CN108171356B - 备件库房布局方法和系统 - Google Patents
备件库房布局方法和系统 Download PDFInfo
- Publication number
- CN108171356B CN108171356B CN201611118651.6A CN201611118651A CN108171356B CN 108171356 B CN108171356 B CN 108171356B CN 201611118651 A CN201611118651 A CN 201611118651A CN 108171356 B CN108171356 B CN 108171356B
- Authority
- CN
- China
- Prior art keywords
- spare part
- warehouse
- storehouse
- scheme
- quantity value
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 71
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000010276 construction Methods 0.000 claims description 10
- 238000003064 k means clustering Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 abstract description 20
- 238000010187 selection method Methods 0.000 abstract description 10
- 238000004364 calculation method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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"
-
- 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
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种备件库房布局方法和系统。该备件库房布局方法包括:利用离散选址方法确定库房数量值为k时的库房选址方案;计算库房数量值为k时的库房选址方案下的备件配送成本;以及如果库房数量值为k时的库房选址方案下的备件配送成本大于库房数量值为k‑1时的库房选址方案下的备件配送成本,则确定库房数量值为k‑1时的库房选址方案为最优库房选址方案,否则使库房数量值为k+1并且重复上述处理,其中,k是大于1的整数。本发明将备件配送成本作为优化目标并且将选址数量和选址位置作为优化变量,利用迭代算法和离散选址方法同时实现了选址位置和选址数量的优化,解决了常规离散选址引起的NP难问题。
Description
技术领域
本发明涉及物资配送领域,更具体地涉及一种备件库房布局方法和系统。
背景技术
备件库房作为风电服务的主要后备保障,其作用越来越重要。备件库房的选址主要基于网点布局的三类选址方法:连续模型选址方法、离散模型选址方法以及德尔菲专家咨询选址方法。
连续模型选址方法不限于对特定备选点的选择,可以选择平面上的任意点。利用该方法进行选址时不考虑实际的约束条件,这导致选址结果可能受到一些实际条件的制约,例如,选址结果位于湖中心、群山之中等而无法实际建库。
德尔菲专家咨询选址方法采用背对背的通信方式征询专家小组成员的预测意见,经过几轮征询,使专家小组的预测意见趋于集中,最后做出符合市场未来发展趋势的预测结论。该方法可能存在一定的主观片面性,易忽视少数人的意见,可能导致预测的结果偏离实际。
离散模型选址方法适于按照预定目标从有限个备选点中进行选址,其结果与实际情况相符,并且结果客观,但离散模型选址问题是NP(non-deterministic polynomial)难问题,因此当选址问题的规模增大时,计算时间将呈指数增加,采用启发式方法求解问题会导致进入局部最优解,并且最优解不稳定。
发明内容
鉴于以上所述的一个或多个问题,本发明提供了一种新颖的备件库房布局方法和系统。
根据本公开的一个方面,提供了一种备件库房布局方法,包括:利用离散选址方法确定库房数量值为k时的库房选址方案;计算库房数量值为k时的库房选址方案下的备件配送成本;以及如果库房数量值为k时的库房选址方案下的备件配送成本大于库房数量值为k-1时的库房选址方案下的备件配送成本,则确定库房数量值为k-1时的库房选址方案为最优库房选址方案,否则使库房数量值为k+1并且重复上述处理,其中,k是大于1的整数。
在一个示例性实施例中,利用离散选址方法确定库房数量值为k时的库房选址方案的处理包括:将需要由备件库房提供备件的项目地址聚类为k个类别;以及从备选的备件库房地址中遍历筛选出分别针对k个类别的项目地址的备件配送成本最低的k个备件库房地址,组成库房数量值为k时的库房选址方案。
