CN106971282A - 一种仓储方案有效性的确定方法和系统 - Google Patents
一种仓储方案有效性的确定方法和系统 Download PDFInfo
- Publication number
- CN106971282A CN106971282A CN201610024345.XA CN201610024345A CN106971282A CN 106971282 A CN106971282 A CN 106971282A CN 201610024345 A CN201610024345 A CN 201610024345A CN 106971282 A CN106971282 A CN 106971282A
- Authority
- CN
- China
- Prior art keywords
- industry
- time
- classification
- future
- sales
- 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
Links
- 238000003860 storage Methods 0.000 title claims abstract description 221
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000009826 distribution Methods 0.000 claims description 112
- 238000004364 calculation method Methods 0.000 claims description 19
- 239000002360 explosive Substances 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 230000002068 genetic effect Effects 0.000 claims description 11
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 241000406668 Loxodonta cyclotis Species 0.000 claims 1
- 230000032258 transport Effects 0.000 description 104
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 9
- 238000004088 simulation Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 230000032683 aging Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000013439 planning Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000013316 zoning Methods 0.000 description 2
- 208000006820 Arthralgia Diseases 0.000 description 1
- 102000000584 Calmodulin Human genes 0.000 description 1
- 108010041952 Calmodulin Proteins 0.000 description 1
- 241000238413 Octopus Species 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001617 migratory effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
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
-
- 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
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种仓储方案有效性的确定方法和系统,所述的方法包括:获取仓储方案的相关信息;所述相关信息包括所述仓储方案中仓储控制中心的位置和实际运输能力,以及,所述仓储控制中心对应的历史物流信息;采用所述历史物流信息和所述仓储控制中心的位置,确定所述仓储控制中心的运输能力需求;判断所述运输能力需求是否小于或等于所述实际运输能力;若所述运输能力需求小于或等于所述实际运输能力,则判定所述仓储方案有效。本申请实施例用以确定为当前的仓储方案为有效。
Description
技术领域
本申请涉及数据处理技术领域,特别是涉及一种仓储方案有效性的确定方法和一种仓储方案有效性的确定系统。
背景技术
当前,在电商领域中,物流的质量及体验越来越受到了广大消费者(买家)的关注,而其中的物流时效性往往是最为重要的因子。这也是电商要着力建设物流以支撑一些新兴的自营营销,诸如网上超市以及全球直采等等。网上超市许诺在其覆盖的地区可以做到24小时内送货上门,而全球直采中有很大一部分为生鲜产品和时效产品,需要快速送货上门。另一方面,物流的终极目标是采用平台的手段,整合和建设出服务电商的24小时内可送达全国各地的超级物流网络。然而,从目前来看,在对于网上超市这种24小时送货上门的物流项目推进中,我们可以发现如下的几个问题:
(1)仓储方面:省间和城市间的干道送货能力已确定的情况下,城市内(如北京、杭州等)的备货方案很难有备货依据以满足当前该城市需求;
(2)市内仓储选址方面:当前,由于像网上超市之类的营销为了保证物流体验,市内物流既要保证时效性(如24小时内送达),又需要保证时间窗(不可在凌晨送达)。为了保证上述优点,当前只能通过尽可能地建设仓储;
(3)市内配送方面:当前,市内配送中,特别是像北京、杭州等堵车较为严重的城市,包裹的延迟很大程度是因为堵车、交通意外等市内交通状况。另一方面,送货员并不能快速了解交通全貌和当天包裹全貌,总是按照同样的路径在进行。
目前,在学术方面,由于业界未提出上述的几个问题,这几个问题尚未引起相关学术研究人员的注意,因此现今所发表的文章和技术披露也非常稀缺。另一方面,学术研究人员一般无法接触到物流详情数据和仓储数据,这直接阻碍了实用型研究的开展。在产品及工业解决方案的方面,现今已有部分物流管理、物流监控以及物流仓储方面的处理方案,但是这些处理方案仍然不能很好地解决上述的几个问题,究其原因,主要是因为原物流速度、质量等客户体验的竞争并没有引起足够的重视,故几乎没有学术研究人员去积极研究。
发明内容
鉴于上述问题,提出了本申请实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种仓储方案有效性的确定方法和相应的一种仓储方案有效性的确定系统。
为了解决上述问题,本申请实施例公开了一种仓储方案有效性的确定方法,包括:
获取仓储方案的相关信息;所述相关信息包括所述仓储方案中仓储控制中心的位置和实际运输能力,以及,所述仓储控制中心对应的历史物流信息;
采用所述历史物流信息和所述仓储控制中心的位置,确定所述仓储控制中心的运输能力需求;
判断所述运输能力需求是否小于或等于所述实际运输能力;
若所述运输能力需求小于或等于所述实际运输能力,则判定所述仓储方案有效。
优选地,所述采用历史物流信息和所述仓储控制中心的位置,确定所述仓储控制中心的运输能力需求的步骤包括:
从所述历史物流信息中提取出在指定过去时间内的历史物流信息;
采用所述历史物流信息和所述仓储控制中心的位置计算所述仓储控制中心的运输能力需求。
优选地,所述的方法还包括:
若所述运输能力需求大于所述实际运输能力,则判定所述仓储方案失效。
优选地,所述相关信息还包括交通信息和电商平台的销售记录,在所述判定所述仓储方案有效的步骤之后,还包括:
采用所述销售记录和所述交通信息确定所述仓储方案的失效时间。
优选地,所述销售记录中包括销售对象的销售时间和销售数量,采用所述销售记录和所述交通信息确定所述仓储方案的失效时间的步骤包括:
采用所述销售对象的销售时间和销售数量预估销售对象计算在指定未来时间的整体未来销售数量;
获得在指定地区下各个行业及类目与总体类目的关系比例;
采用所述整体未来销售数量按照所述关系比例和预置的地区物流比例计算出在所述指定未来时间的地区包裹数量;
采用所述地区未来包裹数量计算所述仓储中心的未来运输能力需求;
判断所述未来运输能力需求是否大于所述实际运输能力;
若所述未来运输能力需求大于所述实际运输能力,则采用所述指定未来时间确定失效时间。
优选地,所述采用销售对象的销售时间和销售数量预估销售对象的在指定未来时间的整体未来销售数量的步骤包括:
获取在指定未来时间在今年所对应的农历月份的前一个月份的各个行业及类目销售数量,以及,在去年所对应的农历月份的前一个月份的各个行业及类目销售数量;
