CN102422313A - 用于优化运输方案的方法 - Google Patents

用于优化运输方案的方法 Download PDF

Info

Publication number
CN102422313A
CN102422313A CN201080019902XA CN201080019902A CN102422313A CN 102422313 A CN102422313 A CN 102422313A CN 201080019902X A CN201080019902X A CN 201080019902XA CN 201080019902 A CN201080019902 A CN 201080019902A CN 102422313 A CN102422313 A CN 102422313A
Authority
CN
China
Prior art keywords
bulk material
delivery vehicle
supply
flight number
cost
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201080019902XA
Other languages
English (en)
Inventor
G·R·科西斯
K·C·弗曼
M·奥斯默
J·宋
P·H·沃里克
T·A·惠顿
L·蔡
F·黎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ExxonMobil Technology and Engineering Co
Original Assignee
ExxonMobil Research and Engineering Co
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ExxonMobil Research and Engineering Co filed Critical ExxonMobil Research and Engineering Co
Publication of CN102422313A publication Critical patent/CN102422313A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders

Abstract

提供了一种用于货物的最优运输的方法和装置。该方法包括：优化多个运输判定，以及通过根据优化的运输判定的集合来移动多个运载工具，从而机械地运输货物。所述判定包括：运输路线和对运输工具的调度、对于要通过运输工具运输到一个或多个需求位置的货物的分配、对于通过运输工具从一个或多个供应位置拾取的货物的委任、对专业化运输位置的使用，以及对每个运输工具的运载工具指配。通过以下方式来优化判定集合：收集与各种运输判定有关的数据、将所收集的数据用作混合整数线性编程模型的一部分，以及获得该模型的解算以便得到优化的运输判定的集合。