在一个示例性实施例中,基于k-均值聚类方法将需要由备件库房提供备件的项目地址聚类为k个类别。
在一个示例性实施例中,基于k-中心或层次聚类方法将需要由备件库房提供备件的项目地址聚类为k个类别。
在一个示例性实施例中,库房数量值为k时的库房选址方案下的备件配送成本与该方案下的建库成本和运输成本相关联。
在一个示例性实施例中,运输成本包括物流运输成本和/或专车运输成本,其中:物流运输成本是针对在指定时长内能够送达的项目地址、以及在指定时长内无法送达且不必在指定时长内送达的项目地址的运输成本;专车运输成本是针对在指定时长内无法送达且必须在短于指定时长的时长内送达的项目地址的运输成本。
根据本公开的另一方面,提供了一种备件库房布局系统,包括:选址单元,被配置为利用离散选址方法确定库房数量值为k时的库房选址方案;计算单元,被配置为计算库房数量值为k时的库房选址方案下的备件配送成本;以及确定单元,被配置为如果库房数量值为k时的库房选址方案下的备件配送成本大于库房数量值为k-1时的库房选址方案下的备件配送成本,则确定库房数量值为k-1时的库房选址方案为最优库房选址方案,否则使库房数量值为k+1并且重复上述处理,其中,k是大于1的整数。
在一个示例性实施例中,选址单元还被配置为:将需要由备件库房提供备件的项目地址聚类为k个类别;以及从备选的备件库房地址中遍历筛选出分别针对k个类别的项目地址的备件配送成本最低的k个备件库房地址,组成库房数量值为k时的库房选址方案。
在一个示例性实施例中,选址单元还被配置为:基于k-均值聚类方法将需要由备件库房提供备件的项目地址聚类为k个类别。
在一个示例性实施例中,选址单元还被配置为:基于k-中心或层次聚类方法将需要由备件库房提供备件的项目地址聚类为k个类别。
在一个示例性实施例中,库房数量值为k时的库房选址方案下的备件配送成本与该方案下的建库成本和运输成本相关联。
在一个示例性实施例中,运输成本包括物流运输成本和/或专车运输成本,其中:物流运输成本是针对在指定时长内能够送达的项目地址、以及在指定时长内无法送达且不必在指定时长内送达的项目地址的运输成本;专车运输成本是针对在指定时长内无法送达且必须在短于指定时长的时长内送达的项目地址的运输成本。
本发明通过将备件配送成本作为优化目标并且将选址数量和选址位置作为优化变量,利用迭代算法和离散选址方法来同时实现了选址位置和选址数量的优化,解决了常规离散选址引起的NP难问题。
附图说明
从下面结合附图对本发明的具体实施方式的描述中,可以更好地理解本发明,其中:
图1是示出根据本发明实施例的备件库房布局方法的流程图。
图2是示出根据本发明实施例的基于聚类的离散选址方法的流程图。
图3是示出一个风电领域的实例库房边际分析的示例图。
图4是图3所示的优化结果下的库房和项目的分布图。
图5是示出根据本发明实施例的备件库房布局系统的框图。
图6是示出能够实现根据本发明实施例的备件库房布局方法和系统的计算设备的示例性硬件架构的结构图。
具体实施方式
下面将详细描述本发明各个方面的特征和示例性实施例。下面的描述涵盖了许多具体细节,以便提供对本发明的全面理解。但是,对于本领域技术人员来说显而易见的是,本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更清楚的理解。本发明绝不限于下面所提出的任何具体配置,而是在不脱离本发明的精神的前提下覆盖了相关元素或部件的任何修改、替换和改进。
本发明提出了一种新颖的备件库房布局方法和系统,通过将备件配送成本作为优化目标并且将选址数量和选址位置作为优化变量,利用迭代算法和离散选址方法来同时实现了选址位置和选址数量的优化,解决了常规离散选址引起的NP难问题。下面结合附图,详细描述根据本发明实施例的备件库房布局方法和系统。
图1是示出根据本发明实施例的备件库房布局方法的流程图。如图1所示,该备件库房布局方法包括:步骤S101,利用离散选址方法确定库房数量值为k时的库房选址方案;步骤S102,计算所述库房数量值为k时的库房选址方案下的备件配送成本;以及步骤103,如果库房数量值为k时的库房选址方案下的备件配送成本大于所述库房数量值为k-1时的库房选址方案下的备件配送成本,则确定库房数量值为k-1时的库房选址方案为最优库房选址方案,否则使库房数量值为k+1并且重复上述处理,其中,k是大于1的整数。
具体地,在步骤S101中,可以首先根据需要确定k值。例如,如果存在n个固定库房,那么k值可以在k>n的基础上进行优化,例如,如果结合业务需要,确定A、B、C、D 4个库房为固定库,那么可以利用离散选址方法在k>4的基础上进行优化;可替换地,可以根据实践经验来确定k值。当针对库房数量值为k进行选址时,离散选址方法寻求的目标为总成本最低,即备件配送成本最低。
