LOGISTICS · 系統思維邁向雙軸轉型
倉儲與運輸管理
第 2 章
物流資訊的神經網路
資訊觀點
「管理之道抽象,系統之理在邏輯。」
教師:[ ]
全華圖書出版 · 作者:陳志騰 AIBILA Lab.
章前情境
早上 Ware 發現同一張訂單 #SO-0123-5678,在 OMS、WMS、ERP 三個系統顯示三種不同狀態——到底哪一個才對?
Allen 沒有先談系統,而是講了個故事:「你晚上摸黑回家,指尖感知到鑰匙孔,神經傳遞訊號到大腦,大腦從記憶調出經驗,解讀出『順時針轉』的指令——四個環節,缺一不可。」
「物流公司的資訊系統,本質上就是一張神經網路。」
四層神經網路
感知 把實體世界轉成數位訊號
傳遞 讓訊號在系統間流動
記憶 把交易事實長期儲存
解讀 把資料轉為洞察與決策
缺一不可——這就是本章的骨架。
2 / 21
本章核心管理議題
Ware 與 Route 把困惑整理成五個核心問題
1
家族分工
為什麼要同時有 OMS/WMS/TMS/ERP/CRM?分工邊界在哪、衝突怎麼仲裁?
2
誰是真相
三系統狀態不一致時,哪個是真相來源(SSOT)?如何設計訂單狀態機?
3
主資料歸屬
貨品/客戶/儲位主檔由誰擁有(Master)?其他系統如何訂閱?為何需要 MDM?
4
即時的代價
即時同步的成本是什麼?哪些值得即時、哪些批次即可?
5
AI 的前提
AI/BI 要發揮作用需要什麼資料基礎?為何「有系統 ≠ 有資料 ≠ 可用資料」?
本章主軸
從感知到解讀,鋪一條讓資料「乾淨、完整、可信」抵達分析層的底。
3 / 21
§2.1 物流資訊的四層神經網路
感知 → 傳遞 → 記憶 → 解讀,四層協奏、缺一不可
感知
Sensing
把實體世界轉成數位訊號:條碼·RFID·GPS·感測器。挑戰:覆蓋率·準確度·時效。
傳遞
Transmit
讓訊號在系統間流動:EDI·API·訊息佇列·事件匯流排。四問:誰通知誰、何時、格式、失敗怎辦。
記憶
Memory
把交易事實長期儲存:ERP/WMS/TMS 資料庫 + MDM。交易資料 + 主資料。
解讀
Interpret
把資料轉為洞察:BI·報表·AI 模型·最佳化引擎。回答 發生/為何/將發生/該怎麼做。
4 / 21
圖 2-1 物流資訊的四層神經網路
感知—傳遞—記憶—解讀
5 / 21
§2.2 系統家族圖:OMS/WMS/TMS/ERP/CRM 的分工與界線
由上而下:分析層 → 顧客層 → 營運層 → 執行層
L1 分析層
BI / DW
不參與交易、只仲裁:從下面系統抽資料、整合、分析。像法院——不生產,但仲裁。
L2 顧客層
OMS · CRM
面向外部:OMS 主責「訂單」生命週期;CRM 主責「客戶」關係、報價、合約。
L3 營運層
WMS · ERP · TMS
三大支柱=貨(WMS)·錢(ERP)·車(TMS);最吃重,掌管核心資源與主責資料實體。
L4 執行層
WES · MES · FMS · ePOD
最貼近實體現場:指揮自動倉設備、流通加工、車隊監控、電子簽收。
6 / 21
§2.2 跨層協作:四條雙向主動脈
系統不是上級交辦,而是對話協商——任一條設計成單向都會失真
WMS ↔ OMS 可用量/預留:收單前問可賣量、下單後請預留
OMS ↔ ERP ATP/扣帳:問信用額度、出貨後扣帳開應收
ERP ↔ CRM 信用/應收:把客戶信用與欠款提供給業務
TMS ↔ CRM 到貨更新:把貨況回寫,讓客服即時答『貨到哪了』
家族界線:資料共用,主責唯一
同一張訂單,OMS 主責履約狀態、ERP 主責財務結清、CRM 主責客戶關係——關注點不同,但主責只能一個。
7 / 21
圖 2-2 物流資訊系統家族圖
四層架構 × 四條雙向主動脈
8 / 21
§2.3 主資料管理(MDM):貨品、客戶、儲位、車輛誰說了算?
交易資料記錄「發生什麼」;主資料記錄「參與交易的對象是誰」
貨品主檔 Item
編號·名稱·規格·條碼·保存條件。OMS/WMS/ERP 共用。常見雷:三系統三種編號與名稱。
客戶主檔 Customer
編號·統編·地址·信用額度·付款條件。OMS/CRM/ERP 共用。常見雷:一客戶被建三筆、信用重複計算。
儲位主檔 Location
編號·座標·類型·承重·溫濕度。WMS 主責。常見雷:儲位改建但主檔沒更新、找貨找不到。
車輛主檔 Vehicle
車牌·車型·載重·溫層·油耗·駕駛。TMS/FMS 共用。常見雷:過戶未更新、結帳給錯公司。
9 / 21
§2.3 Master / Subscriber 與治理
每一筆主資料,只能有一個主責系統(Master),其他都是訂閱者
誰當 Master 業務邏輯的源頭:貨品→ERP/PIM、客戶→CRM/ERP、儲位→WMS、車輛→TMS/FMS
Subscriber 規則 訂閱者不可擅改主檔,只能透過 Master 更新再同步——防止多頭馬車
四種 MDM 架構 依整合深度與實施成本權衡;沒有最好、只有最適合現在的組織
治理問題 > 技術問題
主資料不是 IT 問題,是治理問題:誰有權新增?誰有權修改?誰有權停用?