Description

用于优化运输方案的方法
相关技术的交叉引用
本申请要求临时美国专利申请No.61/175,718(2009年5月5日提交)的权益，通过引用的方式将其整体合并于此。本申请还涉及2008年10月12日提交的标题为“System for Optimizing Transportation Scheduling”的美国专利申请No.12/285,651，其进而涉及2007年11月6日提交的相同标题的美国临时专利申请No.60/996,188。本申请还涉及2008年11月21日提交的标题为“System for Optimizing Bulk Allocation，Transportationand Blending”的美国专利申请No.12/292,600，其进而涉及2007年12月21日提交的相同标题的美国临时专利申请No.61/008,581。通过引用的方式将这些申请中的每一个申请的整体合并于此。
技术领域
本发明针对一种用于为多个运输工具确定优化运输方案以及根据所述方案来移动运载工具的方法。本发明还针对一种用于确定优化的运输判定集合的装置。更特别地，本发明针对通过以下方式来确定用于最大化货物装载和递送程序的总的净盈余(total net margin)的最优解算(solution)：确定用于运输包括一个或多个散装材料(bulk materials)的货物的航次集合(a set of voyages)，以及在可用运载群队(fleet)中指配运载工具以便在给定计划时段期间实现航次。
背景技术
海上运输对很多产业(包括石油和气油产业)来说是重要的方面。海上运输是远距离船载散装材料(例如，诸如原油这样的散装液体)的在经济上有吸引力的手段。因此，日常通过在源位置和目的地位置之间的各种舰船而在大洋和大海上移动大容量散装材料。目的地港口(例如，炼油厂场所)可以在地理上分散在世界各地并且经常远离所需要的散装材料(例如，原油)的源。因为距离远，所以运输成本显著。例如，在2008年，一个大型公司的海上活动包括超过30,000个航次，在货运成本上总共接近$5亿。另外，海上运输的商业环境是复杂和动态的，因为船运选项的数目大并且根据需要运输的材料的数量、对运输的时间限制、可用舰船和相关港口的物理限制、舰船合约款项和条件等而在任何给定时间是变化的。因此，海上运输调度判定是复杂和动态的。
用于做出舰船运输判定的常规商业惯例是实施对可用选项的人工分析。有经验的人员将计算航次约束，估计经济的折衷，在时间上推进航次事件以及评估潜在的判定。该人员还可以应用启发式商业规则和指南以及直觉力来开发可接受的货物运输(即，搬运)程序。该过程是耗时的、不完备的，并且没有理想的方式来知道所选择的搬运程序是否是最优的。给定通常是大数目的可行航次、调度和舰船/航次指配，通过人工地一次考虑一个航次(或一个舰船)来确定最优搬运程序，即使不是不可能的，也是很困难的。该困难由于各种指配判定之间的交互而进一步复杂。(例如，如果将给定舰船指配给给定航次，那么该舰船对于一个或多个交替并行的航次不再可用)。即使由有经验的调度员来操作，交互的数目、可能的判定的数目，以及显著因素的数目也太过复杂而不能充分地进行人工优化(特别是在用于做出商业判定的可接受的时间帧中)。当人们尝试考虑可被指配给给定舰船的一个或多个航次的顺序时，该问题进一步复杂化。另外，一旦已经完成人工导出的航次集合和调度，那么以下做法是不切实际的：频繁地重复该调度过程以反映日常可能发生的商业环境中的改变，或者运行若干不同的场景来测试特定约束可能对整个搬运程序的影响。
TurboRouter
Figure BDA0000105920520000021
是由Norwegian Marine Technology ResearchInstitute，MARINTEK Logistics新近开发的工具，并且其实施舰船航线和调度计算。然而，该工具基于的是启发式方法而不是优化方法。另外，该工具的目的是允许商业船运公司(与租船方或货主相对比而言)使得通过船运除了必须船运的合同货物之外的可选货物而获得的收入最大化。
存在很多船舶航线和调度领域中的出版物。一篇综述文章是M.Christiansen、K.Fagerholt和D.Ronen的“Ship routing and scheduling：status and perspectives”，Transportation Science，38(1)：1-18，(2004)(通过引用的方式将其整体合并于此)。一篇概述文章是由C.Barnhart和G.Laporte编辑的M.Christiansen、K.Fagerholt、B.Nygreen、D.Ronen的“Marin e Transportation”，Handbooks in Operations Research andManagement Science：Transportation(2005)(通过引用的方式将其整体合并于此)。
要注意的一份出版物是Scheduling Ocean Transportation of Crude Oil，Management Science，G.G.Brown，G.W.Graves，D.Ronen，33(3)：335-346(1987)(通过引用的方式将其整体合并于此)。该文章论述了原油海上运输问题。然而，在此描述的建模问题包括下面的假定和简化：(1)每个货物(即，要船运的原油)在单个装货港口和单个卸货港口之间移动；(2)船运的货物必须总是全船负荷(即，货物必须具有固定大小)；以及(3)每个舰船具有相同大小。另外，该模型的目标函数是最小化成本而不是最大化净盈余(即，收入或价值减去成本)。
要注意的另一份出版物是Fleet management models and algorithms foran oil tanker routing and scheduling problem，H.D.Sherali，S.M.Al-Yakoob，M.M.Hassan，IIE Trans.31：395-406(1999)(通过引用的方式将其整体合并于此)。该文章也论述了原油海上运输建模问题。再一次，该建模问题特性在于使得每个航次必须由单个装货港口和单个卸货港口构成并且每个货物必须是全船负荷。另外，目标是最小化成本而不是最大化净盈余。在该文章中论述的问题与前述文中的不同之处在于：船舶不一定具有相同的大小并且存在船舱的明确处理。
以上的工作都没有提供表示一般舰船航线、调度和指配商业问题特性和/或约束的海上运输方案。例如，在典型的舰船调度问题中，每个航次由多个装货港口和多个卸货港口构成，搬运的货物可能在重量和/或体积上是变化的，并且可用于实施该航次的舰船可能在很多方面是变化的，包括但不限于容量和租赁类型(例如，现货舰船(spot vessels)和期约舰船(termvessels))。
此外，以上工作都没有为运输方案提供(相比于仅最小化成本而言)最优地最大化总的净盈余的海上运输程序。单是成本最小化方法并不总是可以提供最充分的结果，因为其没有正确地表示舰船指配判定的经济影响，没有适当地反映出期约和现货舰船的使用之间的折衷，并且没有在一致的基础上评价长的和短的航次。
因此，如以下所述，已经开发了用于确定最优运输路线、货物分配、调度以及指配判定并且根据那些判定来移动运载工具群队的新颖的方法。该方法通过在反映共同调度问题特性和约束的同时确定用于运输包括一个或多个散装材料的货物的航次集合以及在可用运载群队中指配运载工具来实现航次，从而为货物装载和递送程序确定使得总的净盈余最大化的最优解算。这样的优化方法不仅对海上运送产业寓意深远并且也同样适用于陆地(例如，货车运输业)和空中运输。
发明内容
本发明提供了一种方法，用于优化与向各个位置和从各个位置运输货物的多个运输工具的运输调度相关联的各种判定，以及根据所优化的判定来移动所述多个运输工具。更特别地，所述判定包括：运输路线(即，航次)、实施运输路线的时间和顺序，以及根据调度而指配来实施每个路线的船舶，以及在所设参数内的货物拾取和递送的类型和数量。还提供了能够执行该优化方法的装置。尽管该方法在海上运输领域特别有益，但是该方法可以应用于任何已知的运输领域，诸如用于通过陆地或通过空中运送货物的领域。在与使用海上舰船运输散装材料货物有关的特定实施例中，要优化的各种判定包括：供应委任(supply nominations)(包括供应体积、散装材料的等级，以及日期)、分配可用供应以满足分隔(segregation)要求、在多个运载工具中的每个舰船的运输路线(即，航次)，以及对各种运河(诸如苏伊士运河)的使用(其合并了重新封装、甩挂(drop and pick)以及根据情况的管道考虑)。
所述方法包括优化运输判定，这包括多个运载工具的运输路线、对货物的需求分配、货物的供应委任以及专门的运输选项的考虑。所述方法进一步包括根据所优化的运输判定来移动所述多个运载工具。所述优化可以被实施以便最大化在运载工具上运输货物的总的净盈余、最小化运输运载工具的成本，或者最优化某个其它目标函数。所述优化运输判定方法包括：(1)收集与多个供应位置、多个需求位置、多个运输工具、要运输的货物、运输信息以及其它用户定义的约束相关的数据；(2)将所述数据用作混合整数线性编程模型的一部分，所述混合整数线性编程模型包括用于最大化净利润(或用于最小化所招致的成本)的目标函数以及基于所述数据的多个约束；以及(3)获得对所述混合整数线性编程模型的一个或多个解算。所述方法进一步包括：根据所优化的运输解算来移动所述多个运载工具。
所述方法确定要实施的最优路线，并且对于每个优化的运输路线，确定每个运载工具在该路线中到达的停靠站(例如，供应/需求位置、运河、加油等)、在每个供应停靠站处装载的货物的数量和类型、在每个需求停靠站处卸载的货物的数量和类型、对装载/卸载货物的调度、所估计的运送成本，以及指配给该航次的特定运载工具。另外，对于在每个需求位置处的货物的每个分组，所述方法可以确定关于递送的库存简档(inventoryprofile)以及其它限制性约束(例如，包括所建议的散装材料货物的掺和比率(blend-down ratio))。在特定实施例中，以上的确定是使用计算机应用来进行的，并且通过例如图形用户接口(GUI)或电子数据表来向用户进行显示。
所述方法还能够确定使得总的净盈余最大化的最优解算，以便确定要实施的航次集合以及在可用运载群队中指配运载工具来实施所述航次。替代地，可以基于最小化所招致的成本来确定最优解算。在航次集合中的每个航次是在计划时段期间被启动的，并且精确地概述了各种运载工具将如何把货物从一个或多个供应位置(例如，装货港口)运输到一个或多个需求位置(例如，卸货港口)。在一个实施例中，每个运载工具可以在大小、形状、容量、成本和租赁类型(例如，期约舰船与现货舰船)方面不同。
所述方法在确定可行选项以及最优运输路线、调度和运载工具/航次指配中考虑了多个输入参数，以便产生最高的总的预计净盈余(或者替代地，以便产生最低的总的所招致的成本)。可以考虑的典型的判定包括但不限于以下内容：(1)供应和(2)需求位置(例如，港口)，其可以具有不同的物理限制(例如，最大吃水、最大舰船长度和宽度等)、成本(例如，港口费用)、物理位置、可估价性(ratability)要求、拾取/递送时间窗口(例如，搬运装卸期限(laycan))、货物的处理/消耗速率、货物类型要求/可用性(例如，原油等级和/或掺和比率限制)，以及最小化/最大化库存限制；(3)在可用运载群队中的每个运载工具的特定特性—诸如吃水、满载/压载速度、燃料消耗速率、运载工具位置、货物容量和其它参数，它们确定了运载工具是否可以满足航次中的供应和需求位置的约束；(4)所运送的不同类型的货物(例如，不同等级的原油)及其体积、密度或其它属性；以及(5)各种运输属性，诸如各种位置之间的距离、特殊路线的可用性(例如，可具有甩挂和重新封装能力的运河)、通行费、统一费率和燃料成本。优选地，考虑了具有对净盈余或所招致的成本造成可评估影响的所有问题特性(例如，输入参数)。
所述方法可以被执行多次以便探索在输入数据、假设和指配约束方面的敏感性。例如，用户可以迫使该模型将给定运载工具指配给给定航次并且使用所迫使的指配来重新优化运载工具调度。这可能对于表示已经做出的判定或者分析迫使运载工具指配的影响是有利的。
本申请足够快地估计了动态商业环境中的机会并且支持假设推测情形。在一个实施例中，本申请实现了对于在畅通的3GHz双核个人计算机上运行大约30-45分钟的典型问题的计算。
附图说明
根据下面给出的详细描述和附图，将更充分地理解本发明，附图仅通过图示的方式被给出。因此，这些附图不是对本发明的限制。
图1描绘了本发明的一个实施例中在用户和具有其各种接口和计算引擎的建模应用之间的交互的示例性表示。
图2是根据本发明特定实施例的装置的功能性的一部分的表示。
图3是根据本发明特定实施例的与用于根据优化的运输判定集合来移动货物的方法相关联的步骤的表示。
详细附图仅出于图示的目的而提供。在各种说明性电子数据表中阐述的特定数据是用于假想但却是代表性调度问题的假想但代表性的数据。因此，从其导出的结果是类似的假想但却是代表性的。
具体实施方式
定义
在本说明书中的所有词语旨在具有其最宽泛的常规含义。为了进一步清楚，下面阐述了在本说明书中使用的一些术语的常规含义。
“分配”意指基于某种偏好(例如，经济上的)向各种需求位置指配可用货物，以便满足目的地要求，同时满足现有约束和限制。
“掺和比率”表示限制散装材料(例如，原油)的供应等级的混合(或掺和)的约束集合，当在单个运载工具上递送时，其对于需求位置分隔(segregation)(例如，港口分隔)是可接受的。
“散装材料”意指当装载时未结合的(unbound)和基本上是液体的任何材料；换句话说，其是松散的未封装形式。散装材料的例子包括煤、粮食和石油产品。
“货物”意指由运载工具运输的任何产品或材料。在优选实施例中，货物是诸如原油这样的散装材料。
“代码”包括源代码和目标代码这二者。
“强制存货义务(CSO)”通常指的是要求要在指定地理区域内维持的货物(和/或等同产品)的某个最小体积的法律。例如，法定义务体积(LOV)是日本基于岸上或日本的领海内散装材料的总体积所计算的CSO。类似的法定或规定义务可以存在于海上、陆地或空中运送中的其它运输点。如在此所使用的，CSO还将包括这些类似的过程。
“需求位置”意指接收到所运输的货物的地方。“卸载”、“需求”、“接收”和“目的地”位置或地点(诸如港口)在此可互换地使用。
“卸载程序”表示对卸载行动的调度(即，将货物递送到需求位置)并且包括一系列的运载工具、需求位置、卸载目的地、货物的类型、货物的卸载体积，以及在给定时段(例如，一个月)中计划的多个卸载行动的卸载日期。在特定实施例中，“卸载目的地”是在每个需求位置处散装材料的分隔。
“甩挂”出现在本发明的海上运输应用的情景中。某些类别的海上舰船(举例来说，诸如超大型油轮(VLCC))无法在满载货物的同时通过某些运河(例如，苏伊士运河)行进。甩挂(D&P)包括：在进入运河之前(例如，在红海的Sukhna处)卸下足够的货物，从而使得船舶可以通过运河。一旦已经通过运河，则船舶将装载与在落点处卸载的量类似的(或更多)的数量。类似的过程可以存在于用于海上运送的其它运河处或用于陆地或空中运送的其它运输点。如在此所使用的，“D&P”还将包括这些类似过程。
“外部供应”意指以下能力：表示并包括尚未包括在装载程序中的(例如，在需求位置处的)卸载的库存效果。该方法可以用于表示区域或局部货物供应，但不仅限于这样的使用。
“运载群队”意指两个或更多运载工具的分组。运载群队可以是同质的(即，仅含一种运载工具类型)或异质的(即，含有两个或更多不同的运载工具类型)。
“等级交换”必然伴有递送原油的替换等级而不是所请求的等级以满足在需求位置(例如，需求港口)处某个分隔的要求。可以预计，分站(substation)可以要求与原始要求不同的体积或重量，并且可以通过某种处罚或激励来相应地调整所替换的原油等级的收入或价值。
“装载程序”表示对装载行为的调度(即，在供应位置处装载货物)并且包括一系列的运载工具、供应位置、货物类型、货物的装载体积，以及在给定时段(例如，一个月)中计划的多个装载行为的装载日期。
“净盈余”是收入减去所招致的成本。
“委任程序”表示对于将货物供应到各种运输工具以便递送到需求位置的调度。委任程序包括：供应位置、货物的类型、货物的装载体积，以及在给定时段(例如，一个月)中用于多个供应装载行为的装载日期。
如在此所使用的，“最优的”、“优化”、“使得最优化”、“最优性”、“最优化”以及那些术语的衍生词和其它形式以及语言上相关的词语和短语并不旨在对要求本发明找到最佳解算或进行最佳判定的意义上有所限制。尽管数学上最优的解算可能事实上至多达到所有数学上的可用概率，但是优化路线、方法、模型和过程的现实世界的实施例可能朝着这样的目标努力而实际上没有完美实现。因此，受益于本公开的本领域普通技术人员将理解，在本发明的上下文中，这些术语是更为通用的。这些术语可以描述朝着一个或多个解算努力(例如，比较两个或更多解算以及选择至少一个解算中的至少一部分)，其可能是最佳可用的解算、优选解算，或者在约束范围内提供特定益处的解算；或者持续地改进；或者改善；或者搜索目标的最大值或高点；或者进行处理以便减少罚函数(penaltyfunction)；等等。
“可估价性”表示在某个时间段上以稳定速率可获得对一个或多个类型的货物的供应。用于海上运输应用的可估价性装载程序的例子将是：在该时段中的每一天装载总时段的每日平均体积(对于散装材料的给定原油等级)。实际上，可估价性的更粗略定义经常是优选的，诸如在每四分之一个装载时段期间装载大约要装载的总货物的四分之一。
“重新封装”指的是将所有或一部分货物卸到转载位置(例如，在AinSukhna处的SUMED管道)中的过程，在转载位置中，货物可以被重新装载到同一运载工具上，或者重新装载到不同的运载工具上。当按照与从运载工具卸下的配置不同的配置将货物的配置(例如，体积或类型)重新装载到该运载工具上时发生重新封装。在海上运输的情景中，重新封装的非限制性例子如下。仅运载等级A原油的船舶1和仅运载等级B原油的船舶2都在Ain Sukhna处卸载了其货物的一部分。然后，它们通过苏伊士运河，并且在Sidi Kerir处重新装载货物，从而使得两个船舶现在都运载等级A和等级B原油。第二例子如下。船舶3正在运载等级C原油，并且船舶4正在运载等级D原油。两个船舶都在Ain Sukhna处(完全)卸载。船舶5在Sidi Kerir处重新装载来自船舶3的一部分货物和来自船舶4的一部分货物。船舶6正在运载等级E原油，并且在Ain Sukhna处卸载货物。船舶7和船舶8(较小的船舶)在Sidi Kerir处重新装载来自船舶6的货物。类似的过程可以存在于用于海上运送的其它转载位置处或用于陆地或空中运送的其它运输点。如在此所使用的，重新封装还将包括这些类似过程。该过程以下面的方式区别于甩挂(见上文)。当同一运载工具装载了所卸载的同一货物时(例如，以便允许通过苏伊士运河)，这是没有重新封装的甩挂。然而，当将与从运载工具上卸载的货物不同的货物的组合装载到该运载工具上时，这被称为重新封装。类似类型的过程可以存在于其它管道、运河或用于海上运送使用的其它转载位置处或用于其它运送产业的其它特殊运输位置处。
“要求”意指对以下内容的规定：在给定上容限和/或下容限的情况下，在指定时间窗口期间(或者在计划时段期间的任何时间)必须向需求位置处的特定分隔递送的一个或多个类型(例如，散装材料的等级)以及相关联的数量(例如，体积)。通常，所述要求可以用于需求位置，或者(更具体和优选地)用于在需求位置处的特定分隔。
“现货舰船”通常是为一个航次租赁的舰船。在特定实施例中，短语“现货舰船”还可以包括具有类似短期可用性的任何舰船。
“供应位置”意指获得用于运输的货物的地点。在此可互换地使用“装载”、“供应”和“起源”位置或站点(诸如港口)。
“期约舰船”是租赁了规定的时间段的舰船。在特定实施例中，短语“期约舰船”还可以包括具有类似长期可用性的任何舰船(例如，完全或部分自有的舰船、定期租赁(time charter)、空船租赁(bareboat charter)等)。
“运输方案”表示用于将货物从一个或多个供应位置运输到一个或多个需求位置的详细整体计划。该方案包括诸如以下信息：货物的拾取和投放的时间、要拾取或投放的货物的数量和类型、特殊运输位置(例如，诸如苏伊士运河这样的运河)的使用，以及向特定的拾取和投放任务指配运载工具。本发明的一个目标是优化这些和其它运输判定以得到最优运输方案。