在一个示例性实施例中,离散选址方法可以是基于聚类的离散选址方法,即先用相近的项目进行聚类,后通过遍历备选库房地址(例如,城市地址),寻找得到最优的库房选址。图2是示出根据本发明实施例的基于聚类的离散选址方法的流程图。如图2所示,步骤S101可以包括:步骤S1011,将需要由备件库房提供备件的项目地址聚类为k个类别;步骤S1012,从备选的备件库房地址中遍历筛选出分别针对k个类别的项目地址的备件配送成本最低的k个备件库房地址,组成库房数量值为k时的库房选址方案。
下面以风电领域为例,对根据本公开实施例的基于聚类的离散选址方法进行详细描述。
在一个示例性实施例中,步骤S1011可以基于k-均值聚类方法通过以下步骤将需要由备件库房提供备件的项目地址聚类为k个类别:
1)确定所有需要由备件库房提供备件的项目地址,例如,所有风电场项目的坐标,以构成总的坐标集合,具体地,将各个风电场项目的经纬度标记为平面坐标系的坐标点,其集合为{l(1),l(2),...,l(I)},l(i)∈Rn;
2)在总的坐标集合中随机选择k个点作为总的坐标集合内的k个子集合的中心点vk,例如,随机选择5个点作为所述大集合内的5个集合的中心点;
3)计算各个风电场项目至k个子集合的中心点vk的距离,并将其归到最近中心点vk所属的子集合,计算公式为:
其中c(i)表示项目i到k个集合中心点距离最近的值,并且c(i)是1到k中的一个;
4)针对每一个集合,计算各个子集合的新的中心点vk,计算方法为计算属于该集合的项目的坐标的算术平均值,将该算术平均值选作该集合的新的中心点,计算公式为:
其中1{c(i)=k}表示c(i)=k返回1,否则返回0;
5)重复步骤3)和4),直到过程收敛,即k个集合中的各个集合内的项目不再发生变化,保持稳定状态。
在另一示例性实施例中,步骤S1011可以基于k-中心聚类方法将需要由备件库房提供备件的项目地址聚类为k个类别。其中,k-中心聚类方法与k-均值聚类方法的区别在于:
在步骤4)中,计算各个子集合内的所有项目的坐标的算术平均值,将子集合中离所述算术平均值最近的风电场项目坐标选作新的中心点vk。
在又一示例性实施例中,步骤S1011可以基于层次聚类方法将需要由备件库房提供备件的项目地址聚类为k个类别。其中,层次聚类首先将每个项目作为一个单独的集合,然后选择距离最近的两个集合归并作为一个新的集合,以此往复直到剩下k个集合结束循环。
在步骤S102中,计算库房数量值为k的库房选址方案下的备件配送成本,其中,库房数量值为k时的库房选址方案下的备件配送成本与该方案下的建库成本和运输成本相关联。在一个示例性实施例中,库房数量值为k时的库房选址方案下的备件配送成本是该方案下的建库成本和运输成本的总和。在一个示例性实施例中,库房数量值为k时的库房选址方案下的备件配送成本还可以与该方案下的其他成本,例如,与人工成本相关联。
在一个示例性实施例中,建库成本可以包括库房数量值为k的库房选址方案的选址的年租金以及工作人员的工资等等,例如,32万/年。运输成本可以包括物流运输成本和/或专车运输成本,其中:物流运输成本是针对在指定时长内能够送达的项目地址、以及在指定时长内无法送达且不必在指定时长内送达的项目地址的运输成本;专车运输成本是针对在指定时长内无法送达且必须在短于指定时长的时长内送达的项目地址的运输成本,其中,例如,指定时长可以是48小时。
指定时长内无法送达且不必在指定时长内送达的服务类型包括:例如,普通消耗物资等。指定时长内无法送达且必须在短于指定时长的时长内送达(即,需求急迫)的服务类型包括:例如,备件销售、服务备件、合同备件(部分)、劳保/安全用具(部分)、销售业务等等。
在一个示例性实施例中,运输成本可以通过如下公式进行计算。专车运输成本计算公式如下:
i表示第i个项目,Iout表示无法在指定时长内送达的项目集合,j表示第j类运单,J表示服务类型为急迫的运单,xij表示全年地第i个项目第j类的运单数,表示此专车运单的价格。专车运单的价格和里程相关,计算公式如下:
μ表示离第i个项目最近的库房坐标,li表示第i个项目的坐标,||μ-li||表示项目和库房的距离,c专表示每公里专车的单价。除了专车剩下的运输均由物流运输完成,物流运输成本的计算公式如下:
其中,物流运输成本包括针对在指定时长内能够送达的项目地址的运输费用、以及针对在指定时长内无法送达但不必在指定时长内送达的项目地址的运输费用,表示此物流运单的价格,物流运单的价格和里程相关,计算公式如下:其计算公式为:
c物表示每公里物流的单价。
总的运输成本D包括专车运输成本和物流运输成本,其计算公式如下:
随着库房数量的增大,建库成本会上升,但是运输成本会下降,备件配送成本随着库房数量的增大呈现先减小后增大的趋势,即呈抛物线走势,抛物线最底端的值即为最低备件配送成本。因此,在步骤S103中,如果库房数量值为k时的库房选址方案下的备件配送成本大于库房数量值为k-1时的库房选址方案下的备件配送成本,则确定库房数量值为k-1时的库房选址方案为最优库房选址方案,否则使库房数量值为k+1并且重复上述处理,其中,k是大于1的整数。
