CN111260274A - 用于二级库存分配的方法和系统 - Google Patents

用于二级库存分配的方法和系统 Download PDF

Info

Publication number
CN111260274A
CN111260274A CN201911219129.0A CN201911219129A CN111260274A CN 111260274 A CN111260274 A CN 111260274A CN 201911219129 A CN201911219129 A CN 201911219129A CN 111260274 A CN111260274 A CN 111260274A
Authority
CN
China
Prior art keywords
inventory
level distribution
product
demand
sku
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
Application number
CN201911219129.0A
Other languages
English (en)
Inventor
芦杰
袁融
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingdong Shangke Information Technology Co Ltd
JD com American Technologies Corp
Original Assignee
Beijing Jingdong Shangke Information Technology Co Ltd
JD com American Technologies Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingdong Shangke Information Technology Co Ltd, JD com American Technologies Corp filed Critical Beijing Jingdong Shangke Information Technology Co Ltd
Publication of CN111260274A publication Critical patent/CN111260274A/zh
Pending legal-status Critical Current

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
    • G06Q10/04—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
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

提供了用于在第一级配送中心和多个第二级配送中心之间分配库存的系统和方法。该方法包括：由计算设备提供第一级配送中心和第二级配送中心中产品的需求、库存和价格数据；由计算设备定义以产品的需求、库存和价格数据作为输入的目标函数；由计算设备对目标函数进行优化以获得优化结果；以及基于优化结果来将产品从第一级配送中心交付到第二级配送中心。

