CN103460154A - 使用通道订购模式柔性化的物流优化系统和方法 - Google Patents

使用通道订购模式柔性化的物流优化系统和方法 Download PDF

Info

Publication number
CN103460154A
CN103460154A CN2012800160635A CN201280016063A CN103460154A CN 103460154 A CN103460154 A CN 103460154A CN 2012800160635 A CN2012800160635 A CN 2012800160635A CN 201280016063 A CN201280016063 A CN 201280016063A CN 103460154 A CN103460154 A CN 103460154A
Authority
CN
China
Prior art keywords
product
shipment
logistics
order
called
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.)
Granted
Application number
CN2012800160635A
Other languages
English (en)
Other versions
CN103460154B (zh
Inventor
S·拉沃伊
S·赛尔
M·R·斯维哈特
V·瓦尔萨拉
B·J·赫宁顿
A·德弗朗斯
J·W·米哈尔斯基
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.)
ArrowStream Inc
Original Assignee
ArrowStream Inc
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 ArrowStream Inc filed Critical ArrowStream Inc
Publication of CN103460154A publication Critical patent/CN103460154A/zh
Application granted granted Critical
Publication of CN103460154B publication Critical patent/CN103460154B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G06Q10/0838—Historical data
    • 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"
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • 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

Abstract

提供了一种系统和方法，该系统和方法通过允许货物的购买者改变订购频率和所订购的货物的量来确定最优物流解决方案，以便降低物流成本，同时仍然满足库存约束。该物流解决方案使用若干模型在包括总成本、拖车利用率百分比、所用卡车数量和行驶里程在内的多种指标中的任一种中搜索最优方案。