图3是示出一个风电领域的实例库房边际分析的示例图。图4是图3所示的优化结果下的库房和项目的分布图。
图3所示的边际分析的示例图是以风电领域某公司2016年的项目数据为基础,结合该公司目前的建库情况,综合业务要求,确定A、B、C、D 4个库房作为固定库,即在k>4的基础上进行优化,图3给出了每增加一个库房后运输费用、建库费用和总费用(即,备件配送成本)的变化情况。如图3所示,总成本随着k值的增大,呈上开口抛物线的走势。在k≤11时,随着k值的增大,总成本逐渐降低,当k>11时,总成本逐渐增大。
在根据本文所述的备件库房布局方法确定选址数量和选址位置时,在图1所示的步骤S103处,通过比较k=12的库房选址方案计算的备件配送成本与针对k=11的库房选址方案计算的备件配送成本,可以得出k=12时的备件配送成本大于k=11时的备件配送成本,因此可以确定针对k=11的库房选址方案所计算的备件配送成本是最低备件配送成本,由此可以确定最优建库数量为k=11,最优选址方案为针对k=11在步骤S101处所确定的库房选址,其选址情况如图4所示。
本发明提出的备件库房布局方法,将备件配送成本作为优化目标并且将选址数量和选址位置作为优化变量,利用迭代算法和离散选址方法同时实现了选址位置和选址数量的优化,解决了常规离散选址引起的NP难问题。
以上结合图1至图4详细描述了根据本发明实施例的备件库房布局方法,下面结合图5描述根据本发明实施例的备件库房布局系统。
图5示出根据本发明实施例的备件库房布局系统的框图。如图5所示,该备件库房布局系统包括:选址单元501、计算单元502、以及确定单元503。其中,选址单元501被配置为利用离散选址方法确定库房数量值为k时的库房选址方案(即执行步骤S101)。计算单元502被配置为计算库房数量值为k时的库房选址方案下的备件配送成本(即执行步骤S102)。确定单元503被配置为如果所述库房数量值为k时的库房选址方案下的备件配送成本大于库房数量值为k-1时的库房选址方案下的备件配送成本,则确定库房数量值为k-1时的库房选址方案为最优库房选址方案,否则使库房数量值为k+1并且重复上述处理,其中,k是大于1的整数(即执行步骤S103)。
具体地,选址单元501可以首先根据需要确定择k值。例如,如果存在n个固定库房,那么k值可以在k>n的基础上进行优化,例如,如果结合业务需要,确定A、B、C、D4个库房为固定库,那么可以利用离散选址方法在k>4的基础上进行优化;可替换地,可以根据实践经验来确定k值。当针对库房数量值为k进行选址时,离散选址方法寻求的目标为总成本最低,即备件配送成本最低。
在一个示例性实施例中,离散选址方法可以是基于聚类的离散选址方法,即先用相近的项目进行聚类,后通过遍历备选库房地址(例如,城市地址),寻找得到最优的库房选址。
在一个示例性实施例中,选址单元501还被配置为:将需要由备件库房提供备件的项目地址聚类为k个类别;以及从备选的备件库房地址中遍历筛选出分别针对k个类别的项目地址的备件配送成本最低的k个备件库房地址,组成库房数量值为k时的库房选址方案。
在一个示例性实施例中,选址单元501还被配置为基于k-均值聚类方法将需要由备件库房提供备件的项目地址聚类为k个类别。
在一个示例性实施例中,选址单元501还被配置为基于k-中心或层次聚类方法将需要由备件库房提供备件的项目地址聚类为k个类别。
在一个示例性实施例中,库房数量值为k时的库房选址方案下的备件配送成本与该方案下的建库成本和运输成本相关联。
在一个示例性实施例中,库房数量值为k时的库房选址方案下的备件配送成本是该方案下的建库成本和运输成本的总和。
在一个示例性实施例中,库房数量值为k时的库房选址方案下的备件配送成本还可以与该方案下的其他成本,例如,与人工成本相关联。
在一个示例性实施例中,建库成本可以包括库房数量值为k的库房选址方案的选址的年租金以及工作人员的工资等等。
在一个示例性实施例中,运输成本可以包括物流运输成本和/或专车运输成本,其中:物流运输成本是针对在指定时长内能够送达的项目地址、以及在指定时长内无法送达且不必在指定时长内送达的项目地址的运输成本;专车运输成本是针对在指定时长内无法送达且必须在短于指定时长的时长内送达的项目地址的运输成本。其中,例如,指定时长可以是48小时。指定时长内无法送达且不必在指定时长内送达的服务类型包括:例如,普通消耗物资等。指定时长内无法送达且必须在短于指定时长的时长内送达(即,需求急迫)的服务类型包括:例如,备件销售、服务备件、合同备件(部分)、劳保/安全用具(部分)、销售业务等等。
根据本发明实施例的备件库房布局系统的其他细节与以上结合图1至4描述的相应方法相同,这里不再赘述。
本发明提出的备件库房布局系统,将备件配送成本作为优化目标并且将选址数量和选址位置作为优化变量,利用迭代算法和离散选址方法同时实现了选址位置和选址数量的优化,解决了常规离散选址引起的NP难问题。
