CN108780529A - 用于包装和配送优化的系统和方法 - Google Patents

Abstract

用于管理用以配送产品的供应链的系统和方法将库存控制与包装优化相结合。获得历史需求数据、产品、集装箱和运送船只的成本和尺寸数据，确定用于将产品包装到集装箱中的多个布局配置。基于历史需求数据以及成本和尺寸数据，优化模型被用来确定（i）来自多个布局配置之中的用于将产品包装在集装箱中的布局配置，以及（ii）用于运送根据所确定的布局配置包装的集装箱的装运频率。该优化模型被配置成使在供应链中配送产品的成本最小化。

Description

用于包装和配送优化的系统和方法

相关申请

本申请要求保护2016年1月19日提交的题为“Packaging Size Optimization System（包装尺寸优化系统）”的美国临时申请No. 62/280,452的优先权，通过引用将其公开内容以其整体合并于此。

技术领域

该公开内容总体上涉及优化系统并且更特别地涉及供应链管理、库存控制物流和装运包装优化系统。

背景技术

产品供应链通常包括制造商、二级经销商和客户的组合，并且其传统特征是对由其经销商、客户或其组合提出的需求(即采购订单)作出响应的制造商。然而，纯粹响应需求的制造商将低效率引进到产品分配中。也就是说，需求中的波动会导致要么高估要么低估库存要求的采购订单。这可能导致不需要的产品的装运和无法满足客户需求。

缓解这些低效率的努力包括经由库存控制系统来优化采购订单。库存控制系统通常随着时间跟踪平均需求，并确定采购订单的大小和频率，其保持对需求中预测的波动而言鲁棒性的恒定平均库存。

库存控制优化的另一个议题是包装议题。具体而言，递送车辆的容量可能与经由库存控制系统为装运确定的单位的数量不完全匹配。在一个示例中，库存控制系统确定向经销商运送占用500个单位空间的装运。如果递送车辆具有少于500个单位的容量，则需要多个车辆，并且至少一辆将有一定量的未利用容量。同样，如果递送车辆具有多于500个单位的容量，则剩余的容量也将被未利用。该未利用的空间代表另外的低效率，在这种情况下制造商和经销商本质上是在对运送空的空间付费。

也已经做出了努力来缓解这些另外的低效率。在一个示例中，如果第二装运所需的容量小于车辆中的空的空间，那么就可以对装运分组。然而，这可能不能完全利用所有可用的空的空间。例如，一个装运需要300个单位空间，并且另一个需要130个。该装运一起需要430个单位。然而，递送车辆可能具有多于或少于430个单位的容量，并且未利用的空间还没有消除（尽管减少了）。此外，如果装运具有不同的目的地，那么将装运分组在一起会带来其他的物流问题，其涉及：对装运进行包装以使得它们可按正确的顺序被有效移走、以及使递送车辆多次停车的物流上的困难。

在许多供应链中另外的低效率涉及到：在最终递送给客户之前，对要递送给经销商的产品进行包装。例如，当多个订单被分组在一起时，订单必须在被运送给最终目的地之前被拆包、分离和重新包装。向客户配送产品所需的拆包和重新包装的数量可以显著增加配送成本、时间和劳动力。缓解这些额外的低效率的努力包括：以使拆包方便的方式来组织一组订单内的产品。然而，由于装运中的产品数量是由订单或库存控制系统预先确定的，所以可以对此类预置装运的包装说执行的优化的数量是有限的。

因此，需要的是一种用于管理和优化不受库存控制或装运包装低效率限制的供应链的系统和方法。

发明内容

一种用于管理供应链的方法将库存控制与包装优化集成。经由标准化的存储箱来进行至二级（例如本地）经销商的装运。每个存储箱都能够以用于保持不同产品数量的多个不同布局之一来配置。被包装到存储箱中的产品的数量限定产品的一个物流单位，并且因此为产品选择的包装布局限定物流单位中的产品数量。只按物流单位的倍数来发送订单给二级经销商。经由在（i）运送产品的成本、（ii）用于产品的库存维护的成本、和（iii）用于挑选和包装产品的成本之间的优化来确定物流单位的大小和因此的包装布局、以及给二级经销商的装运的频率。还参考产品的物理尺寸、箱的多个布局的物理尺寸、用于运送集装箱的物理尺寸、运送船只的物理尺寸、在至少一个二级经销商处在时间过程中对产品的需求、用于配送产品的成本、以及适合于多个包装布局中的每一个的产品数量来进行优化。然后根据选择来运送产品。