Description

使用通道订购模式柔性化的物流优化系统和方法
相关申请的交叉参考
本申请要求提交于2011年1月24日的名称为“System andMethod For Transportation Management”(用于运输管理的系统和方法)的美国临时申请No.61/435,563的权益，并且要求提交于2012年1月18日的名称为“System and Method For TransportationManagement”(用于运输管理的系统和方法)的美国临时申请No.61/587,999的权益，这两份申请均以引用方式全文并入本文中。
技术领域
本发明整体涉及用于物流的系统和方法。更具体地讲，本发明涉及用于改善物流成本、拖车利用率、所用卡车数量或行驶里程的系统和方法。
背景技术
物流涉及货物从起点到终点的运输。通常，起点为货物的卖方诸如制造商，而终点为货物的买方诸如零售商。在起点和终点之间以可能的最低成本移动货物一直是物流的目标，并且已开发出试图实现这一目标的许多种现有技术系统和方法。
发明内容
本发明的实施例中的一个或多个提供一种物流系统，该系统通过允许货物的购买者改变订购频率和所订购的货物的量来确定最优物流解决方案，以便降低物流成本，同时仍然满足库存约束。该物流解决方案使用若干模型在包括总成本、拖车利用率百分比、所用卡车数量和行驶里程在内的多种指标中的任一种中搜索最优方案。
附图说明
图1示出根据本发明的实施例的使用通道(lane)订购模式柔性化（flexing）的物流优化系统。
图2示出由图1的建模处理器执行的优化过程的更多细节。
图3示出使用通道订购模式柔性化的本发明的物流优化系统如何可以提供20-30%的节约额增加。
图4在库存层面而不是通道层面示出了图3的示例。
图5示出本物流优化系统100添加到物流流程。
图6示出根据本发明的实施例的入站运输管理(ITM,InboundTransport Management)系统的屏幕截图。
图7示出ITM通道导入标准屏幕的屏幕截图。
图8示出优选地为实施图2的组合模型而输入的约束的屏幕截图。
图9示出ITM情景分析屏幕的屏幕截图，其提供了具有锁定、排除和标记解决方案以进行发布的能力的优化解决方案的视图。
图10示出用于可视化的通道概要工具以及通道优化的假设分析和订单柔性化结果的屏幕截图。
图11示出通道分析工具的屏幕截图，该工具用来检查装运、采购订单、库存和汇总到通道级的销售信息，以支持订单和路线模式的确定。
图12示出包括用于传送到采购系统或过程的采购准则的通道订单概要的屏幕截图。
图13示出合规细节的屏幕截图。
图14示出毛利润一览表的屏幕截图。
图15示出根据本发明的入站运输管理(ITM)系统的业务信息流。
图16示出根据本发明的实施例的组合模型堆栈生成过程。
具体实施方式
图1示出根据本发明的实施例的使用通道订购模式柔性化的物流优化系统100。物流优化系统100包括入站运输管理(ITM)主数据库110、ITM数据准备处理器120、ITM数据导入器130、约束设置处理器140、情景设置处理器150、建模处理器160、模型结果查看应用程序170和结果发布器180。
在操作中，由ITM数据准备处理器120从ITM数据库110检索ITM数据。优选地，每晚检索或刷新数据，但可以按其它时间间隔检索或刷新数据，例如每周、每小时、每月或连续地。ITM数据优选地包括关于通过ITM系统的每份采购订单的采购订单(PO，Purchase Order)信息，但也可以用所有可用的采购订单的子集来操作。除了PO信息之外，ITM数据优选地包括在每个PO中装运的所有货品的货品信息。ITM数据可从诸如数据中心的远程站点检索。物流优化系统100可以相对于数据中心共同定位或远程定位。
接下来，在ITM数据准备处理器120处，聚集PO级的货品数据。例如，在过去60天内曾经采购的各个货品被合并到表示在下一60天时期内重新订购相同货品的单个或多个PO中。此外，来自PO级的数据可以获取并聚集到通道的频率和装载量中。这可以看作PO的理论集。例如，为4的频率和40,000磅的装载量可被看作在下一时段各40,000磅的四个PO。
除了历史信息之外，可以采用其它数据。例如，可以采用例如用于高度季节性的产品的预测信息。此外，可以使用第三方信息，例如目前由第三方服务的通道，不论入站的或回程的。此外，代替PO历史，可以使用配货中心使用或货品销售额或其它库存信息。
此外，聚集通道级的PO数据。通道优选地包括5个要素的独特组合：合作伙伴标识、供应商编号、起点位置、终点位置和温度保护(TP,Temperature Protection)。合作伙伴标识是接收货物的公司的标识。供应商编号是销售货物的供应商的标识。起点位置是货物最先被拣货或装运的地点的指示。终点位置是货物最终意图到达的地点的指示。温度保护是对货物是否必须保持冷藏、冷冻或是否不需要温度保护的指示。虽然在以上示例中在设置通道时使用5个要素，但可以采用更多或更少量的要素。
如上所述，在通道级别上聚集PO数据。也就是说，对于每个通道来说，在过去60天期间与特定通道相关联的所有PO均以电子方式关联到特定通道的标识。此外，所述数据可用于用户的公司目前不活动的通道，从而可以使用工具来优化这些通道，以便尝试将更多货物纳入管理。
接着，相关联的数据被传输到ITM数据导入器130。ITM数据导入器130过滤数据并将数据输入下面将进一步描述的优化模块中。例如，在过滤数据时，ITM数据导入器130向用户提出若干选择或选项。用户可接着根据需要过滤网络。例如，用户可能只需要网络中的配货中心的子集，例如这样的子集可以表示诸如东海岸的地理区域。此外，用户可能出于多种原因中的任一种而对以这种方式过滤数据感兴趣，例如，用户可能在东海岸地区有新客户，并且希望确定对该地区的物流的影响。
此外，用户可通过温度要求(例如，冷藏与非冷藏)或通过屏幕截图中显示的其它选项进行过滤。
此外，ITM数据导入器通过为用户显示导入的数据而汇总导入的数据，例如以按通道显示数据。此外，ITM数据导入器执行质量检查以识别导入的数据中的缺失信息。也就是说，对于导入的属性来说，ITM数据导入器识别具有缺失信息的通道并将其提供给用户。例如，对于“重量”属性来说，ITM数据导入器可确定没有重量的通道的总数以及与这些通道相关的总收入和其它方面，然后将这些通道提供给用户。类似地，ITM数据导入器可提供缺失立方英尺(cube)或货盘的通道的总数。
例如，ITM数据导入器可识别具有任何质量问题(缺少重量、立方英尺或货盘)的通道的总数并提供到该通道的链接，以便用户能审查该通道并尝试确定哪里出错或输入缺失的数据。备选地，向用户提供选项以便将具有不完整数据的通道排除到分析之外。
最后，ITM数据导入器优选地显示包括供应商散点图、数据中心图和用于导入的数据的通道图在内的数据的图形视图。
备选地，数据的过滤可以按照数据库的通常方式基于用户输入的标准进行，也就是说，用户可能指定到达特定的配货中心的通道，或排除重量低于某个量的通道。
备选地，就质量检查而言，质量检查可以对缺少重量信息、缺失立方英尺信息、缺失装运地点信息等的通道进行单独的汇总，然后允许用户查找落入每个类别中的各个通道。例如，质量检查可以报告存在每月总收入$53,121的23个缺失重量的通道以及每月总收入$43,634的45个缺失立方英尺的通道等等。23个缺失重量的通道也可包括在45个缺失立方英尺的通道中的通道。
接着，导入的数据被传输到约束设置处理器140。在约束设置处理器处，为下面进一步描述的建模过程建立全局约束。然而，此类全局约束以后可以在情景级别和/或模型级别被覆盖。
接着，情景设置处理器150被用来指定构成情景的模型，如下面进一步描述的。情景设置处理器150也可指定用于如下面进一步描述的优化的数据和设置约束。
接着，在建模处理器160处，运行用于特定情景的所有模型，如下面进一步描述的。建模处理器160包括优化引擎，其根据指定的情景和约束提供优化的解决方案。获得来自优化引擎的解决方案。此外，提供优化日志，从而可将优化的解决方案存储在优化日志中。
接着，建模处理器160的结果在模型结果查看应用程序170处被审查。在模型结果查看处理器160处，提供若干选项。首先，可以基于审查锁定或排除特定的解决方案或选项。也可以从未来的模型中排除解决方案，以使得用户不需要再次拒绝该解决方案。此外，当被锁定时，解决方案被迫在下一解决方案确定期间再次出现。例如，即使建模处理器160确定具有一定数量的特定通道的某个解决方案为期望解决方案之一，审查者也可以出于与盈利能力无关的原因而选择放弃该解决方案或放弃特定的通道。作为另一示例，可以选择在特定某天或在周末在特定城市具有特定卡车的通道或解决方案，以便驾驶员可以看望家人。
此外，结果查看应用程序170允许审查者发布解决方案或标注解决方案以进行发布。也就是说，可以与公司内的其他人例如采购人员共享具体选择的解决方案，以确信提出的解决方案也满足采购人员的需求–例如，在库存周转率和期望的库存储备量方面。结果查看应用程序170也制作概要。概要可以在员工之间传递以达成关于该解决方案的共识。
另外，在对模型的参数的任何改动之后，例如锁定或删除解决方案或通道之后，可以重新运行模型以显示可以接着进一步分析并潜在地由用户根据需要修改的新的一组解决方案。
一旦所需解决方案被确定并获得所有负责的员工(例如，物流和采购人员)的同意，结果发布器180就将结果发布到ITM数据库110以便在ITM数据库110中创建解决方案概要。备选地，解决方案概要可能已发布，并且解决方案概要此时可以变成活动的。通过将结果发布到ITM数据库110，对公司的实际物流指令改变。例如，公司的货物现在将基于此时发布到ITM数据库110的装运/物流指令而不是先前的指令装运到公司。然而，应当指出，送往ITM数据库110的发布的结果可以但不必更改所有先前的物流指令。
此外，结果发布器保留所发布的结果的概述和/或副本，以允许以后分析和进行可能的修改。
图2示出由图1的建模处理器160执行的优化过程的更多细节。在图2中，使用若干单独的模型210-208来形成通道解决方案的堆栈210，这些通道解决方案接着被传输到混合整数规划(MIP，Mixed Integer Program)优化器220以确定最优解决方案集。然后，输出最终一致最优解决方案集230。
更具体而言，单独的模型201-208包括单向整车(TL，Truck Load)模型201、单向零担(LTL，Less Than Truckload)模型202、单向联运(IM，Inter Modal)模型203、组合模型204、采购和装货模型205、循环/连续移动模型206、交叉转运模型207和回程模型208，下面进一步描述每一个模型。
首先，单向整车(TL)模型201为列表中的每个通道创建各个解决方案，并且柔性化/改变订购频率以最大化每车的收入。在一个优选的实施例中，采用以下公式来得到最优频率：
OptFreq=max(min(每月总重量/每车最大重量，每月总立方英尺/每车最大立方英尺，每月总货盘/每货盘最大立方英尺)，MinFreq)
MinFreq=min(历史频率，1/订单之间的最大时间)
订单之间的最大时间=基于库存要求的预设值
其中每月重量为该通道所有货品的总重量。最大重量基于卡车的类型。每月立方英尺为该月所有货品所需体积的立方英尺的总立方英尺数。每月货盘为一个月所有货品所需的总货盘。卡车通常按重量、立方英尺和货盘三个维度来测量，每个维度都具有其最大容量。卡车可能由于这些维度中的任一个而超出能力，具体取决于所拖运的货物。