结合图1至图5描述的备件库房布局方法和系统的至少一部分可以由计算设备实现。图6是示出能够实现根据本发明实施例的备件库房布局方法和系统的计算设备的示例性硬件架构的结构图。如图6所示,计算设备600包括输入设备601、输入接口602、中央处理器603、存储器604、输出接口605、以及输出设备606。其中,输入接口602、中央处理器603、存储器604、以及输出接口605通过总线510相互连接,输入设备601和输出设备606分别通过输入接口602和输出接口605与总线610连接,进而与计算设备600的其他组件连接。具体地,输入设备601接收来自外部的输入信息,并通过输入接口602将输入信息传送到中央处理器603;中央处理器603基于存储器604中存储的计算机可执行指令对输入信息进行处理以生成输出信息,将输出信息临时或者永久地存储在存储器604中,然后通过输出接口605将输出信息传送到输出设备606;输出设备606将输出信息输出到计算设备600的外部供用户使用。
也就是说,图5所示的系统也可以被实现为包括:存储有计算机可执行指令的存储器;以及处理器,该处理器在执行计算机可执行指令时可以实现结合图1至图4描述的备件库房布局方法。这里,处理器可以基于来自例如,基站的输入信息执行计算机可执行指令,从而实现结合图1至图5描述的备件库房布局方法和系统。
需要明确的是,本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见,这里省略了对已知方法的详细描述。在上述实施例中,描述和示出了若干具体的步骤作为示例。但是,本发明的方法过程并不限于所描述和示出的具体步骤,本领域的技术人员可以在领会本发明的精神后,作出各种改变、修改和添加,或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时,其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时,本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中,或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路,等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
本发明可以以其他的具体形式实现,而不脱离其精神和本质特征。例如,特定实施例中所描述的算法可以被修改,而系统体系结构并不脱离本发明的基本精神。因此,当前的实施例在所有方面都被看作是示例性的而非限定性的,本发明的范围由所附权利要求而非上述描述定义,并且,落入权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明的范围之中。
Claims (8)
1.一种备件库房布局方法,其特征在于,包括:
利用离散选址方法确定库房数量值为k时的库房选址方案;
计算所述库房数量值为k时的库房选址方案下的备件配送成本;以及
如果所述库房数量值为k时的库房选址方案下的备件配送成本大于所述库房数量值为k-1时的库房选址方案下的备件配送成本,则确定所述库房数量值为k-1时的库房选址方案为最优库房选址方案,否则使所述库房数量值为k+1并且重复上述处理,其中,k是大于1的整数;
所述库房数量值为k时的库房选址方案下的备件配送成本与该方案下的建库成本和运输成本相关联;
所述运输成本包括物流运输成本和/或专车运输成本,其中:
所述物流运输成本是针对在指定时长内能够送达的项目地址、以及在所述指定时长内无法送达且不必在所述指定时长内送达的项目地址的运输成本;
所述专车运输成本是针对在所述指定时长内无法送达且必须在短于所述指定时长的时长内送达的项目地址的运输成本。
2.根据权利要求1所述的备件库房布局方法,其特征在于,利用所述离散选址方法确定所述库房数量值为k时的库房选址方案的处理包括:
将需要由备件库房提供备件的项目地址聚类为k个类别;以及
从备选的备件库房地址中遍历筛选出分别针对所述k个类别的项目地址的备件配送成本最低的k个备件库房地址,组成所述库房数量值为k时的库房选址方案。
3.根据权利要求2所述的备件库房布局方法,其特征在于,基于k-均值聚类方法将所述需要由备件库房提供备件的项目地址聚类为所述k个类别。
4.根据权利要求2所述的备件 库房布局方法,其特征在于,基于k-中心或层次聚类方法将所述需要由备件库房提供备件的项目地址聚类为所述k个类别。
5.一种备件库房布局系统,其特征在于,包括:
选址单元,被配置为利用离散选址方法确定库房数量值为k时的库房选址方案;
计算单元,被配置为计算所述库房数量值为k时的库房选址方案下的备件配送成本;以及
确定单元,被配置为如果所述库房数量值为k时的库房选址方案下的备件配送成本大于所述库房数量值为k-1时的库房选址方案下的备件配送成本,则确定所述库房数量值为k-1时的库房选址方案为最优库房选址方案,否则使所述库房数量值为k+1并且重复上述处理,其中,k是大于1的整数;
所述库房数量值为k时的库房选址方案下的备件配送成本与该方案下的建库成本和运输成本相关联;