Description

用于二级库存分配的方法和系统
交叉引用
在本公开的描述中引用和讨论了可能包括专利、专利申请和各种出版物的一些参考文献。提供这样的参考文献的引用和/或讨论仅是为了阐明本公开的描述，而不是承认任何这样的参考文献是本文描述的公开的“现有技术”。在本说明书中引用和讨论的所有参考文献均通过引用以其整体并入本文，并且其程度与每个参考文献通过引用独立地并入本文的程度相同。
技术领域
本公开总体涉及电子商务领域，更具体地，涉及用于向不同层级处的配送中心有效地分配库存的方法和系统。
背景技术
本文提供的背景描述是为了呈现本公开的上下文的目的。在该背景技术部分中所描述的范围内，既未明确地也未暗含地承认目前确定名字的发明人的工作以及在申请时可能无法以其他方式视为现有技术的描述方面为本公开的现有技术。
电子商务已经经历了多年的高速增长，大型在线零售平台提供了数百万种产品以供客户从中进行选择。为了获得愉快的在线购物体验，客户可能希望便捷的下单过程和购买产品的快速交付。为了促进产品的交付，一些电子商务提供商已经在不同位置建立了配送中心和仓库。然而，在那些配送中心之间分配产品是一项艰巨的任务。
因此，在本领域中存在解决上述缺陷和不足的未解决的需求。
发明内容
在某些方面，本公开涉及一种用于在第一级配送中心和多个第二级配送中心之间分配库存的方法。在某些实施例中，该方法包括：
由计算设备提供第一级配送中心和第二级配送中心中产品的需求、库存和价格数据；
由计算设备定义以产品的需求、库存和价格数据作为输入的目标函数；
由计算设备对目标函数进行优化以获得优化结果；以及
基于优化结果来将产品从第一级配送中心交付到第二级配送中心。
在某些实施例中，目标函数是：
Figure BDA0002300304300000021
其中：
Figure BDA0002300304300000022
Figure BDA0002300304300000023
Figure BDA0002300304300000024
Figure BDA0002300304300000025
Figure BDA0002300304300000026
∑iδi＝1 (7),
Figure BDA0002300304300000027
Figure BDA0002300304300000028
Figure BDA0002300304300000029
Figure BDA00023003043000000210
Figure BDA00023003043000000211
以及
Figure BDA00023003043000000212
在以上公式中，
Figure BDA00023003043000000216
是取m函数的期望值，i是第二级配送中心的索引，其为从1到n的正整数，k是预测场景的索引，其为从1到K的正整数，
Figure BDA00023003043000000213
表示针对所有K个预测场景，
Figure BDA00023003043000000214
表示针对所有n个第二级配送中心；
δ表示分配比率，δ0表示第一级配送中心的储备比率，δi表示n个第二级配送中心中的每个配送中心的分配比率；
x表示产品的量，
Figure BDA00023003043000000215
表示从第一级配送中心到第二级配送中心中的每个配送中心的直接履行量，
Figure BDA0002300304300000031
表示针对第二级配送中心中的每个配送中心的本地履行量，
Figure BDA0002300304300000032
表示在履行之后第一级配送中心的剩余库存，
Figure BDA0002300304300000033
表示在履行之后第二级配送中心中的每个配送中心的剩余库存；
y表示产品的损失，
Figure BDA0002300304300000034
表示由于第一级配送中心的直接履行装运延迟而引起的第二级配送中心中的每个配送中心的销售损失；
Figure BDA0002300304300000035
表示由于第一级配送中心和第二级配送中心两者中的产品缺货而引起的第二级配送中心中的每个配送中心的销售损失，
Figure BDA0002300304300000036
表示由于第一级配送中心中产品的缺货而引起的第一级配送中心的销售损失；
cp表示产品的单位价格，cr表示从第一级配送中心装运到第二级配送中心的对应的一个配送中心的产品的单位直接履行成本，α表示当使用来自第一级配送中心而不是来自对应的第二级配送中心的产品的直接履行时发生的销售损失比率；
I0表示第一级配送中心中的初始库存，Ii表示第二级配送中心中对应的一个配送中心中的初始库存；以及
Figure BDA0002300304300000037
表示第一级配送中心的需求，
Figure BDA0002300304300000038
表示第二级配送中心中对应的一个配送中心的需求。
在某些实施例中，cr是在cp的10％-50％的范围内的预定数，并且在一个实施例中，cr是cp的10％。在某些实施例中，α是在0-0.2范围内的预定数，并且在一个实施例中，α是0.1。在某些实施例中，cr是cp的10％并且α是0.1。在某些实施例中，n是在3-10范围内的预定数，K是在50-200范围内的预定数。在一个实施例中，K是大约100。
在某些实施例中，方法还包括在优化目标函数的步骤之前：
检索第二级配送中心中的所有产品的供货商交货时间(VLT)；
提供针对每个产品的VLT需求，其中通过预测在从当前时间到当前VLT时段结束的VLT时段中产品的销售来获得每个产品的VLT需求；
提供第二级配送中心中的每个配送中心中产品的当前库存；
将产品中的一个产品的当前库存和VLT需求进行比较；以及
在当前库存小于VLT需求时，选择产品中的对应的一个产品以优化目标函数。
在某些实施例中，该方法还包括：在获得了针对每个产品的优化结果之后，基于第二级配送中心中产品的短缺和产品的重要性来给定产品的优先级，并且基于产品的优先级来交付产品。
在某些实施例中，库存I0和Ii中的每一个以及需求
Figure BDA0002300304300000041
和
Figure BDA0002300304300000042
中的每一个是K维的向量。
在某些实施例中，目标函数是可使用线性解求解的线性模型。线性解包括CPLEX、GUROBI、CBC和SCIP。
在某些实施例中，需求中的每个需求是均值和方差的形式，并且对需求执行K采样以获得K维的向量。
在某些实施例中，优化结果包括第一级配送中心和第二级配送中心的分配比率和分配量中的至少一个。
在某些方面，本公开涉及一种用于在第一级配送中心和多个第二级配送中心之间分配库存的系统。在某些实施例中，该系统包括计算设备。计算设备具有处理器和存储计算机可执行代码的存储设备。当计算机可执行代码在处理器处执行时，被配置为执行上述方法。
在某些方面，本公开涉及存储计算机可执行代码的非暂时性计算机可读介质。当计算机可执行代码在计算设备的处理器处执行时，被配置为执行上述方法。
在某些方面，本公开涉及用于在第一级配送中心和多个第二级配送中心之间分配库存的系统，该系统包括：需求预测子系统，被配置为基于历史数据来对第一级配送中心和第二级配送中心的需求进行预测；库存数据库，被配置为记录第一级配送中心和第二级配送中心的库存以及其他库存相关信息和分析；产品数据库，被配置为提供产品信息；以及计算子系统，被配置为经由网络访问所述需求预测子系统、所述库存数据库和所述产品数据库，且被配置为基于对所述第一级配送中心和所述第二级配送中心的需求的预测、所述第一级配送中心和所述第二级配送中心的库存以及其他库存相关信息和分析以及所述产品信息，来管理并实现所述第一级配送中心和所述第二级配送中心之间的库存的分配。
从以下结合附图及其注释对优选实施例的描述，以上这些和本公开的其他方面将变得更加清楚，尽管可以在不脱离本公开新颖概念的精神和范围的情况下进行多种改变和修改。
附图说明
附图与说明书一起示出了本公开的一个或多个实施例，并且与书面说明书一起用于解释本公开的原理。在任何可能的地方，贯穿附图，相同的附图标记用于表示实施例的相同或类似的元件。
图1示意性地描绘了根据本公开某些实施例的两级库存分配系统。
图2示意性地描绘了根据本公开某些实施例的两级库存分配系统的计算子系统。
图3示意性地描绘了根据本公开某些实施例的分配库存的方法。
图4示意性地描绘了根据本公开某些实施例的分配系统的示例。
图5示意性地描绘了根据本公开某些实施例的库存分配系统。
具体实施方式
在下面的示例中更具体地描述了本公开，这些示例仅旨为说明性的，因为其中的许多修改和变化对本领域技术人员而言是显而易见的。现在,具体描述本公开的实施例。参考附图，贯穿视图，相同的附图标记表示相同的组件。如在此说明书中和贯穿所附权利要求书所使用的，除非上下文另有明确说明，否则“一”、“一个”和“所述”的含义包括复数指示物。此外，如在此说明书中和贯穿所附权利要求书所使用的，除非上下文另有明确说明，否则“在......中”的含义包括“在......中”和“在......上”。此外，为了方便读者，可以在说明书中使用标题或副标题，这将不影响本公开的范围。另外，本说明书中使用的一些术语在下面更具体地定义。
在本公开的上下文内以及在使用每个术语的特定上下文中，本说明书中使用的术语通常具有其本领域的普通含义。在下文或说明书的其他地方讨论了用于描述本公开的某些术语，以向从业者提供关于本公开的描述的附加指导。将理解，可以以一种以上的方式阐述同一件事。因此，备选的语言和同义词可以用于本文讨论的任何一个或多个术语，无论在本文中术语是否被详尽说明或讨论，都没有任何被考虑的特殊意义。提供了用于特定术语的同义词。一个或多个同义词的描述不排除使用其他同义词。在本说明书中任何地方的包括在本文中讨论的任何术语示例的示例的使用仅是说明性的，并且绝不限制本公开或任何示例性术语的范围和含义。同样，本公开不限于本说明书中给出的各种实施例。