备选地，该模型可以被控制以忽略重量、立方英尺或货盘中的一个或两个，但优选地在可用时使用所有三个，以便更好地确认通道解决方案。
订单之间的最大时间是由用户设置的约束，例如以确保维持最小库存目标。MinFreq是最小订购频率，并且是历史频率或订单或由用户设置的订单之间的最大时间的倒数中的较小者。
下一个模型为单向LTL模型202。在单向LTL模型202中，为每个通道创建各个解决方案并将其放入列表中。各个解决方案使用零担运输模式。订购频率优选地不可以从当前信息柔性化或更改。此外，每次装载的重量、立方英尺和货盘基于最近的历史采购订单。此外，通道基于由用户设置的LTL操作约束而受限制。用于LTL的一些约束包括最大重量、最大立方英尺和最大货盘。如果重量、立方英尺或货盘大于最大值，则装载为TL(整车)并且通常不能是移动的LTL，因为LTL承运人通常将拒绝接收该货。
下一个模型为单向联运模型203。在单向联运模型203中，为每个通道创建各个解决方案，这些解决方案将使用联运方法，例如卡车和铁路。其它模式包括装运、包裹和回程(BH,Backhaul)。
就回程而言，拥有其自有车队的公司可能有一些卡车通常到遥远的地方卸货或配送，但然后不得不从卸货点空车返回配货中心。然而，这些卡车可用来以非常低的成本进行入站拣货和配送，因为它们无论如何也必须在行驶靠近并返回到配货中心。
也就是说，代替卡车空车返回配货中心或制造商，卡车也可用作回程的承运人(carrier back)。在该模型中包括可能的回程通道可通过其自身的模式(称作回程模式)实现，或者可以用其它工具实施。例如，组合模型可以将通道和用过的回程通道组合为选项。在以上模型描述的一个或多个实施例中，卡车/设备由配送商拥有，以便利用回程机会。
此外，就“包裹”模式而言，包裹模式考虑使用诸如UPS或美国或国际邮政的普通承运人时移动的包裹大小和重量的物品的装运成本。
在单向联运模型203中，使用与在单向整车模型201中相同的公式对订购频率进行柔性化。此外，通道基于由用户设置的联运操作约束而受限制，这些约束例如是重量、立方英尺和货盘以及温度、通道长度和起点及终点。
下一个模型为组合模型204。在组合模型204中，创建各个解决方案，其中每个解决方案包括两个或更多个通道。更具体而言，可以基于拣货接近度、卸货接近度、温度保护、所产生的收入、或基于下列中的一个或多个的限制来识别解决方案的通道：1)偏离路线里程；2)拣货次数；3)卸货次数；或4)站数。解决方案中的所有通道优选地设置成具有相同的OptFreq(也就是说，所有通道每次一起拣货)。然而，在备选方案中，这可以改变。用于确定OptFreq的公式优选地与单向整车模型201所采用的公式相同。
下一个模型为采购和装货模型205。采购和装货模型205创建各个解决方案，其中每个解决方案包括2个通道：采购通道和装货通道。更具体而言，可以基于拣货接近度、卸货接近度、温度保护、所产生的收入、或基于下列中的一个或多个的限制来识别解决方案的通道：1)偏离路线里程；2)拣货次数；3)卸货次数；或4)站数。采购和装货模型205通常仅用于部分订单，而装货物通道并不总是用采购通道运输。优选地，装货物通道是柔性化的，以便充分地装满卡车。然而，采购通道通常不是柔性化的，并且频率设置为历史频率。例如，装货物通道可以是每月四个采购订单，每个订单占卡车的90%，而采购通道可以是每月装载一次，其占卡车的10%。每月一次时，这两个通道可以一起装运，但每月3次时，装货物通道可能要单独装运。
下一个模型为循环/连续移动模型206。在循环/连续移动模型206中，创建各个解决方案，其中每个解决方案包括两个或更多个通道。更具体而言，可以基于拣货接近度、卸货接近度、温度保护、所产生的收入、或基于下列中的一个或多个的限制来识别解决方案的通道：1)偏离路线里程，以及2)站数。配送的频率是柔性化的。循环/连续移动模型206与组合模型204的区别在于装载物在循环/连续移动模型206中被依次运输，而不是在组合模型204中那样同时运输。
下一个模型为交叉转运（cross dock）模型207。交叉转运模型207创建各个解决方案，其中每个解决方案包括具有例如由交叉转运货仓提供的合并点和/或分拨点的多个通道。在交叉转运模型207中，订购频率是柔性化的。此外，可以在单个解决方案中覆盖许多通道。也就是说，一个交叉转运解决方案可以是移动若干通道的流的最优方式。这不同于其中一个单向解决方案仅涉及一个通道的单向解决方案。一个交叉转运解决方案通常将始终涉及多个通道。
最后一个模型为回程模型208。如上文结合联运模型203所讨论的，拥有其自有车队的公司可能有一些卡车通常到遥远的地方卸货或配送，但然后不得不从卸货点空车返回配货中心。然而，这些卡车可用来以非常低的成本进行入站拣货和配送，因为它们无论如何也必须在行驶靠近并返回到配货中心。
也就是说，代替卡车空车返回配货中心或制造商，卡车也可用作回程的承运人。在模型中包括可能的回程通道可通过其自身的模型(称作回程模型)实现，或者可以用其它工具实施。在以上模型描述的一个或多个实施例中，卡车/设备由配送商拥有，以便利用回程机会。
本发明的一个方面认识到在入站物流和出站物流之间的显著区别。例如，本发明的一个或多个实施例为入站物流组织提供可实现的策略，以便通过协作的技术辅助的物流和采购规划方法将运费节约提高20-30%。不止是一套新的手段，该方法实现从趋于模拟出站物流程序的模型朝从入站货物控制的优点获取全部价值的模型的范式转移。
一个重要的区别是，与出站侧不同，入站货运管理具有源自由发货人提供的对产品的运费补贴的收入分量。如果物流团队能以低于该补贴的费率找到承运人，则入站物流可变为在从发货人接管的通道上赚取收入的利润中心。由于这个原因，在入站领域中，装载盈利能力和总上岸成本(除了服务水平之外)是需要管理的重要指标。作为物流绩效传统晴雨表的货运成本降低只反映了问题的一方面。此外，必须在货品级别上考虑问题。物流收入在反映实际的制造商货运成本时受SKU级的运费补贴的可行性的影响，并且也受卡车上的货品的混合的影响。货品级的可见性是在管理入站货物和追求最低总上岸成本的过程中的宝贵财富。
另一个重要的区别是，入站货物规划在它们转化为其管理的通道方面很大程度上是选择性的。一个组织管理什么通道或选择停止管理与其能管理得多好对于增加盈利能力来说同等重要。对通道盈利能力的有效监测使得入站物流部能够建立他们需要的网络，而不是管理为他们提供的网络。在实践中，一些组织努力使日常装载规划与说服他们接管运输通道管理的网络规划作法相匹配。在这些过程之间的适当同步性对于提供对入站货物结果的可预测性来说很重要。
另一个区别在于，入站货物规划者与下订单的采购人员在同一公司工作，因此可以在量和频率方面改变或柔性化订单，以便最大化物流效率。这对于在采购和物流之间的协作是一个机会，从而提供创造路线选择效率的订购准则。设备利用率是每箱货运成本的最大单一动因，并且设备利用率的最大单一动因是采购模式：订购多少、何时订购以及以什么样的频率订购。出站发货人将试图通过订单量价格间断（order volume price breaks）和在一些情况下供应商管理的库存计划来影响购买行为。然而，入站物流为与采购部的真实而广泛的协作提供了大得多的机会。
入站物流和以上概述的典型的物流规划之间的区别非常显著。入站物流和出站物流实际上是完全不同的业务功能。遗憾的是，技术提供商很大程度上忽略了它们之间的区别。为入站货运管理而购买的运输管理系统(TMS，Transportation Management System)解决方案与为出站货物购买的恰恰是相同的系统，并且以几乎相同的方式实施。此前极少或没有考虑装载盈利能力或每箱分析，并且货品级（item-level)的可见性也很少见。
现有技术系统均未考虑所管理的货物的选择性本质、在网络规划和装载规划之间建立同步性的必要性，并且没有揭示或管理与采购部协作的机会。简言之，在商业运输管理系统中，透过对出站产品进行装运的制造商的视角来看世界。这是开发和测试产品的舞台，并且它代表了销售人员所追求的最大细分市场。因此，入站物流人员被迫适合出站运输管理过程的模式，或者努力改变或增强满足他们的目标的那些能力。
就采购部和物流部之间的协作而言，在没有正确的工具的情况下，大多数供应链组织发现自己能做的非常有限。没有为合作伙伴提供完整且技术辅助的平台，这些高度相互依存的职能保持一定距离，在没有协作的情况下沟通，必然导致不同且往往冲突的动机。
就通过整合入站物流与采购来定位和量化潜在的节约而言，入站运费问题超过其它一切的一个有区别的方面是：运费的控制和订单的控制属于同一个组织。这样的潜能在理论上是容易理解的。毕竟，如果物流人员下订单，每辆卡车每次将被100%的利用(或者更好在铁路上运行)。回到现实世界中，不断变化的客户需求、短暂的产品储存期、库存持有成本和存储容量约束，所有这些都需要分开的采购和库存控制职能。
然而，存在这样的中间地带，其中更深入的物流节约考虑会变成采购运营的更大部分。很少有人会不同意以下观点：如果采购订单经调整可以更一致地按容量装车并使行驶里程最小化，将会降低物流成本。然而，考虑货运成本的采购和补货系统只是在最基本的水平上这样做，如果有的话。
如果供应链领导提问：“在不给客户带来风险的情况下，什么是由联合的从订单到配送流程所能实现的绝对最低总上岸成本？”，大多数采购和物流人员都不能回答。相反，现有系统依赖于下列三个假设：假设#1：采购部不需要进一步的指导。我们的采购人员已经尝试尽可能地按货车满载量下订单；假设#2：物流部对订购模式改变的要求通常是不可行的，因为他们没考虑客户需求；假设#3：由于物流成本的节约基于货运整合，对于货运成本节约的每个尝试都将以库存水平为代价。这些假设最终决定了采购部和物流部之间的关系。就像根深蒂固的假设通常的那样，它们是自我实现的：它们压制对于为促进节约而充分协作的任何动力，从而将物流部局限于仅提供最基本且信息不足的采购准则，这只会看起来进一步证明假设的合理性。在物流工程师的人工电子表格操作下产生的采购准则往往只会增加订单大小和减小库存周转率(这使他们与采购部的绩效指标立即产生不一致)，并且常常要求以使产品面临缺货风险的方式来满足订单。在实践中，一些供应商可能发现双方同意可以是为了同时配送而定期安排好，但即使这些来自物流部的请求也常常被忽略，以有利于采购人员的日常决策。由于已根深蒂固，这是一种只能用打破它所得到的清楚价值度量来打破的行为循环。
图3示出本发明的使用通道订购模式柔性化的物流优化系统100如何可以提供20-30%的节约增加。图3包括现有配送模式310、现有装运卡车装载率320和现有订单摘要330。图3还示出新配送模式350、新装运卡车装载率360和新订单摘要370以及物流结果摘要380和路线图390。此外，由卡车运输的货品按其阴影线区分为产品A和B。此外，虽然仅示出两种货品和一条路线，但图3旨在作为本发明的用于物流优化的系统100的简化示例。
转到图3，现有配送模式310显示公司在20天的时间内收到产品A的两次配送和产品B的四次配送。图中示出了每次配送的频率和星期几。如图所示，总共六次配送中没有一次发生在同一天。
