CN109359763A - 基于季节差异的乳制品冷链运输路径规划方法 - Google Patents
基于季节差异的乳制品冷链运输路径规划方法 Download PDFInfo
- Publication number
- CN109359763A CN109359763A CN201811020403.7A CN201811020403A CN109359763A CN 109359763 A CN109359763 A CN 109359763A CN 201811020403 A CN201811020403 A CN 201811020403A CN 109359763 A CN109359763 A CN 109359763A
- Authority
- CN
- China
- Prior art keywords
- dairy products
- cold chain
- vehicle
- chain transportation
- dispatching
- 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
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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
- G06Q10/083—Shipping
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (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)
- General Factory Administration (AREA)
Abstract
本发明公开了一种基于季节差异的乳制品冷链运输路径规划方法,包括下述步骤:S1、以配送总成本最小为目标,构造乳制品冷链运输路径规划基础模型;S2、根据线路服务对象数量是否有约束、配送和回收是否同时进行作为附加约束条件加入基础模型,构造四种不同场景的运输模式;S3、收集并分析乳制品相关信息,以夏/冬季对数据进行分类,数据处理后匹配模型参数;S4、多场景模拟,获取各场景中乳制品冷链运输所需的配送时长以及配送成本;S5、针对季节差异及企业需求,给出路径规划方案。本发明方法对乳制品冷链运输的路径规划做出了针对性研究,同时提出将路径规划基于季节差异考虑,使得乳制品企业能根据自身的定位和需求选择具体配送路径。
Description
技术领域
本发明涉及冷链运输路径规划的技术领域,特别涉及一种基于季节差异的乳制品冷链运输路径规划方法。
背景技术
随着国民经济的发展和消费升级,消费者不仅对乳制品的需求量越来越大,同时也更加注重乳制品的质量安全。乳制品具有易腐性,要求全程处于低温环境中。目前已有学者开始研究冷链运输,并给出了路径规划方法,其大多是针对生鲜果蔬等,专门针对乳制品冷链运输的路径规划方法仍存在空缺。
我们提出的乳制品冷链运输路径规划方法,以冷链运输成本最低为目标,同时将保证乳制品品质作为必要条件,通过对实际乳制品企业的调研及其日常运输配送情况的分析,为乳制品企业提供冷链运输综合效益最高的路径规划方案。在尽可能提高企业的利润、不以牺牲客户满意度为代价的前提下,我们提出将季节差异作为企业冷链运输路径规划方案调整的根据,以配送路径上不同客户数量和是否送收同时为约束条件,分别考虑各场景下的运输时长和运输成本。由于季节温度的不同,对相同运输条件下的乳制品造成的影响也不同,我们的方法将提供两种季节,即夏季和冬季时,不同场景下的运输时长和运输成本,乳制品企业可以根据其对成本降低需求和乳制品品质保证的需求,选择在此季节时需要的运输场景和配送路径。
发明内容
本发明的目的在于填补现有技术的空缺,提供一种基于季节差异的乳制品冷链运输路径规划方法,以冷链运输成本最低为目标,同时将保证乳制品品质作为必要条件,通过对实际乳制品企业的调研及其日常运输配送情况的分析,为乳制品企业提供冷链运输综合效益最高的路径规划方案。
为实现以上目的,本发明采取如下技术方案:
基于季节差异的乳制品冷链运输路径规划方法,包括以下步骤:
S1、以配送总成本最小为目标建立目标函数,构造乳制品冷链运输路径规划基础模型;
S2、根据线路服务对象数量是否有约束、配送和回收是否同时进行作为附加约束条件加入基础模型,构造四种不同场景的乳制品冷链运输模式;
S3、获取并处理乳制品企业配送总成本、销售点、乳制品和冷藏车辆信息,并以夏/冬季对获取的数据进行分类,数据处理后匹配基础模型参数;
S4、对四种不同场景的乳制品冷链运输模式进行多场景模拟,获取各场景中乳制品冷链运输所需的配送时长以及对应的配送成本;
S5、针对季节特性及乳制品企业需求,给出基于季节差异的乳制品冷链运输路径规划方案。
作为优选的技术方案,步骤S1中,构造乳制品冷链运输路径规划基础模型的具体步骤为:
S1.1、对基础模型做出基本假设:销售点的位置及其配送量和回收量已知且固定;每辆车从配送中心出发,完成配送任务后返回配送中心;每个销售点的需求数量必须得到满足且只能由一辆车配送;每条线路的车辆载重量不超过配送车辆的最大载重量;每辆车行驶时间不超过设定常数;车辆匀速行驶;
S1.2、分析并确定对乳制品冷链运输有较为显著影响的配送成本,分别为车辆折旧费、车辆维护费、人工费、燃油费、制冷费以及货损成本费,将上述费用总和作为配送总成本;
S1.3、结合基本假设并根据实际运输情况,对冷藏车辆核载量、牛奶框载重量和运行时间进行约束。
作为优选的技术方案,步骤S2中,构造四种不同场景的乳制品冷链运输模式:配送和回收同时进行且线路服务客户数量无限制的配送模式、配送和回收同时进行且线路服务客户数量有限制的配送模式、配送和回收分离进行且线路服务客户数量无限制的配送模式、配送和回收分离进行且线路服务客户数量有限制的配送模式;
乳制品中需要冷链运输的巴氏奶,其要求贮存环境为2℃~8℃;根据T.T.T理论,并结合巴氏奶配送的实际情况,线路服务客户数量影响冷藏车辆运送时开关门次数,配送和回收是否同时进行则影响冷藏车辆开门持续时间,开关门次数及持续时间都对车厢内部温度有着显著影响,故线路服务客户数量和配送和回收是否同时进行作为影响冷链运输巴氏奶品质的两大因素。
作为优选的技术方案,步骤S3中,以夏/冬季对所获取的数据进行分类,其中夏季和冬季的季节定义为:夏季,日平均温度大于等于22℃;冬季,日平均温度小于22℃;
所述获取并处理乳制品企业配送总成本、销售点、乳制品和冷藏车辆信息,具体如下:
所述配送总成本包括:车辆折旧费,用车辆里程折旧法对车辆折旧费进行核算;车辆维护费,认为车辆维护费与车辆行驶里程成本比,获取冷藏车辆单位里程维护费;人工费,包括驾驶员和送奶员的工资,具体采用工作时间薪酬发放方法计算工资,获取单位时间内的人工成本;车辆燃油费,燃油消耗量不仅与行驶里程、载重量有关,更与行驶路况有关,选定道路修正系数、气温修正系数、载货汽车运行模式及其车速加权系数,并根据燃油市场价格获取企业使用的冷藏车辆单位燃油价格;制冷费,该费用与制冷时间和制冷温度相关,冷藏车辆载货时间即为制冷时间,根据制冷时间和制冷温度将制冷费分为运输过程制冷成本和装卸时间制冷成本,运输过程认为车厢内温度恒定,获取单位制冷剂成本,装卸过程中选定开门频度系数取值表,开门频数影响冷藏车辆制冷温度,进而影响制冷成本;货损成本费,只认为配送时巴氏奶的腐败与车厢内外温度差、运送时间和冷藏车车门开启时间有关,获取各类巴氏奶单位包装价格;
针对销售点,使用网络地图的“拾取坐标系统”将销售点地址转化为经纬度,以配送中心作为原点,利用“高斯坐标经纬度转换工具”将经纬度转化成直角坐标,采用“1980年国家大地坐标系”,坐标保留小数点后4位;
针对乳制品,巴氏奶通常以件为单位,此处将件转化为重量,平均每件乳制品质量为0.2kg,牛奶框的重量为1.6kg,以35件巴氏奶装入1个牛奶框;
针对车辆信息,具体包括:车型号、额定载重量、整备质量、车厢外尺寸、车厢内尺寸、厢体内可达到的温度、以及燃油种类;
收集并分析装卸货所用时长,得到配送单位件巴氏奶所需配送动作平均操作时间和回收单位件牛奶框所需回收动作平均操作时间。
作为优选的技术方案,步骤S4中,对步骤S2中四种不同场景的乳制品冷链运输模式进行多场景模拟,采用的方法是:判断线路服务客户数量是否有限,具体是通过在每种线路中添加服务销售点的个数不超过一设定常数值这一约束条件来实现;判断配送和回收是否同时进行,具体是通过添加回收过程这一约束条件;
对四种不同场景对应的四种乳制品冷链运输模式,采用混合粒子群算法求解各场景中乳制品冷链运输所需的配送时长以及对应的配送成本;
对于每种乳制品冷链运输模式,冷藏车辆调度受到车辆载重量、行驶时长和线路服务客户数量条件约束,因此通过适应度来评价路径规划方案的优劣,采用两个标准:目标函数的值和是否满足车辆载重量、行驶时长、以及线路点数条件;定义适应度为目标函数和违反条件函数的值的和。
作为优选的技术方案,所述对四种不同场景对应的四种模型采用混合粒子群求解算法,此算法具体为禁忌搜索法加入标准粒子群算法当中一起使用。
作为优选的技术方案,步骤S5中,具体包括如下步骤:
S5.1、对夏/冬两种季节里,四种不同运输模式的配送线路最长运行时间、货损成本费及配送总成本进行比较,同时基于送收同时进行且线路服务客户数量无限制的配送模式,分析获得其他三种配送模式的配送总成本增加比例、乳制品货损减少比例、以及增加单位成本改善货损单位;
S5.2、获取乳制品企业目标年份战略规划,将巴氏奶部分独立核算,比较数据获得年份和目标年份的预期客户满意度和预期总成本,得出目标增长率;
S5.3、结合上述分析结果和企业目标,合理分配客户满意度和配送总成本比重,分别给出夏/冬季巴氏奶冷链运输路径规划方案。
本发明相对于现有技术具有如下的优点和效果:
(1)针对性:本发明的路径规划方法不仅针对冷链运输,更是专门为乳制品的运输于配送而设计,将乳制品冷链运输的特性充分考虑,其中包括对乳制品存储特性的考虑,以及乳制品在运输过程过具有“短途多点”配送的特性。
(2)实用性:本发明方法根据对实际乳制品企业的现场调研,分析得到乳制品在运输过程中的多次开关门操作,对乳制品品质的保持有很大的影响,因此设计出两种季节,即夏季和冬季。
(3)综合性:本发明路径规划方法不单一、理想化地考虑一个目标,而将乳制品企业冷链运输成本和乳制品品质同时纳入考量中,不追求某一目标理论上的最大化,而是乳制品企业根据算法给出的结果,综合企业自身特性和需求,平衡成本目标和品质目标后给出合理的路径规划方案。
附图说明
图1是本发明的基于季节差异的乳制品冷链运输路径规划方法流程图。
图2是本发明的混合粒子群算法流程图。
具体实施方式
为了使本发明的目的、技术方案以及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步的详细说明。应当理解,此处所描述的具体实施例仅用于解释本发明,并不限于本发明。
实施例
如图1所示,乳制品冷链运输路径规划方法,是基于季节差异对乳制品品质和冷链运输成本的影响,而为乳制品企业指定配送方案的一种发明。本方法通过对实际乳制品企业的调研,分析得出影响乳制品品质的主要因素,给出两个约束条件,从而得到四种不同场景。在实施过程中,将实际数据代入四种场景,得出两种季节、四种场景下的配送成本和配送时长。最后根据乳制品企业自身企业战略及规划,平衡成本与客户服务水平,给出最终配送方案。
以下具体说明本发明乳制品冷链运输路径规划方法的技术方案。
1、建立配送总成本最小的基础模型
本实施例中C1、C2、C3、C4、C5、C6分别为车辆折旧费、车辆维修费、人工费、车辆燃油费、车辆制冷费、货损成本费;
配送总成本最小为:Z=min{C1+C2+C3+C4+C5+C6}
2、为模型添加约束条件,并构建四种运输模式;
根据线路服务对象数量是否有约束、配送和回收是否同时进行作为附加约束条件加入基础模型;
对线路服务对象数量的约束:nk≤M,其中下标k为冷藏车辆标号,k=1,2,...,s;n表示该线路的服务对象数量;M表示最大服务对象数量;
配送和回收分离添加的约束体现在增加回收路程的约束,其约束形式与基础模型中对配送部分的约束基本一致;
构造四种不同场景的乳制品冷链运输模式:送收同时进行的线路服务客户数量无限制的配送模式、送收同时进行的线路服务客户数量有限制的配送模式、送收分离的线路服务客户数量无限制的配送模式、送收分离的线路服务客户数量有限制的配送模式。
T.T.T理论主要结论指出,产品的中期质量取决于流通时间、流通过程产品所在的温度和产品的耐藏性,而在配送过程中,由于温度变化对食品耐藏性造成的影响,是会随着时间累积的,并且不可逆转。
乳制品中需要冷链运输的巴氏奶,其要求贮存环境为2℃~8℃。根据T.T.T理论,并结合巴氏奶配送的实际情况,即冷藏车辆行驶过程中,车门关闭,车厢内部为密闭状态,此时制冷开启,车厢内部保持恒定温度区间;冷藏车辆停止行驶,到达装卸货点,车门开启,室外热空气迅速进入冷藏车辆车厢,车内温度上升。开关门次数及持续时间都对车厢内部温度有着显著影响,对巴氏奶品质有着不可逆的影响。因此选定线路服务客户数量(影响开关门次数)和配送和回收是否同时(影响开门持续时间)作为影响巴氏奶品质的主要因素。