所述运输成本包括物流运输成本和/或专车运输成本,其中:
所述物流运输成本是针对在指定时长内能够送达的项目地址、以及在所述指定时长内无法送达且不必在所述指定时长内送达的项目地址的运输成本;
所述专车运输成本是针对在所述指定时长内无法送达且必须在短于所述指定时长的时长内送达的项目地址的运输成本。
6.根据权利要求5所述的备件库房布局系统,其特征在于,所述选址单元还被配置为:
将需要由备件库房提供备件的项目地址聚类为k个类别;以及
从备选的备件库房地址中遍历筛选出分别针对所述k个类别的项目地址的备件配送成本最低的k个备件库房地址,组成所述库房数量值为k时的库房选址方案。
7.根据权利要求6所述的备件库房布局系统,其特征在于,所述选址单元还被配置为:基于k-均值聚类方法将所述需要由备件库房提供备件的项目地址聚类为所述k个类别。
8.根据权利要求6所述的备件 库房系统,其特征在于,所述选址单元还被配置为:基于k-中心或层次聚类方法将所述需要由备件库房提供备件的项目地址聚类为所述k个类别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611118651.6A CN108171356B (zh) | 2016-12-07 | 2016-12-07 | 备件库房布局方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611118651.6A CN108171356B (zh) | 2016-12-07 | 2016-12-07 | 备件库房布局方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108171356A CN108171356A (zh) | 2018-06-15 |
CN108171356B true CN108171356B (zh) | 2021-05-07 |
Family
ID=62526384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611118651.6A Active CN108171356B (zh) | 2016-12-07 | 2016-12-07 | 备件库房布局方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108171356B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842088A (zh) * | 2012-07-12 | 2012-12-26 | 孙军 | 智能商业选址系统 |
CN105373909A (zh) * | 2015-12-04 | 2016-03-02 | 江苏省现代企业信息化应用支撑软件工程技术研发中心 | 一种基于仿真软件的物流配送中心选址方法 |
CN105956816A (zh) * | 2016-07-19 | 2016-09-21 | 成都镜杰科技有限责任公司 | 物资运输信息智能处理方法 |
-
2016
- 2016-12-07 CN CN201611118651.6A patent/CN108171356B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102842088A (zh) * | 2012-07-12 | 2012-12-26 | 孙军 | 智能商业选址系统 |
CN105373909A (zh) * | 2015-12-04 | 2016-03-02 | 江苏省现代企业信息化应用支撑软件工程技术研发中心 | 一种基于仿真软件的物流配送中心选址方法 |
CN105956816A (zh) * | 2016-07-19 | 2016-09-21 | 成都镜杰科技有限责任公司 | 物资运输信息智能处理方法 |
Non-Patent Citations (2)
Title |
---|
"连锁超市库房的离散优化选址";欧敏;《现代商业》;20071231;正文第1-2页 * |
欧敏."连锁超市库房的离散优化选址".《现代商业》.2007,正文第1-2页. * |
Also Published As
Publication number | Publication date |
---|---|
CN108171356A (zh) | 2018-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bertazzi et al. | A stochastic inventory routing problem with stock-out | |
US10387813B2 (en) | Data analysis for optimizations of scheduling with multiple location variables | |