“类型”在货物类型的情境中定义了货物的构成或性质，诸如货物中所含的产品或材料。例如，在散装材料的运输中，所述类型指的是原油的等级。
“运载工具”意指任何船舶、游艇、飞机、火车、货车或运输的任何其它机械装置。
“舰船”意指任何船舶、游艇或其它水上行走运载工具。
“航次”意指在两个或更多点之间无论是通过陆地、大海还是空中行进或经过的任何过程。在此交换地使用术语“航次”、“路线”和“运输路线”。
模型的目标、输入和输出
根据本发明的方法包括以下步骤：优化多个运输判定，以便获得最优或接近最优的解算；以及根据优化的运输判定的集合，通过移动多个运输工具来机械地运输货物。要优化的多个运输判定包括：用于多个运输工具的运输路线、在所设参数内对于要由多个运输工具运输到一个或多个需求位置的货物的分配、在所设参数内对于由多个运输工具从一个或多个供应位置拾取的货物的委任、对特殊运输位置的使用，以及对多个运载工具中的每个运载工具的运载工具指配。
所述优化步骤包括：收集数据，将所收集的数据用作混合整数线性编程模型的一部分，以及获得所述混合整数线性编程模型的解算以便得到优化的运输判定的集合。所述收集步骤聚集了与供应位置、需求位置、运输工具、要运输的货物、各种运输信息以及附加限制或约束有关的信息。
混合整数线性编程模型包括目标函数和多个约束。所述目标函数可以用于最大化在计划的时段中特定运输方案的净盈余。替代地，在特定实施例中，该目标函数可以最小化在计划的时段中特定运输方案的所招致的成本。也可以采用与经济或财务问题有关的其它目标函数。此外，根据从所述收集步骤收集的数据来制定所述混合整数线性编程模型的约束。
尽管在此将使用海上运输例子(在此称为“海运实施例”)来更详细地描述本发明，但是举例来说，本发明的其它应用确实是可能的，诸如陆地、空中以及混合的陆地/空中/海上运输。对海上运输例子的使用不应当被解释成限制了本发明的范围或应用。如本领域的技术人员将理解的，在此描述的方法确实也适用于陆地或空中运输问题。
示例性实施例的一般目标
在本发明的一个实施例(海运实施例)中，本发明是一种用于优化海上运输方案的运输判定的方法，诸如供应委任、对可用供应的分配、运输路线(即，航次)、对专业化运输位置(例如，苏伊士运河或具有甩挂或重新封装能力的其它位置)的使用，以及对用于各种装载/卸下任务的运载工具的指配。在某些实施例中，所述方法使用计算机应用来优化多个海上运载工具(即，舰船)的海运航次。所述应用包括代码，当被执行时，所述代码确定出用于使得总的净盈余最大化的最优解算，从而在计划时段期间进行路线选择、调度并指配可用运载群队中的运载工具来移动货物。于是，在所述计划时段期间启动每个航次来运输货物。
在该实施例中，多个运输工具可以包括海上舰船的运载群队。舰船的运载群队可以是异质的(heterogeneous)。例如，在该运载群队中的每个舰船可以在大小、形状、货物运载容量等方面不同。更特别地，每个运载工具的货物容量可以在体积容量以及重量容量方面不同。甚至对于在同一类别内的运载工具(诸如超大型油轮(VLCC)舰船)来说这也是成立的。另外，该运载群队可以在经济成本方面有所不同。例如，运载群队可以包括期约舰船、自有舰船、空船租赁、现货舰船等的任何组合。优选地，运载群队包括期约舰船和现货舰船这二者。在一个实施例中，不管其租赁方的经济基础如何，在运载群队中的每个舰船都被分类为期约舰船或现货舰船。在该实例中，可用于多个指配的舰船(例如，完全或部分自有的舰船、定期租赁、空船租赁等)通常被分类为期约舰船，并且仅可用于一个指配的舰船通常被分类为现货舰船。替代地，运载群队可以是同质的(homogenous)。
此外，在该实施例中，所述一个或多个供应位置中的至少一个是海上港口(即，供应港口)。类似地，所述一个或多个需求位置中的至少一个是海上港口(即，需求港口)。而且在该实施例中，至少一个部分货物是散装材料，诸如原油。散装材料可以包括各种等级的原油。
每个航次定义(即，运输路线)指定了与该问题有关的属性和/或约束。这些属性和约束可以包括但不限于以下：(1)需要拜访的供应/需求位置；(2)需要在每个位置处装载或卸载的特定货物的身份、类型和体积范围；(3)要在每个位置处装载或卸载的货物的数量的上容限和下容限；(4)在每个位置处必须发生装载或卸载的允许时间窗口；(5)在各个时间在每个供应位置处可获得的货物的可估价性；以及(6)在特定需求位置处要递送的每个类型货物的体积的上界/下界。每个航次定义可以包括对多个供应位置和多个需求位置的拜访，并且可以具有包括多个类型(例如，原油的不同等级)的货物。因此，在一个实施例中，每个航次包括装载分段(loadingsegment)，在装载分段中，在特定于位置的数量范围内和在特定于位置的装载时段内从一个或多个供应位置装载一个或多个类型的货物(例如，三个不同等级的原油)。在该实施例中，每个航次进一步包括卸载分段，在卸载分段中，在特定于位置的数量范围内和特定于位置的卸载时段内在一个或多个需求位置处卸载一个或多个类型的货物。
优选地，在每个航次中，装载的总的货物等于卸载的总的货物。因此，在一个实施例中，在装载分段中装载的每个类型的货物的总量等于在卸载分段中卸载的每个类型的货物的总量。然而，还可以考虑以下情形：在航次之前货物已经在运载工具上，或者在航次结束时货物维持在运载工具上。
基于(下述)给定的输入集合，所述方法得到优化的运输判定的集合。然后，基于这些优化参数，由一组运输工具来机械地运输货物。可以使用用于将材料从一个位置机械地移动到另一个位置的任何装置来执行对货物的运输。在海运应用中，例如，运输装置可以包括船舶或其它舰船。在基于陆地的应用中，所述装置可以包括货车和其它汽车。
模型的输入
在确定最优分配调度、委任调度、运输路线、对专业化运输位置的使用以及运载工具指配中，所述方法考虑了许多输入参数和变量，以便产生最高的总的净盈余(或者替代地，最小化所招致的净成本)。下面描述了这些输入的许多例子。然而，在此以及通过该说明书所提供的例子不是限制性的。本领域的普通技术人员将理解，下面所列出的示例性输入不是穷尽性的，并且在本发明中也可以包括在此给出的那些内容的精神中的其它相关输入。优选地，考虑了对净盈余或所招致的成本具有可评估效果的所有输入参数和变量。另外，还考虑了与混合整数线性编程模型中的各种约束有关的所有变量。
在根据本发明的方法中，所述收集步骤包括：收集与一个或多个供应位置有关的数据。该信息可以包括供应站点的物理位置，包括将各种供应位置分类成地区或其它地理区域。该信息还可以包括关于货物的可用性(包括类型和数量)以及该可用性的时间(即，窗口)的数据。该信息还可以包括对特定供应位置的任何运载工具限制或约束。例如，特定供应港口可以对进入港口的舰船的货物容量、锚位(berth)、重量或吃水进行限制。该信息还可以包括与供应位置相关联的任何港口费用或其它通行费。
在海运实施例中，所述方法的收集步骤可以包括：特定于海运的供应位置数据，诸如通常在海上港口中找得到的信息或限制。该信息可以与例如特定等级的原油的可用性有关。此外，该信息可以包括打包或货物大小规则或限制。另外，该信息可以包括针对拾取多于或少于货物目标量的容限。该信息还可以包括与可估价性相关联的数据(即，与运载工具一次性取回总的出货不同，随时间向运载工具按定量配给供应货物量)。
在根据本发明的方法中，所述收集步骤包括：收集与一个或多个需求位置有关的数据。该信息可以包括需求站点的物理位置。这还可以包括诸如货物在需求位置处的库存和消耗调度这样的因素，从而允许确定何时可能需要更多的货物供应。该信息还可以包括对特定需求位置的要求集合，诸如货物的类型和数量、所递送的货物的经济单位价值、递送时间窗口，以及分组或分隔要求。
在海运实施例中，所述方法的收集步骤可以包括：收集特定于海运的需求位置数据，诸如通常在海上港口中找得到的信息或限制。该信息可以包括在分隔中各种原油等级的构成或掺和比率。该信息还可以包括对特定需求位置的任何运载工具限制或约束。例如，特定的需求港口可以对进入港口的舰船的货物容量、锚位、重量或吃水进行限制。该信息还可以包括与需求位置相关联的任何港口费用或其它通行费。另外，该信息可以包括针对卸载多于或少于指定货物量的容限。在一些实例中，这些容限可以充当货物量的“软”或“相对”界限。在一些实例中，在成本上可以超过这些软界限(例如，在软界限之上或之下每桶原油某个量的美元)。另外，一些需求位置可以具有所谓的硬或绝对界限。与软界限不同，不可以超过这些容限。该信息还可以包括与在需求位置处所要求的特定分隔有关的信息，包括当前分隔库存、分隔消耗速率或调度、分隔掺和比率(例如，掺和要求、限制和比率)、货物的递送数量的经济单位价值，以及对于成本或其它处罚来说超过库存限制的灵活性。该信息还可以与针对外部供应或船上交货(ex-ship)要求的合成限制有关。
在某些实施例中，所述数据收集步骤还可以收集与指定的地理区域有关的数据。需求和/或供应位置可以被分组成各个地理区域(例如，阿拉伯湾、红海、日本、欧洲、美国等)。在海上运输实施例中，供应港口和/或需求港口可以被分组到特定供应和/或需求区域中。这些区域中的每个区域可以具有与其相关联的属性集合，包括在此提及的属性中的任何一个。另外，这些区域可以具有特殊属性，诸如CSO(或者例如在日本的情况下是LOV)。
在根据本发明的方法中，所述收集步骤进一步包括收集与多个运输工具有关的数据。所述数据收集步骤收集来自在该组中的每个运载工具的数据，包括大小、重量、货物容量限制、速度(满载和压载这二者)、起始位置，以及燃料消耗速率。起始位置信息的形式可以是所估计的到达时间(ETA)、所估计的出发时间(ETD)或最后已知的位置。关于运载工具的容量限制的信息可以被表达为体积、重量或测量值的任何其它相关单位。
在一个实施例中，所述方法的收集步骤考虑了多个海上舰船。在该实施例中，收集了与以下内容有关的信息：舰船容量、散装材料密度，以及在供应/需求位置约束和运载工具大小、形状、速度和燃料消耗速率之间的交互。另外，在货物包括不同的散装材料(例如，不同等级的原油)的某些实施例中，这些散装材料通常具有不同的密度，这影响了可以运载多少货物。供应和需求位置(例如，港口)对于使用该位置的运载工具将具有不同的物理限制(例如，最大吃水、最大舰船长度和宽度，等等)。每个运载工具的特定物理特性(例如，吃水和其它参数)确定了运载工具是否可以满足特定路线(即，航次)的位置约束。而且，每个运载工具的满载速度、压载速度和燃料消耗速率也影响净盈余和所招致的成本，并且在所述收集步骤中被收集。此外，考虑了现货舰船和期约舰船这二者的成本数据。对于现货舰船来说，考虑了诸如逾期费、超额费、部分货物最小值(partcargo minimum)等的因素。对于期约舰船来说，考虑了诸如燃料成本、港口费、其它费用和其它处罚的因素。
如果特定航次足够短而使得运载工具可以实施在给定计划时段(例如，一个月)内启动的一系列连续航次，那么可以将运载群队中的任何长期约运载工具(例如，在海运应用中的期约舰船)指配给多个依序航次用于该计划时段。通常，类别“期约舰船”将包括可用于多个指配的任何舰船，包括定期租赁、完全和部分自有舰船、空船租赁等。然而，仅当期约舰船可以满足在多个航次指配中的每个航次的每一个约束(包括时间约束、港口约束等)时，才可以进行这样的多个航次指配。通常不允许短期或依个案(case-by-case)运载工具(例如，在海上运输应用的情况下是现货舰船)实施多个航次，因为它们通常是在单个航次的基础上被租用的。然而，在一些实例中允许通过现货舰船进行这样的连续航次。类似地，通常不允许具有提供了类似短期可用性的租赁条款的运载工具(即，由于其租赁的受限性质而基本上是现货舰船的那些舰船)来实施多个航次。
在根据本发明的方法中，所述收集步骤进一步包括收集与要运输的货物有关的数据。在该组信息中的因素包括：货物的类型、每个货物类型的物理属性(例如，密度或特殊处理要求，诸如货物加热)，以及每个货物类型的经济价值。
在海运实施例中，所述方法的收集步骤可以包括收集特定于海运的供应等级数据。该信息可以包括原油的物理属性，诸如每个供应等级的密度和经济价值。在一个实施例中，所述一个或多个散装材料是液体散装材料。优选地，所述一个或多个散装材料是一个或多个不同等级的石油或石油衍生产品，诸如原油、LNG、柴油、汽油等。更优选地，所述一个或多个散装材料是一个或多个不同等级的原油。在散装材料是原油的情况下，需求位置通常是精炼厂或服务于精炼厂的港口。本发明的一个特定商业应用是针对诸如VLCC的油轮从源位置向精炼厂位置的原油(或类似的石油液体)运输进行优化。
在根据本发明的实施例中，所述收集步骤进一步包括收集与各种运输信息有关的数据。该运输信息包括与将货物从一个位置移动到另一个位置相关联的一般约束类别。例如，在该类别中的信息可以包括各种位置(例如，供应和需求位置)之间的距离。这些距离可以被表达成长度(例如，海里)或者基于给定运载工具速度的时间。而且，该类别可以包括与用于将货物从一个位置运输到另一个位置的统一费用有关的信息。该类别还可以包括通行费(例如，运河通行费)或者租用者或货物主人帐户的其它费用(例如，按照世界运价(Worldscale)的固定费率差、管道资费(pipelinetariffs)或原油价格位置差)。
在海运实施例的情况下，运输信息类别可以包括与在各种位置(诸如既可以装载又可以卸载货物的运河或港口位置)处的甩挂能力有关的信息。甩挂信息可以包括时间、成本、货物限制，或者通常与该过程相关联的其它约束。该类别还可以包括运送成本，包括世界运费率(world scale rates)、逾期成本和燃料成本。此外，该类别可以包括与甩挂或重新封装相关联的管道成本。
根据本发明的某些实施例的方法还允许针对任何判定变量的强迫指配。例如，在某些实施例中，所述收集步骤可以收集用户施加的限制，诸如将某个运载工具指配给某些任务、供应位置或需求位置，以及指定就体积和时间方面而言在程序中已经固定的供应委任。
可以在构造混合整数线性编程模型时使用在本发明的数据收集步骤中收集的以上信息。以上信息可以用于构造该模型的目标函数或约束。在某些实施例中，与成本(例如，特定路线的运送成本、通行费、燃料费用等)或收入(例如，某个货物的经济价值)相关联的信息变为目标函数的一部分，其最大化总的净盈余或最小化总的所招致的成本。在这些实施例中，在数据收集步骤中收集的其余信息被用于形成该模型的约束。
模型的输出
本发明的方法确定了最大化总的净盈余或最小化所招致的成本的运输判定的优化集合。因此，运输调度方可以将该方法用作用于确定最优运输路线、供应委任、需求分配、对特殊运输位置的使用以及基于给定数据集合的运载工具指配的工具。在一个实施例中，在委任程序的确定之后，所述方法向运输调度方提供了以下信息：(1)从多个可用运载工具中选择的用于每个指配(基于时间、容量等)的可行运载工具；(2)针对运载工具/航次指配的推荐；(3)在航次指配的每段旅程(leg)中要装载和卸载的货物的体积、类型和重量；(4)在每个推荐的航次中针对每个位置拜访以及装载和卸载事件的时间；(5)每个航次的净盈余；(6)所有航次指配的总的净盈余；以及(7)期约船舶的前向位置(forward position)以及运载群队调度。附加输出可以包括：每个运载工具/航次对的估计的运送成本、每个供应和需求位置的库存简档、所建议的掺和比率、在特殊运输位置处的甩挂或重新封装的使用、对每个运载工具/航次对和分隔的委任调度(包括可估价性)，以及对每个运载工具/航次对和分隔的分配调度。
在某些实施例中，本发明的方法输出了优化的运输判定集合。在该集合中的判定可以包括：用于多个运输工具的运输路线(即，航次)(包括在每个位置处的特定时间和任务以及对于给定运载工具的航次的总的净盈余)、对于要运输到需求位置的货物的分配(包括要卸载的货物的时间、类型以及容限)、从供应位置拾取的货物的委任(包括货物可用性的调度以及容限)，以及对于每个航次的运载工具指配。还可以输出其它相关信息，诸如经济数据、各种位置的名称、与每个位置相关联的成本，等等。
执行该模型的装置
在某些实施例中，所述优化方法的形式是在常规计算机处理器(例如，3GHz单处理器个人计算机)上运行的计算机应用。处理器可以是单个独立处理器。处理器还可以是彼此直接连接的一些交互式处理器，或者在计算机网络(例如，局域网或因特网)上彼此间接连接的一些交互式处理器。
涉及对计算机应用的使用的某些实施例还可以包括数据录入和存储设备接口。数据录入存储接口可以集成到应用或与应用对接。用于该应用的数据录入和存储可以按照很多方式来实现。所述应用可以使用Excel或另一类型的电子制表软件，作为数据录入和存储接口。替代地，可以利用ERP(企业资源计划)系统，诸如SAP、Oracle和JD Edwards或商业数据仓库(BDW)或其它类型的商业应用。
所述应用包括定义计算、仿真和数学模型的代码，并且请求被集成到应用或与应用对接的优化解算器来解算数学模型。优选地，使用诸如AIMMS、GAMS、ILOG OPL、AMPL或Xpress Mosel的建模系统软件来编写代码。然而，还可以使用包括C++、FORTRAN和MATLAB的任何计算机编程语言来编写所述代码。在一个实施例中，使用AIMMS来编写所述应用，并且所述应用采用AIMMS用户接口。优选地，解算器能够解算线性编程和混合整数线性编程问题。优选的解算器包括CPLEX、Xpress、KNITRO和XA。然而，可以采用本领域技术人员已知的其它解算器。
在这些实施例中由所述应用生成的输出是用于最大化总的净盈余的最优解，从而将可用运载工具组中的运载工具指配给航次集合，以便将货物从具有委任要求的一个或多个供应位置运输到具有各种分配要求的一个或多个需求位置。使用任何一种上述数据录入和存储应用(例如，Excel、ERP、BDW等)，所述输出均可以被输出和保存为文件。
在一个实施例中，使用Excel接口来实现数据录入和存储，并且用AIMMS建模语言来编写程序，并且该程序请求CPLEX解算器来解算该程序中的数学建模问题。在该实施例中，所述程序利用AIMMS接口来进行执行和输出。然后，所述结果可以被传送(例如，输出或复制)回Excel并被存储为Excel文件。
图1图示了在用户和能够实施本发明的特定实施例的方法的一部分的建模应用之间的可能的交互，其示出了各种接口和计算引擎。用户(例如，船舶调度方)输入商业数据，包括与库存位置、产品消耗、运送成本等有关的数据。使用数据输入接口(例如，在诸如Microsoft Excel的电子制表软件中的电子数据表)来输入所述数据。然后，所述数据被输出到优化引擎(即，混合整数线性编程模型)，其通过确定用于运输货物的航次集合以及指配可用运载群队中的运载工具以最大化总的净盈余(或者在某些实施例中，最小化总的所招致的成本)来确定货物装载和递送程序的优化。得到的结果(其然后可被存储)包括所推荐的运载工具/装载/卸下调度、库存规划以及其它优化的运输判定。然后，可以使用例如电子数据表向用户显示这些结果。
因此，本发明的一个实施例是一种能够执行在此所描述的优化方法的装置。所述装置包括从以下当中选择的处理设备：单个处理器、彼此直接连接的多个交互式处理器，或者在计算机网络上彼此间接连接的多个交互式处理器。所述装置还包括用于优化海上运输调度的计算机建模应用。此外，所述装置包括数据录入和存储应用，其是计算机应用的一部分或被集成地连接到计算机应用，用于输入包括但不限于以下的数据：所期望的航次、可用运载工具，以及要优化的计划时段。另外，所述装置包括解算器，所述解算器被集成到建模应用或与建模应用对接，其能够解算线性编程问题和混合整数线性编程问题。此外，所述装置包括输入和报告应用，其是计算机应用的一部分或被集成地连接到计算机应用，用于输出包括但不限于以下的结果：舰船装载和卸载调度、库存规划，以及盈余。可以按照电子数据表或者在其它系统中使用的其它格式来显示和输出所述输出。
通常，如图2所示，例如，根据特定实施例的装置收集输入信息(例如，特定于位置的数据、关于可用运载工具的信息、货物可用性信息、需求要求等)。该信息用于形成混合整数线性编程(MILP)模型。该模型被解算，产生了优化的输出信息O1、O2和O3：货物信息(例如，航次路线、货物类型和数量)、供应委任，以及运载工具指配。然后，这些输出可用于根据优化的运输方案来运输货物。