比对所述今年所对应的农历月份的前一个月份的各个行业及类目销售数量和所述去年所对应的农历月份的前一个月份的各个行业及类目销售数量得到比值;
将所述比值以及所述指定未来时间在去年所对应的时间得到在指定未来时间的各个行业及类目未来销售数量;
采用所述各个行业及类目未来销售数量获得整体未来销售数量。
优选地,所述采用销售对象的销售时间和销售数量预估销售对象的在指定未来时间的未来销售数量的步骤包括:
获取在指定未来时间在今年所对应的公历月份的前一个月份的各个行业及类目销售数量,以及,在去年所对应的公历月份的前一个月份的各个行业及类目销售数量;
比对所述今年所对应的公历月份的前一个月份的各个行业及类目销售数量和所述去年所对应的公历月份的前一个月份的各个行业及类目销售数量得到比值;
将所述比值以及所述指定未来时间在去年所对应的时间得到在指定未来时间的各个行业及类目未来销售数量;
采用所述各个行业及类目未来销售数量获得整体未来销售数量。
优选地,所述的方法还包括:
获取在预设未来时间段内的各个行业及类目未来销售数量;
采用所述各个行业及类目未来销售数量和所述销量序列中值计算短期爆发力指标。
优选地,所述地区对应一个或多个地域,所述地域对应一个或多个小区,所述的方法还包括:
确定指定区域与所述指定地区之间的各个行业及类目的关系比例;
采用所述整体未来销售数量按照所述关系比例和预置的地域物流比例计算地域包裹数量;
采用所述地域包裹数量按照配送对象的配送小区计算配送路径;
采用所述配送路径计算配送时间;
采用所述配送时间确定出超过预置配送时间的地域包裹数量;
采用所述超过预置配送时间的地域包裹数量和所述地域包裹数量计算出未来配送覆盖率。
优选地,所述的方法还包括:
确定随机配送路径;
针对所述随机配送路径采用预置遗传算法规则,计算出优化配送路径。
优选地,所述仓储控制中心包括多个,所述的方法还包括:
从所述各个仓储控制中心对应的失效时间中,筛选出最近的失效时间作为最大风险时间,该最大风险时间所对应的仓储控制中心则作为最大风险仓储控制中心。
优选地,所述的方法还包括:
获取在指定过去时间段内的过去包裹数量和包裹对应的配送时间;
采用所述配送时间确定出超过预置配送时间的过去包裹数量;
采用所述超过预置配送时间的过去包裹数量和所述地域包裹数量计算出过去配送覆盖率。
本申请实施例还公开了一种仓储方案有效性的确定系统,包括:
仓储方案相关信息获取模块,用于获取仓储方案的相关信息;所述相关信息包括所述仓储方案中仓储控制中心的位置和实际运输能力,以及,所述仓储控制中心对应的历史物流信息;
运输能力需求确定模块,用于采用所述历史物流信息和所述仓储控制中心的位置,确定所述仓储控制中心的运输能力需求;
运输能力需求判断模块,用于判断所述运输能力需求是否小于或等于所述实际运输能力;若所述运输能力需求小于或等于所述实际运输能力,则调用仓储方案有效判定模块;
仓储方案有效判定模块,用于判定所述仓储方案有效。
优选地,所述运输能力需求确定模块包括:
历史物流信息获取子模块,用于从所述历史物流信息中提取出在指定过去时间内的历史物流信息;
运输能力需求计算子模块,用于采用所述历史物流信息和所述仓储控制中心的位置计算所述仓储控制中心的运输能力需求。
优选地,所述的系统还包括:
仓储方案失效判定模块,用于若所述运输能力需求大于所述实际运输能力,则判定所述仓储方案失效。
优选地,所述相关信息还包括交通信息和电商平台的销售记录,还包括:
失效时间确定模块,用于采用所述销售记录和所述交通信息确定所述仓储方案的失效时间。
优选地,所述销售记录中包括销售对象的销售时间和销售数量,所述失效时间确定模块包括:
整体未来销售数量子模块,用于采用所述销售对象的销售时间和销售数量预估销售对象计算在指定未来时间的整体未来销售数量;
关系比例获得子模块,用于获得在指定地区下各个行业及类目与总体类目的关系比例;
地区包裹数量计算子模块,用于采用所述整体未来销售数量按照所述关系比例和预置的地区物流比例计算出在所述指定未来时间的地区包裹数量;
未来运输能力需求计算子模块,用于采用所述地区未来包裹数量计算所述仓储中心的未来运输能力需求;
未来运输能力需求判断子模块,用于判断所述未来运输能力需求是否大于所述实际运输能力;所述未来运输能力需求大于所述实际运输能力,则调用失效时间输出子模块;
失效时间输出子模块,用于若采用所述指定未来时间确定失效时间。
优选地,所述整体未来销售数量子模块包括:
第一各个行业及类目销售数量获取单元,用于获取在指定未来时间在今年所对应的农历月份的前一个月份的各个行业及类目销售数量,以及,在去年所对应的农历月份的前一个月份的各个行业及类目销售数量;
第一各个行业及类目销售数量对比单元,用于比对所述今年所对应的农历月份的前一个月份的各个行业及类目销售数量和所述去年所对应的农历月份的前一个月份的各个行业及类目销售数量得到比值;
第一各个行业及类目未来销售数量计算单元,用于将所述比值以及所述指定未来时间在去年所对应的时间得到在指定未来时间的各个行业及类目未来销售数量;
第一整体未来销售数量计算单元,用于采用所述各个行业及类目未来销售数量获得整体未来销售数量。
优选地,所述整体未来销售数量子模块包括:
第二各个行业及类目销售数量获取单元,用于获取在指定未来时间在今年所对应的公历月份的前一个月份的各个行业及类目销售数量,以及,在去年所对应的公历月份的前一个月份的各个行业及类目销售数量;
第二各个行业及类目销售数量对比单元,用于比对所述今年所对应的公历月份的前一个月份的各个行业及类目销售数量和所述去年所对应的公历月份的前一个月份的各个行业及类目销售数量得到比值;
第二各个行业及类目未来销售数量计算单元,用于将所述比值以及所述指定未来时间在去年所对应的时间得到在指定未来时间的各个行业及类目未来销售数量;
第二整体未来销售数量计算单元,用于采用所述各个行业及类目未来销售数量获得整体未来销售数量。
优选地,所述的系统还包括:
未来销售数量获取模块,用于获取在预设未来时间段内的各个行业及类目未来销售数量;
短期爆发力指标计算模块,用于采用所述各个行业及类目未来销售数量和所述销量序列中值计算短期爆发力指标。
优选地,所述地区对应一个或多个地域,所述地域对应一个或多个小区,所述的系统还包括:
关系比例确定模块,用于确定指定区域与所述指定地区之间的各个行业及类目的关系比例;
地域包裹数量计算模块,用于采用所述整体未来销售数量按照所述关系比例和预置的地域物流比例计算地域包裹数量;
配送路径计算模块,用于采用所述地域包裹数量按照配送对象的配送小区计算配送路径;
配送时间计算模块,用于采用所述配送路径计算配送时间;
超出配送时间包裹确定模块,用于采用所述配送时间确定出超过预置配送时间的地域包裹数量;
未来配送覆盖率计算模块,用于采用所述超过预置配送时间的地域包裹数量和所述地域包裹数量计算出未来配送覆盖率。
优选地,所述的系统还包括:
随机配送路径确定模块,用于确定随机配送路径;
配送路径优化模块,用于针对所述随机配送路径采用预置遗传算法规则,计算出优化配送路径。
优选地,所述仓储控制中心包括多个,所述的系统还包括:
最大风险点计算模块,用于从所述各个仓储控制中心对应的失效时间中,筛选出最近的失效时间作为最大风险时间,该最大风险时间所对应的仓储控制中心则作为最大风险仓储控制中心。
优选地,所述的系统还包括:
包裹信息获取模块,用于获取在指定过去时间段内的过去包裹数量和包裹对应的配送时间;
包裹数量确定模块,用于采用所述配送时间确定出超过预置配送时间的过去包裹数量;
过去配送覆盖率计算模块,用于采用所述超过预置配送时间的过去包裹数量和所述地域包裹数量计算出过去配送覆盖率。本申请实施例包括以下优点:
本申请实施例中,首先获取到仓储方案的相关信息,并根据相关信息中的历史物流信息确定出现有的仓储方案中的运输能力需求,然后将相关信息中的实际运输能力与运输能力需求进行比较,以获知当前的仓储方案是否满足运输能力需求,如果满足,则可以确定为当前的仓储方案为有效。
本申请实施例中,考虑到网上购物的不断普及,运单数量也将随之增长,当前的仓储方案必然在某个时间点会不能满足运输能力需求,故在确定为当前的仓储方案为有效时,还可以进一步计算当前的仓储方案失效时间,从而能够按照失效时间及时进行仓储方案的改善。
附图说明
图1是本申请的一种仓储方案有效性的确定方法实施例1的步骤流程图;
图2是本申请的一种仓储方案有效性的确定方法实施例2的步骤流程图;
图3是本申请的一种商品的类目分类的示意图;
图4是本申请的一种仓储方案处理的系统框图;
图5是本申请的一种仓储方案有效性的确定系统实施例的结构框图。
具体实施方式
为使本申请的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本申请作进一步详细的说明。
参照图1,示出了本申请的一种仓储方案有效性的确定方法实施例1的步骤流程图,具体可以包括如下步骤:
步骤101,获取仓储方案的相关信息;所述相关信息包括所述仓储方案中仓储控制中心的位置和实际运输能力,以及,所述仓储控制中心对应的历史物流信息;
在具体实现中,在全国,省,市范围内可以按需设置一个或者多个的仓储控制中心,在仓储控制中心所覆盖的地区将会按照买家进行配送对象的配送。在本申请实施例中,在电商领域中的配送对象可以是指需要配送的商品。
