一汽-大众佛山工厂国际物流商品智慧归类自主实践与数智化转型

一汽-大众汽车有限公司佛山分公司

在国际物料正、逆向物流过程中，由于不同国家对商品分类目录不同，一种商品在一次国际物流运输过程中可能要使用不同的编码[1]。

为方便对商品的分类管理、征税和统计，促进国际贸易的发展，当今国际贸易中用途最广泛、应用国家最多、最新且最完整的国际贸易商品分类体系是《协调商品名称和编码制度》，即HS编码制度，是国际海关公认的进出口产品分类标准，HS编码的分类原则是：按照商品的原料来源，结合加工程度和用途以及工业部门划分。按照这个原则和系统分类顺序而编排的类、章品目和子目，对所有国际贸易商品尽可能地进行了分类[2]。HS编码制度通过所编排的类、章品目和子目，系统地对商品进行归类，在实际业务中，可通过具体商品名称、用途等信息要素，根据HS编码制度的编排描述，确定商品的归类结果——HS编码，从而确定商品后续的监管方式以及需要缴纳的关税额等。

在国际物料正、逆向物流过程中，查询和确定商品的HS编码工作需要投入大量的时间和精力，对专业的业务知识要求高，且人工进行查询的方式，很容易出错，业务人员对所归类商品的理解、描述的差异，也可能造成错误归类，以上因素都会影响到商品的通关效率，进而影响国际物流业务的效率[3]，并可能引发海关处罚的风险，包括降低海关信用等级、补缴税款、海关稽查、缉私等。

一汽-大众佛山工厂国际物流商品归类业务简介

01

一汽-大众佛山工厂国际物流商品归类业务，是在国际物料正、逆向物流过程中，发生商品归类需要时，在《协调商品名称和编码制度》商品分类目录体系下，以《中华人民共和国进出口税则》为基础，按照《进出口税则商品及品目注释》、《中华人民共和国进出口税则本国子目注释》以及海关总署发布的关于商品归类的行政裁定、商品归类决定的要求，根据进出口商品货物的信息要素，确定进出口货物商品HS编码的活动。

一汽-大众佛山工厂国际物流商品归类业务所面对的国际物料主要分成2类：一是轿车零部件归类，二是设备及备件归类。

1.轿车零部件归类

“轿车零部件”指用于整车生产所需要的零部件物料，一汽-大众佛山工厂所使用的进口轿车零部件主要来自德国，以CKD方式（Completely Knock Down，散件）进口，同时也有部分轿车零部件因质量问题等原因逆向出口返回德国。一汽-大众佛山工厂轿车零部件归类具有持续性、广泛性的特点，是生产经营过程中关税控制和优化的核心内容。轿车零部件归类流程，如图1。

图1 一汽-大众佛山工厂轿车零部件归类流程

2.设备及备件归类

“设备”指为满足新车型项目或者改造项目，而购买并进口的生产线整机设备。“备件”指新车型批量生产后，为满足设备维修需要，而购买并进口的设备零部件。一汽-大众佛山工厂常见进口设备和备件，如图2。

图2 一汽-大众佛山工厂常见进口设备和备件

在设备及备件归类过程中，一方面，为提高商品编码的准确性，利用“预归类、归类决定和归类行政裁定”等各类海关归类制度，提高了归类工作的专业性，将归类过程流程化，减少主观臆断；另一方面，提高对货物发运的控制，可以达到关税优化的效果。一汽-大众佛山工厂设备及备件归类流程，如图3。

图3 一汽-大众佛山工厂设备及备件归类流程

一汽-大众佛山工厂的国际物流商品归类业务，随整车厂的生产经营长期开展，具有流程环节多、涉及商品数量和种类繁多、信息来源复杂、专业性要求高、跨专业知识多、与其他业务关联性强、周期时间长等特点。

传统车企在国际物流商品归类业务方面的开展过程大同小异，整个过程多数比较粗放，技术手段传统，如使用“信息要素随口说，商品归类靠人查，归类数据EXCEL存”等方法进行国际物流商品归类业务的开展与管理，这些方法虽然逻辑简单且工具易于上手，但有数据分散、手工流程繁琐、工作量大、专业知识要求高、极易出错、不同人对商品的理解描述不一致、已生成的大数据未有效利用等诸多缺点，亟需进行数智化升级。