本发明还提供了一种用于优化多个运输判定的装置，其中，所述运输判定包括：用于多个运输工具的运输路线、对要运输到一个或多个需求位置的货物的分配，以及对来自一个或多个供应位置的货物的拾取。所述装置包括数据收集应用，用于收集与所述一个或多个供应位置、所述一个或多个需求位置、所述多个运输工具、要运输的货物、运输信息和附加限制有关的数据。该数据收集应用还能够向生成所述混合整数线性编程模型的建模系统提供所述数据。所述模型包括用于最大化总的净盈余(或者用于最小化总的所招致的成本)的目标函数以及基于所收集的数据的多个约束。所述装置还包括解算器，用于获得所述混合整数线性编程模型的解算，以便得到优化的运输判定的集合。所述装置包括用于向用户显示解算器的结果的用户显示器以及以下能力：经由电子数据表或其它链接来输出结果用于在其它系统中使用。
解算引擎
所述解算引擎可以将所述混合整数线性编程模型作为一个大问题或一系列较小的分量问题来进行解算。在某些实施例中，为了改进计算性能，可以将整个优化问题划分成子部分。在这些实施例中，网络中的各个过程可以同时作用于整个方法的不同部分以加快处理时间。
所述解算引擎可以将所述模型作为一个大问题或一系列较小的分量问题来进行解算。优选地，为了改进计算性能，可以将整个优化问题划分成子部分。在该实施例中，所述应用首先基于时间和物理的运载工具/航次约束(例如，在以上列出的运输判定中的那些约束)来确定每个可行运载工具/航次/装载事件/卸载事件组合。第二步骤涉及作为一个集成的解算步骤的对航次的优化选择、向航次指配运载工具，以及针对所选航次—运载工具指配而言的对装载事件和卸载事件的最优指配，以便最大化总的净盈余。还优选的是，作为至少一个混合整数线性编程部分来解算该优化问题(或上述第二步骤)。两个明确的选择包括：作为一个混合整数线性编程部分的优化问题的解算，或者通过将该问题分解成一系列较简单的子问题来解算该优化问题。还可以通过组合一些或全部子部分和数学编程部分来修改所述应用。
航次生成
供应输入数据和要求(即，需求)输入数据被用来确定在数据集合(用于正被解算的商业案件的数据)中“活动的”装载和卸载位置(例如，供应和需求港口)的完整集合。该活动的位置集合连同位置使用规则(例如，装载限制、容限等)一起用于构造候选装载位置(即，供应位置)港序(rotation)的集合，在每个港序中其具有不超过指定最大数目的装载位置。候选装载位置港序是一系列的一个或多个活动装载位置，其满足特定于位置的规则/限制(如在为所述一个或多个供应位置所收集的约束数据中提供的那些)以及附加限制(每个装载位置可在港序中被访问最大次数(优选地是一次))。类似的过程被用于确定候选卸载(即，需求)位置港序。
接下来，对于每个货物类型，通过基于额定体积和上容限对输入数据值求和，使用针对供应(通过装载位置)和需求(通过卸载位置)的输入数据来确定在每个装载位置港序和每个卸载位置港序中的潜在货物数量。另外，计算了受约束的货物潜能(potential)，其包括位置容量限制的影响(例如，港口吃水限制、港口等级最大货物限制等)和其它装载或卸载位置约束(例如，卸载港口掺和比率)，以便减少对于装载和卸载港序的潜在货物数量(例如，在港序中最后的装载港口处具有严格吃水约束的装载港序可能由于该物理约束而导致减少的货物潜能)。这些计算的结果是：
LoadRotationGradePotential(lr，c)
LoadRotationConstrGradePotential(v，lr，c)
DischargeRotationGradePotential(dr，c)
DischargeRotationConstrGradePotential(v，dr，c)
其中，“lr”表示装载港序，“dr”表示卸载港序，“c”表示供应等级，“v”表示运载工具，并且所计算的货物潜能代表最大载重量(例如，以kTon为单位)。最后，构造了作为装载港序和卸载港序的组合的潜在航次。对于该计算，假定对于每种类型(例如，原油等级)，在航次中装载的货物数量必须在该航次期间被完全卸载，则必须计算在每个潜在航次中对于每个类型的货物(例如，原油等级)的潜在装载数量和潜在卸载数量的最小值(较小者)。该货物潜能表示对于每个潜在航次的货物的最大量。如前所述，在具有和不具有(如以上列出的)所述约束的情况下实现所述计算从而产生：
VoyageCargoPotential(v，voy)
VoyageConstrCargoPotential(v，voy)
以便表示针对运载工具/航次对的最大货物载重量(例如，以kTon为单位)。VoyageCargoPotential(v，voy)除以运载工具的容量(例如，以kTon为单位的舰船DWT限制，或者替代地，以kTon为单位的部分货物最小值)，以便计算可用于每个潜在航次/运载工具配对的运载工具容量的最大分数(maximum fraction )。
RatioVCP(v，voy)＝VoyageCargoPotential(v，voy)/VehicleCapkTon(v)
RatioVConstrCP(v，voy)＝VoyageConstrCargoPotential(v，voy)/VehicleCapkTon(v)
如果分数RatioVConstgrCP(v，voy)大于用户指定的最小利用量(例如，0.75或75％)，则将潜在航次/运载工具对添加到候选航次/运载工具配对的集合。对每个装载港序、卸载港序和运载工具都重复该过程。这得出了可行航次/运载工具对的集合。对于被确定为可行运载工具/航次对，使用RatioVCP(v，voy)来标识那些具有被使用不止一次的潜能的航次。例如，
RatioVConstrCP(″v1″，″voyABC″)＝1.1
RatioVCP(″v1″，″voyABC″)＝2.3
将暗示该对v1/voyABC是可行对，并且对于该对来说存在被使用两次的充分货物潜能。
对于在可行航次/运载工具对集合中的每个航次/运载工具对，确定了可被实施的可行装载和卸载活动(或事件、或任务)。在该过程中，考虑了用于每个航次的装载和卸载位置以及供应信息(委任)和需求要求(分配)来标识可能的匹配。例如，没有拜访特定装载位置的航次无法满足针对该装载位置的装载位置活动。另一个航次可以拜访两个装载位置(例如，港口A之后是港口B)，但是，如果(通过在所收集的数据中的开始和结束日期而给出的)供应窗口使得第二位置(例如，港口B)处用于供应的装载窗口结束于第一位置(例如，港口A)处用于供应的装载窗口开始之前，则所述另一个航次可能无法在这些装载位置处装载货物。因为每个候选航次均具有所定义的港口拜访顺序(例如，由计数变量n来指定，其中n＝1，2，3，…N)和相关联的位置(例如，供应港口和需求港口)，所以该过程的结果产生了下面的信息集合，其可以例如通过下面的数组来表示。
FeasibleVehicleVoyagelEvent(v，voy，n，p，lEvent)
FeasibleVehicleVoyagedEvent(v，voy，n，p，dEvent)
在上文中，v表示运载工具，voy表示候选航次，n表示位置顺序，p表示位置(例如，港口)，lEvent表示装载事件，并且dEvent表示卸载事件。可行的每个v-voy-n-p-lEvent的组合在FeasibleVehicleVoyagelEvent(v，voy，n，p，lEvent)中将被指配值1(一)，并且可行的每个v-voy-n-p-dEvent的组合在FeasibleVehicleVoyagedEvent(v，voy，n，p，dEvent)中将被指配值1(一)。不可行的组合将具有缺省值0(零)。以上函数中的任一个函数的结果均可被存储为多维数组或其它矩阵。
供应委任优化模块
以上航次生成过程得出了所有可行航次选项的集合V。每个特定航次选项v∈V含有用于所有航次/运载工具对、其位置顺序、位置(例如，港口)和装载事件/卸载事件的一个特定的航次集合。然后，使用混合整数线性编程模型来在所有可行航次选项的该集合V内进行优化，以便选择导致最大净收益盈余的特定航次选项v。如此，所述混合整数线性编程模型包括一目标函数，其具有以下项目：总的所生成的收入减去对于每一个v∈V所招致的成本。该线性编程模型的解算提供了使得总的净盈余最大化的供应委任调度、分配调度和航线(即，航次)。
对于航次选项的特定集合中的每一个v∈V的净盈余可以被表示为NWv＝REVv-ICv，其中NMv表示对于航次选项v∈V的净盈余，REVv是由航次选项集合v中的所有航次所生成的总的收入，并且ICv是由航次选项集合v中的所有航次所招致的总的成本。然后，针对提供了最大净收益盈余的特定航次选项v来解算该模型。
在该特定实施例中，目标函数具有用于以下三个数组中的每个数组的判定变量：FEAS_SV(其定义了运载工具/航次对)、FeasibleVehicleVoyagelEvent和FeasibleVehicleVoyagedEvent。线性编程模型的解算将含有来自FEAS_SV内的所选择的运载工具/航次对，并且对于这些运载工具/航次配对，该解算将选择在每个航次/船舶对内被服务的装载和卸载事件。
航次运送成本
因为现在已经在已知的位置拜访顺序的情况下预先生成了每个航次，所以可以计算用于每个航次的统一费用(如在标题为“System forOptimizing Transportation Scheduling”的美国专利申请No.12/285,651中那样，通过引用的方式将其整体合并于此)。用于航次的基线成本是统一费用、0.01、世界运费率(表示为百分比)和部分货物最小值的乘积。这些值都是给定的或已知的。在优化步骤期间将计算附加运送成本(例如，超额和逾期费)，因为这些取决于判定变量的结果(例如，运载工具的调度、被装载和卸载的货物的数量，等等)。
在优化模型内的所生成的航次的使用
FEAS_SV、FeasibleVehicleVoyagelEvent和FeasibleVehicleVoyagedEvent(统称为“可行性数组”)定义了可行航次的空间以及对航次的可行的利用(例如，可由特定运载工具/航次对来实施的装载和卸载活动)。所述优化模型含有二进制判定变量，其取值为0或1，以便为由FEAS_SV、FeasibleVehicleVoyagelEvent和FeasibleVehicleVoyagedEvent所定义的可行选项表示“否”或“是”判定。换句话说，航次生成步骤定义了可能的动作的集合，并且所述混合整数线性程序在该可能的动作集合内进行了优化。通常，因为供应位置和需求位置的可能的组合的数目可以很大，所以所生成的可能的航次的数目也可以很大。为了让在该发明中的方法有效(即，可使用、可实行、可实施)，用于确定FEAS_SV、FeasibleVehicleVoyagelEvent和FeasibleVehicleVoyagedEvent的过程充当了关键角色以便仅生成最小数目的可行组合。然而，该过程也必须同时是全面的并且包括生成最优委任计划所需要的所有选项。
在目标函数中的项
在某些实施例中，所述混合整数线性编程模型考虑了上述约束中的每个约束以便产生使得总的净盈余最大化的运送航线、分配调度和委任调度。在这些实施例中，所述总的净盈余变为目标函数。所述总的净盈余可以按照其最简单的形式被表示为针对运输方案中的每个运载工具/航次对的净盈余的总和。例如，可以通过下式来表示总的净盈余：
NM＝Rev-IC＝∑iNM＝∑iRev-∑iIC    (等式1)
其中“NM”表示针对运输方案的总的净盈余，“Rev”表示针对运输方案的总收入，“IC”表示针对运输方案的总的所招致的成本，“∑iNM”表示针对运输方案中的每个单独运载工具/航次对的每个净盈余的总和，“∑iRev”是通过运输方案中的每个单独运载工具/航次对所挣到的每个收入的总和，并且∑iIC是由运输方案中的每个运载工具/航次对所招致的每个成本的总和。
同样如等式1所示，各个净盈余可以简单地被表示为运载工具/航次对的收入减去运载工具/航次对的所招致的成本。所招致的成本可以包括运送成本(例如，现货舰船成本和期约舰船航次成本)、库存软界限成本以及库存持有成本。
可以如下确定收入。每个所选择的航次-运载工具对(没有被选择的航次-运载工具对不准运输任何货物)将具有关联数量的被装载和卸载的货物。因而，对于每个需求位置和分隔对，可以基于在需求位置/分隔对处卸载的货物量以及所卸载的货物的单位价值来计算收入。例如，可以通过下式来表示在每个需求位置/分隔对处的每种类型的货物的收入：
IndRevenueT，DL，SEG＝货物的单位价值*卸载量  (等式2)
其中，“IndRevenueT，DL，SEG”是在特定位置(DL)处的给定类型的货物(T)的收入，并且(SEG)是特定分隔，“货物的价值”是特定货物类型的经济单位价值(其例如可以被表示为每体积的单位货币(currency)、每质量的单位货币或每单位的单位货币，举例来说，诸如US$/桶的原油)，并且“卸载量”是在位置“DL”处被卸载到分隔“SEG”中的类型“type”的货物的数量。所述卸载量可以用体积、质量或单位来表示。优选地，“卸载量”单位对应于“货物的价值”单位。
在运输方案中，在所有需求位置DL处、所有适当的分隔SEG以及所有货物类型T上，对在每个需求位置处的每个类型的货物的收入进行求和。该求和等同于针对该运输方案的总的净收入。
如上所述，所招致的成本可以包括运送成本、库存软界限和库存持有成本。优选地，根据本发明的混合整数线性编程模型在其目标函数中至少包括运送成本和库存软界限成本。然而，还可以考虑附加成本。
运送成本可以根据是使用短期运载工具(例如，现货舰船)还是使用长期运载工具(例如，期约或租赁舰船)而发生变化。现在将使用现货舰船的例子来描述短期运载工具的运送成本。然而，虽然使用该例子，但是应当理解，对于其它类型的运输工具也可以使用类似的过程。
在现货舰船的背景下，运送成本可以是以下内容的函数：部分货物最小值、超额费率、逾期费率，或者诸如容量、载重量限制等的其它舰船细节。使用这些考虑，可以通过下式来表示单个现货舰船的运送成本：
FCostSSV，VOY＝FR*WSRate*(PCMin+OTonnage*ORate*0.01)*0.01+DRate*DDays    (等式3)
其中“FCostSSV，L”是实施航次(VOY)的特定现货舰船(SV)的运送成本，“FR”是航次统一费率(即，该航次的世界运价100(Worldscale100)费率)并且通常单位是美元/吨，WSRate是被表示为百分比的市场世界运费率，“PCMin”是部分货物最小值(通常用千吨来表示)，“ORate”是被表示为WSRate的百分比的超额费率，“OTonnage”是在PCMin以上的货物的吨数，“DRate”是逾期费率(通常用数以千计的美元/天来表示)，并且“DDays”是超过所允许的装卸时间的天数(为此要估定逾期费)。
在期约舰船的背景下，运送成本可以是以下内容的函数：船用燃料消耗速率(在空载、压载和满载时)、净租金价值、船用燃料成本、港口费用，或者诸如舰船容量、载重量成本或通行费这样的其它船舶或港口参数。使用这些考虑，可以通过下式来表示在给定航次或一系列航次期间单个期约舰船的运送成本：
FCostTTV，VOY＝消耗的燃料*燃料成本+费用+通行费+净租金价值*NHdays
                                         (等式4)
其中“FCostTTV，VOY”表示实施特定航次(VOY)的特定期约舰船(TV)的运送成本，“消耗的燃料”表示由期约舰船消耗的通常用公吨来表示的燃料量(这进而可以是所行进的距离、燃料消耗速率和其它相关因素的函数)，“燃料成本”表示由舰船所使用的通常用$/公吨来表示的燃料的单位成本，“费用”包括由需求位置所收取的任何费用(诸如港口费用)，“通行费”表示在舰船的航次期间所要求的任何通行费(诸如运河通行费)，“净租金价值”表示用于期约运载工具的净租金价值(参见下文)，并且“NHdays”表示期约运载工具空载的天数。
可以从假定(或预计)期约运载工具当在特定贸易路线中被指配给典型航次时所挣到的日费率来导出上述净租金价值。净租金价值可以用于表示在运载工具空载期间错失的机会。另外，在期约运载工具的空载时间期间可存在附加燃料消耗，并且相关联的成本可以被添加到净租金价值。类似于针对逾期时间的所估计的现货运载工具逾期成本，可以如下面的等式5中所示那样计算期约运载工具空载时间的成本。举例来说，通过将下面的公式包括在所招致的成本项中，或者通过将类似项合并到等式4中(如上所示)，在目标函数(例如，用于确定净盈余的等式)中可以说明该考虑。在其它实施例中，该模型没有说明净租金价值。
FCostTIdleTV，VOY＝idle_time*(净租金价值+idle_fuel_consumption_cost)
                                                    (等式5)
在等式5中，“FCostTIdleTV，VOY”表示实施航次(VOY)的每个期约运载工具(TV)的空载时间成本，“idle_time”表示特定的期约运载工具空载的时间量(例如，用小时或天来表示)，“净租金价值”表示按照某个单位时间的运载工具的价值，并且，“idle_fuel_consumption_cost”表示对于特定的期约运载工具来说按照某个单位时间的空载燃料消耗成本。
在可行运载工具/航次对集合中用于每个现货舰船的运送成本可以使用等式3来计算，并且在所有现货舰船SV和所有航次VOY上对其进行求和以便得到总的现货舰船运送成本。类似地，在可行运载工具/航次对集合中用于每个期约舰船的运送成本可以使用等式4来计算，并且在所有期约舰船TV和所有航次VOY上对其进行求和以便得到总的期约舰船运送成本。然后，可以将总的现货舰船运送成本和总的期约舰船运送成本求和到一起，以便得到总的运送成本。总的运送成本进而可被用作在目标函数的所招致的成本项中的项目。
可以如下确定库存软界限成本。接收位置(例如，需求港口)可以具有分隔库存限制，其具有软界限和硬界限这二者。对于价格来说，可以超过软界限，只要卸载的货物对于给定分隔而言保持在库存硬界限之内。因此，这些成本在目标函数的所招致的成本项中可以是重要的因素。库存软界限成本可以被表示为以下内容的函数：由于超过软界限而付出的成本、超过这些界限所提供的货物量，以及软界限本身(即，基本库存最小值和最大值)。使用这些考虑，可以通过下式来表示在特定需求位置处对于特定运载工具的库存软界限成本：
ISBCostDL SEG＝超量货物*由于超过而付出的成本    (等式6)
其中“ISBCostDL SEG”表示在特定需求位置(DL)处用于特定分隔的库存软界限成本，“超量货物”表示超过用于特定位置的最小或最大库存界限的货物量(其进而可以是卸载的货物量和特定位置的软界限的函数)，并且“由于超过而付出的成本”是与超过软界限的每单位货物相关联的成本(例如，其可以用每单位货物的美元来给出)。
在运输方案中，可以在所有需求位置DL和分隔SEG上对库存软界限成本进行求和。该求和等同于用于该运输方案的总的库存软界限成本，其进而可以被包括在目标函数的所招致的成本项中。
库存持有成本可以被确定为平均库存水平与持有成本(例如，其可以用每单位货物的美元来给出)相乘的乘积。例如，这可以被表示为下面的等式。
IHCCostDL，SEG＝平均库存*持有成本    (等式7)
在运输方案中，可以在所有需求位置DL和分隔SEG上对库存持有成本进行求和。该求和等同于用于该运输方案的总的库存持有成本，其进而可以被包括在目标函数的所招致的成本项中。
上述成本项中的每一个(通过等式3-7所表示的)可以被求和以便得到对于特定运输方案的总的所招致的成本(IC)。换句话说，总的运送成本(对于现货和期约运载工具这二者来说)、总的库存软界限成本以及总的库存持有成本可以加在一起以便得到总的所招致的成本。某些实施例可以排除这些项中的一个或多个，并且其它实施例可以包括附加项(诸如过境营运资本(transit working capital)的成本、货物或舰船保险成本，以及油品损耗成本)。优选地，所招致的成本至少包括总的运送成本和总的库存软界限成本。
从总的收入中减去总的所招致的成本(如等式1所示)以便得到总的净盈余。在某些实施例中，总的净盈余被用作目标函数，并且该目标函数说明了收入和所招致的成本这二者。因此，这里描述的约束和输入变为混合整数线性编程模型的约束和判定变量。在其它实施例中，目标函数使得总的所招致的成本最小化，并且收入并不是目标函数中的因素。
可以看出，对总的净盈余进行最大化将同时导致：(a)由于收入项而造成空舱费的减少/最小化，(b)对于运载工具的空载时间的减少/最小化，(c)通过(例如，基于航次统一费率和/或航次成本)选择优选的航次来最大化运输程序的效率，(d)对诸如船用燃料成本(以及其它费用和收费)这样的航次成本的减少/最小化，(e)基于相当的(comparative)运送成本来最大化对期约和现货运载工具的利用，(f)通过考虑相对应的运送成本来最大化对运载工具类选项的利用，(g)使得对于可用供应向所允许的需求位置和(根据情况的)相应分隔的分配最大化，以及(h)当超过软界限时和/或当招致了持有成本时所招致的库存成本减少/最小化。