在本申请实施例中,仓储方案也可以称为物流方案,仓储方案具有对应的仓储控制中心,以及,该仓储控制中心的位置和其实际运输能力。
一般而言,为了保证配送对象的物流的运输质量及运输体验,需要保证当前的仓储方案的实际运输能力能够满足运输能力需求,故在本申请实施例中将收集仓储方案的相关信息,用以判断仓储方案是否有效。
需要说明的是,本申请实施例适用于电商领域,尤其适用于电商领域中需要保证配送时间在指定时间窗口内的网上购物模式。
步骤102,采用所述历史物流信息和所述仓储控制中心的位置,确定所述仓储控制中心的运输能力需求;
在本申请的一种优选实施例中,所述步骤102可以包括如下子步骤:
子步骤S11,从所述历史物流信息中提取出在指定过去时间内的历史物流信息;
子步骤S12,采用所述历史物流信息和所述仓储控制中心的位置计算所述仓储控制中心的运输能力需求。
在具体实现中,仓储控制中心运输能力可以使用物流车(地区)和配送车(地域)来反映。可以理解,物流车和配送车都能够运输一定数量的包裹。
本申请实施例中,物流信息可以从电商平台的物流数据库中获取,将各个仓储控制中心布点位置结合地理信息,以过去一个月每天的历史物流信息换算出包裹数量,在包裹数量的基础上可以计算出物流车或配送车的运输需求数量。
步骤103,判断所述运输能力需求是否小于或等于所述实际运输能力;若所述运输能力需求小于或等于所述实际运输能力,则执行步骤104;
步骤104,判定所述仓储方案有效。
具体来说,如果运输能力需求所需的物流车或配送车的数量,少于或等于仓储控制中心实际的物流车或配送车的数量,则表示当前的仓储方案可以满足运输能力需求,即可以认为当前的仓储方案有效。
在本申请的一种优选实施例中,所述的方法还可以包括如下步骤:
若所述运输能力需求大于所述实际运输能力,则判定所述仓储方案失效。
如果运输能力需求所对应的物流车和配送车的数量,大于仓储控制中心实际的物流车和配送车的数量,则表示当前的仓储方案已经不能满足运输能力需求,即可以认为当前的仓储方案无效。
在本申请的一种优选实施例中,所述的方法还可以包括如下步骤:
获取在指定过去时间段内的过去包裹数量和包裹对应的配送时间;
采用所述配送时间确定出超过预置配送时间的过去包裹数量;
采用所述超过预置配送时间的过去包裹数量和所述地域包裹数量计算出过去配送覆盖率。
在本申请实施例中,还可以进一步评估当前的仓储方案的配送覆盖率,也即是商品的24小时送达率,对于商品到达时间有严格要求的电商,比如网上超市而言,配送覆盖率至关重要。
具体地,可以将仓储布点位置结合地理信息,以过去一个月每天的历史物流信息统计出总的包裹数量,以及,各个包裹数量对应的配送时间,其中,配送时间包括配送起始时间和配送终止时间,根据配送起始时间和配送终止时间可以计算该包裹的配送的所需时间,如果所需时间如果在24小时内,则可以为其赋值为1作为配送成功的包裹,反之,果所需时间如果超过24小时,则可以为其赋值为0作为配送失败的包裹。
当然,上述赋值标记的方式仅仅是作为示例,在实际中可以采用其他方式来表明该包裹是否配送成功,本申请实施例对此并不加以限制。
在本申请的一种示例中,可以统计在该区域的过去一个月的总的包裹数量,以及,配送失败的包裹数量,计算出该月的配送覆盖率。根据配送覆盖率,能够大概知道买家的满意率,此时相关人员也可根据实际情况调整仓储方案。
本申请实施例中,首先获取到仓储方案的相关信息,并根据相关信息中的历史物流信息确定出现有的仓储方案中的运输能力需求,然后将相关信息中的实际运输能力与运输能力需求进行比较,以获知当前的仓储方案是否满足运输能力需求,如果满足,则可以确定为当前的仓储方案为有效。
参照图2,示出了本申请的一种仓储方案有效性的确定方法实施例2的步骤流程图,具体可以包括如下步骤:
步骤201,获取仓储方案的相关信息;所述相关信息包括所述仓储方案中仓储控制中心的位置和实际运输能力,以及,所述仓储控制中心对应的历史物流信息;所述相关信息还包括交通信息和电商平台的销售记录,
步骤202,采用所述历史物流信息和所述仓储控制中心的位置,确定所述仓储控制中心的运输能力需求;
步骤203,判断所述运输能力需求是否小于或等于所述实际运输能力;若所述运输能力需求小于或等于所述实际运输能力,则执行步骤204;
步骤204,判定所述仓储方案有效;
步骤205,采用所述销售记录和所述交通信息确定所述仓储方案的失效时间。
在具体实现中,可能目前的实际运输能力能够满足对于配送对象的运输需求,但是随着互联网上网上购物的进一步普及,运单数量也将会不断增长,故如果只满足于当前的实际运输能力,而不对未来运单的情况进行预估,那么可能会不能及时调配未来的运输能力,导致商品不能及时运输到对应的用户中,将降低用户的体验效果。
故在本申请实施例中,可以进一步确定当前的仓储方案失效时间,根据失效时间相关人员能够及时反映并相应进行操作处理。
需要说明的是,在某些节日,比如双十一,双十二等等,可能会出现短期销量暴增的情形,可以理解,这种节日通常会由于订单数量过多出现运输不足的问题,故在实际中即使这种情形计算出失效时间,也不能认为该失效时间是有意义的,可以直接忽略,不会认为是当前的仓储方案的失效时间。
在本申请的一种优选实施例中,所述销售记录中包括销售对象的销售时间和销售数量,所述步骤205的步骤可以包括如下子步骤:
子步骤S21,采用所述销售对象的销售时间和销售数量预估销售对象的在指定未来时间的整体未来销售数量;
子步骤S22,获得在指定地区下各个行业及类目与总体类目的关系比例;
子步骤S23,采用所述整体未来销售数量按照所述关系比例和预置的地区物流比例计算出在所述指定未来时间的地区包裹数量;
子步骤S24,采用所述地区未来包裹数量计算所述仓储中心的未来运输能力需求;
子步骤S25,判断所述未来运输能力需求是否大于所述实际运输能力;
子步骤S26,若所述未来运输能力需求大于所述实际运输能力,则采用所述指定未来时间确定失效时间。
对于行业及类目,可以参照图3是本申请的一种商品的类目分类的示意图,在本申请实施例中,可以将商品分门别类,按照一定的行业及类目来区别商品。比如,商品可以包括服装行业,该服装行业下有可以包括男装,女装,童装等等,并且,还可以在男装,女装,童装这些类目下进一步划分类目。其中,在电商平台的数据库中,可以包含有商品的历史物流信息。
在本申请实施例中,对于地区(城市级别),可以计算每个地区各个行业及类目与总体类目的关系比例,以将商品的销售数量换算为该地区的包裹数量。可以将预估得到的整体未来销售数量,根据每个地区各个行业及类目与总体类目的关系比例,以及在每个地区的地区物流比例,计算未来日包裹数量。
根据日包裹数量,可以计算出未来对于物流车的需求数量,将物流车的需求数量与实际数量进行比对,就可以获知目前的仓储方案是否有效,当物流车的需求数量大于实际数量,则说明在该日内的仓储方案无效,可以输出相应的时间节点作为失效时间。
在本申请的一种优选实施例中,所述子步骤S21可以包括如下子步骤:
子步骤S21-11,获取在指定未来时间在今年所对应的农历月份的前一个月份的各个行业及类目销售数量,以及,在去年所对应的农历月份的前一个月份的各个行业及类目销售数量;
子步骤S21-12,比对所述今年所对应的农历月份的前一个月份的各个行业及类目销售数量和所述去年所对应的农历月份的前一个月份的各个行业及类目销售数量得到比值;
子步骤S21-13,将所述比值以及所述指定未来时间在去年所对应的时间得到在指定未来时间的各个行业及类目未来销售数量;
子步骤S21-14,采用所述各个行业及类目未来销售数量获得整体未来销售数量。
在本申请实施例中,考虑到大部分中国节日是使用农历记录,比如春节,冬至等其他节日,故在当需要使用到日期方面的数据时,可以直接使用农历来计算,当然,考虑到现今全球化的应用需求,各国的法定节日、各种宗教历法等有所差别,也可以直接使用全球通用的公历,不使用农历,本申请实施例对此并不加以限制。结合中国国情,可优先考虑使用农历。
假设原本使用农历来计算整体未来销售数量,但是计算的该农历期间存在重大公历节日,则可以由农历切换到用公历来进行计算。
其中,重大公历节日是指能够急速提高该日或者该日时间附近内的相关商品销量的节日,例如,在圣诞节当月,相关商品诸如圣诞装饰品销量将急速增加。
在本申请的一种优选实施例中,若所述指定未来时间在今年所对应的农历月份存在重大公历节日,则所述子步骤S11可以包括如下子步骤:
子步骤S21-21,获取在指定未来时间在今年所对应的公历月份的前一个月份的各个行业及类目销售数量,以及,在去年所对应的公历月份的前一个月份的各个行业及类目销售数量;
子步骤S21-21,比对所述今年所对应的公历月份的前一个月份的各个行业及类目销售数量和所述去年所对应的公历月份的前一个月份的各个行业及类目销售数量得到比值;
子步骤S21-21,将所述比值以及所述指定未来时间在去年所对应的时间得到在指定未来时间的各个行业及类目未来销售数量;
子步骤S21-24,采用所述各个行业及类目未来销售数量获得整体未来销售数量。