本文将以一汽-大众佛山工厂智慧归类系统，来阐述国际物流商品智慧归类自主实践和数字化转型两个方面的内容。（注：本文侧重于轿车零部件的智慧归类自主实践和数智化转型，设备及备件因商品种类繁多、非标准化部件多、功能繁多且复杂、商品的信息要素受主观描述影响大等因素影响，不在本文讨论范围。）

一汽-大众佛山工厂国际物流商品归类数智化升级

02

1. 一汽-大众佛山工厂国际物流商品归类数智化转型分析

机器学习是继专家系统之后人工智能应用的又一个重要研究领域，是人工智能的核心研究课题之一。机器学习的研究主旨是使用计算机模拟人类的学习活动，它是研究计算识别现有知识、获取新知识、不断改善性能和实现自身完善的方法。机器学习技术在数据挖掘领域中的商业应用、数据库中的知识发现，是近年来随着数据库和人工智能技术发展出现的新兴研究领域，它主要是利用机器学习的方法从大数据中提取出有用的知识[4]。在应用层面，机器学习方法可以较好地完成文本分类等任务，而国际物流商品归类本质上就是文本分类任务，并能在数据持续灌入的前提下，不断自训练、优化其算法模型，从而形成机器学习的过程，并获得更准确的结果[5]。

一汽-大众佛山工厂的国际物料中，轿车零部件具有标准化程度高、商品名称规范、用途等信息要素规整、继承性好等特点，经过多年的业务经营，已经积累了大量的历史归类数据并且品类完备，十分匹配机器学习技术在工程应用的前置条件：问题定义明确，数据储量充沛，可提供关键价值，故而可以利用历史大数据，结合数据库技术和机器学习技术，自主开发一套智慧归类系统，实现商品归类业务电子化、知识管理数据库化、商品归类智慧化、业务自动化，进行业务的数智化转型。

2.一汽-大众佛山工厂国际物流商品智慧归类自主实践

（1）整体架构设计

智慧归类系统整体架构，如图4。

图4 智慧归类系统整体架构

智慧归类系统整体架构需要达到的目的如下：

①数据库化：应用数据库技术存储所产生的历史归类数据，并搭建数据库专用交互界面，以此形成大数据的专用数据库管理。

②数据处理内置：与数据库通讯存储，并自动从数据库获取大数据，清洗和预处理。

③算法设计：自然语言处理，文本分类算法载入，算法内置并进行模型部署，分布式训练以及自动迭代模型。

④功能与流程实现：利用已训练的机器学习模型，搭建智慧归类专用交互界面，内置计算过程，用户在交互层进行智慧归类的结果获取。

（2）大数据管理数据库化

传统业务流程下，已产生的大量轿车零部件归类数据，使用EXCEL进行手工管理，虽然简单通用，但存在速度慢、版本不一致、非单一数据库等问题，需要进行数据库化。MySQL数据库是一种关系型数据库管理系统，具有体积小、速度快、应用成熟、易于二次开发等特点，本智慧归类系统基于MySQL数据库进行大数据管理。基于PyQt5和pymysql，自主开发了数据库专用交互界面，将数据通讯和清洗、预处理过程内置，降低数据库的使用难度，简化数据操作过程，并将历史归类结果大数据全部转入MySQL数据库。所开发的数据库专用交互界面，如图5。

图5 数据库专用交互界面

（3）智慧归类算法设计

机器学习领域的文本分类任务中，涉及到多种理论和算法组合。词向量技术泛指文本进行数值化的过程，是为了让计算机理解和应用词汇，而通过一定方式将文本映射到一个数值化的特定语义空间，即词向量空间。常用方法是词袋模型，该模型简单通用，可以将所有文本信息作为特征进行向量化[5]，适合本文所涉及场景，故本智慧归类系统算法设计使用词袋模型。

文本特征提取是指通过不同方式获得文本的属性或者属性组合，进而获得相对重要的特征组合，即获得文本的中心思想。文本数值化特征提取方式有TF法、TF-IDF法等，其中TF法即词频法，是通过提取文本出现的次数并形成排序，从而得到一系列的属性组合，并配合词袋模型形成特征向量的构造依据[6]，本智慧归类系统算法设计使用TF法。