注意到，用于每个可行运载工具/航次对的每个单独的净盈余是计算得出的预测，主要是因为必须预测所招致的成本，其在运载工具实际完成航次之前可能都不是确定已知的。
关于可行的多个运载工具/航次指配，先前描述的所有概念均保持有效并且净盈余的概念仍然适用。基于每个航次以及每个航次期间港内的满载部分，加上在第一满载航次之前和在连续航次之间的压载和任何空载部分，加上在所实施的最后一个满载航次之后的压载和任何空载部分(以便返回原则装载区域中的参考位置)，对燃料消耗进行计算。其它成本和收入项在被应用于多航次组合时是可添加的。另外，所述混合整数线性编程模型可以包括用于确保每个期约运载工具被准许进行不超过一个航次组合(其中，组合可以由一个或多个连续航次组成)的约束。
一个解算过程
一种方法是使用通用混合整数线性编程解算器来直接解算该模型。使用了CPLEX、Xpress、XA、KNITRO或另一MILP解算器的适当的混合整数线性编程优化例程可被用于解算所述混合整数线性编程问题。
优选的解算过程
虽然在生成解算的有效平衡集合时预处理是有效的(即，其消除了若非如此可能会造成问题的规模过分地大的某些不必要的航次选项)，但是，利用通用混合整数线性编程解算器的对模型的直接解算可能在可接受的处理时间量中并不产生解。对于这样的实例，在本发明的方法的某些应用中，可能期望在解算过程中在某些步骤期间临时简化该模型，以便在仍然保留优化的效力的同时实现更有利的处理时间。因而，已经开发了使用简化模型的下面的解算方法。这些解算中的每一个均可被独立地用作完整模型(即，该模型的结果成为用于运输货物的基础)，或者它们可如上所述那样彼此依赖(即，步骤3输入来自步骤2的结果，等等)。
步骤1：该问题的所选择的复杂特征被简化以便产生易于优化(解算)的模型，并且该模型被解算。优选地，该解算产生原始模型的近似解，以及用于最大化(最小化)净盈余(成本)目标函数的上(下)限目标。所述模型的一个这样的简化版本是其中忽略了需求位置库存约束的版本。(注意到，在某些其它实施例中，可以做出其它假定，或者可以移除其它约束，从而使得整个模型被简化)。因为这可以是简化得多的模型，所以其可以在比原始的“全”模型少得多的时间内进行解算(使用具有缺省或定制解算器设置的通用混合整数线性程序解算器)。而且，因为该模型的结果不需要满足库存限制，所以目标函数值变成过度乐观的结果，并且为全模型的目标函数值提供了上限(或高目标)。换句话说，该简化的模型的结果可以表示“最佳情况”情形。根据该步骤的解算还包括所选择的运载工具/航次对的集合(例如，来自集合FEAS-SV内的运载工具/航次指配的子集)。为了方便，在步骤1中获得的目标函数值将被称为OBJ_1。
步骤2：在步骤2中，原始模型(具有库存限制)被解算，但是航次的可行集合被减少(例如，时间受限)成为全集FEAS_SV的子集。经减少的集合(RED_FEAS_SV)可以被定义成仅包括从步骤1导出的最优航次(例如，对于在步骤1的解算中所选择的每个航次，令RED_FEAS_SV(v，voy)＝FEAS_SV(v，voy))。这极大地减少了问题的大小，但却考虑了在步骤1中被简化(或忽略)的复杂因素(例如，需求港口库存约束)。使用缺省或定制解算器设置，可以利用通用混合整数线性编程解算器来对该问题直接进行解算。因为该问题不包括可行运载工具/航次选项的全集，这里获得的解算不一定是原始问题的最优解。然而，该解算仍然提供了可行运输方案，因为其满足原始模型的所有约束。该目标函数值提供了关于原始问题的目标函数值的下限(即，当考虑可行运载工具/航次选项的全集时，其可能可以获得更优解)。该步骤被称为“构造启发”，因为其构造了对原始问题的可行解算。事实上，其可以是对原始问题的最优解算，但是并不对此进行保证。令OBJ_2作为在步骤2中获得的目标函数值，并且令DeltaOBJ_1-2作为来自步骤1和步骤2的目标函数值之差(即DeltaOBJ_1-2＝OBJ_1-OBJ_2)。如果ABS(DeltaOBJ_1-2)(其中ABS()表示绝对值)是可接受的小值，那么便已找到了对该问题的可接受的解算。在该情况下，该方法可以跳至步骤6。
步骤3：原始FEAS_SV数组被恢复为可行选项的全集。将来自步骤2的解算提供作为步骤3中的解算过程的起始点(或初始解算)。使用通用混合整数线性编程解算器来解算该问题。这可以通过对于指定的时间段在CPLEX中使用称为解算修正(Solution Polishing)的特定方法来实现。替代地，可以对于指定的时间段在CPLEX中使用缺省方法来解算该问题。来自步骤3的结果潜在地是对步骤2的解算的改进(然而，保证其不比对步骤2的解算更糟糕)。因此，该步骤被称为改进启发步骤。取决于所提供的时间限制以及在混合整数线性编程模型中的困难程度，解算器可以在达到该时间限制之前收敛到被证明的最优解。如果这样的话，则不需要步骤4。令OBJ_3作为在步骤3中获得的目标函数值，并且DeltaOBJ_1-3是来自步骤1和步骤3的目标函数值之差(即，DeltaOBJ_1-3＝OBJ_1-OBJ_3)。如果ABS(DeltaOBJ_1-3)是可接受的小值，那么便已找到了对该问题的可接受的解算。在该情况下，该方法可以跳至步骤6。
步骤4：对解算空间约减启发(solution-space redunction heuristic)加以应用。例如，可以应用下面的条件：可以对不超过在根据步骤3的解算中所使用的用户指定数目(例如，两个)的航次进行改变。这是启发式方法，因为其假定根据步骤3的解算的某个部分是最优的，并且解算器必须保持这些判定固定且仅对航次判定的子集进行所允许的改变。这通过在所述混合整数线性编程模型中添加以下约束来实现：该约束限制了运载工具/航次对的数目，该数目可以从等于零的值变成等于一的值(即，用于对航次和关联运载工具指配进行选择的相关联的二进制变量)。该步骤的所添加的约束使得以下更有可能：混合整数线性编程解算器将在可接受的时间量内收敛到被证明的最优解。令OBJ_4作为在步骤4中获得的目标函数值，并且DeltaOBJ_1-4是来自步骤1和步骤4的目标函数值之差(即，DeltaOBJ_1-4＝OBJ_1-OBJ_4)。如果ABS(DeltaOBJ_1-4)是可接受的小值，那么便已找到了对该问题的可接受的解算。在该情况下，该方法可以跳至步骤6。如果已经超过了用于步骤4的所允许的时间限制，则跳至步骤6。否则，计算DeltaOBJ_4-3作为来自步骤4和步骤3的目标函数值之差(即，DeltaOBJ_4-3＝OBJ_4-OBJ_3)。
步骤5：如果来自步骤4的结果事实上是对来自步骤3的结果的改进，则这是可(多次)采取的可选步骤。如果DeltaOBJ_4-3大于指定量，那么更新所述解算空间约减，以便反映步骤4中所获得的当前最佳解，并且重复步骤4和5，直到达到时间限制，或者当来自步骤4的连续解算的目标函数值之差小于指定量时。
步骤6：给定最优解或接近最优解，将数学模型解算变换成供应委任程序和对应的装载和卸载调度，这变为要采取的推荐动作。用户可以将来自步骤1-5中的任何一个步骤的输出(即，目标函数的结果)(但是优选地是来自步骤2-5的输出)选择作为优化的运输方案。因而，举例来说，如果用户确定来自步骤3的输出可接受，则用户可以在该点停止所述定制方法并且将来自步骤3的结果用作运输方案。
现在将参照表1和2为上述定制解算方法的非限制性实施例描述示例性解算。首先，该模型根据以上的步骤1移除了所有的需求港口分隔库存约束。然后，解算该模型以便最大化总的净盈余。如下面的表1中所示，该净盈余的值是$492,000。接下来，在步骤1的解算中所进行的运载工具/航次指配(例如，在RED_FEAS_SV数组中的运载工具/航次对被限制成包括航次15、22、55和143)被用来定义为对新模型可能的运载工具/航次指配，如步骤2中所示。然而，该第二模型并没有考虑需求港口分隔库存约束。该模型被解算，产生总的净盈余的第二值(在这种情况下，是如表1中所示的-$603,000)。接下来，确定了步骤1的总的净盈余(OBJ_1)和步骤2的总的净盈余(OBJ_2)之差。如果该差的绝对值小(即，在某个容限内)，那么该解算被认为是可接受的，并且不再运行另外的模型。然而，如果该差不足够小(如表1中的例子所示)，则该方法前进到步骤3。在该步骤中，恢复了可能的运载工具/航次指配的原始全数组，但是来自步骤2的输出被用作初始条件或起始点。该新模型被解算，产生第三总的净盈余(OBJ_3)。将该新值与步骤1中的总的净盈余的值进行比较，并且如果该差的绝对值足够小，则该方法终止并且不再运行另外的模型。然而，如果该差不足够小，则该模型前进到步骤4。在该步骤中，将解算空间启发应用到该模型，并且该新的模型再次被解算。该解算产生第四总的净盈余(OBJ_4)，将其与第三总的净盈余(OBJ_3)或第一总的净盈余(OBJ_1)进行比较。如果这些值之间的差是小的，那么该方法终止并且不再解算另外的模型。然而，如果该差不足够小，则根据需要可以重复步骤4。在该例中，第四总的净盈余和第三总的净盈余之间没有差别。因而，第四步骤对达到改进解算没有帮助。但是，优化器在合理的时间段中成功地收敛了步骤4的模型。在这种情况下，该方法可以终止，并且对步骤4的解算可被用作该问题的解算。
表1
Figure BDA0000105920520000361
还注意到，运载工具/航次指配对于每个步骤可以是改变的。例如，表2示出了用于以上例子中的每个步骤的运载工具/航次指配。对于上述定制解算的每个步骤，表2示出了每个运载工具将最优地经历的航次。每个航次将含有与运载工具将拜访的各种位置有关的信息，并且同样也可以包括供应委任和/或需求分配调度信息。
表2
  步骤   运载工具A   运载工具B  运载工具C   运载工具D
  步骤1   航次_15   航次_22  航次_55   航次_143
  步骤2   航次_15   航次_22  航次_55   航次_143
  步骤3   航次_15   航次_55  航次_71   航次_155
  步骤4   航次_15   航次_55  航次_71   航次_155
所述方法的附加特征
在某些实施例中，所述方法可以包括附加特征。例如，该模型可以允许某些用户定义的约束或限制。这些用户定义的约束包括但不限于：限制了可允许的供应位置顺序的规则、在给定航次中施加了最大数目的供应和/或需求港口的规则，以及对任何给定航次上或在整个装载程序中可以拜访的每个装载位置的总次数的限制。
另外，在使用计算机应用执行所述方法的多个部分的某些实施例中，所述应用可以含有自始至终的有效性检查。这些有效性检查允许用户在该过程中的各个点处查看和认可所述应用的某个输出。如果该输出看起来不合理或不现实或者以其它方式不可接受，则用户还可以选择在某些点处取消或中断该过程。于是，用户可以选择返回到该过程中的其它点以便重新输入某个输入信息和/或改变其它约束或限制。替代地，所述应用本身可以在该过程中的各个点处包括多个检查，以便确保在输出数据中没有错误。如果所述应用确定错误已经发生，则其可以向用户给出用于重新运行所述应用或者更改该模型的输入或其它约束的选项。通常，期望尽可能早地标识出不一致的输入数据并且向用户警告潜在的数据输入错误。
此外，在某些实施例中，所述方法包括案件(case)管理能力。在使用计算机应用来执行所述方法的一部分的某些实施例中，所述计算机应用可以例如具有用于保存、组织和存储各种输出的能力。另外，这些实施例可以允许用户在以后的时间重载所述输出，或者具有用于与各种模型一起使用的特定输入“模板”。在某些实施例中，所述方法允许改变某些输入参数以及在那些改变之前将所得到的输出与结果进行比较。
另外，本发明还包括用于在运输方案期间跟踪库存的组件。这样的组件可以包括例如：当货物或运载工具在不同位置之间移动时，使用全球定位系统(GPS)来跟踪货物或运载工具。
当然，本领域技术人员已知的将有助于优化运输方案并根据优化方案来机械地运输货物的其它特征也可被应用于本发明。在此提供的例子决不限制这样的应用的可能性。
使用所述模型的工作过程
本发明的一个实施例是用于海上运输调度的工作过程，其使用先前描述的方法来优化各种运输判定，并且根据优化的运输判定的集合来机械地运输货物。在一个实施例中，所述方法的收集数据步骤包括：将选项输入和/或建模到数据库系统中。所述数据库系统被集成到用于海上运输调度的建模应用或与用于海上运输调度的建模应用相对接。在该实施例中，另一个步骤是运行所述应用，以便在输入了所述数据和/或建模选项之后使用优化问题解算器来解算数学模型，从而获得优化的运输判定的集合。在某些实施例中，附加(可选)步骤可以是：在不同的数据和/或约束的情况下，一次或多次重复前述步骤，以便获得优化的运输判定的一个或多个备选集合。在某些实施例中，最后的步骤是：根据所优化的运输判定的集合来机械地运输货物。
所述应用通常被执行多次以便探测输入数据、不同假设以及不同指配约束(例如，迫使模型将给定舰船指配到给定航次并且优化剩余的船舰指配)方面的敏感性。所述应用运行得足够快以便支持这类假设情形。在一个实施例中，所述应用在大约30-45分钟内实现对典型问题的计算，其在畅通的3GHz双核个人计算机上运行。
通常，供应委任计划周期是按月的，并且考虑一个月的装载时段。航次(包括要运输的货物)以及可用运载群队可以并且可能会随周期不同而变化。而且，经济因素(包括运送成本、燃料成本等)将在区域性和世界范围这二者的基础上按日改变。在该计划周期期间，基于当前问题特性和考虑的内容来进行判定并且频繁地更新所述判定。
根据本发明的特定实施例的工作过程的非限制性例子如下。第一，在商业周期的开始处运行优化模型。供应委任判定具有最大程度的灵活性。所获得的(一个或多个)解算提供了要用于委任供应调度的推荐动作。第二，供应方查阅、接受和/或反对所委任的供应程序的各个部分，最终得到经确认的供应调度和相应的装载数量。第三，当确认了附加供应委任时重复该过程，并且优化模型相应地重新优化整个委任程序。最后，确认所有的供应委任，并且仍然可以优化运输程序和就要求而言的舰船指配，以便最大化总的净盈余。另外，卸载位置输入数据(所规划的初始库存水平、处理速率、位置和/或分隔要求，以及其它问题数据)可以继续改变，并且因而鼓励用户继续优化委任/运输程序。
除海上运输之外
尽管已经在海上运输(这是优选实施例)的背景下描述了本发明，但是本发明同样适于在任何模式的货物运输的优化中使用。实际上，以上相对于海上运输所描述的所有教导很容易适于创建类似的应用，从而使用任何其它类型的运载群队(而不管所述运载群队是一些火车、货车、飞机还是其它形式的货物运输)来优化运输。另外，可以在火车、货车、飞机、舰船或其它形式的机械运输的任何组合的情况下采用所述教导。
例如，优化陆地运输调度问题(例如，通过货车)的概念类似于优化海上运输问题。在这两个问题中，运载群队中的运载工具可以在大小、速度和装载容量方面有所变化。此外，在这两个问题中，运载群队中的运载工具可以是不同的租赁类型(例如，期约或现货或完全自有)。而且，在这两个问题中，在特定于位置的时间帧内，需要在每个供应处拾取并且向每个需求位置递送特定量的货物。可能限制运载群队中实施航次的任何给定货车的物理能力的说明性物理限制包括：对货车重量(如在强制性称站所测量的)、货车大小以及拖车的数目上的任何适用的联邦、州和国家规章限制。可能限制运载群队中实施航次的任何给定货车的能力的说明性时间限制将包括：在考虑航次开始时间和相关的最大公路速度情况下的第一可用性的位置和时间。在陆地运输问题中，可以用政府运营许可证(stateoperato rlicenses)来替换在海上运输问题中的港口限制。
类似的例子存在于航空业和铁路业。因此，本发明的更为一般的实施例可以是一种用于优化运输调度的方法，其计算使得总的净盈余最大化的最优解算，以便指配运输工具的可用运载群队中的运载工具来实施要在用于运输货物(包括各种类型的产品)的计划时段期间启动的航次的集合。优选地，从针对每个运载工具/航次指配的单独净盈余导出所述总的净盈余，并且更优选地，所述总的净盈余是针对每个运载工具/航次指配的单独净盈余的总和。再者，根据使用抽象(notional)运载工具的航次的市场价值以及使用所指配运载工具的航次的被预测的所招致的成本，导出针对运输工具/航次指配的每个单独的净盈余。
在这些附加应用中，运载工具群队可以是异质的。例如，运载群队中的每个运载工具可以在大小、形状、货物承运容量等方面有所不同。另外，运载工具群队可以在经济成本方面(例如，合同期)不同。例如，运载群队可以包括期约运载工具、自有运载工具、现货运载工具等的任何组合。优选地，运载群队包括期约运载工具和现货运载工具这二者。在一个优选实施例中，不管运载工具的合同的经济基础如何，运载群队中的每个运载工具都被分类为期约运载工具或现货运载工具。
说明性例子
一般而言，根据图3中的步骤来执行根据本发明的特定实施例的方法。
现在将描述根据本发明的方法的一个实施例的非限制性例子。首先，在步骤S301中，收集输入数据。该输入数据可以是上述信息或约束中的任何一个，包括特定于位置的信息、供应可用性、需求要求，以及运载工具可用性。接下来，在步骤S302中，所收集的输入数据被传送到数学模型(优选地是混合整数线性编程模型)。此处，在步骤S303中，可以进行数据有效性检查(通过用户或通过计算机应用)，以便确保已经正确地输入了输入数据，没有忽略掉关键输入数据，或者没有发生某个错误。如果通过了该有效性检查，那么所述方法前进到步骤S304中的可行性数组的构造。然而，如果检查失败，则所述方法前进到步骤S305，其中，用户可以修正输入数据或其它约束。在步骤S305中的修正之后，接着将新的输入数据馈送到模型中(即，所述方法返回到步骤S302)。一旦通过了数据有效性检查，所述方法便前进到步骤S304。这里，构造了可行性数组，诸如上述数组FEAS_SV、FeasibleVehicleVoyagelEvent和FeasibleVehicleVoyagedEvent。在步骤S306中，使用所收集的数据来构造该数学模型(优选地是混合整数线性编程模型)。在该步骤中，在某些实施例中，可以形成目标函数和约束这二者。在步骤S307中，(例如，使用具有缺省或定制解算器设置的混合整数线性编程解算器来)解算所述模型。然后，在步骤S308中，观察该模型的结果。此外，在步骤S308中，用户确定是否应当出于任何原因来重新运行所述模型。例如，如果所述结果(即，优化的运输判定的集合)不可接受或者看起来不现实，则用户可能希望重新运行所述模型。而且，用户可能希望重新运行所述模型以便比较各种输入数据对优化的结果的效果，或者以其它方式比较各种结果。如果用户希望重新运行所述方法，那么用户可以在步骤S305中修正所述模型的各个方面(诸如输入参数和其它约束)，以便得到修正的数学模型。然后，可以重复步骤S302-S308，直到用户不再希望运行附加模型(例如，已经确定了优化的运输判定的可接受的集合)。在已经运行了所述模型一次或多次之后，用户根据所述一个或多个结果选择优化的运输判定的集合，并且使用该解算来形成运输方案。然后，在步骤S309中，根据该方案来机械地运输货物(例如，经由海上舰船、货车、飞机或其某种组合)。
在某些实施例中，对两个或更多的混合整数线性编程模型进行解算，每个模型具有不同的约束、输入数据或其它限制。用户可以比较为这些模型中的每个模型获得的每个解算，并且基于该比较来判定最优运输方案。用户可以选择一个解算或者选择两个或更多解算中的一部分的组合。然后，将根据所选择的运输方案来机械地运输所述货物。
结束语
尽管已经描述了各种实施例，但是其它实施例也可以是合理的。应当理解，通过优化的运输方案来运输货物的方法的各种例子的前述描述并不意在是限制性的，并且可以采用对这些例子的任何数目的修改、组合和替代来促进对运输方案进行优化的效力。
在此描述的例子仅是说明性的，因为在不背离本发明的示例性实施例的精神和范围的情况下，可以实现许多其它的实施例。此外，尽管仅在特定实施例或配置上示出了本发明的某些特征，但是可以从各种实施例或配置中或者在各种实施例或配置之间交换、添加和移除这些特征，同时保持在本发明的范围之内。同样，所描述和公开的方法也可以按照各种顺序来实施，所公开的步骤中的一些或全部按照与所描述的顺序不同的顺序来实施，同时仍保持在本发明的精神和范围之内。

Claims (25)

1.一种用于运输散装材料的方法，其包括：
(I)接收数据集合，所述数据集合包括：
(a)多个供应位置和多个需求位置的标识；
(b)对于每个供应位置，与其物理位置和散装材料可用性有关的信息；
(c)对于每个需求位置，与其物理位置和散装材料要求有关的信息；
(d)用于将散装材料从供应位置运输到需求位置的运载工具群队的标识，以及与每个运载工具的容量、成本和可用性有关的信息；
(e)对于每个类型的散装材料，根据其潜在处置而与该类型的散装材料的经济价值有关的信息；
(f)与运输所述散装材料的成本有关的信息；
(II)公式化数学模型，所述数学模型包括多个约束和用于净收益盈余的目标函数；
其中，所述目标函数包括与以下内容有关的判定变量：供应委任参数、针对需求位置处的要求而言对散装材料的供应的分配，以及通过所述运载工具在供应位置和需求位置之间的航次；
(III)利用来自所述数据集合的数据或者使用来自所述数据集合的数据所计算的参数来填充所述数学模型；
(IV)获得所述数学模型的一个或多个解算；以及
(V)基于所述数学模型的解算来物理地运输所述散装材料。
2.根据权利要求1所述的方法，其中，与供应委任参数有关的判定变量包括针对以下内容的判定变量：要委任的散装材料的类型、要委任的散装材料的体积，以及对于在供应位置处装载所述散装材料的调度。
3.根据权利要求1所述的方法，其中，与对散装材料的供应的分配有关的判定变量包括针对以下内容的判定变量：在每个需求位置处的散装材料的卸载体积。
4.根据权利要求1所述的方法，其中，与通过运载工具进行的航次有关的判定变量包括针对以下内容的判定变量：向所述航次指配运载工具，以及对所述运载工具中的每个运载工具来说的供应和需求位置拜访、装载和卸载的顺序。
5.根据权利要求1所述的方法，其中，与在供应位置处的散装材料可用性有关的信息包括与以下内容有关的信息：可用散装材料的类型、可用散装材料的体积，以及散装材料的时间可用性。
6.根据权利要求1所述的方法，其中，与在需求位置处的散装材料要求有关的信息包括与以下内容有关的信息：需求位置分隔、每个分隔可接受的散装材料的类型、每个分隔的库存容量、每个分隔的处理速率、所要求的散装材料的类型、所要求的包括容限的散装材料的体积，以及对散装材料递送的时间要求。
7.根据权利要求1所述的方法，其中，与运载工具的可用性有关的信息包括：运载工具的时间可用性和物理位置。
8.根据权利要求1所述的方法，其中，所述数据集合进一步包括以下信息中的一个或多个信息，所述信息涉及：
在供应位置、需求位置或航次处的运载工具限制；
运载工具的速度和燃料消耗；
运载工具成本；
将供应位置和需求位置分类到地理区域中；
对每个供应位置和需求位置的限制；
对于每个供应位置和需求位置的费用或资费；
航次费用、资费或通行费；
运送成本；以及
旅程距离。
9.根据权利要求8所述的方法，其中，所述数据集合进一步包括以下信息中的一个或多个信息，所述信息涉及：
现货成本和期约成本；
对每个供应位置和需求位置的吃水限制、货物限制和锚位限制；
运河通行费；
甩挂或重新封装费用；以及
管道成本。
10.根据权利要求1所述的方法，其中，用于所述数学模型的约束包括：与在需求位置处的处理限制有关的约束。
11.根据权利要求10所述的方法，其中，与处理限制有关的约束包括：对掺和规格或掺和比率的约束。
12.根据权利要求1所述的方法，其中，用于所述数学模型的约束包括：供应委任的可估价性。
13.根据权利要求1所述的方法，其中，所述数据集合包括与将需求位置分类到地理区域中有关的信息，并且其中，用于MIP模型的约束包括与以下内容有关的要求：相对于每个地理区域，要由运载工具递送的或在该区域处保留的货物的最小量或最大量。
14.根据权利要求1所述的方法，其中，所述数学模型是混合整数编程模型。
15.根据权利要求1所述的方法，其中，所述混合整数编程模型是混合整数线性编程模型。
16.根据权利要求1所述的方法，其中，获得所述数学模型的所述一个或多个解算包括步骤：
通过移除所述数学模型的一组或多组约束来获得第一解算；以及
通过对所述数学模型的子问题进行解算来获得第二解算，其中，基于所述第一解算，所述数学模型的一个或多个判定变量保持恒定或不被理会。
17.根据权利要求16所述的方法，其中，用于所述数学模型的约束包括库存约束和掺和约束，并且其中，通过忽略所述库存约束、所述掺和约束或这二者来获得所述第一解算。
18.根据权利要求16所述的方法，其中，获得所述数学模型的所述一个或多个解算进一步包括步骤：
通过将第二解算用作初始可行解算的局部搜索启发来获得第三解算；以及
通过约减用于所述数学模型的解算空间来获得第四解算。
19.根据权利要求18所述的方法，其中，所述第二解算是通过构造启发来获得的，所述第三解算是通过改进的启发来获得的，并且所述第四解算是通过解算空间约减来获得的。
20.根据权利要求16所述的方法，其中，所述第一解算是用于所述目标函数值的上界，并且所述第二解算是用于所述目标函数值的下界。
21.根据权利要求16所述的方法，其中，所述第一解算包括对所选航次集合的确定，并且其中，通过对所述数学模型的子问题进行解算来获得所述第二解算，其中不理会与非所选航次有关的判定变量。
22.一种计算机装置，其包括：
(I)存储器设备，所述存储器设备存储数据文件，所述数据文件含有：
(a)多个供应位置和多个需求位置的标识；
(b)对于每个供应位置，与其物理位置和散装材料可用性有关的信息；
(c)对于每个需求位置，与其物理位置和散装材料要求有关的信息；
(d)用于将散装材料从供应位置运输到需求位置的运载工具群队的标识，以及与每个运载工具的容量、成本和可用性有关的信息；
(e)对于每个类型的散装材料，与该类型的散装材料的经济价值有关的信息；
(f)与运输所述散装材料的成本有关的信息；
(II)所述计算机装置可执行的建模应用，所述建模应用用于填充数学模型，所述数学模型包括多个约束和用于净收益盈余的目标函数；
其中，所述目标函数包括与以下内容有关的判定变量：供应委任参数、针对需求位置处的要求而言对散装材料的供应的分配，以及通过运载工具在供应位置和需求位置之间的航次；
(III)所述计算机装置可操作的解算器，用于获得所述数学模型的一个或多个解算。
23.根据权利要求22所述的计算机装置，其进一步包括：显示器，所述显示器用于显示基于所述数学模型的解算的输出。
24.一种含有计算机可执行指令程序的非暂时的计算机可读存储介质，所述计算机可执行指令程序用于实现用来确定对散装材料的运输的方法步骤，所述方法步骤包括：
(I)读取数据文件，所述数据文件包括：
(a)多个供应位置和多个需求位置的标识；
(b)对于每个供应位置，与其物理位置和散装材料可用性有关的信息；
(c)对于每个需求位置，与其物理位置和散装材料要求有关的信息；
(d)用于将散装材料从供应位置运输到需求位置的运载工具群队的标识，以及与每个运载工具的容量、成本和可用性有关的信息；
(e)对于每个类型的散装材料，与该类型的散装材料的经济价值有关的信息；
(f)与运输所述散装材料的成本有关的信息；
(II)使用所述数据文件来填充数学模型，所述数学模型包括多个约束和用于净收益盈余的目标函数；
其中，所述目标函数包括与以下内容有关的判定变量：供应委任参数、针对需求位置处的要求而言对散装材料的供应的分配，以及通过运载工具在供应位置和需求位置之间的航次；
(III)获得所述数学模型的一个或多个解算。
25.根据权利要求24所述的计算机可读存储介质，其中，所述方法步骤进一步包括：基于所述数学模型的解算来创建输出。
CN201080019902XA 2009-05-05 2010-04-30 用于优化运输方案的方法 Pending CN102422313A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US17571809P 2009-05-05 2009-05-05
US61/175,718 2009-05-05
US12/770,393 2010-04-29
US12/770,393 US20100287073A1 (en) 2009-05-05 2010-04-29 Method for optimizing a transportation scheme
PCT/US2010/033200 WO2010129419A2 (en) 2009-05-05 2010-04-30 Method for optimizing a transportation scheme

Publications (1)

Publication Number Publication Date
CN102422313A true CN102422313A (zh) 2012-04-18

Family

ID=43050782

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080019902XA Pending CN102422313A (zh) 2009-05-05 2010-04-30 用于优化运输方案的方法

Country Status (8)

Country Link
US (1) US20100287073A1 (zh)
EP (1) EP2430595A4 (zh)
JP (1) JP2012526326A (zh)
CN (1) CN102422313A (zh)
AU (1) AU2010246213A1 (zh)
CA (1) CA2777502A1 (zh)
SG (1) SG175116A1 (zh)
WO (1) WO2010129419A2 (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107766994A (zh) * 2017-12-04 2018-03-06 长沙理工大学 一种共享自行车调度方法与调度系统
CN108140168A (zh) * 2015-08-09 2018-06-08 以色列宇航工业有限公司 用于管理包装的系统
CN108780529A (zh) * 2016-01-19 2018-11-09 罗伯特·博世有限公司 用于包装和配送优化的系统和方法
CN108959782A (zh) * 2018-07-09 2018-12-07 广东工业大学 一种智能车间的布局优化方法、装置及设备
CN111052719A (zh) * 2017-08-31 2020-04-21 石油资源开发株式会社 Lng罐箱的铁道运输中的运输管理系统及运输管理装置
CN111382894A (zh) * 2018-12-29 2020-07-07 顺丰科技有限公司 一种订舱规划方法、装置、设备和存储设备
CN111709570A (zh) * 2020-06-11 2020-09-25 西南交通大学 一种网络甩挂运输调度的优化方法
CN112970038A (zh) * 2018-09-17 2021-06-15 西门子股份公司 用于计算机辅助地优化针对至少一个具有多个库位置的刀库的刀具运输的方法和设备
CN113095582A (zh) * 2021-04-21 2021-07-09 广东电网有限责任公司电力调度控制中心 一种电煤供应链安全监测与预警方法及系统
CN113095751A (zh) * 2021-03-31 2021-07-09 牧星机器人(江苏)有限公司 一种多供货商的运载供货优化方法、装置及系统
CN114074817A (zh) * 2020-08-17 2022-02-22 富士通株式会社 信息处理装置、优化方法和非暂态计算机可读存储介质
CN115410390A (zh) * 2022-08-19 2022-11-29 河南泽阳实业有限公司 一种智慧港口智能调度方法
CN115545618A (zh) * 2022-11-02 2022-12-30 福建省鉴易网络科技有限公司 一种用于航运的货物船舶匹配方法及装置
CN114074817B (zh) * 2020-08-17 2024-05-17 富士通株式会社 信息处理装置、优化方法和非暂态计算机可读存储介质