可以理解,中国大部分节日是使用农历记录,然而也有不少节日是使用公历记录,比如,国庆节,五一、双十一,双十二等其他节日,故如果统一使用农历并不合理,故在本申请实施例中,如果当前计算的农历月份中,其对应的公历月份中存在重大节日,还可以直接使用公历计算。由于采用公历计算的方式与前述采用农历计算方式基本相同,就不再进行赘述了。
需要说明的是,在本申请实施例中,可以只采用农历,也可以只采用公历,其中,在采用农历的情形下,在农历期间存在重大公历节日时切换为采用公历,或者,在采用公历的情形下,在公历期间存在重大农历节日时切换为采用农历,甚至,对于采用不同日期记录方式的国家或地区,采用相应的日期记录方式,本申请实施例对此均不加以限制。
在本申请的一种优选实施例中,所述的方法还可以包括如下步骤:
获取在预设未来时间段内的各个行业及类目未来销售数量;
采用所述各个行业及类目未来销售数量和所述销量序列中值计算短期爆发力指标。
在实际中,某些月份可能有些商品会突然短期销量爆发,比如在中秋当月,可能月饼的销量会急剧增加。故在本申请实施例中还可以关注短期爆发商品的销量,生成重点爆发行业及类目的关注指标,具体生成方式为:通过未来半个月的销量除以过去一个月,或者,一年的销量得到短期爆发力指标。其中,为了保证数据准确性,可以采用一年的销量计算出一个销售序列化中值,然后采用未来半个月的销量除以这个序列化中值。
例如,假设某种商品的销售序列化中值为51,如果半个月销量刚好51,得到的短期爆发力指标则为1,如果半个月销量为102,则得到的短期爆发力指标则为2。可以理解,短期爆发力指标越大,说明该商品的销量越好。
在本申请的一种优选实施例中,所述地区对应一个或多个地域,所述地域对应一个或多个小区,所述的方法还可以包括如下步骤:
确定指定区域与所述指定地区之间的各个行业及类目的关系比例;
采用所述整体未来销售数量按照所述关系比例和预置的地域物流比例计算地域包裹数量;
采用所述地域包裹数量按照配送对象的配送小区计算配送路径;
采用所述配送路径计算配送时间;
采用所述配送时间确定出超过预置配送时间的地域包裹数量;
采用所述超过预置配送时间的地域包裹数量和所述地域包裹数量计算出未来配送覆盖率。
在本申请实施例中,对于区域,可以获取区域与其所在地区的各个行业及类目的关系比例,以将商品的销售数量换算为该地区的包裹数量。可以将预估得到的整体未来销售数量,根据区域与其所在地区的各个行业及类目的关系比例,以及在每个区域的区域物流比例,计算该区域未来日包裹配送数量。
对于得到的该区域未来日包裹配送数量,可以根据商品将要配送的配送地址,计算出对应的配送路径,并在配送路径的基础上,结合地图数据进一步计算出所需的配送时间(可以根据地图数据计算出最短时间作为配送时间,或者,还可以添加一些诸如打包包裹这些行为产生的误差时间)。
假设配送时间为需要在24小时,如果商品所需的配送时间超过24小时,那么就可以认为该包裹配送失败。最后可以统计出在某个时间段内该区域总的配送失败包裹的数量,以及,配送失败的包裹数量,计算出配送覆盖率,也即是24小时的送达率。
在本申请的一种优选实施例中,所述的方法还可以包括如下步骤:
确定随机配送路径;
针对所述随机配送路径采用预置遗传算法规则,计算出优化配送路径。
在本申请实施例中,可以利用遗传算法完成每日路径优化。例如,一开始可以是随机的商品配送路径,后续则可以使用遗传算法,计算出优化后的配送路径,可以提高配送效率。当然,也可以利用处遗传算法之外的方式来优化配送路径,本申请实施例对此无需加以限制。
在本申请的一种优选实施例中,所述仓储控制中心包括多个,述的方法还可以包括如下步骤:
从所述各个仓储控制中心对应的失效时间中,筛选出最近的失效时间作为最大风险时间,该最大风险时间所对应的仓储控制中心则作为最大风险仓储控制中心。
在实际中,对于较大的地区或区域,会设置多个仓储控制中心,当存在多个仓储控制中心,可以分别计算对应的失效时间,其中,可以将最近的失效时间作为最大风险时间,并将该最近的失效时间所对应的仓储控制中心作为最大风险仓储控制中心。
为了使本领域技术人员更好地理解本申请实施例,以下具体的实例对于本申请进行说明。
参照图4所示的本申请的一种仓储方案处理的系统框图,本实例将对于本系统中的各个模块进行说明。
(一)输入部分:
010基础地理信息:基础地理信息可以包括各个地区,以及,地区下各个地域的交通信息,根据交通信息能够在进行配送路径预估时使用。在实际中,可以从完善的地理信息数据库中提取出并使用。
020物流数据库:以买家-卖家(商家)-商品为联合主键,记录该配送商品的物流公司,以及,商品的配送时间和配送地址。其中,配送时间可以包括配送起始时间和配送终止时间。
030电商平台数据库:电商平台数据库可以从电商平台中获取,该数据库中具体可以包含在电商平台上所有商品的销售记录,主要包含商品和该商品对应的销售时间这两方面的信息。
(二)组件:
110物流整合器:物流整合器可以整合商品的物流以及电商平台中的商品两方面的信息,打通物流信息与商品信息两个方面。整合后的输出包括:商品-商家-商家地址-物流公司-配送地址-包裹重量-配送员-配送时间等一系列信息。
(三)模拟部分:
120地区物流模拟模块:本模块根据后面的130模块得到的整体预估销售数量以及在地区下的各个行业及类目与总体类目的关系比例,以模拟出地区仓储的走势,具体步骤如下所示:
Step 1)计算每个地区(城市级别)下的各个行业及类目与总体类目的关系比例,将销售数量换算为物流包裹数量;
Step 2)计算地区仓储走势,采用整体预估销售数量、地区物流比例和各个行业及类目与总体类目的关系比例,计算出未来日包裹量。
130基于时序的类目销量预估模块:本模块根据不同行业(及类目)商品的销量变化不同的特性,预估出各行业的销量趋势,预测颗粒度可以到行业及类目的每日,具体步骤如下所示:
Step 1)按照去年农历对应日走势,重构今年未来一个月内的走势(例如,基于今年农历最近的一个月的销量,以及,去年农历对应的一个月的走势和未来一个月的走势,拟合出未来一个月的归一化销量走势。)以今年农历八月一日为例,具体过程可以如下所示:
1、需要用今年七月份销量除以去年七月份销量得到比值B。
2、今年八月份每天的预计销量为对应去年同一农历日的销量乘以比值B。
Step 2)公历日走势修正:当预测区间内存在有重大公历节日时(如国庆,元旦等),则进行公历日假期的相应修正(其中,国庆节内的预测销量则逻辑与step 1一致,只是作用区间由农历日变为对应公历日,其它非国庆节这种重大节日不变)。
Step 3)生成重点爆发行业的关注指标:通过未来半个月的销量除以过去一个月,或者,一年的销量得到短期爆发力指标。在一种示例中,可以采用某一年销量归一化得到的序列中值M,然后将半个月的销量除以M:
可以得到的短期爆发力结果示例如下所示:
。。。
大衣:2.5
裙子:0.7
。。。
将获得的短期爆发力按照由大到小的顺序进行排序得到排序结果,根据排序结果可以很容易判定未来短期之内,各种类名的商品的销售情形。例如,在中秋节当月的大闸蟹和月饼的销量将会爆发,而八爪鱼以及其他商品则会趋于平稳。
140区域物流模拟模块:本模块基于120模块输出的地区物流模拟结果,将模拟层面进一步深入至区域,具体步骤如下所示:
Step 1)计算每个区域(配送单位,例如单个配送站)与地区层面的各个行业及类目与总体类目的关系比例,将商品的销量换算为物流包裹数量;
Step 2)计算区域仓储走势,根据地域物流比例,计算区域未来日包裹量;
Step 3)根据区域未来日包裹量,结合区域下各个小区地理信息,利用地图路径计算引擎计算商品的配送路径。例如,可以根据交通信息按照商品的配送地址计算配送最短时间的路径;
Step 4)识别出超出配送时间窗的包裹,并对其进行赋值,以标记为配送失败包裹,统计在某个时间段内的配送失败的包裹数量,在此基础上结合该区域总的包裹数量,可以计算出该区域的配送覆盖率,也即是该区域的配送成功的概率。
150区域物流优化模块:利用遗传算法,完成每日商品的配送路径优化。具体地,可以初始随机生成商品的配送路径,再利用遗传算法优化随机的配送路径,并输出优化后的配送路径方案。
(四)输出部分:
210仓储模拟展示:120模块的输出,各个仓储控制中心在不同仓储方案下的包裹量模拟,并可据此得出该仓储控制中心的仓储方案的失效时间及最大风险点。
220配送模拟展示:140模块输出,各个最小配送单元的物流状态模拟,可以得到已配送包裹数量及配送覆盖率。
230配送优化方案:150模块的输出,得到优化后的每日包裹配送方案。
需要说明的是,在本系统中的重点模块是物流模拟器,由于120模块及140模块主要为功能模块,其中,涉及到物流状态评估的模块(物流模拟器),在此统一进行说明:
本系统中的物流模拟器,可以有效地对仓储控制中心的仓储方案进行评估,即评估当前的仓储方案的时效性(24小时送达)和覆盖率(24小时送达率)。其中,可评估的仓储方案的颗粒度有两种,包括地区性的(如全国划分为若干地区(城市),每个地区由不同的仓储控制中心进行覆盖)和区域性的(如将北京划分为若干区域,每个区域由一个仓储控制中心负责)。