在一个实施例中，一种管理用于配送产品的供应链的方法包括获得历史需求数据和产品的、用于运送产品的集装箱、以及用于运送产品和集装箱的船只的成本和尺寸数据。确定用于将产品包装到集装箱中的多个布局配置。基于历史需求数据以及成本和尺寸数据，优化模型被用来确定（i）来自多个布局配置之中的用于将产品包装在集装箱中的布局配置，以及（ii）用于运送根据所确定的布局配置所包装的集装箱的装运频率。该优化模型被配置成，使在供应链中产品的配送成本最小化。根据所确定的布局配置和装运频率来配送在供应链中的产品。

在一个实施例中，经由估算来确定该历史需求数据。

在一个实施例中，该优化模型包括第一约束，所述第一约束要求通过根据所确定的布局配置和运送频率配送产品来满足在供应链内的每个目的地处对产品的需求。

在一个实施例中，该优化模型包括第二约束，所述第二约束要求每年至供应链中的每个目的地的装运总数至少等于根据所确定的布局配置所包装的集装箱数目，该集装箱数目总体包括足以满足该目的地的年需求的产品总数。

在一个实施例中，确定多个布局配置包括：确定用于将产品包装到每个布局配置中的多个产品取向，以及针对每个布局配置来选择实现适合于该布局配置的产品的最大数量的产品取向。

在一个实施例中，获得历史需求数据包括：获得数周的周需求数据；将数周的周需求数据过滤成，使其仅包括与通过供应链有效配送的产品对应的数据以及供应链中的将所接收到的产品重新配送至供应链中的其他目的地的目的地，以产生经过过滤的需求数据；通过将配送至该目的地的产品相加到一起，在经过过滤的需求数据中确定由每个目的地所需求的产品的历史总数量；以及通过对在数周内至该目的地的多次产品配送进行计数来为每个目的地确定历史运送频率。

在一个实施例中，数周的周需求数据包括至少8周的周需求数据。在另一实施例中，数周的周需求数据包括精确8周的周需求数据。

在一个实施例中，该历史需求数据包括获得数周的月需求数据。在另一实施例中，该历史需求数据包括获得数周的年需求数据。

在一个实施例中，随着时间相继重复通过使用优化模型来确定布局配置和运送频率以考虑历史需求数据中随着时间的变化。

在一个实施例中，在将产品包装到集装箱内之前将产品分小组成交易单位。

在一个实施例中，通过劳动成本的总和来限定在供应链中配送产品的成本，其中所述劳动成本例如是挑选和包装成本、库存管理成本和运送成本。

在一个实施例中，所述历史需求数据、产品、集装箱和船只的成本和尺寸数据以及多个布局配置限定优化模型的多个参数。所述参数包括：

L多个布局配置；

L来自集合L的特定布局；

P供应链中的所有产品的集合；

p集合P中的特定产品；

W供应链中的将所接收的产品重新配送到所述供应链中的其他目的地的目的地的集合；

w 来自集合W的特定目的地；

包括入站和出站挑选成本和装配成本的每集装箱的成本；

tus产品的数量；

用于将每个交易单位包装到集装箱中的成本；以及

针对给定产品p和布局配置l的集装箱中的产品数量。在优化模型中所确定的变量表示每年运送至目的地w的集装箱的数目。由下面的等式来限定挑选和包装成本：

。

在一个实施例中，所述参数进一步包括：

目的地w的年需求；

产品p的价格；以及

每年存货成本乘数。变量表示在优化模型中所确定的运送频率。通过下面的等式来限定库存成本：

。

在一个实施例中，所述参数进一步包括：

运送至目的地w的每单位体积的成本；以及

通过使用布局配置l包装有产品p的集装箱的体积。

通过下面的等式来限定运送成本：

。

在一个实施例中，该方法进一步包括：确定出交易单位或交易单位组太大而不能适合于集装箱，以及随着没有将交易单位或交易单位组包装到集装箱中而限定另一布局配置。

在一个实施例中，该方法进一步包括：通过预先确定的因子来确定出交易单位或交易单位组比由多个布局配置所限定的最小体积更小；以及将可以被包装到集装箱中的交易单位或交易单位组的数量限制成适合于最小体积的交易单位或交易单位组的数量。

在一个实施例中，该方法进一步包括：根据每个布局配置、指示所述布局配置的包装效率的空隙量来确定被包装的集装箱中剩余的空隙量。

在一个实施例中，该优化模型被进一步配置成，在最小化配送产品的成本和最大化包装效率之间进行优化。

在一个实施例中，该优化模型被进一步配置成，将共同目的地处需求的不同产品一起分组到共同集装箱中。

在一个实施例中，一种用于管理供应链中的配送的计算设备包括处理器和由处理器执行的多个组件。所述组件包括历史数据组件、预处理组件、优化模型和输出组件。该历史数据组件被配置成，获得（i）供应链中的产品的历史需求数据，和（ii）产品的以及用于运送产品的船只和集装箱（诸如包裹、运货板、箱子、卡车、船舶、货物集装箱等等）的成本和尺寸数据。预处理组件被配置成，确定用于将产品包装到集装箱中的多个布局配置。该优化模型被配置成，使用历史需求数据以及成本和尺寸数据来确定（i）来自多个布局配置之中的用于将产品包装在集装箱中的布局配置，以及（ii）用于运送根据所确定的布局配置来包装的集装箱的使在供应链中配送产品的成本最小化的装运频率。该输出组件被配置成，输出由优化组件确定的布局配置和装运频率。

在一个实施例中，该输出组件被进一步配置成，根据由优化组件确定的布局配置和装运频率来操作供应链。

附图说明

图1是根据该公开内容的供应链的功能框图。

图2是根据该公开内容的示例性存储箱的透视图像。

图3是对于图2的存储箱的不同布局的示意图的示例性实施例的顶视图。

图4是根据该公开内容的包括数据预处理和优化模型的供应链管理系统的流程图。

图5是图4中的数据预处理的流程图。

图6是图4中的数据预处理的另一流程图。

图7是图4的优化模型的又一流程图。

图8是用于操作根据该公开内容的供应链管理系统的示例性计算设备的功能框图。

具体实施方式

为了促进对本文中描述的实施例的原理的理解的目的，现在在以下书面说明中对绘图和描述进行参考。不旨在通过参考来对主题的范围进行限制。该公开内容还包括所说明的实施例的任何更改和修改并且进一步包括如该文献所属邻域中的技术人员通常想到的所述实施例的原理的进一步应用。

图1图示根据该公开内容的供应链系统100的功能框图。该系统100包括供应商102、中央经销商104、本地经销商106和客户108。尽管供应链系统100包括多个供应商102、中央经销商104、本地经销商106和客户108，而在其他实施例中，供应链系统则包括一个或多个供应商、中央经销商、本地经销商和客户其中的仅一个。另外，在该实施例中，该供应链系统100管理多个产品的配送，但是在其他实施例中，供应链系统管理单个产品的配送。

供应商102将原始材料转换为成品。成品被组装成交易单位（在下文中“TU”）。TU表示产品的精细配送，并且产品被包装成要由客户108接收到的状况，该客户包括例如最终用户、面向公共的零售空间和FOB递送服务。然后将TU组装成物流单位（在下文中“LU”）。LU表示被分组成TU的产品的粗糙配送。然后LU一起被分组在例如运货板、卡车、运送集装箱等等中，以便向中央经销商104大批量装运。在该实施例中，不同的供应商102配送不同的产品。在另一个实施例中，至少一个供应商配送多种产品。在又一个实施例中，多于一个供应商配送相同的产品。

中央经销商104从来自供应商102的大批量装运中拆包LU。LU的一部分被转发到本地经销商106。从LU的另一部分拆包TU，并将其转发到客户108。

本地经销商从LU拆包TU，并且将TU转发到附加的客户108。该本地经销商106包括例如二级经销商仓库、装运线路设施、批发商、订单履行中心等等。

每个中央经销商104、本地经销商106和客户108都具有要通过供应链的装运来满足产品需求。通过该本地经销商所服务的所有客户108的需求的总和来限定每个本地经销商106的需求。通过该中央经销商104所服务的所有本地经销商106的总和以及该中央经销商104直接服务的所有客户108的总和来限定每个中央经销商104的需求。在一些实施例中，该本地经销商106由多于一个中央经销商104来服务，并且因此该本地经销商106的需求在服务于本地经销商104的中央经销商104的每个之间分配。

一种便于供应链优化的技术包括：利用用于LU转运的经过标准化的模块化运送集装箱。图2是可用于在供应商102、中央经销商104、本地经销商106和客户108之间输送不同产品的示例性产品存储箱200。该存储箱200是模块化的，其在于可以将各种各样的子划分插入到存储箱的内部以形成不同尺寸的隔间（compartment）。在其他实施例中，作为代替存储箱200或除了存储箱200之外，还可以使用标准化的运货板或其他可接受的集装箱。利用用于LU装运的标准化的集装箱来简化中央经销商104的操作，因为在不拆包和重新包装TU或其中的产品的情况下将各个LU转发至本地经销商106。

图3图示用于存储箱200的各种各样的不同子划分300 A-L的顶视示意图，但是也预期其他的子划分。例如，尽管在图3中图示的示意图中的子划分300A-L基本上是矩形的，但在其他实施例中，子划分可以具有其他形状，诸如三角形、不规则形状或被配置成适合特定产品或TU的形状。不同的子划分可以被用来存储不同的产品，或者多个子划分可以被用来有效地对相同产品的TU分组。例如，可以确定子划分的尺寸，以便有效地包装TU、以便对运送至不同目的地的TU分组，或者为了任何其他可接受的原因。在一个实施例中，存储集装箱200是垂直细分的。

使用模块化的存储箱来优化供应链100包括：确定用于集装箱的最优布局、用来填充该布局的不同子划分的最优产品数量、以及满足供应链100中的需求的最优装运日程安排。在下文中，填充集装箱的特定布局的产品数量被限定为在给定特定布局的情况下该产品的LU。根据该公开内容，布局、装运中产品的数量以及装运频率被视为相互关联的变量，并且通过使用图4中图示的优化系统400来管理供应链100。

该系统400包括原始数据输入项块 402、预处理块404、优化模型块406和输出块408。

该原始数据块402表示关于供应链100的历史信息。原始数据块402中的历史信息包括需求数据410、箱布局数据412和产品数据414。

在该实施例中，该需求数据410包括针对供应链100（图1）中的每个中央经销商104、本地经销商106和客户108的周需求数据的历史。优选地，该需求数据410包括针对供应链100中的每个经销商104、本地经销商106和客户108的至少两个月的有价值的数据。周需求数据包括例如针对每个经销商104、本地经销商106和客户108的（i）需求的每种不同产品的列表，（ii）每种产品源自哪里的列表，（iii）每种产品的目的地的列表，（iv）被递送至每个目的地的每种产品的数量、以及对于至每个目的地的每个递送的时间/日期数据的列表。

在其他实施例中，该需求数据410包括对于其他时间间隔的历史需求数据。例如，该需求数据可以包括月需求数据、年需求数据等等。在一个实施例中，该需求数据410包括按每日、月、年等计的需求的移动平均值（running average）。例如，每周需求数据是对前面的四周、52周、季度等等来求平均的。在一个实施例中，例如参考销售预测、市场数据或其他因素来估算需求数据。

该箱布局数据412包括描述对于模块化存储箱的可能子划分布局的数据、以及描述存储箱的三维尺寸和任何相关联的包装材料的数据。

该产品数据414包括例如针对每种产品的（i）每产品价格、（ii）重量、（iii）TU体积尺寸、（iv）以前的LU体积尺寸（如果可用的话）、（v）产品存货成本、（vi）挑选成本、也即与选择用于装运的产品相关联的成本、以及（vii）包装成本、也即与将所选产品包装到TU中以供装运相关联的成本的列表。

该预处理块404对历史信息进行预处理以便为优化模型406限定优化参数。具体来说，在预处理415中，该预处理块404将需求数据410汇集（assemble）成需求频率数据416，如下面更详细讨论的。另外，在预处理417中，预处理块404使用箱布局数据412和产品数据414来确定每布局产品数据418，如在下面更详细讨论的。然后该预处理块404将需求数据410、需求频率数据416和每布局产品数据418、连同产品数据414作为优化参数馈送到优化模型406。

该优化模型406使用所述参数执行优化，并且向输出块408输出结果，如下面更详细描述的。

图5更详细地图示图4的预处理415。将需求数据410汇集到需求数据库506中，在该实施例中该需求数据410包括对于第1周一直到第N周中的每一个的周需求数据502。从需求数据库506过滤掉从中央经销商104直接运送至客户108以及从本地经销商104运送至客户108的TU的精细配送以产生粗糙配送数据510。从粗糙配送数据510过滤掉无效产品（诸如已经停产的、过季的，或其他情况下不可用的产品）以产生针对有效产品的粗糙配送数据（块514）。将针对有效产品的粗糙配送数据（块514）一起分组以识别至共同目的地的产品的递送（块518）。至每个共同目的地的产品数量的总和限定对于每个目的地的历史总递送数量522，并且至每个目的地的递送的计数限定对于每个目的地的历史递送频率526。总递送数量522和递送频率526一起限定需求频率数据416。

下面在表1中示出经过预处理的需求频率数据416的示例。

表1

在表1中，列从左到右表示针对订单的按起点代码计的运送起点、针对订单的按目的地代码计的运送目的地、订单中的按型号计的产品、订单中产品的数量、以及在特定时间段（在该实施例中其是两个月）内产品从起点至目的地的递送的频率。数据的每一行对应于起点-目的地-产品三方。换言之，相同产品从相同起点至相同目的地的多次递送被一起分组到单个行中。运送至相同目的地（行3和4）的不同产品被分开列出，并且运送至不同目的地（行5和6）的相同产品同样也被分开列出。尽管为了清楚的目的，在表1中仅图示单个起点“60”，但是在其他实施例中，需求频率数据416包括针对供应链100中的多个起点的数据。

图6更详细地图示图4的预处理417。箱布局数据412和产品数据414被用来确定包装数据604。产品可以以各种各样的取向包装在一起。用于LU的集装箱还可以以不同子划分、诸如图3中图示的布局300 A-L来被细分成各种各样的布局。在给定某些特定尺寸的产品的情况下，不同数量的产品将依据产品的取向而适合于子划分，这通过包装数据604来描述。

下面在表3中列出包装数据的示例。

表2

在表2中，列从左到右表示按型号计的产品、来自针对集装箱的多个可能布局之中的特定布局、布局内的子划分、用于包装的产品的特定取向、以及在给定产品的取向的情况下适合于该布局的该子划分的产品的数量。每一行因此表示不同产品包装布局606，并且在极右的适合的总数量列表示对于给定产品而言该基于布局、子划分和产品取向的最大LU数量（块608）。

例如，如在上面的表2中示出的，在布局1中，65个产品1600499005适合于布局的子划分1，而80个适合于子划分2。产品的多达六个或更多个的不同取向可以被用来确定产品至不同布局的不同子划分的不同潜在适合。在给定产品的情况下，对于每个布局都存在最优取向，其导致适合于该布局的产品的最大量。收集这些最大量来确定产品在每个布局/子划分中的最优取向，并且汇集这些每布局产品数据418。

在表3中示出每布局产品数据418的示例。

表3

在表3中，每一行对应于要被包装到集装箱中的不同产品。最左边的列通过型号来标识产品，并且向右边的各列中的每一个都标识由于该产品的最优取向而适合于集装箱的对应布局的产品的最大数目。例如，在表2中，适合于布局1的产品1600499005的最大数目是80，这是针对第二可能取向而发生的。因此表3将针对产品1600499005的布局1的最大数量列出为80。作为适合于特定布局的产品的最大数量，图3中的这些数量因此表示：在将该布局选择用于该产品的情况下，LU中的产品的数量。每布局产品数据418因此表示用于运送集装箱的不同可能的产品包装配置的集合，这被表示为针对该优化模型的选项。

在该实施例中，该预处理417还包括计算由于每个包装配置引起的箱中的剩余空隙量（块616）。在一个实施例中，该空隙数量被纳入到优化模式中，并且被使用用作例如效率度量，或者当将产品一起分组到共同装运中时被使用。

图7更详细地图示来自图4的优化模型406。在702处将需求频率数据416和每布局产品数据418馈送到优化模型406中。在704处，处理每布局产品数据418中的小的和大的产品异常。在706处，优化模型406使用需求频率数据416和每布局产品数据418来优化所有产品在供应链100中的包装和运送，并且在708处，从优化模型406读出优化的结果以形成图4中的输出块408，其中所述优化的结果包括箱布局选择和运送频率选择。

在704处对每布局产品数据418中的小的和大的产品异常的处理解决如下情形：产品太大而不符合箱的物理尺寸，以及产品或产品的TU太小而使得过多数目的产品或TU适合于单个布局中。例如，将产品的10000个独立的纸板火柴大小的TU包装在存储箱中可能导致就成本、劳力或时间来说没有效率的挑选和重新包装。

在该实施例中，通过将可以形成LU的这样的小产品的TU的数目限制成符合具有最小容量的箱布局子划分的TU的数目，小产品的过度包装被减轻。反过来，通过添加产品、TU或将TU分组成为附加的可能包装布局来处理尺寸过大的产品。换言之，当产品或TU太大而不符合存储箱时，该产品、TU或TU组在没有存储箱的情况下被运送，并且代替存储箱来被用来表示模型中的运送集装箱。

在706处在执行对包装和运送的优化的过程中，优化模型406基于在702处读取到优化模型406中的信息来使用参数。被优化模型使用的参数包括：

L所有可能的箱布局的集合；

l来自集合L的特定布局；

P供应链中的所有产品的集合；

p集合P中的特定产品；

W供应链中的对于LU的可能目的地的集合；

w来自集合W的特定目的地；

目的地w的年需求；

结合入站和出站挑选成本和装配成本的每LU的成本；

每TU的用于组装LU的成本；

tusTU中产品的数量；

针对给定产品和布局的LU中的产品数量；

产品p的价格；

每年存货成本乘数，通常是0.09；

运送至目的地w的每单位体积的成本；以及

对于给定产品和布局的LU的体积（包括间隙）。

除了在不同的可能布局L之中进行选择之外，该优化模型还被配置成调整其他变量，其中所述不同的可能布局影响例如lus、LUvol、costTU和costLU的值，所述其他变量包括：

在至目的地w的装运之间的周的数目；以及

每年发送至目的地w的LU的数目。

在该实施例中，将下面的等式迭代地应用于集合P中的每个产品p。此外，还迭代地执行从集合L选择布局l。因此，为了清楚的目的，在下面的等式中不示出下标l和p。

该优化模型406另外将约束应用于参数和变量。第一约束被配置成确保供应链中各目的地W中的每一个的需求都被满足。该约束通过对于集合W中的每个目的地w要求如下来实现：

。

换言之，每年运送的产品的总数量必须至少是产品的总数量。第二约束被配置成确保至目的地w的装运不要求对LU细分。换言之，该约束要求每年至目的地w的装运的数目至少等于LU的数目，总而言之，其包含足以满足目的地w的需求的产品数量。该约束通过对于每个目的地要求如下来实现：

。

基于所述参数和约束，优化模型被配置成针对成本来优化箱布局以及供应链中所有产品的其他变量的选择。用于在供应链中配送产品的总成本是劳力成本的总和，其中所述劳力成本包括例如挑选和包装成本、库存维护成本和运送成本。

由如下等式来表述对于集合W中的每个目的地w的挑选和包装成本：

通过如下等式来表述库存成本：

并且通过下面的等式来表述运送成本：

。

因此，针对成本进行优化包括选择导致最小总配送成本的箱布局（l）、至每个目的地的装运频率（）、和每年至每个目的地的LU集合的数目（y _w ），用下式来表述：

。

在该实施例中，该优化模型146使用混合整数线性编程求解器，但是可以使用任何可接受类型的模型求解器。

一旦已经优化了供应链中的产品的包装和运送，就使用在708处从优化模型406读出的结果来管理供应链。

在一个实施例中，随着时间连续运行优化模型406。需求通常随着时间改变。另外，可以为了各种原因而将供应商、中央经销商、本地经销商和客户添加至供应链或者从供应链移除。通过随着时间连续运行优化模型406，监视并适应需求中的以及供应链的结构中的变化。

在另一实施例中，将图4的优化系统400集成到自动化包装系统中。一旦由优化系统400确定了产品的经过优化的LU尺寸和布局，自动化的包装系统就至少基本上自主地根据经过优化的LU尺寸和布局挑选产品并将产品包装到存储箱中。

在另一实施例中，该优化系统400被进一步配置成关联或优先考虑定期一起运送的产品、LU或所组装的装运的关联。这样的关联还可被用作除了配送成本、LZ尺寸和运送频率之外的待优化的另一因素。

如上面讨论的，根据该公开内容的优化系统的益处包括：经改进的库存维护成本以及适应于需求的系统。在下面的示例中阐明这些益处和其他益处。

示例1 常规供应链。

在常规供应链中，本地经销商具有30个单位的平均周需求。本地经销商以确切的需求数量、即30个单位来下订单。在一周的时间过程中，平均库存为30x0.5=15个单位。平均来说，在每周的结束满足全部需求，并且本地经销商必须在每周下新的订单以补充其库存。另外，本地经销商每周将近结束时具有降低的用于满足需求变化的能力，因为库存存货通常将耗尽直到下一个订单到来为止。

示例2 根据该公开内容的具有设置成LU的倍数的订单大小的供应链。

在根据本公开内容的供应链中，本地经销商也具有30个单位的平均周需求。优化模型为了该供应链确定：40个单位的装运LU会使总运送+库存成本最小化。因此，本地经销商的订单是40个单位的倍数。在第一周，经销商具有10个单位的剩余，即，用40减去来自需求的30。在第二和第三周中，这继续，其中经销商分别具有20个单位和30个单位的剩余。在第四周中，本地经销商没有下订单，而是作为代替而使用来自前几周的累积剩余。尽管库存成本可能因为装载剩余的库存而更高，但是每装运的成本由于该优化模型而被降低，并且本地经销商仅需要每四周下三次订单，平均每月节省一次装运成本。另外，因为本地经销商保持剩余的存货单位，所以本地经销商被更好地配备以应对需求波动。

示例3-根据该公开内容的在不同目的地具有不同需求的供应链。

在根据本公开内容的供应链中，供应链具有跨三个不同的本地经销商而变化的需求。在第一本地经销商中，周需求是10个单位。在第二本地经销商中，需求是60个单位。在第三本地经销商中，需求是35个单位。优化模型为该供应链确定：20个单位的装运LU会使总运送+库存成本最小化。因此，每个经销商的订单是20个单位的倍数。该优化模型将运送频率设置为：针对第一本地经销商为每2周具有1 LU的一次订单；针对第二本地经销商为每3周具有3LU的一次订单；并且针对第三本地经销商为每周一次订单，其在小于15个单位的存货时是2LU并且否则是1LU。

在一个实施例中，至少部分将根据该公开内容的供应链管理系统实施为由计算设备的处理器执行的计算机可读指令。图8图示依照根据该公开内容的系统和方法可用的示例性计算设备900。例如，该计算设备可以被用来在诸如输入原始数据、预处理原始数据、使用经过预处理的数据来运行优化模型、以及确定用于管理供应链的输出这样的任务的执行中管理供应链。在另一示例中，该计算设备800与诸如自动化挑选、包装和重新包装机器这样的自动化仓库机制结合。

该计算设备900包括至少一个处理器902，其执行存储在存储器904中的指令。所述指令可以是例如用于实施上面讨论的功能块或方法操作中的一个或多个的指令。该处理器902以系统总线906的方式访问存储器904。除了存储可执行指令之外，存储器904还可以存储其他信息，诸如关于供应链中的需求、产品数据、存储箱数据等等的信息。还可以将这样的信息存储在数据存储装置908中，它也对于处理器902也是可通过系统总线506的方式来访问的。该计算设备900还包括输入接口810，其允许外部设备与计算设备900通信。例如，该输入接口510可以被用来接收用户的指令。该计算设备900还包括输出接口812，其诸如通过显示文本、图像或其他输出来从处理器902输出信息。

诸如存储器904和数据存储装置908这样的计算机可读介质包括可由计算机访问的任何可用存储介质。以示例的方式，并且在不进行限制的情况下，这样的计算机可读存储介质包括：RAM、ROM、EEPROM、CD-ROM或其他光盘存储装置；磁盘存储装置或其他磁性存储设备；或能够用于实行或存储以指令或数据结构的形式的期望程序代码的和能够由计算机来访问的任何其他介质。此外，传播的信号没有被包括在计算机可读存储介质的范围内。可替代地或附加地，至少部分地由一个或多个硬件逻辑组件来执行本文中描述的功能。

将会领会到，可以按照期望将上述的和其他的特征和功能或其替代方案的变体组合到许多其他不同系统、应用程序或方法中。后来可以由本公开所意图涵盖的本领域的技术人员来作出各种目前未预见或未预料的替代方案、修改方案、改变方案或改进方案。

Claims (20)

1.一种管理用于配送产品的供应链的方法，所述方法包括：

获得所述供应链中的产品的历史需求数据；

获得所述产品、用于运送所述产品的集装箱和船只的成本和尺寸数据；

确定用于将所述产品包装到所述集装箱中的多个布局配置；

基于所述历史需求数据以及成本和尺寸数据来在优化模型中确定（i）来自多个布局配置之中的用于将所述产品包装在所述集装箱中的布局配置，以及（ii）用于运送根据所确定的所述布局配置所包装的集装箱的装运频率，其中所述优化模型被配置成，使在所述供应链中所述产品的配送成本最小化；以及

根据所确定的布局配置和装运频率来配送产品。

2.根据权利要求1所述的方法，其中所述优化模型包括第一约束，所述第一约束要求通过根据所确定的所述布局配置和运送频率配送所述产品来满足在所述供应链内的每个目的地处对所述产品的需求。

3.根据权利要求2所述的方法，其中所述优化模型包括第二约束，所述第二约束要求每年至所述供应链中的每个目的地的装运总数至少等于根据所确定的布局配置所包装的集装箱数目，所述集装箱数目总体包括足以满足所述目的地的年需求的产品总数。

4.根据权利要求1所述的方法，其中确定多个布局配置包括：

确定用于将所述产品包装到每个布局配置中的多个产品取向；以及

针对每个布局配置，选择实现适合于所述布局配置的产品的最大数量的产品取向。

5.根据权利要求1所述的方法，其中获得历史需求数据包括：

获得多个周期的周期性需求数据；

将多个周期的周期性需求数据过滤成仅包括与通过所述供应链有效配送的产品对应的数据，以及所述供应链中的将所接收到的产品重新配送至所述供应链中的其他目的地的目的地，以产生经过过滤的需求数据；

通过将配送至所述目的地的产品相加到一起，在所述经过过滤的需求数据中确定由每个目的地所需求的产品的历史总数量；以及

通过对在数个周期过程中至所述目的地的多次产品配送进行计数来为每个目的地确定历史运送频率。

6.根据权利要求5所述的方法，其中所述多个周期的周期性需求数据包括至少8周的周需求数据。

7.根据权利要求5所述的方法，其中所述多个周期的周期性需求数据包括恰好8周的周需求数据。

8.根据权利要求1所述的方法，其中随着时间相继执行在优化模型中确定布局配置和运送频率以考虑历史需求数据中随着时间的变化。

9.根据权利要求1所述的方法，其中在将产品包装到所述集装箱内之前将产品分小组成交易单位。

10.根据权利要求9所述的方法，其中通过挑选和包装成本、库存管理成本和运送成本的总和来限定在所述供应链中配送所述产品的成本。

11.根据权利要求10所述的方法，其中：

所述历史需求数据、所述产品、集装箱和船只的所述成本和尺寸数据以及多个布局配置限定所述优化模型的多个参数，包括：

L多个布局配置；

l来自集合L的特定布局；

P所述供应链中的所有产品的集合；

p所述集合P中的特定产品；

W 所述供应链中的将所接收的产品重新配送到所述供应链中的其他目的地的目的地集合；

w 来自所述集合W的特定目的地；

包括入站和出站挑选成本和装配成本的每集装箱的成本；

tus 产品的数量；

用于将每个交易单位包装到集装箱中的成本；以及

针对给定产品p和布局配置l的集装箱中的产品数量；

在所述优化模型中所确定的变量表示每年运送至所述目的地w的集装箱的数目，并且

由如下等式来限定挑选和包装成本：

。

12.根据权利要求11所述的方法，其中：

所述多个参数进一步包括：

所述目的地w的年需求；

产品p的价格；以及

每年存货成本乘数；

变量表示在所述优化模型中所确定的运送频率；以及

通过如下等式来限定库存成本：

。

13.根据权利要求12所述的方法，其中：

所述多个参数进一步包括：

运送至所述目的地w的每单位体积的成本；以及

通过使用布局配置l包装有产品p的集装箱的体积，

且通过如下等式来限定所述运送成本：

。

14.根据权利要求9所述的方法，进一步包括：

确定出交易单位或交易单位组太大而不能适合于集装箱；以及

随着没有将所述交易单位或所述交易单位组包装到集装箱中而限定另一布局配置。

15.根据权利要求9所述的方法，进一步包括：

通过预先确定的因子来确定出交易单位或交易单位组比由多个所述布局配置所限定的最小体积更小；以及

将可以包装到所述集装箱中的交易单位或交易单位组的数量限制成适合于所述最小体积的交易单位或交易单位组的数量。

16.根据权利要求1所述的方法，进一步包括：

根据每个布局配置、指示所述布局配置的包装效率的空隙量来确定被包装的集装箱中剩余的空隙量。

17.根据权利要求14所述的方法，其中所述优化模型被进一步配置成，在最小化配送产品的成本和最大化所述包装效率之间进行优化。

18.根据权利要求1所述的方法，其中所述优化模型被进一步配置成，将共同目的地处需求的不同产品一起分组到共同集装箱中。

19.一种用于管理产品在供应链中的配送的计算设备，包括：

处理器；以及

由所述处理器执行的多个组件，所述多个组件包括：

历史数据组件，所述历史数据组件被配置成，获得（i）所述供应链中的产品的历史需求数据，和（ii）所述产品的以及用于运送所述产品的船只和集装箱的成本和尺寸数据；

预处理组件，所述预处理组件被配置成，确定用于将所述产品包装到所述集装箱中的多个布局配置；

优化模型，所述优化模型被配置成，使用所述历史需求数据以及所述成本和尺寸数据来确定（i）来自所述多个布局配置之中的用于将所述产品包装在所述集装箱中的布局配置，以及（ii）用于运送根据所确定的所述布局配置来包装的集装箱的使在所述供应链中配送产品的成本最小化的装运频率；以及

输出组件，所述输出组件被配置成输出由所述优化组件所确定的所述布局配置和装运频率。

20.根据权利要求19所述的计算设备，其中所述输出组件被进一步配置成，根据由所述优化组件所确定的所述布局配置和装运频率来操作所述供应链。