3、数据获得和处理
夏季和冬季的季节定义为:夏季,日平均温度大于等于22℃;冬季,日平均温度小于22℃;巴氏奶通常以件为单位,此处将件转化为重量,平均每件乳制品质量为0.2kg,牛奶框的重量为1.6kg,以35件巴氏奶装入1个牛奶框;
(1)车辆折旧费:在本实施例中,乳制品企业白云区配送中心使用庆铃五十铃低温冷藏车进行冷链配送,该车型购入价格为15万元,使用年限为6年。经实际调研,每车每天约行驶95千米,每年运行天数约为330天。单位路程折旧费记为Cz,计算结果为:
(2)车辆维修费:实施例中,配送中心每年车辆保养费约为4000元/年,车辆维修费约为6000元/年。单位里程维护费记为Cw,计算结果为:
(3)人工费:实施例中,每辆车进行配送任务,需要1名驾驶员和1-2名送奶员。该月该配送中心驾驶员月工资为5600元,送奶员月工资为5000元。设驾驶员和送奶员每天工作8小时,每月工作28天。单位时间人工费记为Cr,计算结果为:
(4)车辆燃油费:
①燃油的单价:庆铃五十铃低温冷藏车使用的是0号柴油。单价为6.4元/L;
②道路修正系数:本实施例涉及广州市区内的配送,属于平原地区的一、二级道路,因此道路类别属于2类道路,取1.10。如表1所示为道路修正系数(Kr)。
表1道路修正系数
*来源:《载货汽车运行燃料消耗量》(GB/T 4352-2007)。
③车辆空载时单位距离的油耗量和增加单位质量货物单位距离的油耗量取值见相关表3和表4。本实施例的配送范围为广州白云区,运行道路属于市区道路,因此取值参考市区道路模式。如表2所示为载货汽车运行模式及其车速加权系数。
表2载货汽车运行模式及其车速加权系数
表3 1.49t车型实验车速下记录表
表4 1.49t车型制冷模式下和不制冷模式下单位距离油耗量
和增加单位质量货物单位距离油耗量的取值
其余相关参数设定,详见本实施例的表5。
表5其他参数汇总表
4、基于季节差异进行四种场景模拟
结合上述模型及参数数据,本实施例采用的混合粒子群算法如图2所示,该算法将禁忌搜索法加入标准粒子群算法当中,利用其较强的局部搜索能力,改善标准粒子群算法容易陷入局部最优和收敛性能不足的缺点;混合粒子群算法使用MATLAB R2015a实现。将每种优化方案进行10次试验,取平均值作为试验优化结果,其中:
方案1:送收同时进行且线路服务客户数量无限制的车辆调度方案;
方案2:送收同时进行且线路服务客户数量有限制的车辆调度方案;
方案3:送收分离进行且线路服务客户数量无限制的车辆调度方案;
方案4:送收分离进行且线路服务客户数量有限制的车辆调度方案。
如表6和表7所示为四个方案之间的夏季和冬季运行情况对比;
表6四个方案之间的夏季运行情况对比
注:(1)方案1和方案4以6个最大客户服务点为约束;
(2)总成本增加比例=(方案*总成本-方案1总成本)/方案1总成本*100%;
(3)乳制品货损减少比例=(方案1货损成本费-方案*货损成本费)/方案1货损成本费*100%;
(4)增加单位成本改善货损单位=(方案1货损成本费-方案*货损成本费)/(方案*总成本-方案1总成本)。
表7四个方案之间的冬季运行情况对比
注:(1)方案1和方案4以7个最大客户服务点为约束;
(2)总成本增加比例=(方案*总成本-方案1总成本)/方案1总成本*100%;
(3)乳制品货损减少比例=(方案1货损成本费-方案*货损成本费)/方案1货损成本费*100%;
(4)增加单位成本改善货损单位=(方案1货损成本费-方案*货损成本费)/(方案*总成本-方案1总成本)。
5、确定冷链路径规划方案
本实施例与示例乳制品企业的销售部门、运输部门和企业执行总裁对该企业的企业目标和企业战略规划进行沟通后,得出结论:
①夏季货品损坏率较高,企业始终以保证高质量的乳制品为第一要义,因此将选择方案4,即“送收分离的线路服务客户数量有限制的车辆调度方案”,尽可能的减少乳制品货损比例;
②冬季货品损坏率相对低,同时销售部门反映该企业在冬季的市场需求低于冬季的市场需求,为保证企业的利润,因此选择方案2,即“送收同时进行的线路服务客户数量有限制的车辆调度方案”,在保证减少一定货损比例的同时,控制运输成本。
本发明在模型和算法的选择上具有能动性,即可根据不同乳制品企业的特征适当调整基本模型及其约束条件,同时可以相应调整算法步骤等细节,不局限于上述实施例。上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (7)
1.基于季节差异的乳制品冷链运输路径规划方法,其特征在于,包括以下步骤:
S1、以配送总成本最小为目标建立目标函数,构造乳制品冷链运输路径规划基础模型;
S2、根据线路服务对象数量是否有约束、配送和回收是否同时进行作为附加约束条件加入基础模型,构造四种不同场景的乳制品冷链运输模式;
S3、获取并处理乳制品企业配送总成本、销售点、乳制品和冷藏车辆信息,并以夏/冬季对获取的数据进行分类,数据处理后匹配基础模型参数;
S4、对四种不同场景的乳制品冷链运输模式进行多场景模拟,获取各场景中乳制品冷链运输所需的配送时长以及对应的配送成本;
S5、针对季节特性及乳制品企业需求,给出基于季节差异的乳制品冷链运输路径规划方案。
2.根据权利要求1所述的基于季节差异的乳制品冷链运输路径规划方法,其特征在于,步骤S1中,构造乳制品冷链运输路径规划基础模型的具体步骤为:
S1.1、对基础模型做出基本假设:销售点的位置及其配送量和回收量已知且固定;每辆车从配送中心出发,完成配送任务后返回配送中心;每个销售点的需求数量必须得到满足且只能由一辆车配送;每条线路的车辆载重量不超过配送车辆的最大载重量;每辆车行驶时间不超过设定常数;车辆匀速行驶;
S1.2、分析并确定对乳制品冷链运输有较为显著影响的配送成本,分别为车辆折旧费、车辆维护费、人工费、燃油费、制冷费以及货损成本费,将上述费用总和作为配送总成本;
S1.3、结合基本假设并根据实际运输情况,对冷藏车辆核载量、牛奶框载重量和运行时间进行约束。
3.根据权利要求1所述的基于季节差异的乳制品冷链运输路径规划方法,其特征在于,步骤S2中,构造四种不同场景的乳制品冷链运输模式:配送和回收同时进行且线路服务客户数量无限制的配送模式、配送和回收同时进行且线路服务客户数量有限制的配送模式、配送和回收分离进行且线路服务客户数量无限制的配送模式、配送和回收分离进行且线路服务客户数量有限制的配送模式;
乳制品中需要冷链运输的巴氏奶,其要求贮存环境为2℃~8℃;根据T.T.T理论,并结合巴氏奶配送的实际情况,线路服务客户数量影响冷藏车辆运送时开关门次数,配送和回收是否同时进行则影响冷藏车辆开门持续时间,开关门次数及持续时间都对车厢内部温度有着显著影响,故线路服务客户数量和配送和回收是否同时进行作为影响冷链运输巴氏奶品质的两大因素。
4.根据权利要求1所述的基于季节差异的乳制品冷链运输路径规划方法,其特征在于,步骤S3中,以夏/冬季对所获取的数据进行分类,其中夏季和冬季的季节定义为:夏季,日平均温度大于等于22℃;冬季,日平均温度小于22℃;
所述获取并处理乳制品企业配送总成本、销售点、乳制品和冷藏车辆信息,具体如下:
所述配送总成本包括:车辆折旧费,用车辆里程折旧法对车辆折旧费进行核算;车辆维护费,认为车辆维护费与车辆行驶里程成本比,获取冷藏车辆单位里程维护费;人工费,包括驾驶员和送奶员的工资,具体采用工作时间薪酬发放方法计算工资,获取单位时间内的人工成本;车辆燃油费,燃油消耗量不仅与行驶里程、载重量有关,更与行驶路况有关,选定道路修正系数、气温修正系数、载货汽车运行模式及其车速加权系数,并根据燃油市场价格获取企业使用的冷藏车辆单位燃油价格;制冷费,该费用与制冷时间和制冷温度相关,冷藏车辆载货时间即为制冷时间,根据制冷时间和制冷温度将制冷费分为运输过程制冷成本和装卸时间制冷成本,运输过程认为车厢内温度恒定,获取单位制冷剂成本,装卸过程中选定开门频度系数取值表,开门频数影响冷藏车辆制冷温度,进而影响制冷成本;货损成本费,只认为配送时巴氏奶的腐败与车厢内外温度差、运送时间和冷藏车车门开启时间有关,获取各类巴氏奶单位包装价格;
针对销售点,使用网络地图的“拾取坐标系统”将销售点地址转化为经纬度,以配送中心作为原点,利用“高斯坐标经纬度转换工具”将经纬度转化成直角坐标,采用“1980年国家大地坐标系”,坐标保留小数点后4位;
针对乳制品,巴氏奶通常以件为单位,此处将件转化为重量,平均每件乳制品质量为0.2kg,牛奶框的重量为1.6kg,以35件巴氏奶装入1个牛奶框;
针对车辆信息,具体包括:车型号、额定载重量、整备质量、车厢外尺寸、车厢内尺寸、厢体内可达到的温度、以及燃油种类;
收集并分析装卸货所用时长,得到配送单位件巴氏奶所需配送动作平均操作时间和回收单位件牛奶框所需回收动作平均操作时间。
5.根据权利要求1所述的基于季节差异的乳制品冷链运输路径规划方法,其特征在于,步骤S4中,对步骤S2中四种不同场景的乳制品冷链运输模式进行多场景模拟,采用的方法是:判断线路服务客户数量是否有限,具体是通过在每种线路中添加服务销售点的个数不超过一设定常数值这一约束条件来实现;判断配送和回收是否同时进行,具体是通过添加回收过程这一约束条件;
对四种不同场景对应的四种乳制品冷链运输模式,采用混合粒子群算法求解各场景中乳制品冷链运输所需的配送时长以及对应的配送成本;
对于每种乳制品冷链运输模式,冷藏车辆调度受到车辆载重量、行驶时长和线路服务客户数量条件约束,因此通过适应度来评价路径规划方案的优劣,采用两个标准:目标函数的值和是否满足车辆载重量、行驶时长、以及线路点数条件;定义适应度为目标函数和违反条件函数的值的和。
6.根据权利要求5所述的基于季节差异的乳制品冷链运输路径规划方法,其特征在于,所述对四种不同场景对应的四种模型采用混合粒子群求解算法,此算法具体为禁忌搜索法加入标准粒子群算法当中一起使用。
7.根据权利要求1所述的基于季节差异的乳制品冷链运输路径规划方法,其特征在于,步骤S5中,具体包括如下步骤:
S5.1、对夏/冬两种季节里,四种不同运输模式的配送线路最长运行时间、货损成本费及配送总成本进行比较,同时基于送收同时进行且线路服务客户数量无限制的配送模式,分析获得其他三种配送模式的配送总成本增加比例、乳制品货损减少比例、以及增加单位成本改善货损单位;
S5.2、获取乳制品企业目标年份战略规划,将巴氏奶部分独立核算,比较数据获得年份和目标年份的预期客户满意度和预期总成本,得出目标增长率;
S5.3、结合上述分析结果和企业目标,合理分配客户满意度和配送总成本比重,分别给出夏/冬季巴氏奶冷链运输路径规划方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811020403.7A CN109359763A (zh) | 2018-09-03 | 2018-09-03 | 基于季节差异的乳制品冷链运输路径规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811020403.7A CN109359763A (zh) | 2018-09-03 | 2018-09-03 | 基于季节差异的乳制品冷链运输路径规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109359763A true CN109359763A (zh) | 2019-02-19 |
Family
ID=65350591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811020403.7A Pending CN109359763A (zh) | 2018-09-03 | 2018-09-03 | 基于季节差异的乳制品冷链运输路径规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109359763A (zh) |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180349797A1 (en) * | 2017-06-02 | 2018-12-06 | Oracle International Corporation | Data driven methods and systems for what if analysis |
CN109919561A (zh) * | 2019-04-08 | 2019-06-21 | 上海久耶供应链管理有限公司 | 一种多维度生鲜快递包装策略 |
US10635563B2 (en) | 2016-08-04 | 2020-04-28 | Oracle International Corporation | Unsupervised method for baselining and anomaly detection in time-series data for enterprise systems |