此前,本系统中物流模拟器并没有存在于现有的物流监控、预测及规划的系统或平台上。现有的物流系统对于物流或配送方案的评估并无很好的方法,这会导致物流人员的经验主导,故在本系统中加入了对于物流监控、预测及规划的系统和平台,根据本系统可以对于商品的配送进行监控,以及预估在未来商品销售量,并可以基于未来商品销售量对于仓储方案进行预先的规划。
应用本系统中的物流模拟器,能够很好的对于当前的仓储控制中心的仓储方案的有效性和配送覆盖率进行评估,当然,本物流模拟器并不仅仅局限于当前的仓储方案的有效性和覆盖率的评估,还可以预测和计算出在当前物流发展趋势下,本配送方案和仓储方案的失效时间点。
下面对于本系统中的物流模拟器主要实现步骤进行说明:
输入:仓储方案(包括仓储控制中心的布点位置和对应的实际运输能数量),基础地理信息(交通信息),历史物流信息;
输出:仓储方案的有效性、配送覆盖率以及失效时间。
物流模拟器具体实现步骤如下所示:
Step 1)将历史物流信息整合为地区性(120模块)或区域性(140模块)的数据集;具体可以包括商品-商家-商家地址-物流公司-配送地址-包裹重量-配送员-配送时间等一系列信息;
Step 2)将仓储控制中心的布点结合地理信息,以过去一个月每天的物流单数据,计算出各个地区下的物流车(120模块)或各个地域下的配送车(140模块)的运输需求数量;
Step 3)将Step 2的物流车和配送车的运输需求数量与实际运输能数量)进行对比,如果运输需求数量少于或等于实际运输能数量,则表示当前的仓储方案可以满足当前需求;
Step 4)如果物流车和配送车的运输需求数量少于或等于实际运输能数量,可以进一步计算仓储方案的失效时间。计算逻辑为根据预测模块的输出,找到一个最近失效的时间点为该仓储方案的失效时间输出,根据失效时间,相关人员可以及时进行规划。
根据上述系统实例,可以了解到,本申请实施例主要提出的是如下的系统,以及,该系统下模块和模块对应的功能,具体为:
(1)本申请实施例提出的一种基于运单模拟的物流评价及仓库选址的系统和平台,可以完成城市内仓储、选址和配送一体化模拟的任务,并给出优化建议。
(2)面向(1),披露了一种基于多类目时序模型的单量预估模块,可以基于物流发展估计出未来各年度城市维度的仓储需求,以支撑仓储服务的开展。
(3)面向(1),介绍了一种小区颗粒度的物流模拟模块,可以完成仓库选址后的物流时效覆盖率估计。
(4)基于(2)和(3),提出了一种基于交通信息历史及预估的配送模拟模块,可以完成配送方案的评估,并给出优化的配送方案。
本申请实施例中,考虑到网上购物的不断普及,运单数量也将随之增长,即使当前的仓储方案能够满足目前商品运输的需求,在未来必然在某个时间点会不能满足运输需求数量,故在确定为当前的仓储方案为有效时,将进一步计算当前的仓储方案失效时间,从而能够按照失效时间及时进行仓储方案的规划改善。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请实施例并不受所描述的动作顺序的限制,因为依据本申请实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本申请实施例所必须的。
参照图5,示出了本申请的一种仓储方案有效性的确定系统实施例的结构框图,所述的系统具体可以包括如下模块:
仓储方案相关信息获取模块301,用于获取仓储方案的相关信息;所述相关信息包括所述仓储方案中仓储控制中心的位置和实际运输能力,以及,所述仓储控制中心对应的历史物流信息;
运输能力需求确定模块302,用于采用所述历史物流信息和所述仓储控制中心的位置,确定所述仓储控制中心的运输能力需求;
在本申请的一种优选实施例中,所述运输能力需求确定模块可以包括如下子模块:
历史物流信息获取子模块,用于从所述历史物流信息中提取出在指定过去时间内的历史物流信息;
运输能力需求计算子模块,用于采用所述历史物流信息和所述仓储控制中心的位置计算所述仓储控制中心的运输能力需求。
运输能力需求判断模块303,用于判断所述运输能力需求是否小于或等于所述实际运输能力;若所述运输能力需求小于或等于所述实际运输能力,则调用仓储方案有效判定模块304;
仓储方案有效判定模块304,用于判定所述仓储方案有效。
在本申请的一种优选实施例中,所述的系统还包括如下模块:
仓储方案失效判定模块,用于若所述运输能力需求大于所述实际运输能力,则判定所述仓储方案失效。
在本申请的一种优选实施例中,所述相关信息还包括交通信息和电商平台的销售记录,所述的系统还包括如下模块:
失效时间确定模块,用于采用所述销售记录和所述交通信息确定所述仓储方案的失效时间。
在本申请的一种优选实施例中,所述销售记录中包括销售对象的销售时间和销售数量,所述失效时间确定模块包括:
整体未来销售数量子模块,用于采用所述销售对象的销售时间和销售数量预估销售对象计算在指定未来时间的整体未来销售数量;
关系比例获得子模块,用于获得在指定地区下各个行业及类目与总体类目的关系比例;
地区包裹数量计算子模块,用于采用所述整体未来销售数量按照所述关系比例和预置的地区物流比例计算出在所述指定未来时间的地区包裹数量;
未来运输能力需求计算子模块,用于采用所述地区未来包裹数量计算所述仓储中心的未来运输能力需求;
未来运输能力需求判断子模块,用于判断所述未来运输能力需求是否大于所述实际运输能力;所述未来运输能力需求大于所述实际运输能力,则调用失效时间输出子模块;
失效时间输出子模块,用于若采用所述指定未来时间确定失效时间。
在本申请的一种优选实施例中,所述整体未来销售数量子模块包括:
第一各个行业及类目销售数量获取单元,用于获取在指定未来时间在今年所对应的农历月份的前一个月份的各个行业及类目销售数量,以及,在去年所对应的农历月份的前一个月份的各个行业及类目销售数量;
第一各个行业及类目销售数量对比单元,用于比对所述今年所对应的农历月份的前一个月份的各个行业及类目销售数量和所述去年所对应的农历月份的前一个月份的各个行业及类目销售数量得到比值;
第一各个行业及类目未来销售数量计算单元,用于将所述比值以及所述指定未来时间在去年所对应的时间得到在指定未来时间的各个行业及类目未来销售数量;
第一整体未来销售数量计算单元,用于采用所述各个行业及类目未来销售数量获得整体未来销售数量。
在本申请的一种优选实施例中,所述整体未来销售数量子模块包括:
第二各个行业及类目销售数量获取单元,用于获取在指定未来时间在今年所对应的公历月份的前一个月份的各个行业及类目销售数量,以及,在去年所对应的公历月份的前一个月份的各个行业及类目销售数量;
第二各个行业及类目销售数量对比单元,用于比对所述今年所对应的公历月份的前一个月份的各个行业及类目销售数量和所述去年所对应的公历月份的前一个月份的各个行业及类目销售数量得到比值;
第二各个行业及类目未来销售数量计算单元,用于将所述比值以及所述指定未来时间在去年所对应的时间得到在指定未来时间的各个行业及类目未来销售数量;
第二整体未来销售数量计算单元,用于采用所述各个行业及类目未来销售数量获得整体未来销售数量。
在本申请的一种优选实施例中,所述的系统还可以包括如下模块:
未来销售数量获取模块,用于获取在预设未来时间段内的各个行业及类目未来销售数量;
短期爆发力指标计算模块,用于采用所述各个行业及类目未来销售数量和所述销量序列中值计算短期爆发力指标。
在本申请的一种优选实施例中,所述地区对应一个或多个地域,所述地域对应一个或多个小区,所述的系统还可以包括如下模块:
关系比例确定模块,用于确定指定区域与所述指定地区之间的各个行业及类目的关系比例;
地域包裹数量计算模块,用于采用所述整体未来销售数量按照所述关系比例和预置的地域物流比例计算地域包裹数量;
配送路径计算模块,用于采用所述地域包裹数量按照配送对象的配送小区计算配送路径;
配送时间计算模块,用于采用所述配送路径计算配送时间;
超出配送时间包裹确定模块,用于采用所述配送时间确定出超过预置配送时间的地域包裹数量;
未来配送覆盖率计算模块,用于采用所述超过预置配送时间的地域包裹数量和所述地域包裹数量计算出未来配送覆盖率。
在本申请的一种优选实施例中,所述的系统还可以包括如下模块:
随机配送路径确定模块,用于确定随机配送路径;
配送路径优化模块,用于针对所述随机配送路径采用预置遗传算法规则,计算出优化配送路径。
在本申请的一种优选实施例中,所述仓储控制中心包括多个,所述的系统还包括:
最大风险点计算模块,用于从所述各个仓储控制中心对应的失效时间中,筛选出最近的失效时间作为最大风险时间,该最大风险时间所对应的仓储控制中心则作为最大风险仓储控制中心。
在本申请的一种优选实施例中,所述的系统还可以包括如下模块:
包裹信息获取模块,用于获取在指定过去时间段内的过去包裹数量和包裹对应的配送时间;
包裹数量确定模块,用于采用所述配送时间确定出超过预置配送时间的过去包裹数量;
过去配送覆盖率计算模块,用于采用所述超过预置配送时间的过去包裹数量和所述地域包裹数量计算出过去配送覆盖率。
对于系统实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本申请实施例的实施例可提供为方法、装置、或计算机程序产品。因此,本申请实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