「技術只是工具,治理才是根本。」
10 / 21
圖 2-3 維度事實模型與主資料治理
主資料=維度表,交易資料=事實表
11 / 21
§2.4 介面模式:同步、非同步、批次與事件驅動
同一句「我要下單」,用不同方式說出去,結果差很多
同步 API 打電話
REST API:撥出請求、等待回應。即時一致,但強耦合——對方當機你也卡住。
非同步訊息佇列 寫信+郵差
Kafka/RabbitMQ:丟進佇列、各自收信。解耦有彈性,但最終一致(延遲幾秒~幾分)。
批次檔案 貨運
CSV/EDI 定時傳送、批次處理。穩定可靠、成本低,但時延高(小時級)。
事件驅動 消防警報
事件一響、訂閱者各自反應。即時+解耦兼得,但實作門檻最高。
12 / 21
§2.4 即時性光譜:越即時,越貴
月批次 → 日批次 → 小時 → 分鐘 → 秒 → 毫秒(事件驅動)
越往右 延遲越低,但架構成本越高——伺服器、維運人力、故障排查、跨部門協調
該即時的地方 庫存可用量、車輛位置——用同步 API / 事件驅動
能批次的地方 月結報表、歷史對帳——用批次檔案 / 非同步
Allen 的提醒
「不要為了 1% 的即時需求,付 10 倍的架構成本。介面設計沒有最好,只有最適合。」
13 / 21
圖 2-4 資訊系統介面的即時性光譜
從月批次到毫秒級事件驅動
14 / 21
§2.5 AI/BI 落地架構:承先啟後
逐層向上疊加——沒有下一階的基礎,上一階只是賭博
描述性
Descriptive
發生了什麼? BI 儀表板·報表·OLAP。最基本也最成熟。
診斷性
Diagnostic
為什麼發生? 鑽取·根因分析·異常偵測。要求可追溯性。
預測性
Predictive
接下來會怎樣? 機器學習模型預測需求、延遲、故障風險。
處方性
Prescriptive / Normative
應該怎麼做? 最佳化引擎·模擬·決策建議,直接給行動方案。
AI 落地三道門檻:① 感知的廣度與準度 ② 主資料的治理 ③ 介面的穩定性——資料先於模型,治理先於分析。
15 / 21
圖 2-5 BI/AI 的四層分析階梯
Descriptive → Diagnostic → Predictive → Prescriptive
16 / 21
§2.6 工具與技術:物流資訊架構選型指南
工具家族這麼多,怎麼選?
Fit 契合度
不是選最強的,是選最貼合現況的。看業務規模、IT 人力、現有系統生態。
TCO 總持有成本
授權費只是冰山一角;真正成本在維運、訓練、整合、升級、故障排查。
Exit 退出路徑
上車容易下車難:五年後要換,資料拿得出來嗎?慎防封閉格式與廠商鎖定。
17 / 21
本章摘要
1物流資訊系統=一張神經網路:感知 → 傳遞 → 記憶 → 解讀,四層協奏、缺一不可。
2系統家族四層(分析/顧客/營運/執行)+ 四條雙向主動脈;資料共用、主責唯一。
3主資料管理(MDM):每筆主資料只有一個 Master、其他訂閱;治理比工具更根本。
4介面四模式(同步/非同步/批次/事件驅動)落在即時性光譜——越即時越貴。
5AI/BI 四階階梯(描述→診斷→預測→處方);資料先於模型,治理先於分析。
18 / 21
關鍵詞索引
本章首次出現、後續反覆引用的重要詞彙
SSOT
單一真相來源 Single Source of Truth
OMS / WMS / TMS
訂單/倉儲/運輸管理系統
MDM
主資料管理 Master Data Management
Master / Subscriber
主責系統/訂閱系統
19 / 21
課堂討論題(精選)
取自章末習題,適合課中分組討論——完整 45 題見教師版題庫
Q1 誰是真相
訂單在 OMS/WMS/ERP 顯示不一致時,你會把誰設為真相來源?如何設計狀態機讓三者對齊?
Q2 主資料歸屬
貨品主檔該由 ERP 還是 PIM 當 Master?列出你的判準與訂閱設計。
Q3 即時的代價
舉一個「值得即時」與一個「批次即可」的物流資料,並說明成本權衡。
Q4 AI 的前提
你公司要導入需求預測 AI,感知/主資料/介面三道門檻各要先做什麼?
20 / 21

結語 資訊,是本體在系統裡的倒影
有了實體結構(Ch 1)、資訊神經網路(Ch 2)——
接下來要問:怎麼做決策?
① 感知先行
溫度感測器改 5 分鐘一次,才是 AI 上場前真正該做的事
③ 承先啟後
四層鋪的都是同一條底:讓資料乾淨、完整、可信地抵達分析層
下一章 第 3 章 物流問題的解決邏輯:決策觀點——用兩階段決策金字塔把一切連起來。
21 / 21