转到现有装运卡车装载率320，图中显示，产品A的两次配送使用装载率90%的卡车进行，而产品B的配送使用装载率从45%至75%的卡车进行。这种情况在现实世界中可能经常发生，其中产品B在该月的使用或产品B在该月的需求是不一致的。
现有订单摘要330显示，配送货品A和B的现有物流流程使用平均装载率67%的6辆卡车，并且每月的总行驶英里数为3600。在该示例中，这些卡车完成配送的成本为每月$7700，但该数字可以根据例如路线、温度保护和卡车大小而变化。
换言之，图3的左侧表示样本当前状态：货物以月为单位在两个通道上运行，这两个通道均在同一设施卸货。一种产品以几乎满载的量订购，每月两次。另一种产品以较小的量订购，每月至少需要四次。假设在第二通道上不存在可以装满卡车的其它装运，则采购部和物流部通常会对现有状态表示满意。采购人员在力所能及的情况下装载设备，并且只在必须的情况下订购较小的量。
对于物流部来说，现有技术的TMS路线优化软件不理会整车装载(市场上没有一种TMS系统试图分解整车装运)，并且不知道改善第二通道的办法。物流工程师可能要求采购部在通道2上为产品B下更大的订单，但仅被告知在不冒缺货风险的情况下不能增加库存周转率。
转到新配送模式350，示出了新配送模式，其中在20天的时间内仅存在四次配送并且每次配送包括产品A和产品B两者的配送。转到新装运卡车装载率360，可以看到，新装运中的每一个均由约40%的产品A和约60%的产品B构成。
因此，产品A的两份大约整车装运被分成半满的四份装运，每批装运的剩余部分用产品B填充。如在新订单摘要370中所示，新计划仅涉及四辆卡车，而不是6辆，并且每辆卡车的装载率为约99%。此外，每月的成本为约$6150，并且行驶英里数为约2900。
新配送模式比旧配送模式的改善汇总在物流结果摘要380中。更具体而言，少使用了两辆卡车，所使用的卡车的拖车大幅度地提高了利用率–从67%提高至约99%，每月节省$1500(20.1%)，并且总共少行驶700英里。
图4在库存层面而不是通道层面示出了图3的示例。图4示出现有补货模式410、现有订单420和现有订单摘要430，以及新补货模式450、新订单460、新订单摘要470、采购结果480和路线图490。
如图4所示，现有订单补货计划410显示现有订单420在不同的六天配送，并且产品B的配送量变化。如在现有订单摘要430中所示，现有订单提供6次总库存周转次数，并且提供平均21天的产品A持有天数。
现在转到新订单，如在新补货计划450中所示，配送时间减少至四天，并且产品A和产品B一起配送。此外，在四次装运中的每一次中配送更少量的产品A，并且产品B的配送量被设为平均值，如在新订单460中所示。如在新订单摘要中所示，新订单460表示8次总库存周转次数，并且将产品A的持有天数减少至17.25天。最后，如在采购结果中所示，新订单460将总周转率提高33%，将产品A的库存减少18，并且使产品B的订购模式更可预测。
换言之，通过缩小整车订单腾出足够空间来吸纳第二通道上的装运，出现了新图景：每月四次多站点满载装车。该概念与现有技术TMS系统形成对比，后者不会分解货品A的装运，因为它们大约是一整车。图3的示例的结果包括：货运成本降低20%、总库存周转率增加60%、到仓配送量减少33%、以及行驶英里数减少19%。
这些结果是非常有益的，并且不光是在其所提供的节约方面。重要的是，它们保护并且甚至也改善了关键的采购指标。除此之外还包括减少货仓拥堵的运营益处和显著的碳排放量改善，并且本示例开始提倡对物流影响供应链目标的能力的新思维方式。该示例推翻了物流节约只能以库存风险为代价来获取的假设。事实上，上文中的所有三个假设都会在这个示例中遇到挑战，都是因为一个非常违反直觉的原因：缩小订单可以提高物流效率。
本发明的物流优化系统全面考虑对订单大小、频率和的时间所做的可能调整，以指数级地增加挖掘货运整合潜力的可能性。与等待匹配装运的单独优化路线的老方法不同，订购和路线的组合优化让用户基本上能根据需要匹配装运。
本发明的物流优化系统可以揭示和评价订购和路线的所有排列。当采用本发明的优化算法来揭示这些“双赢”情景时，结果在规模上可能是惊人的。对大大小小的入站货运网络的评价表明，诸如以上示例的解决方案在网络中如此流行，以至于以1.5%的平均总库存减小实现了20-30%的全网络节约。这种库存的减小为净值，包括扩大订单(在合理约束内，例如3-4周库存的最大值)或缩小订单的解决方案。这意味着缩小订单的影响正超出扩大订单的影响。虽然这些结果可能从一入站网络到下一入站网络变化，但大多数组织至少可以在预计保持库存水平较低的同时，仍然实现显著的节约。
本发明的物流系统建立的物流变化可以在不显著改变流程或系统的情况下实现。在一种优选的系统中，采购人员仍使用现有系统下订单，物流规划师仍使用现有TMS能力规划路线。协作优选地不需要对这些团队的基本职能或人员组成进行任何改变。也不需要中断从采购到运输系统的订单流。相反，实施方案基于前期规划和用于合规性监控和纠正措施的闭环反馈在采购和物流流程之间构建新的结缔组织。结缔组织可见于在从订单到配送序列中的三个节点处的具体新活动和技术中：订购前、招标（tender）前和配送后。
图5示出本发明的物流优化系统100与物流流程500的结合。如图5所示，物流流程500包括销售510、采购520和物流530。销售510包括创建对所需库存或产品的预测515的功能。采购520包括创建订单525以获取所需库存或产品的功能。物流530包括对装载招标532和配送装载535的功能。此外，本发明的一个或多个方面可与物流流程500在订购前550、招标前560和配送后570中的一个或多个节点处交互。
就本发明的物流系统100与订购前550的物流流程的交互而言，调整订购模式和设置路线选择准则的最便利方式是在下订单之前主动地通过基于规划的方法进行的。这种定期规划流程在现有的采购和货运执行序列一侧执行。当然也可以实施更激进而严格的流程，从而系统性地生成考虑到预测、库存和物流影响的补货订单。然而，如果意图是为了以最少的系统和流程周转获取大量的这种节约(很有可能这样)，则建议采用基于规划的方法。
在基于规划的方法中，可能由物流工程人员或团队利用技术解决方案来基于用任何季节性或其它需求预测信息更新的最近的订单历史定期检查需求要求。该流程可能每周一次、每月一次、每季度一次地运行，运行频率取决于网络波动性以及组织希望多严格地管理订购准则以支持最高盈利能力。该物流优化系统接受订单历史、预测信息和承运人运价信息，并且使用如上所述的优化技术来确定对于每个货运通道可用的最盈利的订购和路线选择情景。
可以应用全局、供应商和货品级别的约束以标记可行性的边界。一些可能需要的约束包括但不限于设备类型、对不能合并的产品的限制、货盘空间以及在订购模式方面的储存期约束和订购频率的可调整程度。
该过程的输出不是订单或装载量。而是一套关于如何采购产品和路线选择的准则：关于订单大小、频率和时间的建议，以获得理想的整合解决方案。该优化技术通过充分利用上述多个模型而考虑网络的可用机会。这还可包括回程机会和车队利用率、连续移动以及交叉转运或共用(pooling)情景。
然后实施过程以审查、批准和“发布”这些准则。这涉及软件支持的工作流以跟踪来自物流部和采购部的协议以及对于每个解决方案的节约和库存影响的确认（signoff）。一旦发布，就可将准则发送至采购部，以便在补货过程中采用。大多数稳健的采购系统可以接受所需参数的类型，但一些采购组织可能更习惯以更手动的方式使用这些系统。此外，每个解决方案的盈利能力预期被存储为将在以后的过程中衡量的目标。
本发明的积极主动规划流程通常对于每个实施方案来说不是资源密集型的。第一次运行时，整个网络都在审查之下，并且要评价的解决方案的列表很长。从那之后，整个网络优选地包括在优化流程中，但只需要将新的或修改的所得解决方案输入审查和批准流程中。这通常是一个易于管理的列表，每月大约总货运通道的3至5%，即使在大规模的网络中。
事实上，该方法的总的资源影响可以是非常有利的。今天，许多组织在装载招标之前才在其选定的TMS解决方案内利用优化技术选择货运路线。由该流程产生的较简单的解决方案可以很大程度上在很少监管的情况下进行招标。然而，货运规划师常常发现他们需要审核由这些工具产生的所有建议的整合方案，以确保可行性。虽然承诺自动化，但过度的业务例外的存在不允许这种自动货运路线选择。相比之下，前期规划方法试图平滑化和标准化采购订单，使得在路线确定之后更多情况下执行已经被审查过的计划。在采购部和物流部之间协作的环境中，在货运执行点的日常例外管理被显著减少，以有利于更有效的主动规划方案。在继续之前，应当提及的是，规划功能可以并且应当被用来检查尚不在管理之下的货运，其中运费补贴是已知的(或者已经突破实际货运成本)。与此前所述20-30%的节约改善完全独立的是通过找到适合采购人员的网络的新通道可实现的收入增加。在许多情况下，这些通道是在未考虑订购模式改变的情况下此前视为不盈利而被忽略的通道。
就本发明的物流系统100与招标之前的物流流程560的交互而言，已经认识到，在任何协作活动中持续的成功需要的不仅是联合规划功能。闭环反馈对于监控规划合规性是可取的，并且支持在团队之间的及时纠正措施。由于该解决方案涉及提前构建更好的订购模式，可以在该模型内在载货甚至丢失(即，被装运)之前重新获取装载盈利能力。
这可以通过利用例外管理技术来实现，以便在不合规的采购订单创建时就突出显示这样的订单，并且有利于在装载规划师和采购人员之间的沟通，以便在订单成为装运的一部分和招标之前修订订单。该流程不需要中断到TMS系统的自动化的订单流，只要在招标发生之前执行合规性警示即可。这常常可以通过简单的过程定时(在将装载创建过程在TMS中运行之前检查合规警示)来实现。
并非所有的不合规情况都需要采取措施。一些可能是由非预期的库存需求产生。一些可能与目标阈值足够接近，使得可以进行决策来允许订单通过。一些可能只是突出显示需要为未来的订单修改计划以反映新的现实。为了有利于这种决策过程，可能重要的是在合规例外警示中提供不合规的准确理由和盈利能力影响(与目标的金额偏差)。还期望的是，在任何时候允许不合规订单通过时记录原因代码，以有利于流程有效性的汇总报告。
这种“软检查点”(“软”表示订单不是自动调整为合规的)和对上面讨论的计划的定期重新评估使得能够以仍然响应于动态供应网络的方式改变订购模式。当有效的例外发生时，该例外被允许通过但进行度量，并且如果代表新操作规则，则被用来触发对计划的更新。
就本发明的物流系统100与配送后物流流程570的交互而言，闭环流程中的最终步骤是在通道级别的趋势报告，以及对配送的装载的利润的根本原因分析。一系列因素可以将装载盈利能力从在规划期间设定的目标降低，包括在收入侧的运费补贴变化、订单大小波动和产品混合，以及在装载成本侧的第二承运人的使用、燃料价格变化和一系列可能的计划外附属费用之一。
在深度可见性和向下深入中，对这些动因的根本原因分析是任何入站货运管理团队(甚至那些不完全采取该方法的团队)以及跟踪的工作流过程所期望的，以便确保采取步骤来防止或补偿在货运通道的寿命期内的利润衰减。应当指出，商用TMS解决方案很大程度上忽略了货运利润分析。一些可以进行PO级的收入分析，但不能度量货品混合的影响，并且缺乏推动SKU级分析的能力。在不能够对收入和成本移动执行详细的根本原因分析的情况下，入站货运管理团队可能难以保持对持续节约的严密关注。