在一个典型的配置中,所述计算机设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非持续性的电脑可读媒体(transitory media),如调制的数据信号和载波。
本申请实施例是参照根据本申请实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本申请所提供的一种仓储方案有效性的确定方法和一种仓储方案有效性的确定装置,进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (24)
1.一种仓储方案有效性的确定方法,其特征在于,包括:
获取仓储方案的相关信息;所述相关信息包括所述仓储方案中仓储控制中心的位置和实际运输能力,以及,所述仓储控制中心对应的历史物流信息;
采用所述历史物流信息和所述仓储控制中心的位置,确定所述仓储控制中心的运输能力需求;
判断所述运输能力需求是否小于或等于所述实际运输能力;
若所述运输能力需求小于或等于所述实际运输能力,则判定所述仓储方案有效。
2.根据权利要求1所述的方法,其特征在于,所述采用历史物流信息和所述仓储控制中心的位置,确定所述仓储控制中心的运输能力需求的步骤包括:
从所述历史物流信息中提取出在指定过去时间内的历史物流信息;
采用所述历史物流信息和所述仓储控制中心的位置计算所述仓储控制中心的运输能力需求。
3.根据权利要求1所述的方法,其特征在于,还包括:
若所述运输能力需求大于所述实际运输能力,则判定所述仓储方案失效。
4.根据权利要求1所述的方法,其特征在于,所述相关信息还包括交通信息和电商平台的销售记录,在所述判定所述仓储方案有效的步骤之后,还包括:
采用所述销售记录和所述交通信息确定所述仓储方案的失效时间。
5.根据权利要求4所述的方法,其特征在于,所述销售记录中包括销售对象的销售时间和销售数量,采用所述销售记录和所述交通信息确定所述仓储方案的失效时间的步骤包括:
采用所述销售对象的销售时间和销售数量预估销售对象计算在指定未来时间的整体未来销售数量;
获得在指定地区下各个行业及类目与总体类目的关系比例;
采用所述整体未来销售数量按照所述关系比例和预置的地区物流比例计算出在所述指定未来时间的地区包裹数量;
采用所述地区未来包裹数量计算所述仓储中心的未来运输能力需求;
判断所述未来运输能力需求是否大于所述实际运输能力;
若所述未来运输能力需求大于所述实际运输能力,则采用所述指定未来时间确定失效时间。
6.根据权利要求5所述的方法,其特征在于,所述采用销售对象的销售时间和销售数量预估销售对象的在指定未来时间的整体未来销售数量的步骤包括:
获取在指定未来时间在今年所对应的农历月份的前一个月份的各个行业及类目销售数量,以及,在去年所对应的农历月份的前一个月份的各个行业及类目销售数量;
比对所述今年所对应的农历月份的前一个月份的各个行业及类目销售数量和所述去年所对应的农历月份的前一个月份的各个行业及类目销售数量得到比值;
将所述比值以及所述指定未来时间在去年所对应的时间得到在指定未来时间的各个行业及类目未来销售数量;
采用所述各个行业及类目未来销售数量获得整体未来销售数量。
7.根据权利要求5或6所述的方法,其特征在于,所述采用销售对象的销售时间和销售数量预估销售对象的在指定未来时间的未来销售数量的步骤包括:
获取在指定未来时间在今年所对应的公历月份的前一个月份的各个行业及类目销售数量,以及,在去年所对应的公历月份的前一个月份的各个行业及类目销售数量;
比对所述今年所对应的公历月份的前一个月份的各个行业及类目销售数量和所述去年所对应的公历月份的前一个月份的各个行业及类目销售数量得到比值;
将所述比值以及所述指定未来时间在去年所对应的时间得到在指定未来时间的各个行业及类目未来销售数量;
采用所述各个行业及类目未来销售数量获得整体未来销售数量。
8.根据权利要求5所述的方法,其特征在于,还包括:
获取在预设未来时间段内的各个行业及类目未来销售数量;
采用所述各个行业及类目未来销售数量和所述销量序列中值计算短期爆发力指标。
9.根据权利要求1或4所述的方法,其特征在于,所述地区对应一个或多个地域,所述地域对应一个或多个小区,所述的方法还包括:
确定指定区域与所述指定地区之间的各个行业及类目的关系比例;
采用所述整体未来销售数量按照所述关系比例和预置的地域物流比例计算地域包裹数量;
采用所述地域包裹数量按照配送对象的配送小区计算配送路径;
采用所述配送路径计算配送时间;
采用所述配送时间确定出超过预置配送时间的地域包裹数量;
采用所述超过预置配送时间的地域包裹数量和所述地域包裹数量计算出未来配送覆盖率。
10.根据权利要求9所述的方法,其特征在于,还包括:
确定随机配送路径;
针对所述随机配送路径采用预置遗传算法规则,计算出优化配送路径。
11.根据权利要求1所述的方法,其特征在于,所述仓储控制中心包括多个,所述的方法还包括:
从所述各个仓储控制中心对应的失效时间中,筛选出最近的失效时间作为最大风险时间,该最大风险时间所对应的仓储控制中心则作为最大风险仓储控制中心。
12.根据权利要求1所述的方法,其特征在于,还包括:
获取在指定过去时间段内的过去包裹数量和包裹对应的配送时间;
采用所述配送时间确定出超过预置配送时间的过去包裹数量;
采用所述超过预置配送时间的过去包裹数量和所述地域包裹数量计算出过去配送覆盖率。
13.一种仓储方案有效性的确定系统,其特征在于,包括:
仓储方案相关信息获取模块,用于获取仓储方案的相关信息;所述相关信息包括所述仓储方案中仓储控制中心的位置和实际运输能力,以及,所述仓储控制中心对应的历史物流信息;
运输能力需求确定模块,用于采用所述历史物流信息和所述仓储控制中心的位置,确定所述仓储控制中心的运输能力需求;
运输能力需求判断模块,用于判断所述运输能力需求是否小于或等于所述实际运输能力;若所述运输能力需求小于或等于所述实际运输能力,则调用仓储方案有效判定模块;
仓储方案有效判定模块,用于判定所述仓储方案有效。
14.根据权利要求13所述的系统,其特征在于,所述运输能力需求确定模块包括:
历史物流信息获取子模块,用于从所述历史物流信息中提取出在指定过去时间内的历史物流信息;
运输能力需求计算子模块,用于采用所述历史物流信息和所述仓储控制中心的位置计算所述仓储控制中心的运输能力需求。
15.根据权利要求13所述的系统,其特征在于,还包括:
仓储方案失效判定模块,用于若所述运输能力需求大于所述实际运输能力,则判定所述仓储方案失效。
16.根据权利要求13所述的系统,其特征在于,所述相关信息还包括交通信息和电商平台的销售记录,还包括:
失效时间确定模块,用于采用所述销售记录和所述交通信息确定所述仓储方案的失效时间。
17.根据权利要求16所述的系统,其特征在于,所述销售记录中包括销售对象的销售时间和销售数量,所述失效时间确定模块包括:
整体未来销售数量子模块,用于采用所述销售对象的销售时间和销售数量预估销售对象计算在指定未来时间的整体未来销售数量;
关系比例获得子模块,用于获得在指定地区下各个行业及类目与总体类目的关系比例;
地区包裹数量计算子模块,用于采用所述整体未来销售数量按照所述关系比例和预置的地区物流比例计算出在所述指定未来时间的地区包裹数量;
未来运输能力需求计算子模块,用于采用所述地区未来包裹数量计算所述仓储中心的未来运输能力需求;
未来运输能力需求判断子模块,用于判断所述未来运输能力需求是否大于所述实际运输能力;所述未来运输能力需求大于所述实际运输能力,则调用失效时间输出子模块;
失效时间输出子模块,用于若采用所述指定未来时间确定失效时间。
18.根据权利要求17所述的系统,其特征在于,所述整体未来销售数量子模块包括:
第一各个行业及类目销售数量获取单元,用于获取在指定未来时间在今年所对应的农历月份的前一个月份的各个行业及类目销售数量,以及,在去年所对应的农历月份的前一个月份的各个行业及类目销售数量;
第一各个行业及类目销售数量对比单元,用于比对所述今年所对应的农历月份的前一个月份的各个行业及类目销售数量和所述去年所对应的农历月份的前一个月份的各个行业及类目销售数量得到比值;
第一各个行业及类目未来销售数量计算单元,用于将所述比值以及所述指定未来时间在去年所对应的时间得到在指定未来时间的各个行业及类目未来销售数量;
第一整体未来销售数量计算单元,用于采用所述各个行业及类目未来销售数量获得整体未来销售数量。
19.根据权利要求17或18所述的系统,其特征在于,所述整体未来销售数量子模块包括:
第二各个行业及类目销售数量获取单元,用于获取在指定未来时间在今年所对应的公历月份的前一个月份的各个行业及类目销售数量,以及,在去年所对应的公历月份的前一个月份的各个行业及类目销售数量;
第二各个行业及类目销售数量对比单元,用于比对所述今年所对应的公历月份的前一个月份的各个行业及类目销售数量和所述去年所对应的公历月份的前一个月份的各个行业及类目销售数量得到比值;
第二各个行业及类目未来销售数量计算单元,用于将所述比值以及所述指定未来时间在去年所对应的时间得到在指定未来时间的各个行业及类目未来销售数量;