除非另外定义，否则这里使用的所有术语(包括技术和科学术语)具有与本公开所属领域的普通技术人员通常所理解的含义相同的含义。还将理解的是，诸如在常用词典中定义的术语应被解释为其含义与在相关技术和/或本公开的上下文中的含义相同，而不应将其解释为理想的或过于正式的含义，除非本文明确如此定义。
除非另有定义，否则在相同对象之前使用的“第一”、“第二”、“第三”等旨在区分这些不同的对象，但不限制其任何顺序。
如本文使用的，“大约”、“约”、“基本上”或“近似”应通常是指在给定值或范围的20％内、优选地在10％内、更优选地在5％内。本文给出的数值量是近似的，意味着如果没有明确说明，则可以推断出术语“大约”、“约”、“基本上”或“近似”。
如本文所用，“多个”意味着两个或更多个。
如本文使用的，术语“包括”、“包括”、“携带”、“具有”、“包含”、“涉及”等应被理解为开放式的，即意指包括但不限于。
如本文使用的，短语A、B和C中的至少一个应被解释为意指使用非排他性逻辑或(OR)的逻辑(A或B或C)。应当理解，在不改变本公开的原理的情况下，可以以不同的顺序(或同时)执行方法内的一个或多个步骤。如本文中所使用的术语“和/或”包括相关列出项目中的一个或多个的任何和所有组合。
如本文使用的，术语“模块”可以指代以下项、以下项的部分或包括以下项：专用集成电路(ASIC)；电子电路；组合逻辑电路；现场可编程门阵列(FPGA)；执行代码的处理器(共享、专用或组)；提供描述的功能的其他合适的硬件组件；或上述某些或全部的组合，例如在片上系统中。术语模块可以包括存储由处理器执行的代码的存储器(共享、专用或组)。
如本文使用的，术语“代码”可以包括软件、固件和/或微代码，并且可以指代程序、例程、函数、类和/或对象。如上使用的，术语共享是指可以使用单个(共享)处理器来执行来自多个模块的一些或全部代码。另外，来自多个模块的一些或全部代码可以由单个(共享)存储器存储。如上使用的，术语组是指可以使用处理器组来执行来自单个模块的一些或全部代码。另外，可以由存储器组存储来自单个模块的一些或全部代码。
如本文使用的，术语“接口”通常是指在组件之间的交互点处用于在组件之间执行数据通信的通信工具或装置。通常，接口可以在硬件和软件两者上适用，并且可以是单向或双向接口。物理硬件接口的示例可以包括电连接器、总线、端口、电缆、端子和其他I/O设备或组件。与接口通信的组件可以是例如计算机系统的多个组件或外围设备。
本公开涉及计算机系统。如附图中所示，计算机组件可以包括物理硬件组件和虚拟软件组件，物理硬件组件显示为实线框，虚拟软件组件显示为虚线框。本领域普通技术人员将理解，除非另外指出，否则可以以但不限于软件、固件或硬件组件、或其组合的形式来实现这些计算机组件。
本文描述的装置、系统和方法可以由一个或多个处理器执行的一个或多个计算机程序来实现。计算机程序包括存储在非暂时性有形计算机可读介质上的处理器可执行指令。计算机程序还可以包括存储的数据。非暂时性有形计算机可读介质的非限制性示例是非易失性存储器、磁性存储装置和光学存储装置。
现在将参考示出了本公开的实施例的附图，在下文中更详细地描述本公开。然而，本公开可以以许多不同的形式来体现，并且不应当被解释为受限于本文中所阐述的实施例；相反，提供这些实施例，使得本公开将是全面且完整的，并且将把本公开的范围完全传达给本领域的技术人员。
在某些方面中，本公开涉及一种库存分配系统。在某些实施例中，如图1所示，库存分配系统100包括区域配送中心(RDC)110、多个前端配送中心(FDC)130以及与RDC 110和FDC 130通信的库存分配计算设备。多个FDC 130包括n个FDC 130-1、130-2、……130-n。RDC110和FDC 130形成两级或两层的分配网络，其中每个高级别RDC 110包括多个低级别FDC。例如，一个地区中可以存在有限数量的RDC 110(例如1-10个RDC)，并且每个RDC 110具有若干个FDC(例如2-8个)。在某些实施例中，基于地理、运输和经济发展，一个地区可以具有大约8个RDC 110和大约28个FDC 130。每个RDC 110覆盖其关联的都市区域以及其下游FDC130的需求。每个FDC覆盖其相关联的都市区域的需求。RDC 110和FDC 130的两级配送系统至少是新颖的，因为高级别RDC 110具有其自己的客户需求并将产品直接交付给那些客户。此外，当FDC 130中的SKU(产品)缺货时，其高级别RDC 110可以将SKU(如果RDC 110有SKU存货)直接交付给FDC 130覆盖的客户。库存分配计算设备150被配置为收集来自RDC 110、FDC130和其他计算服务器的信息，并且管理RDC 110和FDC 130之间的产品配送。
在某些实施例中，每个RDC 110从其他制造商或第三方供货商补充其库存，并且这些供货商具有称为供货商交货时间(VLT)的交货时间。对于每个SKU(产品)，存在从RDC 110对SKU下订单到SKU到达RDC 110的估计的对应VLT。VLT可以在从一天或几天多达大约一个月的范围内。在某些实施例中，计算SKU的VLT需求，从当前时间到来自制造商或供货商的新批次SKU的到达，即从当前时间到RDC 110中的SKU的下一次补充。每个FDC 130使用内部库存分配过程从其上游RDC 110补充其库存。该过程例行地(每天)执行以确定从RDC 110到对应的FDC 130分配哪个存货保持单位(SKU)，以及对应的分配量。在某些实施例中，这些分配的库存可以从RDC 110交付到FDC 130并且在同一天到达以满足FDC 130的同一天的需求。请注意，SKU对应于根据本公开的某些实施例的系统中的特定产品。
在某些实施例中，用于分配单个SKU的方法如下：可以将某个百分比(例如20％)的当前可用的RDC库存分配给其他FDC 130。基于每个FDC的需求，针对所有FDC的实际分配量与FDC需求成比例。然而，该方法的主要缺点是不灵活，因为由于SKU数量巨大，所以将难以针对每个单个SKU手动地改变RDC库存分配比率。为了解决该问题，根据本公开的某些实施例，库存分配计算设备150操作分配系统，以在系统中提供优化分配。
图2示意性地示出了分配系统100的计算子系统，其中计算子系统被配置为管理RDC 110和FDC 130之间的分配。如图2所示，分配系统100的计算子系统包括库存分配计算设备150，库存分配计算设备150经由网络180与包括需求预测子系统190、库存数据库192和产品数据库194的外部数据或服务进行通信。在某些实施例中，网络180可以是有线或无线网络，并且可以具有各种形式。网络180的示例可以包括但不限于局域网(LAN)、广域网(WAN)(包括互联网)或任何其他类型的网络。最著名的计算机网络是互联网。
库存分配计算设备150被配置为在RDC 110和FDC 130之间实现库存分配。在某些实施例中，库存分配计算设备150可以是服务器计算机、集群、云计算机、通用计算机或专用计算机，其可以收集RDC110和FDC 130的需求和库存信息并在RDC 110中提供产品的分配。
需求预测子系统190可以包括诸如云计算设备之类的计算设备，其主要基于历史数据来提供对RDC 110和FDC 130的需求的预测。在某些实施例中，需求预测子系统190为每个SKU提供对未来时间的每日预测。在某些实施例中，每个每日预测可以是SKU的单位数量或单位数量的范围。例如，接下来7天中的SKU的每日预测可以分别为200个单位、220个单位、280个单位，230个单位，200个单位、180个单位、190个单位；或分别为180-220个单位、200-240个单位、260-310个单位、200-260个单位、190-210个单位、170-190个单位、170-200个单位。在某些实施例中，预测也可以是预定时间段(例如接下来5天)的SKU的总单位数量。每日预测或针对时间段的预测可以是特定的单位数量、具有方差的单位数量、或单位数量的分布。
库存数据库192存储在诸如云计算设备之类的计算设备中，其记录RDC 110和FDC130的库存以及可选地其他库存相关信息和分析。
产品数据库194存储在诸如云计算设备之类的计算设备中，其提供产品信息。每个产品具有SKU作为标识。SKU的产品信息可以包括产品的标识(即SKU)、产品的类别、产品的名称或标题、产品单位的尺寸和重量、产品的颜色、产品的单位价格、产品从RDC 110装运到FDC 130的直接履行成本、当使用从RDC 110到FDC 130(或到由FDC130覆盖的客户)的直接履行时产品所发生的销售损失比率。因为每个特定产品具有对应的SKU，所以在本公开中产品和SKU可以互换使用。
库存分配计算设备150可以访问需求预测子系统190、库存数据库192和产品数据库194中的那些信息。
如图2所示，库存分配计算设备150可以包括但不限于处理器152、存储器154和存储设备156。在某些实施例中，库存分配计算设备150可以包括其他硬件组件和软件组件(未示出)以执行其对应的任务。这些硬件和软件组件的示例可以包括但不限于其他所需的存储器、接口、总线、输入/输出(I/O)模块或设备、网络接口和外围设备。在某些实施例中，库存分配计算设备150是云计算机或服务器计算机，并且处理器152、存储器154和存储设备156是通过互联网按需提供的共享资源。
处理器152可以是被配置为控制库存分配计算设备150的操作的中央处理单元(CPU)。处理器152可以执行库存分配计算设备150的操作系统(OS)或其他应用。在一些实施例中，库存分配计算设备150可以具有一个以上的CPU作为处理器，例如2个CPU、4个CPU、8个CPU或任何合适数量的CPU。
存储器154可以是易失性存储器，例如随机存取存储器(RAM)，用于在库存分配计算设备150的操作期间存储数据和信息。在某些实施例中，存储器154可以是易失性存储器阵列。在某些实施例中，库存分配计算设备150可以在一个以上的存储器154上运行。
