CN108256802B - 基于人群搜索算法的多供应商订单分配云处理方法 - Google Patents
基于人群搜索算法的多供应商订单分配云处理方法 Download PDFInfo
- Publication number
- CN108256802B CN108256802B CN201810031366.3A CN201810031366A CN108256802B CN 108256802 B CN108256802 B CN 108256802B CN 201810031366 A CN201810031366 A CN 201810031366A CN 108256802 B CN108256802 B CN 108256802B
- Authority
- CN
- China
- Prior art keywords
- supplier
- cost
- searcher
- supply chain
- order
- 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
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
- G06Q10/087—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
-
- 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
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及一种基于人群搜索算法的多供应商订单分配云处理方法,包括以下步骤:分析采购商的采购成本以及供应商的售后成本;对整个供应链中的数据进行分析,根据采购商需求,建立选择适合的供应链数学模型,使整个供应链的成本最小;用人群搜索算法对供应链数学模型进行求解,得到最优生产商及生产商对应的订单数。本发明有利于解决供应商之间的订单分配问题,提高企业的竞争力,并且可以促进供应商降低成本,提高产品质量,最关键是能有效降低供应中断的风险。
Description
技术领域
本发明涉及订单分配技术领域,特别是涉及一种基于人群搜索算法的多供应商订单分配云处理方法。
背景技术
纺机企业为了保证供货的可靠性,同时考虑一个供应商的能力有限,往往会向多家供应商订购同一种产品,在保证订单供货率的基础上减少订单的采购成本,从而降低产品的生产成本,提高企业的效益。现在大多的订单分配模型都是集中在订单的釆购成本、产品质量、产品供货及时率等指标,较少的考虑与供应商组成的供应链的整体评价指标。模型的评价指标是企业订单分配的关键部分,直接关系企业的运营成本,而只从釆购商自身的条件出发来进行评价,己经不能满足市场竞争的需求。因此从供应链整体出发,不仅需要考虑釆购方的技术指标,而且还需要考虑供应商的技术指标,如供应商的折扣率和产品合格率等因素对后期供应链成本的影响。
发明内容
本发明所要解决的技术问题是提供一种基于人群搜索算法的多供应商订单分配云处理方法,能有效降低供应中断的风险。
本发明解决其技术问题所采用的技术方案是:提供一种基于人群搜索算法的多供应商订单分配云处理方法,包括以下步骤:
(1)分析采购商的采购成本以及供应商的售后成本;
(2)对整个供应链中的数据进行分析,根据采购商需求,建立选择适合的供应链数学模型,使整个供应链的成本最小;
(3)用人群搜索算法对供应链数学模型进行求解,得到最优生产商及生产商对应的订单数。
所述步骤(1)中的售后成本的模型为其中,n是已经排序好的备选供应商数量;oi是为该供应商i分配的订单量;dsi为供应商i所生产产品的不合格率;βi为供应商i的质检水平;γ为采购商的质检水平;M为单个供应商产生的售后损失成本。
所述步骤(2)中建立的供应链数学模型为其中,Dorder为采购成本,Dlost为售后成本;O为采购商的采购总量,oi是为该供应商i分配的订单量;Wi是供应商i的最低采购量;ti为供应商i生产单个产品所需时间;T是客户规定交货时间;τ是供应商每天所能从事当前产品生产的瓶颈时间。
所述步骤(3)具体包括以下子步骤:
(31)对n个生产商进行编号,每一个供应商做为一个搜索者,所有供应商看做为一个智能群体;
(32)设置n个供应商的初始订单值,每个供应商看成一个搜索者,对产生的搜索者进行约束条件判断,智能群体中使得订单总量满足采购商的采购量,每个供应商的订单量不高于该供应商的最大负荷且不小于供应商所要求的最小订单量;
(33)将每个供应商的订单数量带入所建立的供应链数学模型,计算目标函数的函数值即为供应链成本,判断此时的搜索者是否是最优个体,即使得供应链模型输出最小,如果当代搜索者位置优于全局搜索者的位置,则用当代搜索者替换全局最优个体;如果算法的迭代次数达到最高迭代次数,或者订单的成本达到了预期,则终止算法,输出最优个体;
(34)如果种群中最优个体没有满足终止条件,则确定搜索策略,计算每一个个体i在每一维j的搜索方向dij和步长αij;其中搜索方向是通过模拟人的利己行为、利他行为预动行为确定,搜索者采用三个方向随机加权几何平均来决定搜索方向;搜索步长确定来源于较优解的周围可能存在更优的解,最优解可能存在于较优解的领域内;
(35)位置更新,由得到的搜索方向和步长修改搜索者的位置,通过修改搜索者的位置完成了供应商订单量的更新,返回步骤(33);不断更新搜索者的位置,得到更好的搜索者,直到得到最好的结果。
有益效果
由于采用了上述的技术方案,本发明与现有技术相比,具有以下的优点和积极效果:本发明分析了采购商的采购成本以及供应商的售后成本,建立了供应链最优数学模型,用人群搜索算法选择最优的生产商和得出生产商所生产的最优零件数量,并结合具体的生产制造行业,考虑了生产商的生产能力、订单的折扣率、供应商产品不合格概率,有利于解决供应商之间的订单分配问题,提高企业的竞争力,并且可以促进供应商降低成本,提高产品质量,最关键是能有效降低供应中断的风险。
附图说明
图1是本发明的流程图。
具体实施方式
下面结合具体实施例,进一步阐述本发明。应理解,这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
本发明的实施方式涉及一种基于人群搜索算法的多供应商订单分配云处理方法,结合具体的纺织机械制造供应链,通过分析纺织机械零部件采购过程中影响采购成本的各种因素,运用数学表达式将采购商的采购成本以及供应商的售后成本量化;通过对供应链中各种因素的分析,由此建立了量化后的纺织机械制造供应链的总成本的数学模型;用人群搜索算法求出最优的生产商编号和给生产商分配的订单数量。本发明有利于解决供应商之间的订单分配问题,提高企业的竞争力,并且可以促进供应商降低成本,提高产品质量,最关键是能有效降低供应中断的风险。
如图1所示,本实施方式具体步骤如下:
(1)建立采购商的采购成本模型;
(2)分析供应商售后期望成本模型;
(3)供应链模型的组成及约束条件;
(4)用人群搜索算法对模型进行求解得出最终供应商的订单分配。
结合纺织机械制造企业,需要考虑分析采购商的采购成本。这里采购商需要考虑到供应商的最低采购量,从而保证合作关系的维护,也有利于减少采购的花费;还需要考虑供应商能力的约束,分配给供应商的订单量不能高于供应商的产能,从而有利于产品质量的维护,提高客户的满意度;当订单达到一定条件,供应商也会给与订单相应的折扣优惠,这也是采购商采购成本必须考虑的。本实施方式中供应商的报价是釆购商进行决策的主要参考依据,同时需要考虑供应商的评价因子和折扣优惠,则采购商的釆购成本为:
其中,n是已经排序好的备选供应商数量;oi是为该供应商i分配的订单量,也就是需要求解的内容;pri是供应商i产品的单价;dri为供应商i给予的折扣率;ei是对供应商i的评价因子,它是通过以前的订单对该供应商的评价。
分析订单的售后成本。虽然现在的产品质检比较严格,但由于质检的漏洞,仍会有部分不合格品通过质检流入制造商手中,虽然制造商在入库之前会有质检程序,但是大多是抽检,因此不能完全的筛选出所有不合格品。当产生不合格品,并在经历质检过程后没有被检查出来,最终用于加工最终产品进行销售,由于顾客对产品的质量要求较高,一般对于不合格品比较容易检查出来,因此当顾客发现不合格品,会对制造企业带来售后损失成本。
虽然现在质检较为严格,但是由于是抽检,所以还是会有部分不合格产品流入客户手中,顾客在使用过程中难免会发现产品质量问题,由此给供应商产生的售后损失成本为M。在质检过程中不合格产品被漏检的概率为ds(1-β)(1-γ),则单位产品的售后损失成本为ds(1-β)(1-γ)M。供应商售后损失总成本为:
其中,oi是为该供应商i分配的订单量;dsi为供应商i所生产产品的不合格率;βi为供应商i的质检水平;γ为采购商的质检水平。
为了得到每个供应商最优的订单量,需要提取供应链关键数据进行数据分析。在采购商的采购成本中需要考虑的数据有客户规定的生产期限、给不同供应商的订单量、订单价格、折扣率以及供应商的综合评价指数也关系到采购商的采购成本;在供应商的售后期望成本中涉及到供应商产品的不合格概率、采购商入库的质检水平以及当订单不合格时引起的售后损失成本。
根据客户的不同需求,建立选择适合的供应链数学模型。这里需要考虑到使整个供应链的成本最小,从而才能得到最大的生产效益。如采购商采购成本为Dorder,而售后损失成本为Dlost,则目标即为minD=Dorder+Dlost。
根据纺机企业的釆购特点和目标,可以将纺机的釆购订单的模型表示为:
供需平衡就是保证采购量与供应量相同,即分配订单过程中供应商的订单数量与采购商需求量相同。考虑到供需平衡有约束:
其中O为采购商的采购总量。
供应商会规定最低采购量,以此来抵消更换生产设备,投入人力物力的成本。且供应商的生产能力有限,因此分配给供应商的订单量不能超过供应商的最大负荷,由此有约束:
Witi≤oiti≤T×τ (5)
其中Wi是供应商i的最低采购量;ti为供应商i生产单个产品所需时间(单位:分钟);T是客户规定交货时间(单位:天);τ是供应商每天所能从事当前产品生产的瓶颈时间(单位:分钟)。
由以上步骤得到了供应链成本模型,由模型可以得知想要得到最优的分配策略,必须知道供应商的产品单价pr;供应商的折扣率dr;供应商的评价因子e;供应商所生产产品的不合格率ds;供应商的质检水平β;供应商的最低采购量W;供应商单个产品的生产时间t;供应商每天从事生产的瓶颈时间τ;采购商的质检水平γ;采购商的采购总量O;客户的交货期T。而这些变量都是可以提前根据合作、调研、采访得到的,为已知变量。现在需要根据以上变量确定出给哪些商家分配订单,以及分配订单的数量,即确定o。值得注意的是虽然人群搜索算法相对于其他群体智能观法有收敛速度快,不易陷入局部极小值等优点,但是也会耗费很多时间,因此这里的计算通常使用云计算来提高效率。以下是人群搜索算法确定订单分配的处理过程。
随机产生一定种群规模的搜索者,每个搜索者是n维,每一维即为对应编号商家的订单数量。且所产生的搜索者需要满足式(4)与式(5),如果不满足约束条件可以对搜索者适当调整,如订单量少于供应商最小订单量做清0处理,即不给该商家分配订单,被清0的数量分配给离最大订单量较大的供应商。对那些大于供应商最大负荷的订单数量按最大订单量处理,多出来的数量分配给那些离最小订单量最近的供应商。
对产生的n个供应商的订单量评价,终止条件判别。将每个供应商的订单数量带入所建立的采购订单的minD模型,计算目标函数的函数值即为供应链成本。判断此时的搜索者是否是最优个体,即使得供应链模型输出最小,如果当代搜索者位置优于全局搜索者的位置,则用当代搜索者替换全局最优个体。如果算法的迭代次数达到最高迭代次数,或者订单的成本达到了预期,这时候可以终止算法,输出最优个体所对应的数据即为给对应供应商分配的订单量,订单量为0代表不给该供应商分配订单。
如果种群中最优个体也没有满足终止条件,则重新确定搜索策略,计算每一个个体i在每一维j的搜索方向dij和步长αij。搜索方向是通过模拟人的利己行为、利他行为预动行为确定,搜索者采用三个方向随机加权几何平均来决定搜索方向。其中dij∈{-1,0,1},例如dij=1,i在种群规模内,j为对应编号商家的订单数量,它表示搜索者i沿着j维坐标的正方向前进,即供应商i的订单数量应该增加。搜索步长利用模糊规则确定,如果目标函数小,则搜索步长也小。
求得搜索方向和步长后可对搜索者的位置更新,更新搜索者位置后又从新对种群中的搜索者进行评价,如果不满足终止条件,则计算新的搜索方向和步长并更新搜索者的位置直到满足终止条件时输出最优个体,最优个体所对应的数据即为给对应供应商分配的订单量。
Claims (2)
1.一种基于人群搜索算法的多供应商订单分配云处理方法,其特征在于,包括以下步骤:
(1)分析采购商的采购成本以及供应商的售后成本;其中,所述采购成本的模型为其中,n是已经排序好的备选供应商数量;oi是为该供应商i分配的订单量;pri是供应商i产品的单价;dri为供应商i给予的折扣率;ei是对供应商i的评价因子;所述售后成本的模型为其中,n是已经排序好的备选供应商数量;oi是为该供应商i分配的订单量;dsi为供应商i所生产产品的不合格率;βi为供应商i的质检水平;γ为采购商的质检水平;M为单个供应商产生的售后损失成本;
(2)对整个供应链中的数据进行分析,根据采购商需求,建立选择适合的供应链数学模型,使整个供应链的成本最小;所述供应链数学模型为其中,Dorder为采购成本,Dlost为售后成本;O为采购商的采购总量,oi是为该供应商i分配的订单量;Wi是供应商i的最低采购量;ti为供应商i生产单个产品所需时间;T是客户规定交货时间;τ是供应商每天所能从事当前产品生产的瓶颈时间;
(3)用人群搜索算法对供应链数学模型进行求解,得到最优生产商及生产商对应的订单数。
2.根据权利要求1所述的基于人群搜索算法的多供应商订单分配云处理方法,其特征在于,所述步骤(3)具体包括以下子步骤:
(31)对n个生产商进行编号,每一个供应商做为一个搜索者,所有供应商看做为一个智能群体;
(32)设置n个供应商的初始订单值,每个供应商看成一个搜索者,对产生的搜索者进行约束条件判断,智能群体中使得订单总量满足采购商的采购量,每个供应商的订单量不高于该供应商的最大负荷且不小于供应商所要求的最小订单量;
(33)将每个供应商的订单数量带入所建立的供应链数学模型,计算目标函数的函数值即为供应链成本,判断此时的搜索者是否是最优个体,即使得供应链模型输出最小,如果当代搜索者位置优于全局搜索者的位置,则用当代搜索者替换全局最优个体;如果算法的迭代次数达到最高迭代次数,或者订单的成本达到了预期,则终止算法,输出最优个体;
(34)如果种群中最优个体没有满足终止条件,则确定搜索策略,计算每一个个体i在每一维j的搜索方向dij和步长αij;其中搜索方向是通过模拟人的利己行为、利他行为预动行为确定,搜索者采用三个方向随机加权几何平均来决定搜索方向;搜索步长确定来源于较优解的周围可能存在更优的解,最优解可能存在于较优解的领域内;
(35)位置更新,由得到的搜索方向和步长修改搜索者的位置,通过修改搜索者的位置完成了供应商订单量的更新,返回步骤(33);不断更新搜索者的位置,得到更好的搜索者,直到得到最好的结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810031366.3A CN108256802B (zh) | 2018-01-12 | 2018-01-12 | 基于人群搜索算法的多供应商订单分配云处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810031366.3A CN108256802B (zh) | 2018-01-12 | 2018-01-12 | 基于人群搜索算法的多供应商订单分配云处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108256802A CN108256802A (zh) | 2018-07-06 |
CN108256802B true CN108256802B (zh) | 2022-01-11 |
Family
ID=62726534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810031366.3A Active CN108256802B (zh) | 2018-01-12 | 2018-01-12 | 基于人群搜索算法的多供应商订单分配云处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108256802B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111062769B (zh) * | 2019-10-30 | 2021-06-11 | 杭州拼便宜网络科技有限公司 | 派单方法、系统以及存储装置 |
US20220092492A1 (en) * | 2020-09-21 | 2022-03-24 | International Business Machines Corporation | Temporal and spatial supply chain risk analysis |
CN112884227A (zh) * | 2021-02-23 | 2021-06-01 | 青岛檬豆网络科技有限公司 | 一种团购拼单的拆单供应方法 |
CN115187107B (zh) * | 2022-07-21 | 2024-05-10 | 深圳市企企通科技有限公司 | 采购需求智能分配方法、装置、计算机设备及存储介质 |
CN116681198A (zh) * | 2022-11-02 | 2023-09-01 | 荣耀终端有限公司 | 一种模具投放方案生成方法、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106611381A (zh) * | 2016-08-31 | 2017-05-03 | 四川用联信息技术有限公司 | 一种基于云制造的物料采购影响生产车间排产的分析算法 |
CN106920006A (zh) * | 2017-02-23 | 2017-07-04 | 北京工业大学 | 一种基于isoa‑lssvm的地铁站空调系统能耗预测方法 |
CN107451679A (zh) * | 2017-07-03 | 2017-12-08 | 东华大学 | 一种基于免疫算法的生产订单分配云处理方法 |
-
2018
- 2018-01-12 CN CN201810031366.3A patent/CN108256802B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106611381A (zh) * | 2016-08-31 | 2017-05-03 | 四川用联信息技术有限公司 | 一种基于云制造的物料采购影响生产车间排产的分析算法 |
CN106920006A (zh) * | 2017-02-23 | 2017-07-04 | 北京工业大学 | 一种基于isoa‑lssvm的地铁站空调系统能耗预测方法 |
CN107451679A (zh) * | 2017-07-03 | 2017-12-08 | 东华大学 | 一种基于免疫算法的生产订单分配云处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108256802A (zh) | 2018-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108256802B (zh) | 基于人群搜索算法的多供应商订单分配云处理方法 | |
US20210103858A1 (en) | Method and system for model auto-selection using an ensemble of machine learning models | |
JP5571804B2 (ja) | 再購入傾向を予測する方法および装置 | |
US20180341898A1 (en) | Demand forecast | |
CN111445134B (zh) | 商品的销量预测方法、装置、计算机设备和存储介质 | |
CN110580649B (zh) | 一种商品潜力值的确定方法和装置 | |
CN114219169A (zh) | 颖幡供应链销售和库存预测算法模型和应用系统 | |
WO2019105235A1 (zh) | 定价方法、装置和计算机可读存储介质 | |
CN108629436B (zh) | 一种估算仓库拣货能力的方法和电子设备 | |
CN109544233A (zh) | 一种面向电商业务的时尚品需求预测方法 | |
WO2018142753A1 (ja) | ディープラーニングを用いる情報処理装置、情報処理方法及び情報処理プログラム | |
CN107146035A (zh) | 针织服装大货生产中批量系数的计算方法 | |
CN116739217A (zh) | 一种基于供应链大数据平台的零售管理方法及系统 | |
CN109472648A (zh) | 销量预测方法及服务器 | |
CN106294410A (zh) | 一种个性化信息推送时间的确定方法及确定系统 | |
JP4386973B2 (ja) | 階層的予測モデル構築装置及びその方法 | |
CN117422306A (zh) | 基于动态神经网络的跨境电商风险控制方法及系统 | |
CN116739652A (zh) | 一种服装电商销量预测建模方法 | |
CN116012086A (zh) | 商品价格的评估方法、装置、电子设备及存储介质 | |
CN113744024A (zh) | 一种商家匹配方法、装置、计算机设备及存储介质 | |
CN114723354A (zh) | 一种针对供应商的线上商机挖掘方法、设备及介质 | |
Shariari et al. | Agile supplier selection in sanitation supply chain using fuzzy VIKOR method | |
CN111047438A (zh) | 数据处理方法、装置和计算机可读存储介质 | |
CN111738790A (zh) | 业务推送方法和推送系统 | |
CN110533485A (zh) | 一种对象选取的方法、装置、存储介质及电子设备 |
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 |