第二整体未来销售数量计算单元,用于采用所述各个行业及类目未来销售数量获得整体未来销售数量。
20.根据权利要求17所述的系统,其特征在于,还包括:
未来销售数量获取模块,用于获取在预设未来时间段内的各个行业及类目未来销售数量;
短期爆发力指标计算模块,用于采用所述各个行业及类目未来销售数量和所述销量序列中值计算短期爆发力指标。
21.根据权利要求13或16所述的系统,其特征在于,所述地区对应一个或多个地域,所述地域对应一个或多个小区,所述的系统还包括:
关系比例确定模块,用于确定指定区域与所述指定地区之间的各个行业及类目的关系比例;
地域包裹数量计算模块,用于采用所述整体未来销售数量按照所述关系比例和预置的地域物流比例计算地域包裹数量;
配送路径计算模块,用于采用所述地域包裹数量按照配送对象的配送小区计算配送路径;
配送时间计算模块,用于采用所述配送路径计算配送时间;
超出配送时间包裹确定模块,用于采用所述配送时间确定出超过预置配送时间的地域包裹数量;
未来配送覆盖率计算模块,用于采用所述超过预置配送时间的地域包裹数量和所述地域包裹数量计算出未来配送覆盖率。
22.根据权利要求21所述的系统,其特征在于,还包括:
随机配送路径确定模块,用于确定随机配送路径;
配送路径优化模块,用于针对所述随机配送路径采用预置遗传算法规则,计算出优化配送路径。
23.根据权利要求13所述的系统,其特征在于,所述仓储控制中心包括多个,所述的系统还包括:
最大风险点计算模块,用于从所述各个仓储控制中心对应的失效时间中,筛选出最近的失效时间作为最大风险时间,该最大风险时间所对应的仓储控制中心则作为最大风险仓储控制中心。
24.根据权利要求13所述的系统,其特征在于,还包括:
包裹信息获取模块,用于获取在指定过去时间段内的过去包裹数量和包裹对应的配送时间;
包裹数量确定模块,用于采用所述配送时间确定出超过预置配送时间的过去包裹数量;
过去配送覆盖率计算模块,用于采用所述超过预置配送时间的过去包裹数量和所述地域包裹数量计算出过去配送覆盖率。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610024345.XA CN106971282A (zh) | 2016-01-14 | 2016-01-14 | 一种仓储方案有效性的确定方法和系统 |
TW105129843A TW201725550A (zh) | 2016-01-14 | 2016-09-13 | 倉儲方案有效性的確定方法和系統 |
US15/403,351 US20170206621A1 (en) | 2016-01-14 | 2017-01-11 | Systems and Methods for Determining the Effectiveness of Warehousing |
PCT/US2017/013181 WO2017123750A1 (en) | 2016-01-14 | 2017-01-12 | Systems and methods for determining the effectiveness of warehousing |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610024345.XA CN106971282A (zh) | 2016-01-14 | 2016-01-14 | 一种仓储方案有效性的确定方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106971282A true CN106971282A (zh) | 2017-07-21 |
Family
ID=59313789
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610024345.XA Pending CN106971282A (zh) | 2016-01-14 | 2016-01-14 | 一种仓储方案有效性的确定方法和系统 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20170206621A1 (zh) |
CN (1) | CN106971282A (zh) |
TW (1) | TW201725550A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580009A (zh) * | 2018-06-07 | 2019-12-17 | 北京京东尚科信息技术有限公司 | 回库调度的方法和系统 |
CN111144814A (zh) * | 2019-12-26 | 2020-05-12 | 上海京东到家元信信息技术有限公司 | 货架选型以及仓库规划系统 |
CN114881542A (zh) * | 2022-07-06 | 2022-08-09 | 佛山市城市规划设计研究院 | 一种企业位置分配方法、装置、电子设备及存储介质 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108537365A (zh) * | 2018-03-16 | 2018-09-14 | 拉扎斯网络科技(上海)有限公司 | 一种配送时长的预测方法及装置 |
CN108596372A (zh) * | 2018-04-09 | 2018-09-28 | 北京交通大学 | 长途客运小件快运成本核算运价制定辅助决策系统和方法 |
US20200265370A1 (en) * | 2019-02-19 | 2020-08-20 | Omnitracs, Llc | Vehicle control system based on detention time |
CN110321399A (zh) * | 2019-06-28 | 2019-10-11 | 京东城市(北京)数字科技有限公司 | 选择地址的方法和装置 |
US20210090003A1 (en) * | 2019-09-19 | 2021-03-25 | Coupang, Corp. | Systems and methods for outbound forecasting based on postal code mapping |
CN113019937B (zh) * | 2019-12-09 | 2023-04-28 | 顺丰科技有限公司 | 分拣策略的生成方法、装置、设备及存储介质 |
CN111445195A (zh) * | 2020-04-15 | 2020-07-24 | 北京易点淘网络技术有限公司 | 预估收货时间的方法、装置、存储介质及电子设备 |
CN113298402B (zh) * | 2021-06-03 | 2022-03-22 | 江苏电百达智能科技有限公司 | 基于人工智能的配网供电可靠性精细化方法与系统 |
CN114418499B (zh) * | 2022-01-20 | 2024-06-18 | 重庆邮电大学 | 一种基于多层筛选策略的农村快递配送中心选址方法 |
CN117808385B (zh) * | 2024-02-29 | 2024-05-28 | 智旦运宝宝(福建)科技有限公司 | 一种基于物联网的物流运输管理方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001069488A1 (en) * | 2000-03-10 | 2001-09-20 | Jones Charles P | Vehicle scheduling system |
US20030236688A1 (en) * | 2002-06-21 | 2003-12-25 | United Parcel Service Of America, Inc. | Systems and methods for providing business intelligence based on shipping information |
US7725366B1 (en) * | 2007-05-01 | 2010-05-25 | Hector Franco | Supply-chain management system |
US8090607B2 (en) * | 2005-12-01 | 2012-01-03 | Sap Aktiengeselleschaft | Re-optimization technique for use with an automated supply chain optimizer |
US8560461B1 (en) * | 2008-03-31 | 2013-10-15 | Amazon Technologies, Inc. | Shipment splitting analyzer |
CN103632208A (zh) * | 2013-11-14 | 2014-03-12 | 北京锐安科技有限公司 | 一种物流运输距离的定量分析方法和仓库选址方法 |