文本分类有很多经典的模型算法，如逻辑回归算法、随机森林算法、支持向量机算法、朴素贝叶斯算法等。其中，朴素贝叶斯算法是基于贝叶斯定理和统计学理论建立模型的分类算法，朴素贝叶斯算法通过概率描述分类决策问题，对于输出结果Y和特征X，生成联合分布函数来表达置信度，所以对于文本分类任务，可以直接计算出当前数据属于某一类别的概率。朴素贝叶斯算法在数学方面的释义很直观，计算量合理，计算速度快，模型易于部署，很适合文本分类任务。朴素贝叶斯算法常见的模型有三种，高斯模型、多项式模型、伯努利模型，其中多项式模型适合处理离散特征，常用于文本分类问题的处理[7]。本智慧归类系统算法设计使用多项式朴素贝叶斯算法。

（4）智慧归类功能及流程实现

通过PyQt5搭建智慧归类算法模型训练界面，并设置与数据库通讯的底层接口，获取历史归类数据。利用Sklearn中成熟的词袋模型、TF算法、多项式朴素贝叶斯算法并进行整合，载入智慧归类算法对历史归类数据自动进行端到端训练，并在网络端和本地端同步存储训练好的智慧归类结果模型。智慧归类算法模型训练界面，如图6。

图6 智慧归类算法模型训练界面

通过PyQt5搭建智慧归类专用交互界面，利用训练好的智慧归类结果模型，通过专用交互界面进行商品信息要素的输入，内置与训练好的模型通讯计算模块，并返回智慧归类模型计算出的归类结果——HS编码，在专用交互界面显示后即完成国际物流商品的智慧归类。 智慧归类专用交互界面，如图7。

图7 智慧归类专用交互界面

基于轿车零部件商品信息要素规整、继承性好的特点，使用10种典型零件进行测试（包含4种用于车身或传动系紧固、定位等的钢铁制品零件、1种内饰总成零件、5种电子电器零件），该10种零件在历史归类数据中有同类零件但型号不同，且商品信息要素描述略有不同（因涉及商业机密，此处不给出具体的商品信息要素和HS编码，仅给出测试结果），归类测试结果显示HS编码正确，算法模型给出的平均置信度＞90%，满足使用要求。智慧归类测试结果，如表1。

表1 智慧归类测试结果

一汽-大众佛山工厂国际物流商品归类业务流程，传统由人工查阅归类手册来确定商品HS编码，存在手工流程繁琐、工作量大、专业知识要求高、极易出错等诸多问题，经过智慧归类自主实践进行数智化转型，切换为智慧归类系统自动化和智慧化归类，有效避免了上述问题，并极大提高了工作效率。业务流程切换前后对比，如图8。

图8 业务流程切换前后对比

总结

03

随着汽车“新四化”的进一步发展，整车厂的生产经营也在不断探索数字化转型的路径，在结合人工智能技术的工程应用领域，在不断通过自主实践以促进自身的数智化转型，以期能够在汽车“新四化”的浪潮中，获得足够的竞争优势。国际物流大业务需要通过数智化转型升级来提高工作效率和质量，而商品归类业务作为国际物流大业务的核心，更是亟需进行数智化转型。

智慧归类系统的推出，通过端到端的机器学习技术，简化了工程应用的难度，实现了商品归类业务的数据库化、自动化、智慧化，工作效率和质量得到有效提升（转型后，佛山工厂的商品归类流程效率提升56%，一次归类综合正确率由92%提升至98%），产生了良好的经济效益。将实践做法和经验推而广之，可为其他整车厂开展同类业务，提供一定价值的参考。

参考文献:

[1]戴正翔.浅谈国际物流单证体系[J].物流工程与管理,2010,32(09):28-30.

[2]宾清梅,邓美权. HS编码归类偏差现象的探讨[J]. 中国检验检疫, 2005(12):25-26.

[3]谢维,李银胜,邵永臻,吴晓彦.HS编码查询知识库设计与实现[J].计算机应用与软件,2008(08):143-146.

[4]苏淑玲.机器学习的发展现状及其相关研究[J].肇庆学院学报,2007(02):41-44.

[5]朱旭锋,马彩文,刘波.采用改进词袋模型的空中目标自动分类[J].红外与激光工程,2012,41(05):1384-1388.

[6]刘斌.文本分类特征提取算法的研究[D].吉林大学,2016.

[7]王涛.海关商品智能归类算法研究与系统实现[D].北京交通大学,2019.DOI:10.26944/d.cnki.gbfju.2019.001690.

编辑、排版：罗丹

本文源自《物流技术与应用》2023年06期