Families Citing this family (96)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8007845B2 (en) 2005-10-21 2011-08-30 Waters of Patagonia Method and system for recovering and preparing glacial water
US9521858B2 (en) 2005-10-21 2016-12-20 Allen Szydlowski Method and system for recovering and preparing glacial water
US9010261B2 (en) 2010-02-11 2015-04-21 Allen Szydlowski Method and system for a towed vessel suitable for transporting liquids
US8403718B2 (en) 2010-02-11 2013-03-26 Allen Szydlowski Method and system for a towed vessel suitable for transporting liquids
US9376971B2 (en) * 2006-03-20 2016-06-28 General Electric Company Energy management system and method for vehicle systems
US10127515B2 (en) * 2008-06-27 2018-11-13 Cargometrics Technologies, Llc System and method for generating commodity flow information
US8301517B1 (en) * 2009-05-29 2012-10-30 Navarik Corp. Management of loss reconciliation data
US8924311B2 (en) 2009-10-15 2014-12-30 World's Fresh Waters Pte. Ltd. Method and system for processing glacial water
US20110091607A1 (en) * 2009-10-15 2011-04-21 Allen Szydlowski Method and system for processing glacial water
US9371114B2 (en) 2009-10-15 2016-06-21 Allen Szydlowski Method and system for a towed vessel suitable for transporting liquids
US9017123B2 (en) 2009-10-15 2015-04-28 Allen Szydlowski Method and system for a towed vessel suitable for transporting liquids
US11584483B2 (en) 2010-02-11 2023-02-21 Allen Szydlowski System for a very large bag (VLB) for transporting liquids powered by solar arrays
US20120158608A1 (en) * 2010-12-17 2012-06-21 Oracle International Corporation Fleet dispatch plan optimization
WO2012088534A1 (en) 2010-12-23 2012-06-28 Cummins Intellectual Property, Inc. System and method of vehicle speed-based operational cost optimization
WO2012088536A1 (en) 2010-12-23 2012-06-28 Cummins Intellectual Property, Inc. System and method of speed-based downspeed coasting management
WO2012088537A1 (en) 2010-12-23 2012-06-28 Cummins Intellectual Property, Inc. System and method of vehicle operating condition management
US8577568B2 (en) 2011-01-06 2013-11-05 Cummins Intellectual Property, Inc. Supervisory thermal management system and method for engine system warm up and regeneration
WO2012097200A1 (en) * 2011-01-12 2012-07-19 Cummins Intellectual Property, Inc. System and method of determining freight/load distribution for multiple vehicles
WO2012097184A1 (en) * 2011-01-12 2012-07-19 Cummins Intellectual Property, Inc. System and method of vehicle fuel quantity management
WO2012118858A2 (en) 2011-02-28 2012-09-07 Cummins Intellectual Property, Inc. System and method of dpf passive enhancement through powertrain torque-speed management
US8799182B2 (en) * 2011-04-25 2014-08-05 The Boeing Company Fuel delivery cost estimation system
WO2013043928A2 (en) 2011-09-20 2013-03-28 Telogis, Inc. Vehicle fleet work order management system
WO2013052970A1 (en) 2011-10-07 2013-04-11 Telogis, Inc. Vehicle fleet routing system
JP5650090B2 (ja) * 2011-10-20 2015-01-07 株式会社日立製作所 物流設計装置、方法、及びプログラム
US20130317929A1 (en) * 2011-11-14 2013-11-28 Elemica, Inc. System and method for optimizing logistics sourcing decisions for logistics management networks
US20130138330A1 (en) * 2011-11-25 2013-05-30 Jiefeng Xu System and method to optimize mass transport vehicle routing based on ton-mile cost information
EP2788927A4 (en) * 2011-12-09 2015-08-12 Exxonmobil Upstream Res Co METHOD FOR SIMULATING TRANSPORT OF LIQUEFIED NATURAL GAS
EP2788935A4 (en) * 2011-12-09 2016-06-22 Exxonmobil Upstream Res Co SYSTEMS AND METHODS FOR EVALUATING AND VALIDATING OPTIONS AND OPPORTUNITIES IN PLANNING AND OPERATIONS FOR A PROJECT OR PORTFOLIO OF LIQUEFIED NATURAL GAS PROJECTS
IN2014CN03553A (zh) * 2011-12-09 2015-09-25 Exxonmobil Upstream Res Co
US10387823B2 (en) * 2011-12-13 2019-08-20 International Business Machines Corporation Automated partitioning of transportation routing problems
CN104011751A (zh) * 2011-12-22 2014-08-27 国际商业机器公司 混合最优求解
WO2013095242A1 (en) * 2011-12-22 2013-06-27 Scania Cv Ab Method and module for determining of at least one reference value
US20130179205A1 (en) * 2012-01-10 2013-07-11 Eduard SLININ Systems and methods for optimizing transportation resources
US20130232089A1 (en) * 2012-03-04 2013-09-05 Amrinder Arora Method and System for Adaptive Appointment Scheduling
US20130339266A1 (en) 2012-06-15 2013-12-19 Telogis, Inc. Vehicle fleet routing system
US20130339100A1 (en) 2012-06-15 2013-12-19 Exxonmobil Research And Engineering Company Decision support tool for operation of a facility
US20130339098A1 (en) 2012-06-15 2013-12-19 Telogis, Inc. Vehicle fleet routing system
US10467681B2 (en) * 2012-10-04 2019-11-05 Sap Se System, method, and medium for matching orders with incoming shipments
WO2015137997A1 (en) 2013-03-15 2015-09-17 Compology, Inc. System and method for waste management
US9811797B2 (en) 2013-03-15 2017-11-07 Sap Se Transportation connection cache for dynamic network and route determination
SG11201510425RA (en) * 2013-06-18 2016-01-28 Nippon Yusen Kk Analysis device, analysis method, program, and recording medium
US20160162835A1 (en) * 2013-07-19 2016-06-09 Nippon Yusen Kabushiki Kaisha Device for allocating ships, method for allocating ships, program and recording media thereof
US9175970B2 (en) * 2013-08-02 2015-11-03 Cummins Inc. Online optimal refueling management
FR3013672A1 (fr) * 2013-11-26 2015-05-29 Gdf Suez Methode d'aide a l'exploitation d'un navire de transport
US10867261B2 (en) * 2014-05-07 2020-12-15 Exxonmobil Upstream Research Company Method of generating an optimized ship schedule to deliver liquefied natural gas
JP5613348B1 (ja) * 2014-06-18 2014-10-22 株式会社エクサ 荷物重量計算プログラム
JP6210036B2 (ja) * 2014-09-08 2017-10-11 Ｊｆｅスチール株式会社 板状製品の積み位置通知システム、板状製品の積み位置通知方法及び板状製品の積み位置通知プログラム
US9807002B2 (en) * 2015-04-29 2017-10-31 At&T Intellectual Property I, L.P. Centralized route determination in communication networks
CN104901764A (zh) * 2015-06-30 2015-09-09 苏州大学张家港工业技术研究院 一种准粗波分复用光网络的设计方法
WO2017037826A1 (ja) * 2015-08-31 2017-03-09 株式会社日立製作所 輸送計画支援装置及び輸送計画支援システム
SE542284C2 (en) * 2015-10-01 2020-04-07 Epiroc Rock Drills Ab Method and system for assigning tasks to mining and/or construction machines
US10692028B2 (en) * 2015-12-09 2020-06-23 Sap Se Optimal demand-based allocation
SG11201809130VA (en) * 2016-04-25 2018-11-29 Hitachi Transport System Ltd Delivery plan making system and delivery plan making method
AU2017203827A1 (en) * 2016-06-06 2017-12-21 Commonwealth Scientific And Industrial Research Organisation Transporting goods using a fleet of vehicles
US10005456B2 (en) * 2016-06-06 2018-06-26 International Business Machines Corporation Cargo vehicle loading control
CN110383329B (zh) * 2016-11-29 2023-10-03 海湾船舶石油有限公司 优化向船只供应润滑剂产品的方法
US11158017B2 (en) * 2016-12-28 2021-10-26 Sap Se Warehouse management system
CN107038547B (zh) * 2017-05-02 2021-02-23 莆田市烛火信息技术有限公司 一种陆空融合物流运输装置及方法
AT519935A1 (de) 2017-05-12 2018-11-15 Blum Gmbh Julius Möbelantriebssystem
JP7209317B2 (ja) 2017-10-27 2023-01-20 パナソニックＩｐマネジメント株式会社 配送計画生成方法および配送計画生成装置
US10643159B2 (en) 2017-11-20 2020-05-05 Caterpillar Inc. System and method for mining site production planning
US20200226506A1 (en) * 2018-11-14 2020-07-16 Shashank Srivastava Methods and systems for automated salesbeat optimization
US10943356B2 (en) 2018-12-12 2021-03-09 Compology, Inc. Method and system for fill level determination
US11466997B1 (en) 2019-02-15 2022-10-11 State Fram Mutual Automobile Insurance Company Systems and methods for dynamically generating optimal routes for vehicle operation management
US11466998B1 (en) 2019-02-15 2022-10-11 State Farm Mutual Automobile Insurance Company Systems and methods for dynamically generating optimal routes for management of multiple vehicles
CN111612387B (zh) * 2019-02-26 2023-06-09 顺丰科技有限公司 一种流向分配方法、装置、设备和存储介质
US20200302528A1 (en) * 2019-03-18 2020-09-24 Chicago Mercantile Exchange Inc. Range-limited data object linking and equivalence
US10798522B1 (en) 2019-04-11 2020-10-06 Compology, Inc. Method and system for container location analysis
CN111832783B (zh) * 2019-04-19 2023-03-31 顺丰科技有限公司 全货机联程转板预警及决策方法及系统
US11172325B1 (en) 2019-05-01 2021-11-09 Compology, Inc. Method and system for location measurement analysis
CN110415397B (zh) * 2019-06-28 2021-09-10 苏州浪潮智能科技有限公司 一种基于云计算的智能卡数据信息采集方法、设备和介质
CN110705753B (zh) * 2019-09-06 2024-05-03 平安科技（深圳）有限公司 基于调度模型的车辆调度方法、装置、计算机设备及存储介质
WO2021054054A1 (ja) * 2019-09-19 2021-03-25 日本電気硝子株式会社 梱包体の輸送方法及び梱包体の輸送計画立案方法
CN111160725B (zh) * 2019-12-13 2024-01-26 拉货宝网络科技有限责任公司 一种公路运输的智能车货匹配方法
CN111598341B (zh) * 2020-05-18 2023-09-08 广东电网有限责任公司 一种基于物资配载和路径优化电力物资配送方法及系统
CN111782646B (zh) * 2020-05-19 2023-06-30 浙江数链科技有限公司 库位分配的方法、系统、计算机设备和可读存储介质
CN113926714A (zh) * 2020-06-29 2022-01-14 顺丰科技有限公司 分拣方案生成方法、装置、计算机设备和存储介质
EP3975081A1 (en) * 2020-09-25 2022-03-30 Total Se Method for determining a delivery solution to pick-up and deliver packs by a fleet of vehicles, associated electronic determining device and computer product program
US11829909B2 (en) 2020-11-06 2023-11-28 Sap Se Route finder for integrated planning
US11775925B2 (en) 2020-11-06 2023-10-03 Sap Se Route planning engine using unique location identifiers
CN113762855B (zh) * 2020-11-20 2023-12-05 北京京东振世信息技术有限公司 一种资源配置方法和装置
CN112581032B (zh) * 2020-12-29 2024-03-26 杭州电子科技大学 一种基于动态规划的多车厢物料车货位优化方法
US11783271B2 (en) * 2021-01-04 2023-10-10 Bank Of America Corporation System for directing resource transfers based on resource distribution data
CN112766547B (zh) * 2021-01-06 2023-10-27 一汽物流(天津)有限公司 一种基于成本最优的运输模型算法
AU2022217824A1 (en) * 2021-02-04 2023-08-17 C3.Ai, Inc. Constrained optimization and post-processing heuristics for optimal production scheduling for process manufacturing
JP2022133707A (ja) * 2021-03-02 2022-09-14 株式会社日立製作所 輸送計画システム及び輸送計画方法
US11972390B1 (en) * 2021-03-25 2024-04-30 Amazon Technologies, Inc. Multi-stage optimization of transportation plan associated with a transportation network
CN113222243A (zh) * 2021-05-10 2021-08-06 桂林理工大学 一种多目标航空物流智能配载优化方法
CN113592388B (zh) * 2021-07-03 2023-04-18 中核清原环境技术工程有限责任公司 一种制定核电站乏燃料运输计划的方法及装置
CN113705966B (zh) * 2021-07-20 2024-01-26 重庆超体科技有限公司 一种封闭厂区满足道路负荷率的车辆运输调度方法
CN113743797B (zh) * 2021-09-08 2023-08-04 北京化工大学 基于大数据的无桩共享单车运营调度策略优化方法及系统
US20230214813A1 (en) * 2022-01-04 2023-07-06 Bank Of America Corporation System and method providing a data processing channel for alternative resource usage
CN114881327B (zh) * 2022-05-07 2023-06-09 青岛港国际股份有限公司 一种油港资源优化调度方法
US11861552B1 (en) * 2022-06-14 2024-01-02 Chengdu Puhuidao Smart Energy Technology Co., Ltd. Methods for managing liquefied natural gas (LNG) tanking safety based on location matching and internet of things systems thereof
CN116415773B (zh) * 2023-01-11 2023-10-03 广东工业大学 考虑货物库存成本的卡车货物分配优化方法
CN117236824B (zh) * 2023-11-15 2024-02-20 新立讯科技股份有限公司 一种用于农产品在线交易平台的物流调度方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080294484A1 (en) * 2006-05-31 2008-11-27 Exxonmobil Research And Engineering Company System for optimizing transportation scheduling and inventory management of bulk product from supply locations to demand locations

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5265006A (en) * 1990-12-14 1993-11-23 Andersen Consulting Demand scheduled partial carrier load planning system for the transportation industry
JP2000057220A (ja) * 1998-08-11 2000-02-25 Shoichiro Kusumi リニアプログラミングを用いた生産輸送計画及び輸送最適化計画策定システム
JP2000172745A (ja) * 1998-12-08 2000-06-23 Taiheiyo Cement Corp 物流計画作成装置
WO2001099006A2 (en) * 2000-06-16 2001-12-27 Manugistics, Inc. Transportation planning, execution, and freight payment managers and related methods
US20020049667A1 (en) * 2000-09-07 2002-04-25 Petro Vantage, Inc. Computer method and apparatus for petroleum trading and logistics
US20030208392A1 (en) * 2000-10-27 2003-11-06 Manugistics, Inc. Optimizing resource plans
US6937992B1 (en) * 2000-12-29 2005-08-30 Arrowstream, Inc. Transport vehicle capacity maximization logistics system and method of same
JP2002304447A (ja) * 2001-04-03 2002-10-18 Nippon Steel Corp 輸送管理装置、輸送管理システム、輸送管理方法及び記憶媒体
US20040107110A1 (en) * 2002-12-02 2004-06-03 Jens Gottlieb Optimization of transport with multiple vehicles
US7584113B2 (en) * 2004-01-29 2009-09-01 International Business Machines Corporation Method for simultaneously considering customer commit dates and customer request dates
JP4887846B2 (ja) * 2006-03-15 2012-02-29 株式会社日立製作所 出荷計画システム
US20090054998A1 (en) * 2007-08-23 2009-02-26 Chevron U.S.A. Inc. System and process for optimizing process control
US8055533B2 (en) * 2007-09-24 2011-11-08 Advanced Micro Devices, Inc. Method and apparatus for assigning material transport vehicle idle locations
US8572001B2 (en) * 2008-04-08 2013-10-29 The Boeing Company Simultaneous vehicle routing, vehicle scheduling, and crew scheduling
US8812338B2 (en) * 2008-04-29 2014-08-19 Sas Institute Inc. Computer-implemented systems and methods for pack optimization

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080294484A1 (en) * 2006-05-31 2008-11-27 Exxonmobil Research And Engineering Company System for optimizing transportation scheduling and inventory management of bulk product from supply locations to demand locations

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108140168A (zh) * 2015-08-09 2018-06-08 以色列宇航工业有限公司 用于管理包装的系统
CN108780529A (zh) * 2016-01-19 2018-11-09 罗伯特·博世有限公司 用于包装和配送优化的系统和方法
CN111052719A (zh) * 2017-08-31 2020-04-21 石油资源开发株式会社 Lng罐箱的铁道运输中的运输管理系统及运输管理装置
CN107766994A (zh) * 2017-12-04 2018-03-06 长沙理工大学 一种共享自行车调度方法与调度系统
CN107766994B (zh) * 2017-12-04 2023-06-30 长沙理工大学 一种共享自行车调度方法与调度系统
CN108959782B (zh) * 2018-07-09 2023-05-09 广东工业大学 一种智能车间的布局优化方法、装置及设备
CN108959782A (zh) * 2018-07-09 2018-12-07 广东工业大学 一种智能车间的布局优化方法、装置及设备
CN112970038A (zh) * 2018-09-17 2021-06-15 西门子股份公司 用于计算机辅助地优化针对至少一个具有多个库位置的刀库的刀具运输的方法和设备
CN111382894A (zh) * 2018-12-29 2020-07-07 顺丰科技有限公司 一种订舱规划方法、装置、设备和存储设备
CN111382894B (zh) * 2018-12-29 2023-12-01 顺丰科技有限公司 一种订舱规划方法、装置、设备和存储设备
CN111709570B (zh) * 2020-06-11 2022-09-27 西南交通大学 一种网络甩挂运输调度的优化方法
CN111709570A (zh) * 2020-06-11 2020-09-25 西南交通大学 一种网络甩挂运输调度的优化方法
CN114074817A (zh) * 2020-08-17 2022-02-22 富士通株式会社 信息处理装置、优化方法和非暂态计算机可读存储介质
CN114074817B (zh) * 2020-08-17 2024-05-17 富士通株式会社 信息处理装置、优化方法和非暂态计算机可读存储介质
CN113095751A (zh) * 2021-03-31 2021-07-09 牧星机器人(江苏)有限公司 一种多供货商的运载供货优化方法、装置及系统
CN113095582A (zh) * 2021-04-21 2021-07-09 广东电网有限责任公司电力调度控制中心 一种电煤供应链安全监测与预警方法及系统
CN113095582B (zh) * 2021-04-21 2023-09-29 广东电网有限责任公司电力调度控制中心 一种电煤供应链安全监测与预警方法及系统
CN115410390A (zh) * 2022-08-19 2022-11-29 河南泽阳实业有限公司 一种智慧港口智能调度方法
CN115545618A (zh) * 2022-11-02 2022-12-30 福建省鉴易网络科技有限公司 一种用于航运的货物船舶匹配方法及装置
CN115545618B (zh) * 2022-11-02 2023-10-03 福建中运投资集团有限责任公司 一种用于航运的货物船舶匹配方法及装置

Also Published As

Publication number Publication date
EP2430595A2 (en) 2012-03-21
AU2010246213A1 (en) 2011-11-24
WO2010129419A3 (en) 2011-07-07
WO2010129419A2 (en) 2010-11-11
US20100287073A1 (en) 2010-11-11
EP2430595A4 (en) 2014-04-16
CA2777502A1 (en) 2010-11-11
JP2012526326A (ja) 2012-10-25
SG175116A1 (en) 2011-11-28

Similar Documents

Publication Publication Date Title
CN102422313A (zh) 用于优化运输方案的方法
Christiansen et al. Ship routing and scheduling in the new millennium
Halvorsen-Weare et al. Routing and scheduling in a liquefied natural gas shipping problem with inventory and berth constraints
De et al. Composite particle algorithm for sustainable integrated dynamic ship routing and scheduling optimization
Baykasoğlu et al. A multi-objective sustainable load planning model for intermodal transportation networks with a real-life application
AU2008341114B2 (en) System for optimizing bulk product allocations, transportation and blending
CN102804083B (zh) 用于协助石油产品运输物流的工具
JP5352592B2 (ja) 輸送スケジューリングを最適化するシステム
Kepaptsoglou et al. Weather impact on containership routing in closed seas: A chance-constraint optimization approach
Sarder Logistics transportation systems
Halvorsen-Weare et al. Optimization in offshore supply vessel planning
Agra et al. Combined ship routing and inventory management in the salmon farming industry
Škurić et al. Optimal allocating and sizing of passenger ferry fleet in maritime transport
Hwang Inventory constrained maritime routing and scheduling for multi-commodity liquid bulk
Yang et al. Optimal design of container liner services: Interactions with the transport demand in ports
Pache et al. Current state and trends in tramp ship routing and scheduling
Lachner et al. Routing and scheduling in liner shipping with multi-start local search heuristics
Wang et al. Liner Ship Fleet Planning: Models and Algorithms
Carranza Discrete-event simulation approach for the analysis of liner shipping services of containerized cargo
Giovannini Speed optimization and environmental effect in container liner shipping
Mohajeri et al. Cost minimization model for reducing carbon footprints from different transportation modes
Apetorgbor et al. Fleet design for maritime distribution of stone products in NorStone
Heggestad et al. Optimization Models for Collaborative Vessel Allocation: A Computational Study of How Collaboration Between Shipping Companies Can Reduce Fuel Costs and CO2 Emissions
Igor et al. Fuzzy-logic Approach to Estimating the Fleet Efficiency of a Road Transport Company: A Case Study of Agricultural Products’ Deliveries in Kazakhstan
Grenzeback et al. Transportation Energy Futures Series: Freight Transportation Demand: Energy-Efficient Scenarios for a Low-Carbon Future

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20120418