存储设备156是用于存储库存分配计算设备150的OS(未示出)和其他应用的非易失性数据存储介质。存储设备156的示例可以包括非易失性存储器，例如闪速存储器、存储器卡、USB驱动器、硬盘驱动器、软盘、光盘驱动器或任何其他类型的数据存储设备。在某些实施例中，库存分配计算设备150可以具有多个存储设备156，该存储设备可以是相同的存储设备或不同类型的存储设备，并且库存分配计算设备150的应用可以存储在库存分配计算设备150的一个或多个存储设备156中。如图2所示，存储设备156包括库存分配应用160(“应用”)。库存分配应用160提供用于收集产品库存和需求信息并且提供用于优化产品配送的分配建议的系统。在某些实施例中，可以例行地(例如每天)执行库存分配应用160。对于每次更新，库存分配应用160被配置为检索最新的数据或最近的历史数据。在某些实施例中，库存分配应用160能够在几分钟内执行一轮计算。在某些实施例中，库存分配应用160被编程为每天在预定时间运行一次。通过每天更新经处理的数据，库存分配应用160提供接近实时地配送安排。
如图2所示，除此之外，库存分配应用160还包括SKU需求检索器162、VLT需求检索器164、库存检索器166、成本检索器168、SKU预分配模块170、库存分配模块172、分配优先级模块174和SKU分配模块176。在某些实施例中，库存分配应用160可以包括操作模块162-176所必需的其他应用或模块。应该注意的是，模块各自由共同形成一个应用的计算机可执行代码或指令，或数据表或数据库实现。在某些实施例中，每个模块还可以包括子模块。备选地，一些模块可以组合为一个堆栈。在其他实施例中，某些模块可以被实现为电路而不是可执行代码。在某些实施例中，库存分配应用160中的一些模块可以位于远程计算设备处，并且本地计算设备150中的库存分配应用160的模块经由有线或无线网络与远程计算设备中的模块进行通信。在某些实施例中，库存分配计算设备150是云计算机服务器。
SKU需求检索器162被配置为：当库存分配应用160在操作时，从需求预测子系统190针对每个SKU或具有SKU的产品检索RDC需求d0和FDC需求d1至di。在某些实施例中，RDC需求d0和n个FDC需求是基于历史销售数据和可选的未来的SKU促销的在预定时间段内的SKU的销售预测。在某些实施例中，预定时间段是一天、一周或SKU从RDC到FDC的两次装运之间的时间。例如，对于每个SKU，在当前时间(天0)，如果SKU的下一个装运日期是明天(天1)，则预定时间是1天，如果下一个装运日期是后天，(天2)，则预定时间是2天，并且如果下一个装运日期是天m,则预定时间是m天。在某些实施例中，每个需求可以是针对预定时间的单位数量或分布。在某些实施例中，每个需求可以是针对预定时间的每日预测。例如，如果预定时间为5天，则预测提供分别针对天1至天5的每日需求。由于预定时间是从当前时间开始计算的，因此它通常小于VLT。在某些实施例中，VLT由补偿不确定性的范围表示。在某些实施例中，VLT是分布，并且预定时间是分布中的预设数值。在某些实施例中，需求预测子系统190基于SKU的历史销售数据和可选的未来促销信息等来执行预测。在某些实施例中，RDC需求和FDC需求是以具有多个维度的向量的形式，并且每个维度对应于特定的预测。向量的维度表示预测需求的分布。如果向量的某些维度具有相同的预测需求值，则该值具有较高的频率。在某些实施例中，当预测需求具有均值和方差的形式时，将预测需求的均值和方差信息转换为向量形式。表1示出了根据本公开的示例性需求预测。如表1所示，每一行对应于具有K个维度的向量，对应于K个预测场景。对于RDC，SKU的销售预测是每天850、900、900、……和1000个单位。重复每天900个单位表明每天销售900个单位的概率比每天销售850个单位或每天销售1000个单位的概率高。每一列表示一个场景。例如，在第一个场景下，RDC销售的预测为每天850个单位，而FDC销售的预测为每天120个单位、每天130个单位、……和每天110个单位。
表1一个SKU的RDC和FDC的需求预测示例。
Figure BDA0002300304300000121
Figure BDA0002300304300000131
在获得需求预测之后，库存分配模块172可以访问存储在SKU需求检索器162中的每个SKU的RDC需求d0和n个FDC需求d1至dn。
VLT需求检索器164被配置为，当库存分配应用160在操作时，从需求预测子系统190检索或接收每个FDC 130处的SKU的VLT需求预测(或预测的VLT需求)。VLT是RDC 110从其他制造商或第三方供货商补充其库存的时间，或者换句话说，VLT是从RDC 110对产品(SKU)下订单的时刻到制造商将产品交付给RDC 110的时刻所需的时间。在某些实施例中，记录或计算来自制造商或供货商的每个SKU的VLT，并且需求预测子系统190预测或预估在未来的VLT时间期间每个FDC 130处的SKU的需求。例如，如果SKU的VLT是10天，并且SKU的剩余VLT(从当前时间到下一次补充)是5天，则需求预测子系统190被配置为预测在接下来的5天中对SKU的需求(5天总预测、针对5天的每日平均预测或针对5天的每日预测)。这5天的需求称为VLT需求或在途VLT需求。在某些实施例中，VLT需求是如表1中所示的向量的形式，其指示预测分布。在获得VLT需求预测之后，SKU预分配模块170可以访问存储在VLT需求检索器164中的VLT需求。
库存检索器166被配置为，当库存分配应用160在操作时，从库存数据库192检索或接收RDC 110中的初始库存I0和每个FDC 130中的初始库存I1至In。在获得库存之后，SKU预分配模块170和库存分配模块172可以访问存储在库存检索器166中的初始RDC库存I0和FDC库存I1至In。
成本检索器168被配置为：当库存分配应用160在操作时，从产品数据库194检索SKU单位价格(或产品价格)cp、从RDC装运到FDC的单个SKU的直接履行成本cr，以及当使用从RDC到FDC的直接履行时所发生的销售损失比率α。库存分配模块172可以访问存储在成本检索器168中的检索的cp、cr和α。当下了订单并且下订单的客户的位置被FDC 130覆盖时，将所下单的产品从FDC 130装运到客户。然而，如果产品在FDC 130中不可用，则需要从与FDC130相对应的高级别的RDC 110装运产品。从RDC 110的装运可能需要更长的时间，并且有时导致拆分订单。因此，由RDC 110履行订单可能比由FDC 130直接履行花费更多。额外成本被定义为从RDC 110装运到RDC 130(或FDC 130的站或被FDC 130覆盖的客户)的单个SKU的直接履行成本cr。在某些实施例中，产品数据库194(或可选的成本检索器168)将直接履行成本cr定义为SKU单位价格cp的百分比。在某些实施例中，直接履行成本cr是SKU单位价格cp的大约10％-50％。在某些实施例中，产品数据库194定义直接履行成本cr是SKU单位价格cp的大约10％。当需要从RDC 110到FDC 130进行SKU的直接履行时，客户可能不对SKU下订单，或者可能由于延迟装运而取消订单。因此，SKU的销售数量可能少于SKU在FDC 130中有存货的情况。在某些实施例中，产品数据库194(或可选的成本检索器168)通过销售损失比率α来定义该销售损失。在某些实施例中，产品数据库194将该比率定义为大约0-0.2，在某些实施例中，该比率为大约0.1。
SKU预分配模块170被配置为，当库存分配应用160在操作时，从VLT需求检索器164检索所有SKU的VLT需求并从库存检索器166检索针对所有SKU的初始FDC库存I1至In，并且将库存与每个FDC130中的每个SKU的VLT需求进行比较。当该SKU的库存小于任何FDC 130中该SKU的VLT需求时，SKU预分配模块170还被配置为将对应的SKU添加到预分配SKU列表中，并且将预分配SKU列表发送给库存分配模块172。这里，VLT是RDC 110的两次补充之间的时间，但是VLT需求是从当前时间到下一次补充时间的每个FDC 130中的SKU的需求(SKU的预测销售)。换句话说，VLT需求是针对VLT内的预定时间的需求预测，并且通常小于VLT。例如，如果VLT为10天，并且RDC 110的下一次补充时间为5天，则对应FDC 130中的SKU的VLT需求是该FDC中的SKU在接下来的5天中的预测总销售。对于每个SKU，将每个FDC 130中的库存与对应的VLT需求进行比较。因此，如果在任何FDC 130中，SKU的库存小于该SKU的VLT需求，则将该SKU添加到预分配列表中。通过这种类型的确定，如果存在可能的SKU短缺，即使仅在一个FDC 130中存在，也将该SKU包括在SKU预分配列表中以用于进一步分析。
库存分配模块172被配置为，在从SKU预分配模块170接收到预分配SKU列表时，从SKU需求检索器162检索RDC需求d0和FDC需求d1至di，从库存检索器166检索初始RDC库存I0和初始FDC库存I1至In，以及从成本检索器168检索cp、cr和α。以上检索使用SKU的标识针对预分配SKU列表中的每一个SKU执行。库存分配模块172还被配置为使用这些数据通过网络流量模型(network flow model)来求解每个SKU的分配，并将结果从网络流量模型发送给分配优先级模块174。结果包括针对RDC 110和FDC 130的分配比率。在某些实施例中，网络流量库存应用模型(network flow inventory application mode)为：
Figure BDA0002300304300000151
对于公式(1)的目标函数，库存分配模块172针对每个SKU查找函数m(k，δ，x，y)的最小期望值，其中δ，x，y是变量。库存分配模块172还定义目标函数如下：
Figure BDA0002300304300000152
Figure BDA0002300304300000153
Figure BDA0002300304300000154
Figure BDA0002300304300000155
Figure BDA0002300304300000156