图6示出根据本发明的实施例的入站运输管理(ITM)系统的屏幕截图600。如图6所示，屏幕截图600包括项目信息610，例如，名称和描述、创建、修改和发布日期、以及任何状态。
屏幕截图600还示出包括用于若干通道的数据的设置部分620。每个通道优选地包括关于数据类型、数据集名称、数据加载日期、可能已修改的数据、以及记录条数的信息。还在622处示出项目约束中的至少一些的列表。
屏幕截图600还示出包括用于实施考虑的若干情景的优化部分630。每个情景优选地与ID(标识)、名称、运行历史、解决方案数、每月节约额和日程相关联。此外，在632处示出情景结果的摘要。
屏幕截图600还示出包括已发布的情景的列表的发布部分640。每个发布的情景优选地与日期、名称、发布人、节约额和解决方案相关联。
图7示出ITM通道导入标准屏幕的屏幕截图700。如上文参照图1所提及的，最近的历史通道数据被导入至ITM系统中。如图7所示，最近的历史数据包括通道和供应商编号、供应商名称、装运城市、运费补贴、重量、立方英尺、每月频率以及若干其它因素。
此外，图7示出“等级”列。等级列表示由审查者人工评定的等级，以指示比其他通道更盈利的这些通道，例如为了审核和讨论接管此类通道。备选地，可以基于通道或解决方案的盈利能力和执行风险而赋予等级。
图8示出优选地为实施图2的组合模型204而输入的约束的屏幕截图800。如在屏幕截图800中所示，约束优选地包括装载约束、通道约束、财务约束、成本设置、柔性化约束和解决方案约束。可以为图2的模型201-207中的每一个输入类似的约束。
图9示出ITM情景分析屏幕的屏幕截图900，其提供了具有锁定、排除和标记解决方案以进行发布的能力的优化解决方案的视图。屏幕截图900包括设置信息910，其中包括通道数据和情景约束及覆盖。屏幕截图900还包括优化信息920，该信息识别采用的每个模型、模型的描述、采用的任何约束、成本节约以及模型结果。屏幕截图900还包括情景解决方案细节信息930，该信息包括状态和关于解决方案的信息。
图10示出用于可视化的通道概要工具以及通道优化的假设分析和订单柔性化结果的屏幕截图1000。从图10的屏幕截图，用户可以查看和修改单向、整合(组合)、交叉转运、回程解决方案的动因（driver）财务、运营和库存影响。用户也可以查看相关的解决方案并访问关于最近销售、采购和库存的通道和货品信息。用户也可以管理活动解决方案中的工作流。
此外，如图10的屏幕截图1000所示，该图包括通道识别1005和财务及运营摘要1010，财务及运营摘要1010包括新订购频率、大小、以及估计的收入、成本、利润和库存影响。屏幕截图1000还示出包括在解决方案概要1020中的通道的列表，其中包括与采购模式和货运财务有关的摘要统计信息。屏幕截图1000还示出包括在该概要中的通道的其它概要信息的列表1030。
图11示出通道分析工具的屏幕截图1100，该工具用来检查汇总到通道级的装运、采购订单、库存和销售信息，以支持订单和路线模式的确定。此外，屏幕截图1100示出在最近的历史中按最小值、最大值、平均值等列出的订单/装运信息和产品销售的通道级汇总1110。此外，屏幕截图1100示出最近的采购订单活动1120。
图12示出包括用于传送到采购系统或过程的采购准则的通道订单概要的屏幕截图。采购准则可包括对于在路线选择解决方案中的一个或多个通道的订单大小、时间和频率规则。该屏幕截图包括解决方案(装载)级规则1210以及用于拣货#1 1220和拣货#2 1230的通道(PO)级规则。
图13示出合规细节的屏幕截图1300。合规细节显示了预期的和实际的采购订单大小、时间、频率、收入、成本，并且利用订单规则突出显示非合规的元素，以使得物流或采购人员在装载招标之前能够评价财务影响并考虑修正订单。
图14示出毛利润一览表的屏幕截图1400。毛利润一览表允许进行利润低于目标的根本原因分析，以通过收入和成本分量/动因显示绩效相对于目标随时间推移的关系。该一览表还允许仅查看负面影响分量，以识别改进机会而无论装载在总体水平上是否能达到利润目标。此外，毛利润一览表允许向下挖掘到通道和装运水平以检查根本原因，并且允许用户通过“通道问题”过滤，这是一种用于跟踪所发现的问题的解决情况的工作流机制。
如图14所示，毛利润一览表1400允许用户点击条目，例如7月11日的“Lower Load Qty”(较低装载量)条目。然后显示详述具有较低装载量的装载的摘要屏幕1410。此外，摘要屏幕1410允许用户点击具体的装载以显示细节屏幕1430，其中显示该特定装载的细节。
图15示出根据本发明的入站运输管理(ITM)系统的业务信息流1500。业务流1500包括信息管理系统(IMS)平台1510，其中包括ITM盈利能力优化器1512和ITM盈利能力管理器1514。业务流1500还包括运输管理系统(Transport Management System,TMS)1520和采购部1530。
如上所述，订单历史1550被传输到ITM盈利能力优化器1512，该优化器生成表示一组通道概要1552的优化后的物流的解决方案并将该通道概要传输到ITM盈利能力管理器1514。此外，ITM盈利能力优化器1512将订单规则1554回传给采购部。
采购部1530接着利用ITM盈利能力管理器1514下订单1560。ITM盈利能力管理器1514识别对于采购订单1560中的通道概要的例外，并将例外1562的识别回传给采购部以用于审查和可能的修改，从而遵从优化后的通道概要。
一旦解决了合规例外问题，ITM盈利能力管理器1514就将采购订单和路线选择指令1570转发至TMS1520。ITM盈利能力管理器1514还接收从TMS1520返回的关于实际装运1572的数据。接收的数据可用来重新计算新的最优通道模式或执行对于与盈利能力目标相比的偏差的根本原因分析并引发纠正动作。
图16示出根据本发明的实施例的组合模型堆栈生成过程。组合模型204参照图2。总体上，如下面进一步描述的，组合模型堆栈生成过程首先过滤通道，然后创建通道对的接近度列表，然后创建2通道组合的基础列表（base list），然后过滤以求解2向组合的列表，然后创建3通道组合的基础列表，然后过滤以求解3向组合的列表，并且将该过程一直重复到N向组合，其中N是用户预先选定的。
转到图16，首先，在步骤1605中汇集具有通道数据的通道列表。接着在步骤1610中，过滤通道的总列表以选择可用通道的列表。通道可能由于多种原因而不可用，例如装运日期超出当前堆栈日期。
接着，在步骤1615中，形成两两接近度列表。接近度优选地由拣货点和卸货点之间的距离限定。该距离优选地使用半正弦公式计算：
a=sin2(Δlat/2)+cos(lat1)*cos(lat2)*sin2(Δlong/2)
c=2*atan2(√a,√(1-a))
d=R*c，其中R为地球半径
然后，在步骤1620中，使用两两接近度列表来形成2向解决方案的基础列表。如果接近度超出由用户设置的值或由于以下所述的其它原因，在步骤1625中，解决方案可能被过滤掉。剩余解决方案将添加到堆栈1630。
此外，模型可以基于下列中的一个或多个来过滤掉解决方案：偏离路线里程、通道上的收入值、通道上的收入值与通道上的成本之间的关系、卡车数量、利润或其它标准。模型还可基于通道是否按长度、收入或卡车数量的顺序被审查来提供准确的过滤。
备选地，可以基于地区邮政编码而过滤掉解决方案。例如，在加州的邮政编码和新泽西州的邮政编码之间的距离可从查找表或其它数据库中获得，并且可以直接与所需接近度相比较。
就三向基础列表而言，通过在步骤1635中将通道添加到双向列表然后在步骤1640中为所需解决方案过滤通道来创建三向基础列表。这些通道可基于接近度列表来选择并且优选地对于列表中的两个当前通道都是接近的。类似地，通过在步骤1645中使用接近度列表和列表中的此前的通道接近度将额外的通道添加到三向基础列表，然后在步骤1650中过滤列表，可以构造四向基础列表。该过程可以一直重复到N向基础列表，其中N可由用户设置。然后可通过诸如利润的标准来审查和排序所有可用解决方案的堆栈1630，以获得所需解决方案。
就计算利润而言，以上所述解决方案优选地还包括利润的计算。利润被看作是收入减去成本。在这种情况下，成本估计基于原始数据中提供的从拣货点到卸货点行驶的每英里费用乘以最短路线的总英里数的乘积。
此外，当确定组合时，运输的产品被视为是先入后出的，以使得最后装载到卡车上的产品是最先出的产品。然而，在备选实施例中，允许去掉这个约束。此外，在组合模型中，优选地在组合中始终存在这样的通道，其中该通道的拣货为该路线的最先拣货，并且该通道的卸货是该路线的最后卸货。
此外，在模型中，由于路线中的最终通道被约束为短于路线中的初始通道，通过检查具有减少的组合而确定最优路线。如果不是这样，则可以简单地颠倒整个挑选次序，并获得较短的总路线，这意味着该路线不是最优的。这将可能的组合数减少了一半。例如，如果在长度上通道A>通道B>通道C，则只需要检查ABC、ACB和BAC。
此外，可以将组合包括在基础列表中而不是在解决方案的列表中，因为利润对于该解决方案来说太低。此外，可能将组合从基础列表中排除，因为它具有很低的利润，使得没有可能的未来通道将使该值达到所需的阈值利润。
就计算频率而言，可以采用以下公式：
OptFreq=max(min(每月总重量/每车最大重量，每月总立方英尺/每车最大立方英尺，每月总货盘/每货盘最大立方英尺)，MinFreq)
每月总重量=所有通道的所有货品的重量之和
每月总立方英尺=所有通道的所有货品的立方英尺之和
每月总货盘=所有通道的所有货品的货盘之和
MinFreq=min(max(通道的历史频率)，1/订单之间的最大时间)
订单之间的最大时间=基于库存要求的预设值，可以是温度的函数
max(通道的历史频率)=任何单个通道上的最大频率
此外，如果通道被标记为“不能柔性化”，则频率可以被限制。在这种情况下，不允许解决方案的频率低于通道的当前频率。
例如，如果通道A被标记为“不能柔性化”，并且通道A的频率=freqA，那么MinFreq=max(min(max(可以柔性化的通道的通道历史频率)，1/订单之间的最大时间)，max(不能柔性化的通道的通道历史频率))。
如本文所讨论的，本发明的一个或多个实施例提供了一种物流系统，其中以考虑订单大小、时间和/或频率的模式变化的方式来优化运费节约。通过考虑订购模式的变化，可以规划订购准则，该准则产生相比仅通过路线优化可以实现的更有效的装运路线选择和更大的承运人设备利用率，从而进一步降低所装运的每个产品单位的货运成本。
优化基于汇总到通道级别的采购订单和/或需求信息。通过优化货运通道而不是各个采购订单，可以修改产品流，以便配送相同量的产品，但以不同的增量和以不同的时间，从而获得更大的运费节约。
对柔性化订购模式的考虑同时在多个路线选择模型上进行评估，这些模型包括单向移动、组合移动、“采购和装货”移动、循环(连续移动)以及交叉转运使用。也考虑将自有设备用于“回程”的情况。通过检查具有额外的订购模式调整灵活性的这些模型中的每一个，为特定通道或一组通道选择的模型可以改变，以利于不同的订购模式。
虽然已示出和描述了本发明的特定元素、实施例和应用，但应当理解，本发明不限于此，因为本领域的技术人员可以进行修改，尤其是按照前述教导进行修改。因此可以设想，所附权利要求涵盖这些修改并包括属于本发明的精神和范围内的那些特征。