US10692255B2 (en) | 2016-02-29 | 2020-06-23 | Oracle International Corporation | Method for creating period profile for time-series data with recurrent patterns |
US10699211B2 (en) | 2016-02-29 | 2020-06-30 | Oracle International Corporation | Supervised method for classifying seasonal patterns |
US10855548B2 (en) | 2019-02-15 | 2020-12-01 | Oracle International Corporation | Systems and methods for automatically detecting, summarizing, and responding to anomalies |
US10885461B2 (en) | 2016-02-29 | 2021-01-05 | Oracle International Corporation | Unsupervised method for classifying seasonal patterns |
US10915830B2 (en) | 2017-02-24 | 2021-02-09 | Oracle International Corporation | Multiscale method for predictive alerting |
US10949436B2 (en) | 2017-02-24 | 2021-03-16 | Oracle International Corporation | Optimization for scalable analytics using time series models |
US10963346B2 (en) | 2018-06-05 | 2021-03-30 | Oracle International Corporation | Scalable methods and systems for approximating statistical distributions |
US10970186B2 (en) | 2016-05-16 | 2021-04-06 | Oracle International Corporation | Correlation-based analytic for time-series data |
US10997517B2 (en) | 2018-06-05 | 2021-05-04 | Oracle International Corporation | Methods and systems for aggregating distribution approximations |
US11082439B2 (en) | 2016-08-04 | 2021-08-03 | Oracle International Corporation | Unsupervised method for baselining and anomaly detection in time-series data for enterprise systems |
CN113408910A (zh) * | 2021-06-23 | 2021-09-17 | 国网浙江省电力有限公司物资分公司 | 基于电网物流的成本算法模型构建方法、装置和电子设备 |
US11138090B2 (en) | 2018-10-23 | 2021-10-05 | Oracle International Corporation | Systems and methods for forecasting time series with variable seasonality |
US11232133B2 (en) | 2016-02-29 | 2022-01-25 | Oracle International Corporation | System for detecting and characterizing seasons |
US11533326B2 (en) | 2019-05-01 | 2022-12-20 | Oracle International Corporation | Systems and methods for multivariate anomaly detection in software monitoring |
US11537940B2 (en) | 2019-05-13 | 2022-12-27 | Oracle International Corporation | Systems and methods for unsupervised anomaly detection using non-parametric tolerance intervals over a sliding window of t-digests |
CN117113608A (zh) * | 2023-10-23 | 2023-11-24 | 四川港投新通道物流产业投资集团有限公司 | 一种冷链物流网络节点布局方法和设备 |
CN117314290A (zh) * | 2023-11-28 | 2023-12-29 | 广州蚁窝智能科技有限公司 | 一种基于物联网的食材供需管理系统及方法 |
US11887015B2 (en) | 2019-09-13 | 2024-01-30 | Oracle International Corporation | Automatically-generated labels for time series data and numerical lists to use in analytic and machine learning systems |
CN117808385A (zh) * | 2024-02-29 | 2024-04-02 | 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 |
US12001926B2 (en) | 2018-10-23 | 2024-06-04 | Oracle International Corporation | Systems and methods for detecting long term seasons |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018017818A1 (en) * | 2016-07-22 | 2018-01-25 | Carrier Corporation | Cold chain transportation route modeling system |
CN107885171A (zh) * | 2017-09-20 | 2018-04-06 | 南京农业大学 | 一种乳制品冷链运输智能监测预警方法 |
-
2018
- 2018-09-03 CN CN201811020403.7A patent/CN109359763A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018017818A1 (en) * | 2016-07-22 | 2018-01-25 | Carrier Corporation | Cold chain transportation route modeling system |
CN107885171A (zh) * | 2017-09-20 | 2018-04-06 | 南京农业大学 | 一种乳制品冷链运输智能监测预警方法 |
Non-Patent Citations (1)
Title |
---|
林常贵: "广州某乳业公司冷链物流配送网络优化研究", 《中国优秀硕士学位论文全文数据库 经济与管理科学辑》 * |
Cited By (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10885461B2 (en) | 2016-02-29 | 2021-01-05 | Oracle International Corporation | Unsupervised method for classifying seasonal patterns |
US10970891B2 (en) | 2016-02-29 | 2021-04-06 | Oracle International Corporation | Systems and methods for detecting and accommodating state changes in modelling |
US11080906B2 (en) | 2016-02-29 | 2021-08-03 | Oracle International Corporation | Method for creating period profile for time-series data with recurrent patterns |
US11928760B2 (en) | 2016-02-29 | 2024-03-12 | Oracle International Corporation | Systems and methods for detecting and accommodating state changes in modelling |
US10699211B2 (en) | 2016-02-29 | 2020-06-30 | Oracle International Corporation | Supervised method for classifying seasonal patterns |
US11670020B2 (en) | 2016-02-29 | 2023-06-06 | Oracle International Corporation | Seasonal aware method for forecasting and capacity planning |
US10867421B2 (en) | 2016-02-29 | 2020-12-15 | Oracle International Corporation | Seasonal aware method for forecasting and capacity planning |
US11113852B2 (en) | 2016-02-29 | 2021-09-07 | Oracle International Corporation | Systems and methods for trending patterns within time-series data |
US11836162B2 (en) | 2016-02-29 | 2023-12-05 | Oracle International Corporation | Unsupervised method for classifying seasonal patterns |
US10692255B2 (en) | 2016-02-29 | 2020-06-23 | Oracle International Corporation | Method for creating period profile for time-series data with recurrent patterns |
US11232133B2 (en) | 2016-02-29 | 2022-01-25 | Oracle International Corporation | System for detecting and characterizing seasons |
US10970186B2 (en) | 2016-05-16 | 2021-04-06 | Oracle International Corporation | Correlation-based analytic for time-series data |
US10635563B2 (en) | 2016-08-04 | 2020-04-28 | Oracle International Corporation | Unsupervised method for baselining and anomaly detection in time-series data for enterprise systems |
US11082439B2 (en) | 2016-08-04 | 2021-08-03 | Oracle International Corporation | Unsupervised method for baselining and anomaly detection in time-series data for enterprise systems |
US10949436B2 (en) | 2017-02-24 | 2021-03-16 | Oracle International Corporation | Optimization for scalable analytics using time series models |
US10915830B2 (en) | 2017-02-24 | 2021-02-09 | Oracle International Corporation | Multiscale method for predictive alerting |
US10817803B2 (en) * | 2017-06-02 | 2020-10-27 | Oracle International Corporation | Data driven methods and systems for what if analysis |
US20180349797A1 (en) * | 2017-06-02 | 2018-12-06 | Oracle International Corporation | Data driven methods and systems for what if analysis |
US10997517B2 (en) | 2018-06-05 | 2021-05-04 | Oracle International Corporation | Methods and systems for aggregating distribution approximations |
US10963346B2 (en) | 2018-06-05 | 2021-03-30 | Oracle International Corporation | Scalable methods and systems for approximating statistical distributions |
US11138090B2 (en) | 2018-10-23 | 2021-10-05 | Oracle International Corporation | Systems and methods for forecasting time series with variable seasonality |
US12001926B2 (en) | 2018-10-23 | 2024-06-04 | Oracle International Corporation | Systems and methods for detecting long term seasons |
US10855548B2 (en) | 2019-02-15 | 2020-12-01 | Oracle International Corporation | Systems and methods for automatically detecting, summarizing, and responding to anomalies |
CN109919561B (zh) * | 2019-04-08 | 2023-07-21 | 上海久耶供应链管理有限公司 | 一种多维度生鲜快递包装策略 |
CN109919561A (zh) * | 2019-04-08 | 2019-06-21 | 上海久耶供应链管理有限公司 | 一种多维度生鲜快递包装策略 |
US11533326B2 (en) | 2019-05-01 | 2022-12-20 | Oracle International Corporation | Systems and methods for multivariate anomaly detection in software monitoring |
US11949703B2 (en) | 2019-05-01 | 2024-04-02 | Oracle International Corporation | Systems and methods for multivariate anomaly detection in software monitoring |
US11537940B2 (en) | 2019-05-13 | 2022-12-27 | Oracle International Corporation | Systems and methods for unsupervised anomaly detection using non-parametric tolerance intervals over a sliding window of t-digests |
US11887015B2 (en) | 2019-09-13 | 2024-01-30 | Oracle International Corporation | Automatically-generated labels for time series data and numerical lists to use in analytic and machine learning systems |
CN113408910A (zh) * | 2021-06-23 | 2021-09-17 | 国网浙江省电力有限公司物资分公司 | 基于电网物流的成本算法模型构建方法、装置和电子设备 |
CN117113608B (zh) * | 2023-10-23 | 2024-02-13 | 四川港投新通道物流产业投资集团有限公司 | 一种冷链物流网络节点布局方法和设备 |
CN117113608A (zh) * | 2023-10-23 | 2023-11-24 | 四川港投新通道物流产业投资集团有限公司 | 一种冷链物流网络节点布局方法和设备 |
CN117314290B (zh) * | 2023-11-28 | 2024-03-15 | 广州蚁窝智能科技有限公司 | 一种基于物联网的食材供需管理系统及方法 |
CN117314290A (zh) * | 2023-11-28 | 2023-12-29 | 广州蚁窝智能科技有限公司 | 一种基于物联网的食材供需管理系统及方法 |
CN117808385A (zh) * | 2024-02-29 | 2024-04-02 | 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 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109359763A (zh) | 基于季节差异的乳制品冷链运输路径规划方法 | |
Leng et al. | Biobjective low-carbon location-routing problem for cold chain logistics: Formulation and heuristic approaches | |
Digiesi et al. | Externalities reduction strategies in last mile logistics: A review | |
Wang et al. | How to achieve a win–win scenario between cost and customer satisfaction for cold chain logistics? | |
Chen et al. | Research on optimization of food cold chain logistics distribution route based on internet of things | |
Fang et al. | Research on long-distance cold chain logistics route optimization considering transport vibration and refrigerant carbon emission | |
Moghaddasi et al. | A green routing-location problem in a cold chain logistics network design within the Balanced Score Card pillars in fuzzy environment | |
Quak et al. | The Future of City Logistics–Trends and Developments Leading toward a Smart and Zero‐Emission System | |
du Plessis et al. | Calculating Fuel Usage and Emissions for Refrigerated Road Transport Using Real-World Data | |
Su et al. | Path optimization of fresh products logistics distribution under new retail mode | |
Liu et al. | Distribution route optimization model based on multi-objective for food cold chain logistics from a low-carbon perspective | |
CN111915074A (zh) | 一种基于改进粒子群算法的冷链物流车辆路径选择方法 | |
Jiayang et al. | A new route optimization approach of cold chain logistics distribution based on fresh agricultural products | |
CN116050971A (zh) | 基于物联网技术的多温共配平台 | |
Kitinoja | Exploring the potential for cold chain development in emerging and rapidly industrialising economies through liquid air refrigeration technologies | |
Li et al. | Research on optimization of cold chain logistics distribution path of fresh agricultural products | |
Wu et al. | Optimization of vehicle routing problem in cold chain logistics under low carbon economy | |
Ma et al. | Research on optimization of fresh cold chain logistics distribution path considering road impedance | |
Zhu et al. | Cool chain logistics distribution routing optimization for urban fresh agricultural products considering rejection of goods | |
Chai | STUDY ON ROUTE OPTIMIZATION OF COLD CHAIN LOGISTICS OF FRESH FOOD. | |
Du | Investigation of cold chain logistics of fresh agricultural products in Xi'an based on CSI analysis | |
Hu | Hopfield artificial neural network-based optimization method for selecting nodes of fresh agricultural products international logistics network. | |
Neittaanmäki et al. | Challenges and Current Solutions of Refrigerated Transportation | |
Yao et al. | REAL-TIME TRAFFIC VEHICLE ROUTING PROBLEM FOR AGRICULTURAL PRODUCTS | |
Wang et al. | Optimization model of refrigerated food transportation |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190219 |