.Structures of Textile-apparel Supply Chain:Concepts and Cases[J].Journal of Donghua University,2005,22(2):130-134.
[5]Jimmy K C,Lam R P.Textile and apparel supply chain management in Hong Kong[J].International Journal of Clothing Science&Technology,2006,(4):265-277.
[6]Leng M,Parlar M.Game-theoretic analyses of decentralized assembly supply chains:Non-cooperative equilibria vs.coordination with cost-sharing contracts[J].European Journal of Operational Research 2010,204(1):96-104.
[7]Kaya O.Outsourcing vs.in-house production:a comparison of supply chain contracts with effort dependent demand[J].Omega,2011,39(2):168-178.
[8]王梓蓉.大数据环境下供应链企业协同创新机制研究[J].甘肃科技，2018，34（01）：60-65.
[9]兰秀文，杨旭.试论流通供应链的对称性协同与创新[J].商业经济研究，2018（12）：19-21.
[10]王加毅.供应链管理是提升竞争力的有效途径[J].纺织科学研究，2018（6）：18-19.
[11]王佳隽.基于云计算环境的虚拟化资源管理研究[D].复旦大学，2011.
Research on the Construction of Apparel Supply Chain Collaborative Innovation Platform Based on Big Data
（School of Management，Xi'an Polytechnic University，Xi'an 710048，China）
Abstract: The collaborative innovation of apparel supply chain can solve the information asymmetry between garment enterprise and suppliers and customers,effectively reduce the cost of each member enterprise and improve the operation efficiency of supply chain.In this paper,big data and apparel supply chain collaborative innovation are combined to design the technology architecture of apparel supply chain collaborative innovation platform based on big data,and the applicability and rationality of the architecture are verified by an application example.
Key words: big data；apparel supply chain；collaborative innovation；collaborative innovation of apparel supply chain
中图分类号： F274
文献标识码： A
文章编号： 1006-4311（2019）30-0133-04
基金项目： 国家级大学生创新创业训练计划项目（201810709024）；中国纺织工业联合会科技指导性项目（2015079，2016059，2017067）；陕西省软科学研究计划项目（2017KRM040）；陕西省社科界重大理论与现实问题研究项目（2017Z005）。
作者简介： 和征（1978-），男，陕西澄城人，西安工程大学管理学院副教授，主要研究方向为服务型制造、物流与供应链管理；阮紫琳（1998-），女，河南平顶山人，西安工程大学人文社会科学学院本科生，主要研究方向为语言文字应用；李亚森（1997-），男，河南平顶山人，西安工程大学纺织科学与工程学院本科生，主要研究方向为纺织科学与染整技术；桑子茹（1997-），女，内蒙古阿拉善左旗人，西安工程大学管理学院本科生，主要研究方向为计算机技术应用、信息管理、物流与供应链管理；孙静（1996-），女，陕西宝鸡人，西安工程大学管理学院本科生，主要研究方向为计算机技术应用、信息管理、物流与供应链管理。
标签：大数据论文; 服装供应链论文; 协同创新论文; 服装供应链协同创新论文; 西安工程大学管理学院论文;