Claims (20)

1.一种用于计算机化的物流优化的方法，所述方法包括：
以电子方式接收货物接收者的当前的入站订单历史，
其中所述当前的入站订单历史表示在预先确定的订单历史时间内的订单历史，
其中所述入站订单历史包括第一产品的至少一次装运，
其中所述第一产品的所述至少一次装运在所述预先确定的订单历史时间期间发生的次数被称为第一产品订购频率，
其中包含在所述第一产品的所述至少一次装运中的所述第一产品的量被称为第一产品量，
其中所述入站订单历史包括第二产品的至少一次装运，
其中所述第二产品的所述至少一次装运在所述预先确定的订单历史时间期间发生的次数被称为第二产品订购频率，
其中包含在所述第二产品的所述至少一次装运中的所述第二产品的量被称为第二产品量，
其中第一产品的所述至少一次装运和第二产品的所述至少一次装运中的每一个都利用拖车的可用空间的一定的百分比来运输所述装运，并且其中所有这样的百分比的平均值被称为拖车总利用率；以及
通过改变所述第一产品订购频率、所述第二产品订购频率、所述第一产品量和所述第二产品量中的至少一个来增加拖车总利用率，而以电子方式计算物流解决方案集。
2.根据权利要求1所述的方法，其中所述物流解决方案将所述第一产品的所述至少一次装运中的至少一个的所述第一产品量从整车减少到零担。
3.根据权利要求1所述的方法，其中所述订单历史包括在采购订单级别的信息。
4.根据权利要求1所述的方法，其中所述订单历史包括汇总到通道级别的需求信息。
5.根据权利要求1所述的方法，其中以电子方式计算物流解决方案集包括同时评估多个路线选择模型。
6.一种用于计算机化的物流优化的方法，所述方法包括：
以电子方式接收货物接收者的当前的入站订单历史，
其中所述当前的入站订单历史表示在预先确定的订单历史时间内的订单历史，
其中所述入站订单历史包括第一产品的至少一次装运，
其中所述第一产品的所述至少一次装运在所述预先确定的订单历史时间期间发生的次数被称为第一产品订购频率，
其中包含在所述第一产品的所述至少一次装运中的所述第一产品的量被称为第一产品量，
其中所述入站订单历史包括第二产品的至少一次装运，
其中所述第二产品的所述至少一次装运在所述预先确定的订单历史时间期间发生的次数被称为第二产品订购频率，
其中包含在所述第二产品的所述至少一次装运中的所述第二产品的量被称为第二产品量，
其中第一产品的所述至少一次装运和第二产品的所述至少一次装运中的每一个与配送成本相关联，并且其中配送成本的全部或所有被称为总配送成本；以及
通过改变所述第一产品订购频率、所述第二产品订购频率、所述第一产品量和所述第二产品量中的至少一个来降低所述总配送成本，而以电子方式计算物流解决方案集。
7.根据权利要求6所述的方法，其中所述物流解决方案将所述第一产品的所述至少一次装运中的至少一个的所述第一产品量从整车减少到零担。
8.根据权利要求6所述的方法，其中所述订单历史包括在采购订单级别的信息。
9.根据权利要求6所述的方法，其中所述订单历史包括汇总到通道级别的需求信息。
10.根据权利要求6所述的方法，其中以电子方式计算物流解决方案集包括同时评估多个路线选择模型。
11.一种用于计算机化的物流优化的方法，所述方法包括：
以电子方式接收货物接收者的当前的入站订单历史，
其中所述当前的入站订单历史表示在预先确定的订单历史时间内的订单历史，
其中所述入站订单历史包括第一产品的至少一次装运，
其中所述第一产品的所述至少一次装运在所述预先确定的订单历史时间期间发生的次数被称为第一产品订购频率，
其中包含在所述第一产品的所述至少一次装运中的所述第一产品的量被称为第一产品量，
其中所述入站订单历史包括第二产品的至少一次装运，
其中所述第二产品的所述至少一次装运在所述预先确定的订单历史时间期间发生的次数被称为第二产品订购频率，
其中包含在所述第二产品的所述至少一次装运中的所述第二产品的量被称为第二产品量，
其中所述第一产品的所述至少一次装运发生的所述次数与所述第二产品的所述至少一次装运发生的所述次数之和被称为总配送次数；以及
通过改变所述第一产品订购频率、所述第二产品订购频率、所述第一产品量和所述第二产品量中的至少一个来降低所述总配送次数，同时至少接收所述第一产品量和所述第二产品量，而以电子方式计算物流解决方案集。
12.根据权利要求11所述的方法，其中所述物流解决方案将所述第一产品的所述至少一次装运中的至少一个的所述第一产品量从整车减少到零担。
13.根据权利要求11所述的方法，其中所述订单历史包括在采购订单级别的信息。
14.根据权利要求11所述的方法，其中所述订单历史包括汇总到通道级别的需求信息。
15.根据权利要求11所述的方法，其中以电子方式计算物流解决方案集包括同时评估多个路线选择模型。
16.一种用于计算机化的物流优化的系统，所述系统包括：
入站运输管理系统，其以电子方式接收货物接收者的当前的入站订单历史，
其中所述当前的入站订单历史表示预先确定的订单历史时间的订单历史，
其中所述入站订单历史包括第一产品的至少一次装运，
其中所述第一产品的所述至少一次装运在所述预先确定的订单历史时间期间发生的次数被称为第一产品订购频率，
其中包含在所述第一产品的所述至少一次装运中的所述第一产品的量被称为第一产品量，
其中所述入站订单历史包括第二产品的至少一次装运，
其中所述第二产品的所述至少一次装运在所述预先确定的订单历史时间期间发生的次数被称为第二产品订购频率，
其中包含在所述第二产品的所述至少一次装运中的所述第二产品的量被称为第二产品量，
其中第一产品的所述至少一次装运和第二产品的所述至少一次运输中的每一个都利用拖车的可用空间的一定的百分比来运输所述装运，并且其中所有这样的百分比的平均值被称为拖车总利用率；以及
入站运输优化器，其通过改变所述第一产品订购频率、所述第二产品订购频率、所述第一产品量和所述第二产品量中的至少一个来增加拖车总利用率，而以电子方式计算物流解决方案集。
17.根据权利要求16所述的系统，其中所述物流解决方案将所述第一产品的所述至少一次装运中的至少一个的所述第一产品量从整车减少到零担。
18.根据权利要求16所述的系统，其中所述订单历史包括在采购订单级别的信息。
19.根据权利要求16所述的系统，其中所述订单历史包括汇总到通道级别的需求信息。
20.根据权利要求16所述的系统，其中以电子方式计算物流解决方案集包括同时评估多个路线选择模型。
CN201280016063.5A 2011-01-24 2012-01-24 使用通道订购模式柔性化的物流优化系统和方法 Active CN103460154B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201161435563P 2011-01-24 2011-01-24
US61/435,563 2011-01-24
US201261587999P 2012-01-18 2012-01-18
US61/587,999 2012-01-18
PCT/US2012/022391 WO2012103111A1 (en) 2011-01-24 2012-01-24 System and method for logistics optimization using lane order pattern flexing