Cheung et al. | Dynamic routing model and solution methods for fleet management with mobile technologies | |
CN111428991B (zh) | 用于确定配送车辆的方法和装置 | |
Casazza et al. | A route decomposition approach for the single commodity split pickup and split delivery vehicle routing problem | |
CN106980912A (zh) | 一种多点配送线路规划方法及系统 | |
JP2018026086A (ja) | 配送経路を学習して配送計画を生成する装置及び方法 | |
Rabbouch et al. | Efficient implementation of the genetic algorithm to solve rich vehicle routing problems | |
Kim et al. | Optimal expediting policies for a serial inventory system with stochastic lead time | |
Adenso-Díaz et al. | How the environmental impact affects the design of logistics networks based on cost minimization | |
Shen et al. | Optimal multi-depot location decision using particle swarm optimization | |
Gao et al. | Automobile chain maintenance parts delivery problem using an improved ant colony algorithm | |
Rahim et al. | Analysing the effectiveness of vendor-managed inventory in a single-warehouse, multiple-retailer system | |
Zhou et al. | A novel optimized cyclic part feeding system with line-integrated supermarkets | |
Su et al. | A responsive ant colony optimization for large-scale dynamic vehicle routing problems via pheromone diversity enhancement | |
Kim et al. | Ant colony optimisation with random selection for block transportation scheduling with heterogeneous transporters in a shipyard | |
Ezzatneshan | A algorithm for the vehicle problem | |
CN102479199B (zh) | 一种实现单据反写的方法和系统 | |
CN108171356B (zh) | 备件库房布局方法和系统 | |
Seifbarghy et al. | A tabu search-based heuristic for a new capacitated cyclic inventory routing problem | |
CN116777324A (zh) | 一种物流网络调度的方法和装置 | |
Xiong et al. | Delivery vehicle scheduling modeling and optimization for automobile mixed milk-run mode involved indirect suppliers | |
Burduk et al. | On the simulated annealing adaptation for tasks transportation optimization | |
Chen et al. | Identifying ambient service location problems and its application using a humanized computing model | |
CN110782215B (zh) | 货源确定方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |