CN109325714A - 确定物流网络的方法及相关设备 - Google Patents
确定物流网络的方法及相关设备 Download PDFInfo
- Publication number
- CN109325714A CN109325714A CN201710648376.7A CN201710648376A CN109325714A CN 109325714 A CN109325714 A CN 109325714A CN 201710648376 A CN201710648376 A CN 201710648376A CN 109325714 A CN109325714 A CN 109325714A
- Authority
- CN
- China
- Prior art keywords
- alternative
- logistics
- logistics network
- warehouse
- network
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000003860 storage Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 6
- 238000011156 evaluation Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 12
- 238000007726 management method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000032258 transport Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 241001269238 Data Species 0.000 description 4
- 230000009471 action Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- FGXWKSZFVQUSTL-UHFFFAOYSA-N domperidone Chemical compound C12=CC=CC=C2NC(=O)N1CCCN(CC1)CCC1N1C2=CC=C(Cl)C=C2NC1=O FGXWKSZFVQUSTL-UHFFFAOYSA-N 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000009885 systemic effect Effects 0.000 description 1
- 238000005303 weighing 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种确定物流网络的方法,本申请提供了一种确定物流网络的方法,该方法确定多个备选物流网络,并确定按照怎样的约束目标在备选物流网络中选择目标物流网络,由于约束目标表示目标物流网络在何种指标项上满足限制,因此需要确定备选物流网络在该指标项上的指标数据,进而选择指标数据满足约束目标的备选物流网络作为目标物流网络。本申请还可以确定出目标物流网络中的仓库所使用的仓库类型,所使用的仓库类型可以使目标物流网络在目标指标项上达到最优的效果。另外,本申请还提供了确定物流网络的设备,以保证上述方法在现实中的应用及实现。
Description
技术领域
本申请涉及物流技术领域,更具体地,是确定物流网络的方法及相关设备。
背景技术
在电子商务领域中,卖家方一般将大量物品存放在仓库中,买家方通过电子商务平台购买物品后,物品包裹从仓库中出仓,通过物流系统送达至买家方。物流包裹在物流系统中会生成一些指标数据,如物流时效、物流成本、物流评价等,这些指标数据与卖家方如何布仓或者使用的仓库类型等因素有关。
例如,卖家方关心的物流指标包括成本指标及时效指标。买家方在地理位置上是分散的,为了保证买家方能快速地收货,卖家方需要在各地多布置仓库,这样会带来较高的仓储物流成本。但如果卖家方的仓库布置较少,则会降低物流包裹到达买家方的时效。
因此,需要一种确定物流网络的方法,以为卖家方确定出一种物流网络,卖家方根据该物流网络进行实际布仓后,可以达到想要实现的物流指标效果。
发明内容
有鉴于此,本申请提供了一种确定物流网络的方法,以为用户确定出满足物流指标需求的物流网络。
为实现所述目的,本申请提供的技术方案如下:
第一方面,本申请提供了一种确定物流网络的方法,包括:
确定多个备选物流网络及目标指标项;
分别确定所述备选物流网络与所述目标指标项对应的指标数据;
选择对应的指标数据满足约束目标的备选物流网络作为目标物流网络。
第二方面,本申请提供了一种确定物流网络的设备,包括:处理器和存储器,所述处理器通过运行存储在所述存储器内的软件程序、调用存储在所述存储器内的数据,至少执行如下步骤:
确定多个备选物流网络及目标指标项;
分别确定所述备选物流网络与所述目标指标项对应的指标数据;
选择对应的指标数据满足约束目标的备选物流网络作为目标物流网络。
第三方面,本申请提供了一种确定物流网络的装置,包括:
备选网络及指标项确定单元,用于确定多个备选物流网络及目标指标项;
备选网络指标数据确定单元,用于分别确定所述备选物流网络与所述目标指标项对应的指标数据;
目标物流网络确定单元,用于选择对应的指标数据满足约束目标的备选物流网络作为目标物流网络。
由以上技术方案可知,本申请提供了一种确定物流网络的方法,该方法确定多个备选物流网络,并确定按照怎样的约束目标在备选物流网络中选择目标物流网络,由于约束目标表示目标物流网络在何种指标项上满足限制,因此需要确定备选物流网络在该指标项上的指标数据,进而选择指标数据满足约束目标的备选物流网络作为目标物流网络。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请提供的一种确定物流网络的方法流程图;
图2为本申请提供的目标物流网络的一种示意图;
图3为本申请提供的六种备选物流网络的示意图;
图4为本申请提供的另一种确定物流网络的方法流程图;
图5为本申请提供的一种确定物流网络的装置结构示意图;
图6为本申请提供的一种确定物流网络的设备硬件结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在电子商务领域中,卖家方一般将大量物品存放在仓库中,买家方通过电子商务平台购买物品后,物品包裹从仓库中出仓,通过物流系统送达至买家方。卖家方如何布仓或者使用何种类型的仓库,会对物流包裹的时效、成本、物流评价等物流指标造成影响。因此,卖家方若想要达到一种最优的物流指标效果,则需要明确如何进行布仓或使用何种类型的仓库。
例如,卖家方若在多个地区均布置仓库,则会带来较高的仓储物流成本。但若卖家方的仓库布置较少,则会降低物流包裹到达买家方的时效。因此,卖家方若想要在物流时效及物流成本之间达到一种平衡,则需要确定一种合理的仓库布置位置。当然,卖家方的物流指标效果还可以时效最优、成本最优等各种形式,并不局限于上述举例说明。
对此,本申请提供了一种确定物流网络的方法。见图1,其示出了确定物流网络的方法的一种流程,具体包括以下步骤S101~S103。
S101:获得对目标物流网络的约束目标及目标物流包裹的物流信息,其中约束目标表示对目标物流网络在目标指标项方面的限制,物流信息包括运送路线及运送路线的指标数据。
前已述及,本申请可以为卖家确定满足其需要的物流网络,为了便于描述,可以将该物流网络称为目标物流网络。其中需求也可以称为约束目标,约束目标可以是根据实际需求实时确定的,也可以是预先设置的默认项。具体来讲,约束目标用于表示对目标物流网络在物流指标项方面的限制,该物流指标项可以称为目标物流指标项或目标指标项。目标指标项可以是一项,如物流时效、物流成本或物流评价,则约束目标满足在该目标指标项方面的限制即可,如约束目标分别为时效最优、成本最优或物流评价最优。或者,目标指标项可以是多项,则约束目标可以反映各个物流指标之间的关系,如约束目标为时效与成本平衡、时效与物流评价平衡、成本与物流评价平衡等。
本申请所确定出的目标物流网络可以包括仓库的设置位置及仓库的发货目的地,其中发货目的地也可以称为仓库发货覆盖范围。见图2,其示出了确定的目标物流网络的一种形式。如图2所示,仓库分别设置在北京及上海,北京仓的发货覆盖范围包括华北地区,上海仓的发货覆盖范围包括西南地区。由于仓库的设置位置即运送路线的始发地,仓库的发货目的地即运送路线的目的地,因此,目标物流网络也可以表示确定出的物流包裹的运送路线。
确定过程需要使用历史物流信息,一般使用的是与该卖家相关的物流信息,如该卖家历史所售出的物品的物流包裹的物流信息。卖家是一种用户,当然还可以是其他类型的用户,如买家、物流方等。因此,本步骤可以认为是获得与用户相关的物流包裹的物流信息,其中,与用户相关的物流包裹也可以称为目标物流包裹。
物流包裹具有相关的物流信息,物流信息不仅可以包括物流包裹的运送路线,还包括运送路线相关的指标数据。
在实施中,物流信息可以记录在物流系统中,也可以记录在电子商务系统中。因此,可以从以上两个系统中获得该用户的物流包裹的物流信息。本申请是根据用户历史的物流数据,对物流网络进行计算,因此,针对某个用户,需要获得该用户多条的物流数据。例如,用户的物流信息以数据表的形式存储,数据表的一个字段为用户标识,则可以从数据表中检索具有该用户标识的所有数据表记录,一条数据表记录即一条物流信息。
需要说明的是,物流信息可以是系统中保存的该用户所有的物流信息,也可以是满足一定筛选条件的物流信息。筛选条件可以包括但不限定于时间条件。时间条件的设置方法可以是由用户输入,也可以是默认时间段。时间条件可以时间长度,也可以是时间点区间,如时间段为30天,该30天表示任意时间段内的30天,又如时间点区间为2017年2月1日至2017年3月1日,则可以表示2017年2月1日至2017年3月1日的一段时间。
前已述及,物流信息包括物流包裹的运送路线,运送路线可以以物流包裹的始发地及物流包裹的目的地表示。例如,在电子商务系统中,获得与某卖家方相关的100条物流信息,某一条物流信息中的物流包裹运送路线为[北京-上海],表示该卖家方的某个物流包裹的始发地为北京,目的地为上海,又如另一条物流信息中的物流包裹运送路线为[北京-深圳],表示该卖家方的某个物流包裹的始发地为北京,目的地为深圳。
物流包裹通过物流系统由始发地发送至目的地,物流系统实现物流包裹的从始发地到目的地的实际运送。始发地到目的地的一条运送路线具有指标数据,指标数据可以表示出在实际的物流运输中运送路线的一些情况。需要说明的是,物流信息可以与时间条件相关,物流信息中的运送路线的指标数据也可以与时间条件相关,即指标数据是在满足时间条件的指标数据。
指标数据包括但不限定于发货量、物流时效、物流成本、物流评分等中的任意一项或多项。其中,发货量表示运送路线为该条运送路线的物流包裹的数量,由于指标数据可以与时间段相关,则发货量可以是该段时间内的发货量。物流时效表示物流包裹从始发地到目的地所耗费的时长。物流成本表示物流包裹从始发地到目的地所耗费的物流成本。物流评分表示对物流包裹的物流运送过程的评价,可以是由电子商务平台中的买家方也即物流包裹的收货方作出的。
需要说明的是,物流时效、物流成本及物流评分中任意一项都可以称为物流指标项。在实际应用中,获得的指标数据具体需要包括哪个或哪些物流指标项,可以根据约束目标确定。也就是说,指标数据是与约束目标对应的指标数据。例如,约束目标为时效最优,则获得的指标数据包括物流时效;约束目标为成本最优,则获得的指标数据包括物流成本;约束目标为物流评价最优,则获得的指标数据包括物流评价;约束目标为时效与成本平衡,则获得的指标数据包括物流时效及物流成本;约束目标为时效与物流评价平衡,则获得的指标数据包括物流时效及物流评价;约束目标为成本与物流评价平衡,则获得的指标数据包括物流成本及物流评价。
另外,指标数据中可以包括发货量,也可以不包括发货量。如果包括发货量,则该发货量可以用于后续步骤S103中计算综合指标数据。
S102:确定多个备选物流网络。
其中,备选物流网络可以是预先设置的多个物流网络,或者备选物流网络是基于大数据物流信息生成的多个物流网络。这些物流网络包括仓库的设置位置及仓库的发货目的地,其中发货目的地可以称为物流目的地。
备选物流网络的一种具体生成方式可以如下所述。提供预设数量的备选仓库及预设数量的备选发货目的地;将备选仓库及备选发货目的地进行组合,得到备选运送路线,备选运送路线用于组成备选物流网络。
需要说明的是,由于备选发货目的地可能从任何一个备选仓库发货,因此,可以将备选发货目的地分别与各个备选仓库目的地组合。为了保证组成的备选物流网络的不同,在一种备选物流网络中,备选发货目的地与某备选仓库组合后,该备选发货目的地不能与其他备选仓库组合。
例如图3所示,备选仓库包括2个,分别设置在北京和上海,为了便于描述,可以将该2个备选仓库称为北京仓和上海仓。备选发货目的地包括3个,分别为河北省、辽宁省及江西省。则将备选仓库及备选发货目的地组合后,得到的几种备选物流网络包括:备选物流网络1:{北京-河北省、上海-辽宁省、上海-江西省};备选物流网络2:{上海-河北省、北京-辽宁省、上海-江西省};备选物流网络3:{上海-河北省、上海-辽宁省、北京-江西省};备选物流网络4:{北京-河北省、北京-辽宁省、上海-江西省};备选物流网络5:{北京-河北省、上海-辽宁省、北京-江西省};备选物流网络6:{北京-河北省、上海-辽宁省、上海-江西省}。
需要说明的是,备选发货目的地可以是大地理范围,也可以是小地理范围,也就是说运送路线的地理范围级别并不限定,可以根据实际需求设置。例如,上述示例中的备选发货目的地可以是省级别,也可以是其他地理范围级别,如按照行政区域级别来说,还可以是地区、市或区等。以地区为例,一种备选物流网络为{北京-华北、北京-华东、广东-华南、广东-西南、武汉-其他}。
备选发货目的地的提供方式可以包括但不限于以下几种。
在一种提供方式中,备选发货目的地是根据步骤S101获得的历史物流信息中运送路线的目的地提供的。也就是说,历史物流信息中运送路线包括哪些目的地,则设置哪些备选发货目的地。需要说明的是,备选发货目的地与运送路线的目的地的地理范围级别可以相同,也可以备选发货目的地比运送路线的目的地的地理范围级别高。备选发货目的地可以包括全部运送路线的目的地,也可以包括部分运送路线的目的地。
例如,历史物流信息包括1000条运送路线,则历史物流信息包括1000个目的地,假设这1000个目的地分别归属于3个地区:华北地区、华东地区及华南地区,则可以将这3个地区作为备选发货目的地。当然,若卖家仅想在某些特定的发货目的地发货,则也可以包括部分运送路线的目的地。例如仅将华北地区及华东地区作为备选发货目的地。
在另一种提供方式中,备选发货目的地可以是预设的多个区域范围。例如中国包括34个省级行政单位,可以将该34个省级行政单位作为备选发货目的地;又如中国包括华北、华东、华南、西南及其他5个地区,可以将该5个地区作为备选发货目的地。需要说明的是,区域范围的划分可以按照其他标准,并不局限于上述。
进一步地,在确定备选物流网络时,还可以使用仓库约束条件。仓库约束条件中可以预先输入或者默认,仓库约束条件用于表示物流网络中的仓库设置要求,可以包括但不限定于以下任意一个或多个:属于同一区域范围的备选发货目的地对应同一备选仓库、设置备选物流网络包含的仓库数量。
关于第一个仓库约束条件,即属于同一区域范围的备选发货目的地对应同一备选仓库。具体来讲,虽然不同的发货目的地地理位置不同,但发货目的地可以归属相同的区域范围。例如,中国可以划分为华北地区、西北地区、华南地区、西南地区及其他地区,发货目的地包括河北省、辽宁省及山西省,其中河北省和辽宁省属于华北地区,山西省属于华南地区。为了满足第一个仓库约束条件,河北省和辽宁省要对应同一备选仓库,因此只会生成图3所述示例中的备选物流网络3{上海-河北省、上海-辽宁省、北京-江西省}及备选物流网络4{北京-河北省、北京-辽宁省、上海-江西省},并不会生成其他备选物流网络。
关于第二个仓库约束条件,即设置备选物流网络包含的仓库数量。具体来讲,前已述及预先设置有预设数量的备选仓库,但从设仓成本等因素考虑,可以并非使用全部的备选仓库作为目标仓库(目标仓库即用于组成目标物流网络的仓库),因此可以设置数量条件。从预设数量的备选仓库中,选择所有满足数量条件的备选仓库分组;针对所述备选仓库分组,将所述备选仓库分组中的备选仓库与所述备选物流目的地进行组合,得到备选物流网络。
例如,备选仓库包括4个,分别为北京仓、上海仓、成都仓及广州仓;设置数量条件为2,则从该4个备选仓库中,通过排列组合的方式选择出所有包含2个备选仓库分组,获得的备选仓库分组包括{北京仓、上海仓}、{北京仓、成都仓}、{北京仓、广州仓}、{上海仓、成都仓}、{上海仓、广州仓}及{成都仓、广州仓},然后可以将每组备选仓库按照上述{北京仓、上海仓}的示例生成备选物流网络。
需要说明的是,步骤S101与步骤S102的执行顺序并不局限于上述,也可以是先执行步骤S102再执行步骤S101,或者也可以同时执行。
S103:确定备选物流网络与目标指标项对应的指标数据。
其中,上一步骤可以确定出多个备选物流网络,为了在这多个备选物流网络中选择满足需求的物流网络,需要根据步骤S101中获得的约束目标。前已述及,约束目标表示的是对目标物流网络在目标指标项方面的限制,例如,目标指标项为物流时效、物流成本或物流评价,约束目标分别为时效最优、成本最优或物流评价最优。
因此,为了根据约束目标进行选择,需要确定每个备选物流网络在目标指标项上的指标数据。
具体地,备选物流网络的指标数据可以是预先计算的,因此直接获得预设的指标数据即可;或者也可以实时计算备选物流网络的指标数据。一种计算方式包括如下步骤A1及A2。需要说明的是,可以按照以下步骤A1及A2,分别确定每个备选物流网络的指标数据。
A1:在物流信息的运送路线中,确定备选物流网络包括的运送路线。
其中,步骤S101可以获得多个历史物流信息,在这些历史物流信息的运送路线中,确定备选物流网络包括的运送路线。对应指的是,运送路线的始发地与备选物流网络的始发地相同,且运送路线的目的地与备选物流网络的目的地相同。
例如,备选物流网络包括{上海-河北省、上海-辽宁省、北京-江西省},步骤S101获得的运送路线有1000条,其中有150条运送路线属于上海-河北省,200条属于上海-辽宁省,250条属于北京-江西省。
A2:根据确定的运送路线所具有的指标数据,计算备选物流网络与目标指标项对应的指标数据。
其中,为了便于描述,步骤A1确定的运送路线可以称为备选运送路线。可以理解的是,物流信息是历史物流信息,因此备选运送路线是历史的运送路线。历史的运送路线具有历史的指标数据,根据这些历史指标数据可以计算备选物流网络的指标数据。为备选物流网络确定的运送路线包括一条或多条,在实际应用中,运送路线大多数情况下是多条,需要根据多条运送路线的指标数据确定备选物流网络的指标数据。该指标数据集合了多条运送路线的指标数据,因此可以将计算出的指标数据称为综合指标数据,综合指标数据可以简称为指标数据。若备选物流网络仅对应一条运送路线,则该综合指标数据仅是由一条运送路线的指标数据得到。综合指标数据用于表示由一条或多条运送路线形成的备选物流网络的整体指标情况。
在一个示例中,综合指标数据的计算方式可以是平均法,即将各条运送路线的指标数据进行平均后得到综合指标数据。
例如,目标指标项为物流时效,备选物流网络包括{上海-河北省、上海-辽宁省、北京-江西省},步骤S101获得的运送路线有1000条,其中有150条运送路线属于上海-河北省,根据每条运送路线的物流时效计算出上海-河北省的平均物流时效为2.6天;有200条属于上海-辽宁省,根据每条运送路线的物流时效计算出上海-辽宁省的平均物流时效为3天;有250条属于北京-江西省,根据每条运送路线的物流时效计算出北京-江西省的平均物流时效为4天。如果按照平均法,则计算出备选物流网络的综合指标数据为(2.6+3+4)/3即3.2天。
但是,不同的运送路线上的属性数据可能不同,该属性数据是可以影响运送路线的指标数据的属性数据,因此,在另一个示例中,可以将属性数据作为指标数据的影响因子,在计算综合指标数据时加以考虑。具体地,可以将属性数据作为权重,使用加权平均法计算目标物流网络的综合指标数据。在一个示例中,运送路线上的属性数据可以是卖家出售物品的销量即发货量。
以如下表1所示的指标数据为例,说明如何通过加权平均法计算备选物流网络的综合指标数据。
表1
运送路线 | 销量 | 指标数据 |
北京—华北 | 4000 | 1.5 |
北京—华东 | 2000 | 2.2 |
广东—华南 | 3000 | 1.0 |
广东—西南 | 1000 | 2.4 |
武汉—其他 | 5000 | 3.0 |
根据表1可以看出,备选物流网络包括五条运送路线,分别是北京到华北、北京到华东、广东到华南、广东到西南及武汉到其他。表1中,运送路线的起始地表示备选仓库,销量表示在该条运送路线上的发货量,指标数据是物流时效这一指标下的时效值。
因此,若使用加权平均法计算备选物流网络的综合指标数据,则表1所示的备选物流网络的综和指标数据为:
(4000*1.5+2000*2.2+3000*1.0+1000*2.4+5000*3.0)/(4000+2000+3000+1000+5000)=2.05。
S104:选择对应的指标数据满足约束目标的备选物流网络作为目标物流网络。
其中,上一步骤为每个备选物流网络计算出对应的指标数据,因此选择满足约束目标的指标数据,将满足约束目标的指标数据对应的备选物流网络作为目标物流网络。
具体来讲,在计算出备选物流网络的综合指标数据后,对比不同的综合指标数据,确定出满足约束目标的综合指标数据。例如,约束目标为物流时效最优,假设某备选物流网络对应的综合指标数据为2.05,另一备选物流网络对应的综合指标数据为3.5,可以理解的是物流时效越短越优,则选择2.05对应的备选物流网络。若约束目标为物流评价最优,可以理解的是物流评价越高越优,则选择综合指标数据数值最大的备选物流网络。因此,需要约束目标的特征,确定什么样的综合指标数据是满足约束目标的。
目标物流网络包括一条或多条运送路线,目标物流网络推荐给卖家,则其可以根据目标物流网络确定仓库的设置位置及每个仓库的发货范围。具体地,对于卖家来说,根据目标物流网络中运送路线的起始地可以确定仓库的设置位置,根据目标物流网络中运送路线的目的地,可以确定仓库内的物品可以发往的目的地,这些目的地也可以称为该仓库的发货覆盖范围。
例如,确定出的一种目标物流网络为{北京-华北、北京-华东、广州-华南、广州-西南、武汉-其它},表示三个仓库分别设置在北京、广州及武汉,北京仓的发货覆盖范围包括华北及华东地区,广州仓的发货覆盖范围包括华南及西南地区,武汉仓的发货覆盖范围包括其他地区。
需要说明的是,如果备选物流网络中的发货目的地是地理范围级别较低的地点,则目标物流网络中的运送路线中的目的地可以为更加具体的目的地。例如,目标物流网络的运送路线包括3条运送路线,分别为运送路线[北京-河北省]、运送路线[北京-辽宁省]及运送路线[上海-江西省],可见,仓库的设置位置分别为北京及上海,北京仓的发货覆盖范围包括河北省及辽宁省,上海仓的发货覆盖范围包括江西省。
由以上技术方案可知,本申请提供了一种确定物流网络的方法,该方法确定多个备选物流网络,并确定按照怎样的约束目标在备选物流网络中选择目标物流网络,由于约束目标表示目标物流网络在何种指标项上满足限制,因此需要确定备选物流网络在该指标项上的指标数据,进而选择指标数据满足约束目标的备选物流网络作为目标物流网络。
在实际应用中,以上图1所示的计算流程可以通过运筹学模型实现。运筹学模型是运用运筹学理论建立的数学模型。运筹学是一种应用科学,其使用定量化的方法,对所研究的各类管理优化问题建立数学模型并进行求解,然后进行定量和定性分析,从而为用户作出合理的决策提供科学的依据。因此,需要将实际问题转化为数学模型,然后通过对数学模型特征的分析,提供求解模型的算法思想,进而将算法思想转化为程序语言的算法。
根据约束目标可以设置运筹学模型。运筹学模型可以包括但不限定于报童模型。不同的约束目标对应不同的目标函数,目标函数为线性规划函数,可以对目标函数求取最优解,最优解即最终确定的目标物流网络。以几个约束目标为例,对运筹学模型说明如下。
例如,约束目标为时效最优,则运筹学模型的目标函数为其中,i表示备选仓库;j表示备选发货目的地;yi,j表示备选发货目的地j在备选仓库i的发货覆盖范围内;TIMEi,j表示备选仓库i到备选发货目的地j的物流时效,min表示最小值。其中yi,j及TIMEi,j的取值是根据历史物流信息确定出来的。
再如,约束目标为成本最优,则运筹学模型的目标函数为其中,i表示备选仓库;j表示备选发货目的地;yi,j表示备选发货目的地j在备选仓库i的发货覆盖范围内;COSTi,j表示备选仓库i到备选发货目的地j的物流成本,min表示最小值。其中yi,j及COSTi,j的取值是根据历史物流信息确定出来的。
又如,约束目标为物流评价最优,则运筹学模型的目标函数为其中,i表示备选仓库;j表示备选发货目的地;yi,j表示备选发货目的地j在备选仓库i的发货覆盖范围内;DSRi,j表示备选仓库i到备选发货目的地j的物流评价,max表示最大值。其中yi,j及DSRi,j的取值是根据历史物流信息确定出来的。
运筹学模型的求解需要依赖于约束条件,约束条件也可以使用数学方式表示。例如,约束条件中的仓库约束条件可以包括以下条件中的任意一个或多个。
表示属于同一区域范围的备选发货目的地对应同一备选仓库。其中,i表示备选仓库,j表示备选发货目的地,R表示区域范围,yi,j表示备选发货目的地j在备选仓库i的发货覆盖范围内,n表示同一区域范围的备选发货目的地的个数,xi表示目标仓库。
表示设置备选物流网络包含的仓库数量。其中,xi表示目标仓库,m表示设置的仓库数量。
确定约束条件及运筹学模型的目标函数后,可以将备选仓库、运送路线及运送路线的指标数据输入至运筹学模型中,以确定目标物流网络。
在物流网络的一种确定方法中,确定目标物流网络时,可以使用约束条件。约束条件可以是用户输入的,也可以是系统预设的默认值。约束条件可以用于限制物流网络的设置条件,具体可以包括指标约束条件和/或仓库约束条件。前面已经说明了仓库约束条件,以下具体说明指标约束条件。指标约束条件用于限制物流网络中运送路线的指标数据的范围。
指标约束条件可以包括但不限定于运送路线的物流时效区间、运送路线的物流成本区间、物流评分区间中的任意一个或多个。
例如,物流时效区间为(0,7],表示物流包裹从始发地到目的地所耗费的时效在大于0天且小于或等于7天的范围内;物流成本区间为(0,30],表示物流包裹从始发地到目的地所耗费的成本在大于0且小于或等于30元的范围内;物流评分区间为[0,5],表示物流包裹在运送路线上的物流评分在大于或等于0且小于或等于5的范围内。当然,以上约束条件中的数值大小仅仅是示例说明,在实际应用中,可以根据需求设置。
在一种实现方式中,指标约束条件可以作为约束目标的一种具体形式。
在约束目标涉及一种目标指标项的情况下,则目标物流网络与该目标指标项对应的指标数据需要满足该指标约束条件。例如,约束目标并非物流时效最优而是物流时效区间为(0,7],则目标物流网络与物流时效对应的指标数据需要在大于0天且小于或等于7天的范围内。
在约束目标涉及多种目标指标项的情况下,则目标物流网络与每种目标指标项对应的指标数据需要满足对应的指标约束条件。例如,约束目标并非物流时效最优而是物流时效区间为(0,7]及物流成本区间(0,30],则目标物流网络与物流时效对应的指标数据需要在大于0天且小于或等于7天的范围内,并且目标物流网络与物流成本对应的指标数据需要在大于0且小于或等于30元的范围内。
在另一种实现方式中,约束目标为步骤S101中的形式即物流指标项为最优,这种形式的约束目标可以称为最优约束目标。在该实现方式中,指标约束条件可以与最优约束目标结合使用。具体地,最优约束目标中涉及指标项,可以将该指标项称为第一指标项;指标约束条件中也涉及指标项,可以将该指标项称为第二指标项。其中第一指标项与第二指标项不同。在实际应用中,不仅确定每个备选物流网络与第一指标项对应的指标数据,还需要确定每个备选物流网络与第二指标项对应的指标数据。在选择目标物流网络时,选择对应的第一指标数据满足最优约束目标且对应的第二指标数据满足指标约束条件的备选物流网络作为目标物流网络。
例如,最优约束目标为物流时效最优,可以理解的是物流时效即第一指标项;指标约束条件为物流成本区间(0,30],可以理解的是物流成本即第二指标项。因此,不仅计算备选物流网络与物流时效对应的指标数据,也计算备选物流网络与物流成本对应的指标数据。在备选物流网络中选择物流时效最优且物流成本在大于0且小于或等于30元范围内的备选物流网络作为目标物流网络。
在实际应用中,同一类物流包裹可能存储在多种不同类型的仓库中,因此,同类的物流包裹可能从多种不同类型的仓库中发出。例如,淘宝网(一种电子商务网站)中的卖家方既在管理较为规范的仓库中存放有物品A,也在管理非规范的自有仓内存放有物品A。
仓库的类型不同,以不同类型仓库为起始地的运送路线的指标数据可能会不同,也就是说,仓库的类型会影响物流网络中运送路线的指标数据。因此,本申请又提供了一种确定物流网络的方法,该方法可以计算不同类型的仓库的指标数据,并根据不同类型仓库的指标数据来推荐最佳仓库。
见图4,其示出了本申请提供的又一种确定物流网络的方法的流程,具体包括步骤S401~S404。
S401:获得对目标物流网络的约束目标及目标物流包裹的物流信息,其中约束目标表示对目标物流网络在目标指标项方面的限制,物流信息包括运送路线及运送路线的指标数据。
需要说明的是,卖家可能使用两种不同类型的仓库发送物流包裹,因此物流信息可能包括多种仓库类型。但是卖家也可能并非使用多种类型的仓库,则不能从预先记录的物流数据中直接获得该卖家所有仓库类型对应的指标数据。
此种情况下,对于卖家的备选物流网络不具有的仓库类型(为了便于描述,可以将其称为其他仓库类型),可以查找其他卖家与其他仓库类型相关的指标数据。其中,其他卖家可以是与该卖家具有相同属性的卖家,属性可以包括但不限定于所发送的物流包裹的类型、所在地区。
对以上说明进行举例说明。例如,备选物流网络包含的运送路线包括:北京-华北及北京-华东。卖家在北京到华北地区的运送路线中使用了两种类型的仓库,但在北京到华东地区的运送路线中仅使用了自有仓一种类型的仓库。因此,在预先记录的物流数据中,查找该卖家使用自有仓从北京到华东地区发送物流包裹时对应的时效数据。由于无法从物流数据中,查找到该卖家使用菜鸟仓从北京到华东地区发送物流包裹时对应的时效数据,因此,可以从物流数据中,查找类似卖家使用菜鸟仓从北京到华东地区发送物流包裹时对应的时效数据。
S402:确定多个备选物流网络及多种仓库类型。
在实施前,可以设置运送路线的多种仓库类型。需要说明的是,仓库类型的设置标准可以有多种,不同的设置标准可以得到不同标准下的多种仓库类型。例如,按照仓库管理规范与否,设置的仓库类型可以包括两种:管理规范的仓库及管理不规范的仓库。管理规范的仓库如菜鸟(一种仓储服务提供商)仓库,管理不规范的仓库如卖家方自有仓。又如,按照仓库的规模,设置的仓库类型可以包括三种:大型仓库、中型仓库及小型仓库。
S403:分别确定备选物流网络在目标指标项方面与不同仓库类型各自对应的指标数据。
其中,备选物流网络包括物流包裹的运送路线,运送路线的起始地可以表示需要设置的仓库,仓库的类型包括一种或多种,因此在物流网络的运送路线上发送物流包裹时,使用的仓库可以包括一种或多种。若一条运送路线使用的仓库类型不同,则该同一运送路线在同一物流指标项上的指标数据也可能不同。该指标数据反映了不同类型的仓库的指标性能。
例如,备选物流网络包含的运送路线包括:北京-华北,其中北京表示仓库的设置地。假设卖家在北京到华北的运送路线中,使用两种类型的北京仓,一种是管理规范的菜鸟(一种仓储服务提供商)仓,一种是管理非规范的自家仓。虽然都是从北京到华北地区,但获取到使用菜鸟仓从北京向华北地区发送物流包裹时对应的时效数据为1,使用自有仓从北京向华北地区发送物流包裹时对应的时效数据为2,说明在北京到华北地区这一条运送路线上,使用自有仓发送物流包裹的时效大于使用菜鸟仓的时效。
本步骤的实现过程可以参见上述图1中步骤S103的实现过程。需要说明的是,步骤S103说明了在不考虑仓库类型的前提下,如何确定备选物流网络与目标指标项对应的指标数据。但是,本步骤需要考虑仓库类型,可以针对每种仓库类型,分别按照上述步骤S103的方式确定该种仓库类型下,备选物流网络与目标指标项对应的指标数据。
为了便于说明,以表1及表2为对比例进行说明。假设上述表1是菜鸟仓对应的物流信息,并假设自有仓类型对应的物流信息如表2所示。
表2
运送路线 | 销量 | 指标数据 |
北京—华北 | 4000 | 2.5 |
北京—华东 | 2000 | 3.7 |
广东—华南 | 3000 | 2.0 |
广东—西南 | 1000 | 4.9 |
武汉—其他 | 5000 | 5.8 |
根据表1及表2可以看出,相同的备选物流网络在不同的仓库类型下,指标数据是不同的。若使用加权平均法计算备选物流网络的综合指标数据,表1所示的备选物流网络的综和指标数据为2.05;表2所示的备选物流网络的综合指标数据为:
(4000*2.5+2000*3.7+3000*2.0+1000*4.9+5000*5.8)/(4000+2000+3000+1000+5000)=3.82。
S404:选择对应的指标数据满足约束目标的备选物流网络作为目标物流网络,并将目标物流网络对应的仓库类型确定为目标仓库类型。
其中,虽然指标数据包括不同仓库类型对应的指标数据,但选择目标物流网络时,仍是选择对应的指标数据满足约束目标的备选物流网络。以上述示例为例,比对综合指标数据后,将综合指标数据2.05对应的备选物流网络确定为目标物流网络。
确定目标物流网络后,确定该目标物流网络对应的仓库类型,将该仓库类型作为推荐的目标仓库类型。例如,上述示例中,目标物流网络对应的仓库类型为菜鸟仓,则将菜鸟仓作为目标仓库类型。上述示例也说明:相同的物流网络选用菜鸟仓比选用自有仓整体物流时效更好。
需要说明的是,本流程的实现可以参见图1所示流程中的相同部分,此处并不赘述。
由以上技术方案可知,本申请提供的另一种物流网络确定方法,不仅可以为用户推荐最优的物流网络,还可以计算该物流网络使用不同类型的仓库时的综合物流指标,根据综合物流指标为用户推荐物流网络使用的仓库类型,该仓库类型可以使物流网络在目标指标项上达到最优的效果。
见图5,其示出了本申请提供的一种确定物流网络的装置的结构。如图5所示,该确定物流网络的装置可以具体包括:备选网络及指标项确定单元501、备选网络指标数据确定单元502及目标物流网络确定单元503。
备选网络及指标项确定单元501,用于确定多个备选物流网络及目标指标项;
备选网络指标数据确定单元502,用于分别确定所述备选物流网络与所述目标指标项对应的指标数据;
目标物流网络确定单元503,用于选择对应的指标数据满足约束目标的备选物流网络作为目标物流网络。
见图6,其示出了本申请提供的一种确定物流网络的设备的硬件结构。如图6所示,该确定物流网络的设备可以具体包括:存储器601、处理器602及总线603。
其中,存储器601及处理器602通过总线603相连。
存储器601,用于存储软件程序及数据。
处理器602通过运行在存储器601内的软件程序、调用存储在存储器601内的数据,至少执行如下步骤:
确定多个备选物流网络及目标指标项;
分别确定所述备选物流网络与所述目标指标项对应的指标数据;
选择对应的指标数据满足约束目标的备选物流网络作为目标物流网络。
在一个示例中,所述处理器602用于确定多个备选物流网络,包括:
所述处理器602,具体用于提供预设数量的备选仓库及预设数量的备选物流目的地;以及将所述备选仓库及所述备选物流目的地进行组合,得到备选物流网络。
在一个示例中,所述备选物流目的地是根据物流信息中的运送路线的目的地提供的。
在一个示例中,所述处理器602用于将所述备选仓库及所述备选物流目的地进行组合,得到备选物流网络,包括:
所述处理器602,具体用于将相同区域范围的备选物流目的地与相同备选仓库进行组合,得到备选物流网络。
在一个示例中,所述处理器602用于将所述备选仓库及所述备选物流目的地进行组合,得到备选物流网络,包括:
所述处理器602,具体用于从预设数量的备选仓库中,选择所有满足数量条件的备选仓库分组;以及针对所述备选仓库分组,将所述备选仓库分组中的备选仓库与所述备选物流目的地进行组合,得到备选物流网络。
在一个示例中,所述处理器602用于分别确定所述备选物流网络与所述目标指标项对应的指标数据,包括:
所述处理器602,具体用于在目标物流包裹的运送路线中,确定所述备选物流网络包括的备选运送路线;以及根据所述备选运送路线在所述目标指标项的指标数据,分别计算所述备选物流网络与所述目标指标项对应的指标数据。
在一个示例中,所述处理器602用于根据所述备选运送路线在所述目标指标项的指标数据,分别计算所述备选物流网络与所述目标指标项对应的指标数据,包括:
所述处理器602,具体用于将所述备选运送路线在所述目标指标项的指标数据进行平均后,得到所述备选物流网络与所述目标指标项对应的指标数据。
在一个示例中,所述处理器602用于将所述备选运送路线在所述目标指标项的指标数据进行平均后,得到所述备选物流网络与所述目标指标项对应的指标数据,包括:
所述处理器602,具体用于获得所述备选运送路线上的物流包裹的数量;以及将所述数量作为权重,对所述备选运送路线在所述目标指标项的指标数据进行加权平均后,得到所述备选物流网络与所述目标指标项对应的指标数据。
在一个示例中,所述处理器602用于分别确定所述备选物流网络与所述目标指标项对应的指标数据,包括:
所述处理器602,具体用于分别确定所述备选物流网络在所述目标指标项方面与不同仓库类型各自对应的指标数据。
在一个示例中,所述处理器602还用于将目标物流网络对应的仓库类型确定为目标仓库类型。
需要说明的是,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。
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,并不排除在包括上述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (21)
1.一种确定物流网络的方法,其特征在于,包括:
确定多个备选物流网络及目标指标项;
分别确定所述备选物流网络与所述目标指标项对应的指标数据;
选择对应的指标数据满足约束目标的备选物流网络作为目标物流网络。
2.根据权利要求1所述的确定物流网络的方法,其特征在于,所述确定多个备选物流网络,包括:
提供预设数量的备选仓库及预设数量的备选物流目的地;
将所述备选仓库及所述备选物流目的地进行组合,得到备选物流网络。
3.根据权利要求2所述的确定物流网络的方法,其特征在于,所述备选物流目的地是根据物流信息中的运送路线的目的地提供的。
4.根据权利要求2所述的确定物流网络的方法,其特征在于,所述将所述备选仓库及所述备选物流目的地进行组合,得到备选物流网络,包括:
将相同区域范围的备选物流目的地与相同备选仓库进行组合,得到备选物流网络。
5.根据权利要求2所述的确定物流网络的方法,其特征在于,所述将所述备选仓库及所述备选物流目的地进行组合,得到备选物流网络,包括:
从预设数量的备选仓库中,选择所有满足数量条件的备选仓库分组;
针对所述备选仓库分组,将所述备选仓库分组中的备选仓库与所述备选物流目的地进行组合,得到备选物流网络。
6.根据权利要求1所述的确定物流网络的方法,其特征在于,所述分别确定所述备选物流网络与所述目标指标项对应的指标数据,包括:
在目标物流包裹的运送路线中,确定所述备选物流网络包括的备选运送路线;
根据所述备选运送路线在所述目标指标项的指标数据,分别计算所述备选物流网络与所述目标指标项对应的指标数据。
7.根据权利要求6所述的确定物流网络的方法,其特征在于,所述根据所述备选运送路线在所述目标指标项的指标数据,分别计算所述备选物流网络与所述目标指标项对应的指标数据,包括:
将所述备选运送路线在所述目标指标项的指标数据进行平均后,得到所述备选物流网络与所述目标指标项对应的指标数据。
8.根据权利要求6所述的确定物流网络的方法,其特征在于,所述将所述备选运送路线在所述目标指标项的指标数据进行平均后,得到所述备选物流网络与所述目标指标项对应的指标数据,包括:
获得所述备选运送路线上的物流包裹的数量;
将所述数量作为权重,对所述备选运送路线在所述目标指标项的指标数据进行加权平均后,得到所述备选物流网络与所述目标指标项对应的指标数据。
9.根据权利要求1所述的确定物流网络的方法,其特征在于,所述分别确定所述备选物流网络与所述目标指标项对应的指标数据,包括:
分别确定所述备选物流网络在所述目标指标项方面与不同仓库类型各自对应的指标数据。
10.根据权利要求1所述的确定物流网络的方法,其特征在于,还包括:
将目标物流网络对应的仓库类型确定为目标仓库类型。
11.一种确定物流网络的设备,其特征在于,包括:处理器和存储器,所述处理器通过运行存储在所述存储器内的软件程序、调用存储在所述存储器内的数据,至少执行如下步骤:
确定多个备选物流网络及目标指标项;
分别确定所述备选物流网络与所述目标指标项对应的指标数据;
选择对应的指标数据满足约束目标的备选物流网络作为目标物流网络。
12.根据权利要求11所述的确定物流网络的设备,其特征在于,所述处理器用于确定多个备选物流网络,包括:
所述处理器,具体用于提供预设数量的备选仓库及预设数量的备选物流目的地;以及将所述备选仓库及所述备选物流目的地进行组合,得到备选物流网络。
13.根据权利要求12所述的确定物流网络的设备,其特征在于,所述备选物流目的地是根据物流信息中的运送路线的目的地提供的。
14.根据权利要求12所述的确定物流网络的设备,其特征在于,所述处理器用于将所述备选仓库及所述备选物流目的地进行组合,得到备选物流网络,包括:
所述处理器,具体用于将相同区域范围的备选物流目的地与相同备选仓库进行组合,得到备选物流网络。
15.根据权利要求12所述的确定物流网络的设备,其特征在于,所述处理器用于将所述备选仓库及所述备选物流目的地进行组合,得到备选物流网络,包括:
所述处理器,具体用于从预设数量的备选仓库中,选择所有满足数量条件的备选仓库分组;以及针对所述备选仓库分组,将所述备选仓库分组中的备选仓库与所述备选物流目的地进行组合,得到备选物流网络。
16.根据权利要求11所述的确定物流网络的设备,其特征在于,所述处理器用于分别确定所述备选物流网络与所述目标指标项对应的指标数据,包括:
所述处理器,具体用于在目标物流包裹的运送路线中,确定所述备选物流网络包括的备选运送路线;以及根据所述备选运送路线在所述目标指标项的指标数据,分别计算所述备选物流网络与所述目标指标项对应的指标数据。
17.根据权利要求16所述的确定物流网络的设备,其特征在于,所述处理器用于根据所述备选运送路线在所述目标指标项的指标数据,分别计算所述备选物流网络与所述目标指标项对应的指标数据,包括:
所述处理器,具体用于将所述备选运送路线在所述目标指标项的指标数据进行平均后,得到所述备选物流网络与所述目标指标项对应的指标数据。
18.根据权利要求16所述的确定物流网络的设备,其特征在于,所述处理器用于将所述备选运送路线在所述目标指标项的指标数据进行平均后,得到所述备选物流网络与所述目标指标项对应的指标数据,包括:
所述处理器,具体用于获得所述备选运送路线上的物流包裹的数量;以及将所述数量作为权重,对所述备选运送路线在所述目标指标项的指标数据进行加权平均后,得到所述备选物流网络与所述目标指标项对应的指标数据。
19.根据权利要求11所述的确定物流网络的设备,其特征在于,所述处理器用于分别确定所述备选物流网络与所述目标指标项对应的指标数据,包括:
所述处理器,具体用于分别确定所述备选物流网络在所述目标指标项方面与不同仓库类型各自对应的指标数据。
20.根据权利要求11所述的确定物流网络的设备,其特征在于,
所述处理器,还用于将目标物流网络对应的仓库类型确定为目标仓库类型。
21.一种确定物流网络的装置,其特征在于,包括:
备选网络及指标项确定单元,用于确定多个备选物流网络及目标指标项;
备选网络指标数据确定单元,用于分别确定所述备选物流网络与所述目标指标项对应的指标数据;
目标物流网络确定单元,用于选择对应的指标数据满足约束目标的备选物流网络作为目标物流网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710648376.7A CN109325714A (zh) | 2017-08-01 | 2017-08-01 | 确定物流网络的方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710648376.7A CN109325714A (zh) | 2017-08-01 | 2017-08-01 | 确定物流网络的方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109325714A true CN109325714A (zh) | 2019-02-12 |
Family
ID=65245277
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710648376.7A Pending CN109325714A (zh) | 2017-08-01 | 2017-08-01 | 确定物流网络的方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109325714A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1342191A1 (en) * | 2000-10-05 | 2003-09-10 | Exago Pty Limited | Logistics chain management system |
CN104050555A (zh) * | 2014-07-06 | 2014-09-17 | 山东天海科技股份有限公司 | 北斗车联网物流信息服务平台 |
CN105046338A (zh) * | 2015-08-24 | 2015-11-11 | 扬州大学 | 移动平台上的智能快递配送方法 |
CN106548268A (zh) * | 2016-09-26 | 2017-03-29 | 云南电网有限责任公司临沧供电局 | 一种智能调配电力物资需求的方法 |
CN106682850A (zh) * | 2015-11-06 | 2017-05-17 | 阿里巴巴集团控股有限公司 | 用于提供业务对象、提供仓储信息的方法、装置及系统 |
CN106815700A (zh) * | 2015-12-02 | 2017-06-09 | 阿里巴巴集团控股有限公司 | 物流信息处理方法及装置 |
-
2017
- 2017-08-01 CN CN201710648376.7A patent/CN109325714A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1342191A1 (en) * | 2000-10-05 | 2003-09-10 | Exago Pty Limited | Logistics chain management system |
CN104050555A (zh) * | 2014-07-06 | 2014-09-17 | 山东天海科技股份有限公司 | 北斗车联网物流信息服务平台 |
CN105046338A (zh) * | 2015-08-24 | 2015-11-11 | 扬州大学 | 移动平台上的智能快递配送方法 |
CN106682850A (zh) * | 2015-11-06 | 2017-05-17 | 阿里巴巴集团控股有限公司 | 用于提供业务对象、提供仓储信息的方法、装置及系统 |
CN106815700A (zh) * | 2015-12-02 | 2017-06-09 | 阿里巴巴集团控股有限公司 | 物流信息处理方法及装置 |
CN106548268A (zh) * | 2016-09-26 | 2017-03-29 | 云南电网有限责任公司临沧供电局 | 一种智能调配电力物资需求的方法 |
Non-Patent Citations (1)
Title |
---|
李姗姗: "逆向物流网络优化及其算法设计", 《物流科技》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103944932B (zh) | 搜索、确定活跃区域的方法与服务器 | |
CN101094525B (zh) | 生成用户属性信息的方法和装置 | |
JP5560026B2 (ja) | 地図表示装置、地図表示方法及び地図表示プログラム | |
CN107395680B (zh) | 店铺群信息推送和输出方法及装置、设备 | |
CN109685609A (zh) | 订单分配方法、装置、电子设备及存储介质 | |
CN107194630A (zh) | 同城物流调度方法、装置及系统 | |
CN109948958A (zh) | 物流路由的确定方法及相关设备 | |
CN103679498B (zh) | 一种对网络终端的信息推送方法及其系统 | |
CN110472899A (zh) | 一种物品的出库分配方法和装置 | |
CN103970747B (zh) | 网络侧计算机对搜索结果进行排序的数据处理方法 | |
CN109084795A (zh) | 基于地图服务的搜索服务设施的方法及装置 | |
CN109829757A (zh) | 一种最优营销方案的选择方法及装置 | |
CN110019989A (zh) | 一种数据处理方法及装置 | |
CN107133339A (zh) | 线路查询方法和装置以及存储介质、处理器 | |
CN115965350A (zh) | 订单提醒方法、装置、设备及计算机可读存储介质 | |
CN103838775B (zh) | 数据分析方法以及数据分析设备 | |
CN106156973A (zh) | 提供物流服务信息的方法及装置 | |
CN109325714A (zh) | 确定物流网络的方法及相关设备 | |
CN107659982B (zh) | 一种无线网络接入点的分类方法及装置 | |
CN111461826A (zh) | 信息推送方法和装置、存储介质和电子装置 | |
Hanafiah et al. | Itinerary recommendation generation using enhanced simulated annealing algorithm | |
CN111882123A (zh) | 一种大数据智能决策的智慧社区物流终端选址方法 | |
CN106681803A (zh) | 一种任务调度方法及服务器 | |
CN102769583A (zh) | 即时通讯服务器的用户分配装置和用户分配方法 | |
CN110490690A (zh) | 共享单车的营销策略优化方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190212 |
|
RJ01 | Rejection of invention patent application after publication |