∑iδi＝1 (7),
Figure BDA0002300304300000157
Figure BDA0002300304300000158
Figure BDA0002300304300000159
Figure BDA00023003043000001510
Figure BDA00023003043000001511
Figure BDA00023003043000001512
这些公式用于一次处理一个SKU。在这些公式中，
Figure BDA00023003043000001515
是取m函数的期望值；k是K个场景中的一个场景，
Figure BDA00023003043000001513
意指针对所有场景。这些公式中的参数包括常量和变量。对于常量，d0是RDC需求，
Figure BDA00023003043000001514
是第k个场景中的RDC需求；di是第i个FDC的需求，
Figure BDA0002300304300000161
第k个场景中的第i个FDC的需求；I0是RDC库存，
Figure BDA0002300304300000162
第k个场景中的RDC库存；Ii是第i个FDC的库存，
Figure BDA0002300304300000163
第k个场景中的第i个FDC的库存；cp SKU(一种产品)的单位价格；cr是从RDC装运到FDC的单个SKU的直接履行成本；α是当使用从RDC到FDC的直接履行时发生的销售损失比率。
对于变量，δ0是RDC库存储备比率，δi是RDC到第i个FDC的分配比率；
Figure BDA0002300304300000164
是从RDC到第i个FDC的直接履行量，
Figure BDA0002300304300000165
是第i个FDC的本地履行量，
Figure BDA0002300304300000166
是履行之后RDC的剩余库存，
Figure BDA0002300304300000167
是履行之后第i个FDC的剩余库存；
Figure BDA0002300304300000168
是由于缺货而引起的RDC销售损失，
Figure BDA0002300304300000169
是由于RDC直接履行装运延迟而引起的FDC销售损失,
Figure BDA00023003043000001610
是由于RDC和FDC两者均缺货而引起的FDC销售损失。
公式(2)的目标函数包括三项。第一项
Figure BDA00023003043000001611
是与RDC销售损失(即由于RDC 110中的SKU缺货而引起的SKU的销售损失)相关联的成本；第二项
Figure BDA00023003043000001612
和
Figure BDA00023003043000001613
表示由于RDC直接履行延迟或由于RDC110和FDC 130两者中的SKU缺货而引起的销售损失；第三项是直接履行成本，
Figure BDA00023003043000001614
是从RDC到第i个FDC的直接履行量。公式(3)表示RDC库存节点112的流量平衡；公式(4)表示FDC库存节点132的流量平衡；公式(5)表示FDC需求节点134的流量平衡。约束公式(6)表明，由于装运延迟，从RDC到FDC的直接履行量将存在固定比例丢失。约束公式(7)确保储备比率和所有FDC分配比率之和为1。约束公式(8)-(13)保证所有变量均为非负的。
由公式定义的网络流量库存分配模型是线性优化模型。在某些实施例中，可以使用线性编程求解器来求解线性优化模型。除此之外，线性求解器还可以包括
Figure BDA00023003043000001615
GUROBI、CBC(coin-or branch and cut)、求解约束整数程序(solving constraintinteger programs，SCIP)等。
返回参考图1，用RDC库存节点112定义RDC 110，并且用FDC库存节点132和FDC需求节点134定义每个FDC。请注意，图1示出了基于针对预定时间内的数据的每个SKU的平衡。例如，如果SKU的下一次补充是在5天后，则图1中的所有数据都与那5天有关。但是，可以每天执行针对每个SKU的基于图1的参数的计算，并且在每一天，预定时间应该比前一天的预定时间少一天。此外，在某些实施例中，预定天数被设置为大于阈值，诸如3-5天。因此，即使下一次补充是明天，也可以通过将预定时间设置为3-5天而不是1天来执行计算。
如图1所示，RDC库存节点112具有输入y0和δ0I0，以及输出xd0、d0、xr1、xr2、……、xri、……、xrn。y0表示当SKU(产品)缺货时由于SKU的缺货而给RDC 110造成的销售损失。I0表示RDC中的SKU的初始库存(或总库存)，它将在RDC 110和n个FDC 130之间分配。δ0表示针对RDC 110的初始库存I0的分配比率。因此，δ0I0表示分配到RDC 110的SKU单位的数量。xd0表示在预定时间结束时，在履行之后在RDC 110中的剩余库存。d0表示在预定时间期间在RDC110中SKU的需求。换句话说，在预定时间期间，在RDC 110直接服务的都市区域中存在客户购买，并且响应于这些客户购买，RDC 110交付d0单位的产品。当客户在由FDC 130所覆盖的区域中对产品下订单，并且FDC 130没有所下单产品的存货时，FDC 130的高级别的RDC 110将直接履行订单。xr1、xr2、……、xri、……、xrn分别表示RDC 110直接交付到由FDC 130-1、FDC130-2、……和FDC 130-n覆盖的客户的产品单位数量。在理想情况下，RDC库存节点112的输入和输出是平衡的。在某些实施例中，库存分配模块172使用公式(3)来定义RDC库存节点112以表示上述平衡。如公式(3)所示，该公式考虑了所有K个场景，并且对于每个场景都优先平衡。
如图1所示，用于第i个FDC中心FDC-i的FDC库存节点132-i具有输入Ii和δiI0，以及输出xdi和xfi。Ii表示在预定时间开始时在FDC-i中SKU的初始库存。在某些实施例中，初始库存Ii从库存数据库192获得。δi表示用于FDC-i的初始库存I0的分配比率，因此，δiI0表示分配到FDC-i的SKU单位的数量。xdi表示在预定时间结束时，在履行之后在FDC-i中的剩余库存。此处的履行意指在预定时间期间将SKU的订单交付给FDC-i的客户。xfi表示在预定时间期间FDC-i已对客户直接履行或完成的SKU单位的数量。在理想情况下，FDC库存节点132-i的输入和输出是平衡的。在某些实施例中，库存分配模块172使用公式(4)定义FDC库存节点132-i以表示以上平衡。如公式(4)所示，该公式考虑了所有K个场景，并且对于每个场景都优先平衡。
如图1所示，FDC需求节点134-i具有输入
Figure BDA0002300304300000181
和输出
Figure BDA0002300304300000182
当由FDC-i覆盖的客户对SKU(产品)下订单并且FDC-i中的SKU缺货时，RDC 110会将SKU直接装运给客户，而不是从FDC-i装运。因为RDC 110可能比FDC-i距客户更远，所以从RDC 110的装运成本将高于从FDC-i的装运成本，并且客户可能不对SKU下订单或由于装运延迟而取消订单。这里的
Figure BDA0002300304300000183
表示由于RDC 110的履行装运延迟而引起的销售损失。此外，如果RDC 110和FDC-i两者都缺货SKU，则电子商务平台可能不得不考虑从第三方供货商再补充SKU而进一步延迟履行。在查看了所需的较长履行时间之后，客户可能不下订单或可能取消订单。
Figure BDA0002300304300000184
是一个变量，其表示由于RDC 110和FDC-i两者中SKU缺货而引起的FDC-i销售损失。
Figure BDA0002300304300000185
是表示来自FDC-i的SKU的本地履行量的变量,
Figure BDA0002300304300000186
是表示RDC 110对由FDC-i覆盖的客户的SKU的直接履行量的变量。
Figure BDA0002300304300000187
是由FDC-i覆盖的客户对SKU的需求。在理想情况下，FDC需求节点134-i的输入和输出是平衡的。在某些实施例中，库存分配模块172使用公式(5)定义FDC需求节点134-i以表示上述平衡。如公式(5)所示，该公式考虑了所有K个场景，并且对于每个场景都优先平衡。
另外，库存分配模块172使用公式(6)-(13)进一步定义上述变量。
Figure BDA0002300304300000188
在公式(6)中，i表示FDC 130的索引，并且在同一个RDC 110下存在数量为n的FDC130，即FDC 130-1、130-2至130-n；K表示场景的数量，其中每个场景对应于RDC需求和对应FDC需求的预测的概率；对于所有i和k，存在由于RDC直接履行装运延迟而导致的FDC-i销售损失与从RDC到FDC-i的直接履行量之间的关系。这里的FDC-i销售损失由对应的SKU单位数量来示出。
∑iδi＝1 (7)
在公式(7)中,RDC的分配比率δ0、FDC 130-1的分配比率δ1、FDC 130-2的分配比率δ2、……、以及130-n的分配比率δn的和等于1。
Figure BDA0002300304300000191
在公式(8)中，对于所有FDC 1至n，并且对于所有场景1至K，从RDC 110到特定FDC的客户的直接履行量大于或等于0。
Figure BDA0002300304300000192
在公式(9)中，对于所有FDC 1到n，并且对于所有场景1到K，在履行之后(在预定时间结束时)特定FDC中的剩余库存大于或等于0。
Figure BDA0002300304300000193
在公式(10)中，对于所有FDC 1到n，并且对于所有场景1到K，在预定时间期间特定FDC的本地履行量大于或等于0。