CN103870889A (zh) * | 2014-03-13 | 2014-06-18 | 西安工业大学 | 一种物流中心送货路径规划问题eM-Plant仿真方法 |
WO2014141394A1 (ja) * | 2013-03-13 | 2014-09-18 | 株式会社日立製作所 | 供給グループ決定支援装置及び供給グループ決定支援プログラム |
CN105184410A (zh) * | 2015-09-15 | 2015-12-23 | 广州地理研究所 | 定制货运需求热力图构建方法 |
-
2016
- 2016-01-14 CN CN201610024345.XA patent/CN106971282A/zh active Pending
- 2016-09-13 TW TW105129843A patent/TW201725550A/zh unknown
-
2017
- 2017-01-11 US US15/403,351 patent/US20170206621A1/en not_active Abandoned
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001069488A1 (en) * | 2000-03-10 | 2001-09-20 | Jones Charles P | Vehicle scheduling system |
US20030236688A1 (en) * | 2002-06-21 | 2003-12-25 | United Parcel Service Of America, Inc. | Systems and methods for providing business intelligence based on shipping information |
US8090607B2 (en) * | 2005-12-01 | 2012-01-03 | Sap Aktiengeselleschaft | Re-optimization technique for use with an automated supply chain optimizer |
US7725366B1 (en) * | 2007-05-01 | 2010-05-25 | Hector Franco | Supply-chain management system |
US8560461B1 (en) * | 2008-03-31 | 2013-10-15 | Amazon Technologies, Inc. | Shipment splitting analyzer |
WO2014141394A1 (ja) * | 2013-03-13 | 2014-09-18 | 株式会社日立製作所 | 供給グループ決定支援装置及び供給グループ決定支援プログラム |
CN103632208A (zh) * | 2013-11-14 | 2014-03-12 | 北京锐安科技有限公司 | 一种物流运输距离的定量分析方法和仓库选址方法 |
CN103870889A (zh) * | 2014-03-13 | 2014-06-18 | 西安工业大学 | 一种物流中心送货路径规划问题eM-Plant仿真方法 |
CN105184410A (zh) * | 2015-09-15 | 2015-12-23 | 广州地理研究所 | 定制货运需求热力图构建方法 |
Non-Patent Citations (2)
Title |
---|
周凯: "仓储企业运营能力评价研究", 《企业技术开发》 * |
牛艳莉 等: "《仓储管理实务》", 30 September 2010, 天津:南开大学出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110580009A (zh) * | 2018-06-07 | 2019-12-17 | 北京京东尚科信息技术有限公司 | 回库调度的方法和系统 |
CN110580009B (zh) * | 2018-06-07 | 2022-01-07 | 北京京东乾石科技有限公司 | 回库调度的方法和系统 |
CN111144814A (zh) * | 2019-12-26 | 2020-05-12 | 上海京东到家元信信息技术有限公司 | 货架选型以及仓库规划系统 |
CN114881542A (zh) * | 2022-07-06 | 2022-08-09 | 佛山市城市规划设计研究院 | 一种企业位置分配方法、装置、电子设备及存储介质 |
CN114881542B (zh) * | 2022-07-06 | 2022-10-18 | 佛山市城市规划设计研究院 | 一种企业位置分配方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
US20170206621A1 (en) | 2017-07-20 |
TW201725550A (zh) | 2017-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106971282A (zh) | 一种仓储方案有效性的确定方法和系统 | |
JP5965911B2 (ja) | オンライン取引プラットフォームに基づくデータ処理 | |
CN107256473A (zh) | 一种基于仓储的标准箱货品的配送调整方法及装置 | |
US8732039B1 (en) | Allocating regional inventory to reduce out-of-stock costs | |
Janakiraman et al. | Lost-sales problems with stochastic lead times: Convexity results for base-stock policies | |
CN107274125A (zh) | 配送商订单的处理方法、装置、服务器及订单分配系统 | |
CN108520452A (zh) | 派单方法、装置及服务器 | |
US20220004307A1 (en) | Virtual Power Plant Optimization Method and System | |
CN107330626A (zh) | 一种拆分订单的方法、装置及服务器 | |
US20220284386A1 (en) | Computerized inventory redistribution control system | |
CN107358385A (zh) | 一种自动售货机商品配送的方法及服务器 | |
US20170249582A1 (en) | Intermodal delivery optimization | |
CN108734469A (zh) | 确定待定用户风险标签的方法和装置 | |
CN107329979A (zh) | 一种数据对象展示方法及装置 | |
CN109214732A (zh) | 物流对象选择、确定物流线路过载的方法及装置、设备 | |
Dadouchi et al. | Recommender systems as an agility enabler in supply chain management | |
CN107256472A (zh) | 基于标准箱的安全货品配送方法、系统及服务器 | |
CN109949125A (zh) | 一种线上商城多个商家商品销售信息整合方法和系统 | |
Bi et al. | Dynamic mixed-item inventory control with limited capital and short-term financing | |
WO2017123750A1 (en) | Systems and methods for determining the effectiveness of warehousing | |
CN112633985A (zh) | 信息推荐方法、设备和存储介质 | |
Ghassemi Tari | A hybrid dynamic programming for solving fixed cost transportation with discounted mechanism | |
CN110020780A (zh) | 信息输出的方法、装置和电子设备 | |
Chen et al. | An integrated distribution scheduling and route planning of food cold chain with demand surge | |
CN111626800A (zh) | 商品订单处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170721 |
|
RJ01 | Rejection of invention patent application after publication |