Publications (2)

Publication Number Publication Date
CN103460154A true CN103460154A (zh) 2013-12-18
CN103460154B CN103460154B (zh) 2016-05-04

Family

ID=46581138

Family Applications (2)

Application Number Title Priority Date Filing Date
CN2012800149299A Pending CN103460229A (zh) 2011-01-24 2012-01-24 用于闭环采购订单合规性管理的系统和方法
CN201280016063.5A Active CN103460154B (zh) 2011-01-24 2012-01-24 使用通道订购模式柔性化的物流优化系统和方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN2012800149299A Pending CN103460229A (zh) 2011-01-24 2012-01-24 用于闭环采购订单合规性管理的系统和方法

Country Status (6)

Country Link
US (7) US20130159043A1 (zh)
EP (2) EP2668621A4 (zh)
CN (2) CN103460229A (zh)
CA (2) CA2825474A1 (zh)
MX (2) MX2013008552A (zh)
WO (2) WO2012103111A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600178A (zh) * 2015-10-19 2017-04-26 阿里巴巴集团控股有限公司 业务数据处理方法及装置
CN107239924A (zh) * 2017-06-08 2017-10-10 北京惠赢天下网络技术有限公司 一种基于标准箱的配货套餐生成方法及系统
CN107871266A (zh) * 2016-09-28 2018-04-03 菜鸟智能物流控股有限公司 一种交互凭证的获取方法及相关装置

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20040204795A1 (en) * 2002-08-12 2004-10-14 John Harvey Vehicle security system and method
US9020846B2 (en) 2008-12-19 2015-04-28 United Parcel Service Of America, Inc. Trailer utilization systems, methods, computer programs embodied on computer-readable media, and apparatuses
CN103460229A (zh) * 2011-01-24 2013-12-18 Arrowstream公司 用于闭环采购订单合规性管理的系统和方法
US10043150B2 (en) * 2012-12-20 2018-08-07 Oracle International Corporation Cost and latency reductions through dynamic updates of order movement through a transportation network
US10007889B2 (en) * 2012-12-20 2018-06-26 Oracle International Corporation Finding minimum cost transportation routes for orders through a transportation network
US10163119B1 (en) * 2013-02-07 2018-12-25 United Parcel Service Of America, Inc. Systems and methods for synchronized delivery
US10796270B1 (en) 2013-02-07 2020-10-06 United Parcel Service Of America, Inc. Systems and methods for synchronized delivery
US20140336853A1 (en) * 2013-05-10 2014-11-13 ESRG Technology Group, LLC Methods for automatically optimizing ship performance and devices thereof
US9260203B2 (en) 2014-04-08 2016-02-16 OMNI Consulting Solutions, LLC System and method for matching of space launch, satellite, and mission payload opportunities
CN105590178A (zh) * 2014-10-21 2016-05-18 阿里巴巴集团控股有限公司 一种资源处理方法与设备
US10452236B2 (en) 2014-11-21 2019-10-22 Deliveright Logistics, Inc. Delivery management systems and methods for zero-inventory distribution
CA2973904A1 (en) 2015-01-19 2016-07-28 Developpement Pi Inc. System and method for managing and optimizing delivery networks
US10282694B2 (en) * 2015-02-18 2019-05-07 Cargo Chief Acquisition Inc. Partial load shipment consolidation and scheduling
US11107031B2 (en) 2015-02-18 2021-08-31 Ryder Integrated Logistics, Inc. Vehicle fleet control systems and methods
US10074065B2 (en) 2015-02-18 2018-09-11 Cargo Chief Aquisition Inc. Obtaining loads for next leg or backhaul
US9691091B2 (en) 2015-02-18 2017-06-27 Cargo Chief Transportation service matching with location tracking and arrival estimation
US9082144B2 (en) * 2015-02-18 2015-07-14 Cargo Chief Transportation service matching with arrival estimation adjusted for external factors
US11144870B2 (en) 2015-09-21 2021-10-12 United Parcel Service Of America, Inc. Systems and methods for reserving space in carrier vehicles to provide on demand delivery services
US10296963B2 (en) * 2015-10-28 2019-05-21 Accenture Global Services Limited Predictive modeling for unintended outcomes
US11126963B2 (en) * 2016-05-09 2021-09-21 Fair Factories Clearinghouse Inc. System and method for supply chain compliance
US20180060810A1 (en) * 2016-09-01 2018-03-01 Blackberry Limited Efficiency of a cargo shipping system
US11315067B2 (en) * 2016-10-17 2022-04-26 Airspace Technologies, Inc. Logistical management system
US20180260878A1 (en) 2017-03-09 2018-09-13 Microsoft Technology Licensing, Llc Item delivery fulfillment plan determination
CN107085777A (zh) * 2017-04-13 2017-08-22 合肥市群智科技有限公司 一种物流货物实况跟踪方法及装置
CA3084343C (en) * 2017-12-11 2024-03-12 Banyan Technology Customized integrated pricing packages for freight shipment
CN107944645A (zh) * 2017-12-29 2018-04-20 浪潮软件股份有限公司 一种烟草配送线路优化的可行性分析方法
CN108830358A (zh) * 2018-07-02 2018-11-16 芜湖市联网汇通电子科技有限公司 一种物流货物运输管理系统及方法
US10929805B2 (en) * 2018-08-01 2021-02-23 International Business Machines Corporation Adjusting simulation times for cost simulation analysis of transportation lane proposals based on space and time granularities
US11416904B1 (en) * 2018-12-28 2022-08-16 Cdw Llc Account manager virtual assistant staging using machine learning techniques
CN109978470B (zh) * 2019-04-03 2023-04-18 深圳威狮物流网络科技有限公司 一种物流信息确定方法、装置、设备及介质
US20210142280A1 (en) 2019-11-12 2021-05-13 Airspace Technologies, Inc. Logistical Management System
US11210629B2 (en) 2019-12-20 2021-12-28 Cognizant Technology Solutions India Pvt. Ltd. System and method for optimizing management of inventory data
JP7259774B2 (ja) * 2020-01-15 2023-04-18 Ｊｆｅスチール株式会社 配送計画作成方法、及び配送計画作成装置
US20220028022A1 (en) * 2020-07-27 2022-01-27 Windigo Logistics, Inc. Optimized logistic planning
CN116205559B (zh) * 2023-05-05 2023-07-21 中铁第四勘察设计院集团有限公司 基于最优前沿的多式联运货运设施布点优化方法及系统
CN117114583B (zh) * 2023-10-24 2024-01-23 电能易购(北京)科技有限公司 一种基于云服务平台的供应链管理系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030061084A1 (en) * 2001-03-23 2003-03-27 Restaurant Services, Inc. System, method and computer program product for freight management in a supply chain framework
US20060178918A1 (en) * 1999-11-22 2006-08-10 Accenture Llp Technology sharing during demand and supply planning in a network-based supply chain environment
CN1914633A (zh) * 2004-01-28 2007-02-14 Ww格兰杰有限公司 用于管理订货商品配送的系统和方法
US20080183526A1 (en) * 2000-10-23 2008-07-31 Schneider Logistics, Inc. Method and System for Interfacing with a Shipping Service
CN101645143A (zh) * 2009-06-09 2010-02-10 广东医卫互动信息科技有限公司 物流系统与实验室信息系统的整合应用系统
US20100257114A1 (en) * 2003-12-30 2010-10-07 United Parcel Service Of America, Inc. Systems and methods for consolidated global shipping