Figure BDA0002300304300000194
在公式(11)中，对于所有的RDC 110和FDC 1至n，对于它们中的每一个的分配比率大于或等于0。
Figure BDA0002300304300000195
在公式(12)中，对于所有FDC 1到n，并且对于所有场景1到K，由于RDC直接履行装运延迟而引起的FDC销售损失大于或等于0。
Figure BDA0002300304300000196
在公式(13)中，对于所有FDC 1到n，并且对于所有场景1到K，由于RDC 110和特定FDC 130两者均缺货而引起的FDC销售损失大于或等于0。
库存分配模块172被配置为：在执行了目标函数优化之后，提供变量的优化值，例如RDC 110和FDC 130中的每个SKU的分配比率(或分配量)，并且将优化值发送给分配优先级模块174。
分配优先级模块174被配置为，在接收到RDC 110和FDC 130中的每一个中的SKU的优化分配比率(或量)之后，使用SKU-FDC短缺水平和SKU重要性信息来计算SKU的优先级，基于所计算的优先级将SKU划分等级，并且然后将优先级化的SKU添加到实际分配列表。实际分配列表具有SKU数量的限制或SKU总量的限制。在某些实施例中，仅当存在运输限制时才考虑优先级。在某些实施例中，可以通过将SKU的当前库存除以SKU的平均每日需求(这大致是FDC可以使用库存来满足需求的剩余天数)来估计FDC中的SKU的短缺水平。该值越小，SKU短缺水平就越高。在某些实施例中，SKU重要性信息与SKU的需求方差有关，其中具有较大需求方差的SKU获得高优先级。当达到限制时，库存分配模块174停止添加SKU。在某些实施例中，在准备了实际分配列表之后，分配优先级模块174还被配置为将列表发送给SKU分配模块176。
SKU分配模块176被配置为，在接收到实际分配列表时，确定用于从RDC 110分配给每个FDC 130的SKU和SKU的量，并且指示这些SKU的交付。
图3示描绘了根据本公开某些实施例的用于库存分配的方法。在某些实施例中，方法300由图2所示的库存分配计算设备150实现。应当特别注意的是，除非在本公开中另有说明，否则该方法的步骤可以以不同的顺序布置，因此不限于图3所示的顺序。为了简单起见，在此可以省略先前已经讨论的一些详细描述。
如图3所示，在过程302处，针对所有SKU或具有SKU的产品，SKU需求检索器162从需求预测子系统190检索RDC需求预测(或预测的FDC需求)d0和FDC需求预测(或预测的FDC需求)d1至dn。需求预测子系统190基于SKU的历史销售和未来促销来预测预定时间中的RDC需求d0和FDC需求d0至dn。在某些实施例中，预定时间是从当前时间到SKU的下一次装运时间的时段，可以在1天到7天的范围内。RDC需求d0和n个FDC需求d1至dn可以均是具有K个维度的向量的形式，并且每个维度对应于特定的SKU预测数量。在检索到预测的RDC需求d0和预测的FDC需求d1至dn之后，将那些需求存储在SKU需求检索器162中，并且库存分配模块172可以访问那些需求。
在过程304处，VLT需求检索器166从需求预测子系统190中检索每个FDC中的VLT需求预测(或预测的VLT需求)。VLT是RDC110从其他制造商或第三方供货商补充其库存的时间，这可能是几天到一个月的时间。VLT需求预测是在该VLT时段期间对SKU的需求。例如，如果VLT是15天，并且下一补充时间是在15天之后，则VLT需求预测是在FDC 130中该SKU在未来15天的需求；如果VLT是15天，并且下一补充时间是5天(从上一次补充已经过去了10天)之后，则VLT需求预测是在FDC 130中该SKU在未来5天的需求。在获得了针对每个RDC 130中的SKU的VLT需求预测之后，将那些VLT需求存储在VLT需求检索器164中，并且SKU预分配模块170可以访问这些VLT需求。
在过程306处，库存检索器166从库存数据库192检索RDC 110的初始库存I0和FDC130的初始库存I1至In，并且将检索到的初始库存存储并且SKU预分配模块170和库存分配模块172可以访问该初始库存。
在过程308处，成本检索器168从产品数据库194检索SKU单位价格cp、从RDC装运到FDC的单个SKU的直接履行成本cr、以及当使用从RDC到FDC的直接履行时所发生的销售损失比率α。将检索到的cp、cr、和α存储在成本检索器168中并且可以由库存分配模型172访问。
在某些实施例中，过程302-308独立地或并行地执行，并且不具有明确的顺序。在其他实施例中，还可以顺序地执行302-308的检索过程。在某些实施例中，可以定期更新这些检索过程，并且准备好用于以下过程进行访问。
在过程310处，对于每个SKU，SKU预分配模块170检索VLT需求(从当前时间直到RDC110的下一次补充的需求总量)和FDC 130的当前库存，并且将VLT需求与每个FDC 130的当前库存进行比较。如果在至少一个FDC 130中库存小于VLT需求，则SKU预分配模块170将SKU添加到预分配SKU列表中。在完成了针对所有SKU的比较之后，SKU预分配模块170将预分配SKU列表发送给库存分配模块172。
在过程312处，在接收到SKU预分配列表时，库存分配模块172针对SKU预分配列表中的每个SKU，从SKU需求检索器162检索RDC需求和FDC需求；从库存检索器166检索初始RDC库存和初始FDC库存；以及从成本检索器168检索SKU的单位价格cp、SKU的直接履行成本cr和销售损失比率α。然后，库存分配模块172基于检索到的数据针对每个SKU执行公式(1)至(13)的目标函数，以获得RDC 110和FDC 130中的SKU的分配比率或/和分配量，并且将获得的SKU分配比率或分配量发送给分配优先级模块174。
在过程314处，在接收到具有其相应的分配比率或分配量的(预分配的SKU列表中的)SKU后，分配优先级模块174使用SKU-FDC短缺水平和SKU重要性信息来计算这些SKU的优先级。例如，如果一个FDC中的SKU的分配比率或精确分配量较大，则它具有高优先级；如果SKU为多个FDC所需要，则它具有用于从RDC重新分配给FDC的高优先级。
在过程316处，在计算了优先级之后，分配优先级模块174基于该FDC 130中的SKU的优先级，将SKU进一步添加到每个FDC 130的实际分配列表，直到达到SKU的数量限制或SKU总量，并将每个FDC 130的实际分配列表发送给SKU分配模块176。
在过程318处，分配模块176基于FDC 130的实际分配列表来准备包含实际分配列表的分配指令，使得可以基于指令执行分配。
在其他方面，本发明涉及存储计算机可执行代码的非暂时性计算机可读介质。当代码在计算设备的处理器处执行时，可以执行上述的方法300。在某些实施例中，非暂时性计算机可读介质可以包括但不限于任何物理或虚拟存储介质。在某些实施例中，非暂时性计算机可读介质可以被实现为如图2所示的库存分配计算设备150的存储设备156。
图4示意性地描绘了根据本公开某些实施例的分配系统的示例。如图4所示，系统包括RDC和若干FDC，例如FDC-1、FDC-2和FDC-3。当RDC对一个SKU或产品下订单时，对应的制造商或供货商在供货商交货时间内装运SKU。RDC在RDC和FDC之间分配SKU的库存，并且将一定量的SKU运输到FDC 130。在某些实施例中，分配是基于RDC和FDC的需求和库存以及SKU价格和损失信息的。在某些实施例中，可以使用以上关于图3所描述的方法来计算RDC和FDC之间的SKU的最优目标分配比率。
图5示意性地描绘了根据本公开某些实施例的库存分配系统。如图5所示，库存分配系统包括RDC储备比率模型、单个FDC补充模型和平衡库存分配模型。
RDC储备比率模型被配置为基于SKU的VLT预测和销售预测来获得RDC 110中SKU的最优储备比率。在某些实施例中，库存分配系统使用足以在RDC的下一次补充之前满足RDC需求的RDC库存的一部分作为参考，并且将其余的RDC库存视为是可分配给FDC的库存。与将RDC库存的预定百分比设置为是可分配给FDC的库存相比，该方法增加了用于将RDC中的一定量的SKU分配给FDC的灵活性和准确性。
单个FDC补充模型被配置为基于SKU的当前库存、需求预测、分配能力和目标库存来确定从RDC中补充SKU的时间和量。在某些实施例中，针对每个FDC，单个FDC补充模型基于SKU的需求(例如需求预测)而不是仅基于SKU的短缺来确定要补充的SKU。此外，单个FDC补充模型将分配量控制在预定分配量水平内。
平衡库存分配模型被配置为基于SKU的分配阈值和目标库存以及FDC权重来确定到FDC的SKU分配。平衡库存分配模型不仅考虑了FDC的优先级或权重，还确保了到所有FDC的SKU的平衡量。
在某些实施例中，图1和图2所示的系统以及图3所示的方法用于获得SKU的最优储备比率，并且实现图5的RDC储备比率模型的功能；该系统和方法还用于获得FDC中的SKU的最优分配比率，并且实现单个FDC补充模型的功能。所获得的储备比率和分配比率是用于由平衡库存分配模型确定平衡库存分配的关键参数。
除此之外，本公开的某些实施例还确定了针对每个SKU的从RDC到每个FDC的分配比率或分配量。使用网络流量库存分配模型来执行该确定。所获得的分配比率或分配量提供了用于库存分配方案的最优解决方案，并且该最优解决方案提高了RDC和FDC的本地履行率，并提高了履行服务水平。
本公开的不同说明性实施例的以上描述是仅为了说明和描述的目的而给出的，而非意在穷举或将本公开限制于所公开的精确形式。鉴于上述教导，许多修改和变化是可能的。
选择和描述实施例以便最好地解释本公开的原理及其实际应用，使得本领域的其他技术人员能够在各种实施例和具有适合于预期特定用途的各种改型中利用本公开。在不脱离本公开的精神和范围的情况下，备选实施例对于本领域的技术人员来说将变得显而易见。因此，本公开的范围由随附权利要求、而不是由以上描述和本文描述的示例性实施例来限定。

Claims (14)

1.一种用于在第一级配送中心和多个第二级配送中心之间分配库存的方法，所述方法包括：
由计算设备提供所述第一级配送中心和所述第二级配送中心中产品的需求、库存和价格数据；
由所述计算设备定义以所述产品的需求、库存和价格数据作为输入的目标函数；
由所述计算设备对所述目标函数进行优化以获得优化结果；以及
基于所述优化结果来将所述产品从所述第一级配送中心交付到所述第二级配送中心。
2.根据权利要求1所述的方法，其中，所述目标函数是：
Figure FDA0002300304290000011
其中：
Figure FDA0002300304290000012
Figure FDA0002300304290000013
Figure FDA0002300304290000014
Figure FDA0002300304290000015
Figure FDA0002300304290000016
∑iδi＝1 (7),
Figure FDA0002300304290000017
Figure FDA0002300304290000018
Figure FDA0002300304290000019
Figure FDA00023003042900000110
Figure FDA00023003042900000111
以及
Figure FDA00023003042900000112
其中，
Figure FDA00023003042900000113
是取m函数的期望值，i是所述第二级配送中心的索引，其为从1到n的正整数，k是预测场景的索引，其为从1到K的正整数，
Figure FDA00023003042900000114
表示针对所有K个预测场景，
Figure FDA00023003042900000115
表示针对所有n个第二级配送中心；
其中，δ表示分配比率，δ0表示所述第一级配送中心的储备比率，δi表示所述第二级配送中心中的每个配送中心的分配比率；
其中，x表示产品的量，
Figure FDA0002300304290000021
表示从所述第一级配送中心到所述第二级配送中心中的每个配送中心的直接履行量，
Figure FDA0002300304290000022
表示针对所述第二级配送中心中的每个配送中心的本地履行量，
Figure FDA0002300304290000023
表示在履行之后所述第一级配送中心的剩余库存，
Figure FDA0002300304290000024
表示在履行之后所述第二级配送中心中的每个配送中心的剩余库存；
其中，y表示产品的损失，
Figure FDA0002300304290000025
表示由于所述第一级配送中心的直接履行装运延迟而引起的所述第二级配送中心中的每个配送中心的销售损失，
Figure FDA0002300304290000026
表示由于所述第一级配送中心和所述第二级配送中心两者中的产品缺货而引起的所述第二级配送中心中的每个配送中心的销售损失，
Figure FDA0002300304290000027
表示由于所述第一级配送中心中的产品缺货而引起的所述第一级配送中心的销售损失；
其中，cp表示产品的单位价格，cr表示从所述第一级配送中心装运到所述第二级配送中心的对应的一个配送中心的产品的单位直接履行成本，α表示当使用来自所述第一级配送中心而不是来自对应的第二级配送中心的产品的直接履行时发生的销售损失比率；
其中，I0表示所述第一级配送中心中的初始库存，Ii表示所述第二级配送中心中对应的一个配送中心中的初始库存；以及
其中，
Figure FDA0002300304290000028
表示所述第一级配送中心的需求，
Figure FDA0002300304290000029
表示所述第二级配送中心中对应的一个配送中心的需求。
3.根据权利要求2所述的方法，其中，cr是cp的10％-50％。
4.根据权利要求3所述的方法，其中，α在0-0.2的范围内。
5.根据权利要求4所述的方法，其中，cr是cp的10％并且α是0.1。
6.根据权利要求2所述的方法，其中，n在3-10的范围内并且K在50-200的范围内。
7.根据权利要求2所述的方法，还包括：在优化所述目标函数的步骤之前：
检索所述第二级配送中心中的所有产品的供货商交货时间VLT；
提供针对每个产品的VLT需求，其中通过预测从当前时间到所述VLT结束的产品的销售来获得所述针对每个产品的VLT需求；
提供所述第二级配送中心中的每个配送中心中产品的当前库存；
将所述产品中的一个产品的当前库存和所述VLT需求进行比较；以及
当所述当前库存小于所述VLT需求时，选择所述产品中对应的一个产品以优化所述目标函数。
8.根据权利要求7所述的方法，还包括：在获得了针对每个产品的优化结果之后，基于所述第二级配送中心中产品的短缺和产品的重要性来对产品进行优先级排序，并且基于产品的优先级来交付产品。
9.根据权利要求2所述的方法，其中，库存I0和Ii中的每一个以及需求
Figure FDA0002300304290000031
和
Figure FDA0002300304290000032
中的每一个是K维的向量。
10.根据权利要求1所述的方法，其中，所述需求中的每个需求采用均值和方差的形式，并且对所述需求执行K采样以获得K维的向量。
11.根据权利要求1所述的方法，其中，所述优化结果包括所述第一级配送中心和所述第二级配送中心的分配比率和分配量中的至少一个。
12.一种用于在第一级配送中心和多个第二级配送中心之间分配库存的系统，所述系统包括计算设备，所述计算设备包括处理器和存储计算机可执行代码的存储设备，其中，当所述计算机可执行代码在所述处理器处执行时，所述处理器被配置为执行如权利要求1至11中任一项所述的方法。
13.一种存储计算机可执行代码的非暂时性计算机可读介质，其中，当所述计算机可执行代码在计算设备的处理器处执行时，所述处理器被配置为执行如权利要求1至11中任一项所述的方法。
14.一种用于在第一级配送中心和多个第二级配送中心之间分配库存的系统，所述系统包括：
需求预测子系统，被配置为基于历史数据来对第一级配送中心和第二级配送中心的需求进行预测；
库存数据库，被配置为记录所述第一级配送中心和所述第二级配送中心的库存以及其他库存相关信息和分析；
产品数据库，被配置为提供产品信息；以及
计算子系统，被配置为经由网络访问所述需求预测子系统、所述库存数据库和所述产品数据库，且被配置为基于对所述第一级配送中心和所述第二级配送中心的需求的预测、所述第一级配送中心和所述第二级配送中心的库存以及其他库存相关信息和分析以及所述产品信息，来管理并实现所述第一级配送中心和所述第二级配送中心之间的库存的分配。
CN201911219129.0A 2018-12-03 2019-12-03 用于二级库存分配的方法和系统 Pending CN111260274A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US16/208,439 2018-12-03
US16/208,439 US20200175461A1 (en) 2018-12-03 2018-12-03 Method and system for two-echelon inventory allocation

Publications (1)

Publication Number Publication Date
CN111260274A true CN111260274A (zh) 2020-06-09

Family

ID=70849221

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911219129.0A Pending CN111260274A (zh) 2018-12-03 2019-12-03 用于二级库存分配的方法和系统

Country Status (2)

Country Link
US (1) US20200175461A1 (zh)
CN (1) CN111260274A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200520A (zh) * 2020-10-19 2021-01-08 广东电网有限责任公司计量中心 一种电能表配件的配送系统、方法及相关装置
CN113408977A (zh) * 2021-05-08 2021-09-17 国网安徽省电力有限公司物资分公司 电网库存物品供需分析管理方法、系统及设备

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11321651B2 (en) * 2019-12-30 2022-05-03 Coupang Corp. Cycle and safety stock determination systems
US11775931B2 (en) 2020-08-03 2023-10-03 Flexe, Inc. System and associated methods for apportionment of inventory between warehouse nodes to achieve requested service levels
US11704611B2 (en) * 2021-04-15 2023-07-18 Oracle International Corporation Inventory allocation and pricing optimization system for distribution from fulfillment centers to customer groups
US11507922B1 (en) * 2021-06-24 2022-11-22 Coupang Corp. Computer-implemented systems and methods for artificial intelligence (AI)-based inbound plan generation using fungibility logic
CN113506071B (zh) * 2021-09-13 2021-11-12 深圳海带宝网络科技股份有限公司 商品转运方法、转运装置及存储介质
CN117649164B (zh) * 2024-01-30 2024-04-16 四川宽窄智慧物流有限责任公司 一种货物统筹管理的梯度分配方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120054076A1 (en) * 2010-08-30 2012-03-01 Xinmin Wu Systems And Methods For Multi-Echelon Inventory Planning With Lateral Transshipment
US20170140406A1 (en) * 2015-11-16 2017-05-18 Oracle International Corporation System and method for providing a multi-channel inventory allocation approach for retailers
US20180075401A1 (en) * 2016-09-13 2018-03-15 International Business Machines Corporation Allocating a product inventory to an omnichannel distribution supply chain
CN108022061A (zh) * 2016-10-31 2018-05-11 株式会社日立制作所 库存管理系统和方法
US20180218314A1 (en) * 2017-01-31 2018-08-02 Wal-Mart Stores, Inc. Systems and methods for inventory replenishment and allocation

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120054076A1 (en) * 2010-08-30 2012-03-01 Xinmin Wu Systems And Methods For Multi-Echelon Inventory Planning With Lateral Transshipment
US20170140406A1 (en) * 2015-11-16 2017-05-18 Oracle International Corporation System and method for providing a multi-channel inventory allocation approach for retailers
US20180075401A1 (en) * 2016-09-13 2018-03-15 International Business Machines Corporation Allocating a product inventory to an omnichannel distribution supply chain
CN108022061A (zh) * 2016-10-31 2018-05-11 株式会社日立制作所 库存管理系统和方法
US20180218314A1 (en) * 2017-01-31 2018-08-02 Wal-Mart Stores, Inc. Systems and methods for inventory replenishment and allocation

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200520A (zh) * 2020-10-19 2021-01-08 广东电网有限责任公司计量中心 一种电能表配件的配送系统、方法及相关装置
CN112200520B (zh) * 2020-10-19 2023-03-14 广东电网有限责任公司计量中心 一种电能表配件的配送系统、方法及相关装置
CN113408977A (zh) * 2021-05-08 2021-09-17 国网安徽省电力有限公司物资分公司 电网库存物品供需分析管理方法、系统及设备

Also Published As

Publication number Publication date
US20200175461A1 (en) 2020-06-04

Similar Documents

Publication Publication Date Title
CN111260274A (zh) 用于二级库存分配的方法和系统
US11270240B2 (en) Method and system for transfer order management
US8515835B2 (en) Systems and methods for multi-echelon inventory planning with lateral transshipment
CN111401619B (zh) 采购订单处理方法、装置、电子设备及存储介质
US11423344B2 (en) Computerized promotion and markdown price scheduling
JP2023523530A (ja) 注文情報処理方法、装置、コンピュータ機器及び媒体
US20030208392A1 (en) Optimizing resource plans
CN111260275A (zh) 用于分配库存的方法和系统
US11410117B2 (en) System and method for controlling inventory depletion by offering different prices to different customers
Aggarwal et al. Chance constraint-based multi-objective stochastic model for supplier selection
CN108108933B (zh) 仓储位置分配方法及装置
Yadollahi et al. Managing inventory and service levels in a safety stock‐based inventory routing system with stochastic retailer demands
US10776803B2 (en) Computerized promotion and markdown price scheduling
WO2020205259A1 (en) Computerized inventory redistribution control system
CN107886399A (zh) 一种用于全渠道零售的云仓订单处理系统
US20200175531A1 (en) Method and system for reserving stock in a regional distribution center
US20240346530A1 (en) Method and system for simulating fulfillment of digital orders
CN112070423A (zh) 库存预占方法、装置、电子设备及存储介质
Peirleitner et al. A simulation approach for multi-stage supply chain optimization to analyze real world transportation effects
CN114819831A (zh) 一种基于亚马逊fba仓库的补调货方法、设备和存储介质
Yadollahi et al. Evaluating approximate solution models for the stochastic periodic inventory routing problem
CN112712222A (zh) 物品调度方法和系统
Agrawal et al. Multi-location Inventory Models for Retail Supply Chain Management: A Review of Recent Research
US11580490B2 (en) Supply chain replenishment simulation
US20150112742A1 (en) System and method of automatically allocating tasks

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