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5063506A (en) * 1989-10-23 1991-11-05 International Business Machines Corp. Cost optimization system for supplying parts
US5450317A (en) * 1993-11-24 1995-09-12 U S West Advanced Technologies, Inc. Method and system for optimized logistics planning
US6336362B1 (en) * 1998-01-22 2002-01-08 Roy A. Duenas Method and system for measuring and remotely reporting the liquid level of tanks and the usage thereof
US7630986B1 (en) * 1999-10-27 2009-12-08 Pinpoint, Incorporated Secure data interchange
US6889197B2 (en) * 2000-01-12 2005-05-03 Isuppli Inc. Supply chain architecture
US8239229B1 (en) * 2000-02-24 2012-08-07 Richard Paiz Parallel computer network and method for real time financial resource management, inventory control, and online purchasing
US20020007302A1 (en) * 2000-03-06 2002-01-17 Work Bruce V. Method and apparatus for tracking vendor compliance with purchaser guidelines and related method for the commercial distribution of software and hardware implementing same
AU2001259192A1 (en) * 2000-04-27 2001-11-07 Eastman Chemical Company Vertical systems and methods for providing shipping and logistics services, operations and products to an industry
WO2001099006A2 (en) 2000-06-16 2001-12-27 Manugistics, Inc. Transportation planning, execution, and freight payment managers and related methods
US6915268B2 (en) * 2000-07-28 2005-07-05 Odyssey Logistics & Technology Corporation Transport logistics systems and methods
US6980966B1 (en) * 2000-10-05 2005-12-27 I2 Technologies Us, Inc. Guided buying decision support in an electronic marketplace environment
US7698204B2 (en) * 2000-12-28 2010-04-13 John C. Abendroth Method and system for e-commerce freight management
US6937992B1 (en) * 2000-12-29 2005-08-30 Arrowstream, Inc. Transport vehicle capacity maximization logistics system and method of same
US7171379B2 (en) * 2001-03-23 2007-01-30 Restaurant Services, Inc. System, method and computer program product for normalizing data in a supply chain management framework
US20030055704A1 (en) * 2001-03-23 2003-03-20 Reece Debra Gayle System, method and computer program product for defining roles/responsibilities in a supply chain management framework
US7263495B2 (en) * 2001-05-24 2007-08-28 Lightsurf Technologies, Inc. Order scheduling system and methodology
US20020184042A1 (en) * 2001-06-01 2002-12-05 Freemarkets, Inc. Method, apparatus, and system for grouping transportation services
US20030050819A1 (en) * 2001-08-31 2003-03-13 Koenigbauer Mary Jo Computer-implemented, integrated system and method for managing global logistics
WO2003036427A2 (en) * 2001-10-23 2003-05-01 Electronic Data Systems Corporation System and method for managing contracts using text mining
US7844497B2 (en) * 2003-06-18 2010-11-30 Ebay Inc. Method and system for facilitating shipping via a third-party payment service
US20060089869A1 (en) * 2004-10-21 2006-04-27 United Parcel Service Of America, Inc. Systems and methods for automated reporting of vendor non-compliance
US7672855B2 (en) * 2005-02-25 2010-03-02 Oracle International Corp. Transportation planning with drop trailer arrangements
US8126755B2 (en) * 2005-07-28 2012-02-28 Sap Ag Systems and methods for automated parallelization of deployment
US20080147516A1 (en) 2006-09-29 2008-06-19 Armand Rousso Systems, methods and apparatuses for a payment facilitation engine
US20090299822A1 (en) * 2006-11-08 2009-12-03 P C Grocery Ltd. System and method for optimized shopping transactions
US8417550B2 (en) * 2007-08-02 2013-04-09 Target Brands, Inc. Inland freight management
US8019617B2 (en) * 2007-11-06 2011-09-13 Exxonmobil Research & Engineering Company System for optimizing transportation scheduling
CN101620694A (zh) * 2008-07-02 2010-01-06 中冶宝钢技术服务有限公司 物流运输决策支持系统及方法、运输管理系统
JP2010134635A (ja) * 2008-12-03 2010-06-17 Ishida Co Ltd 電子棚札及び商品管理システム
US8494885B2 (en) * 2009-10-09 2013-07-23 International Business Machines Corporation Modeling distribution of emergency relief supplies for disaster response operations
US9141987B2 (en) * 2010-11-15 2015-09-22 Microsoft Technology Licensing, Llc System, method, and medium for generating a map of a geographic region based on client location data
CN103460229A (zh) * 2011-01-24 2013-12-18 Arrowstream公司 用于闭环采购订单合规性管理的系统和方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060178918A1 (en) * 1999-11-22 2006-08-10 Accenture Llp Technology sharing during demand and supply planning in a network-based supply chain environment
US20080183526A1 (en) * 2000-10-23 2008-07-31 Schneider Logistics, Inc. Method and System for Interfacing with a Shipping Service
US20030061084A1 (en) * 2001-03-23 2003-03-27 Restaurant Services, Inc. System, method and computer program product for freight management in a supply chain framework
US20100257114A1 (en) * 2003-12-30 2010-10-07 United Parcel Service Of America, Inc. Systems and methods for consolidated global shipping
CN1914633A (zh) * 2004-01-28 2007-02-14 Ww格兰杰有限公司 用于管理订货商品配送的系统和方法
CN101645143A (zh) * 2009-06-09 2010-02-10 广东医卫互动信息科技有限公司 物流系统与实验室信息系统的整合应用系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106600178A (zh) * 2015-10-19 2017-04-26 阿里巴巴集团控股有限公司 业务数据处理方法及装置
CN107871266A (zh) * 2016-09-28 2018-04-03 菜鸟智能物流控股有限公司 一种交互凭证的获取方法及相关装置
CN107239924A (zh) * 2017-06-08 2017-10-10 北京惠赢天下网络技术有限公司 一种基于标准箱的配货套餐生成方法及系统

Also Published As

Publication number Publication date
US20150356503A1 (en) 2015-12-10
EP2668621A4 (en) 2017-05-03
US20130080206A1 (en) 2013-03-28
CA2825472A1 (en) 2012-08-02
WO2012103111A1 (en) 2012-08-02
US20130030958A1 (en) 2013-01-31
US20140304188A1 (en) 2014-10-09
US8799178B2 (en) 2014-08-05
US20130096973A1 (en) 2013-04-18
US20130159043A1 (en) 2013-06-20
US9123015B2 (en) 2015-09-01
CA2825474A1 (en) 2012-08-02
US20130031017A1 (en) 2013-01-31
WO2012103118A1 (en) 2012-08-02
MX2013008549A (es) 2014-10-17
MX2013008552A (es) 2014-10-17
CN103460154B (zh) 2016-05-04
EP2668550A1 (en) 2013-12-04
EP2668550A4 (en) 2017-05-03
EP2668621A1 (en) 2013-12-04
CN103460229A (zh) 2013-12-18

Similar Documents

Publication Publication Date Title
CN103460154B (zh) 使用通道订购模式柔性化的物流优化系统和方法
Magee et al. Modern logistics management: Integrating marketing, manufacturing and physical distribution
CN102385724A (zh) 一种应用于库存管理的零配件组合需求预测信息处理方法
Ratliff et al. Logistics composite modeling
Ng et al. Petrol delivery tanker assignment and routing: a case study in Hong Kong
Martínez-Vivar et al. Contribution to the logistic evaluation system in the transportation process in Santo Domingo, Ecuador
Hosseini et al. Fill rate in road freight transport
Southard Extending vendor-managed inventory into alternate supply chains: A simulation analysis of costs and service levels
Savino et al. A faster enterprise Resources Planning implementation for Euro Coin Supply Chain within the SCOR model
Pannekoek Provide insights and improve the Poland material flow
Saengsathien Modelling and determining inventory decisions for improved sustainability in perishable food supply chains
Allione Implementing agility in the logistics flows to achieve competitiveness in a turbulent external environment
Kim Activity-based cost modeling and dynamic simulation study of an international reusable packaging systems
KASSIM COLLEGE OF HUMANITIES AND SOCIAL SCIENCES
Wolfkamp Optimization of the high consumption logistic process at Scania Production Zwolle
Ηλιάδης Distribution Centers: An Expensive Solution or a Cost-Saving Practice?
Dhalla Evaluating shortage costs in a dynamic environment
Koivula Modeling supply chain costs in the automotive manufacturing industry: The case of Valmet Automotive
Anjani Optimization of Transportation System by Tailored Logistics Network: A Case Study in Automotive Industry
Bere Relatório de Estágio Logistic Operators: operational planning performance & decision targgets
van Wyk Nissan South Africa Strategic Supply Chain Assessment
Colombo Supplier performance evaluation in a VMI relationship: the Rhiag-Spesso gaskets case
Jouida et al. Coalition Formation for Sourcing Contract Design with Cooperative Replenishment in Supply Networks
Aldarrat Modeling and controlling of an integrated distribution supply chain: simulation based shipment consolidation heuristics
Kainulainen Distribution network design and optimization

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant