CN111539673A - 一种租赁设备仓储管理系统及方法 - Google Patents

Abstract

本发明提供了一种租赁设备仓储管理系统及方法，包括智能寻仓选仓模块、动态库存预测模块和最佳发货仓组合算法模块。本发明的有益效果在于：通过智能分析推荐最合适的仓库位置，帮助企业节约成本，扩大竞争优势；通过结合大数据技术，对数据分析计算预测未来库存，帮助客户预定下单占库，为企业制定采购计划提供指导；通过算法计算获取最优的供货仓组合，为客户节约运费成本。

Description

一种租赁设备仓储管理系统及方法

技术领域

本发明涉及仓储管理技术领域，尤其涉及一种租赁设备仓储管理系统及方法。

背景技术

企业随着业务扩张，其设备会不断增加，因此，在运营管理的过程中，其仓储管理会出现以下痛点：1.设备增加势必需要增加仓库存放，但是仓库选址如果不够科学会导致成本大幅上升，竞争力大幅下降；2.由于是租赁行业，设备的库存影响因素诸多，无法确定未来某天库存的真实情况，从而导致客户预约下单但无法保证在客户要求的时间正常发货；3.客户下单后，如果单仓不能满足要求，需要组合发货时，无法快速搭配最合理、最高效、最经济的发货组合。

仓库选址密切关系着后续业务的开展，但仓库的位置影响因子诸多，例如：附近工程覆盖率、在租工程数、在租设备数、交通、配套、运费、安全限制、法律法规等等，通过人工选择的仓库不能直观的感受其合理性，因此，迫切需要系统推荐仓库位置或者帮助评分，以供决策，为解决上述痛点问题，智能仓库系统应运而生。

发明内容

为解决上述问题，本发明公开了一种租赁设备仓储管理系统及方法，从寻仓选仓到仓库基本信息管理、库存管理到智能调度，提供了仓储完整的端到端服务。

具体方案如下：一种租赁设备仓储管理系统，其特征在于，包括智能寻仓选仓模块、动态库存预测模块和最佳发货仓组合算法模块。

作为本发明的进一步改进，所述智能寻仓选仓模块的方法为：

步骤1，对仓库选址的影响因子建立模型及评分机制；

步骤2，定义新仓库覆盖的城市并提交；

步骤3，通过地图SDK查询覆盖城市及周边N公里内的道路、桥梁及桥梁承重、公交、物流园、汽配城、汽车修理厂、加油站、化工厂等影响因子；

步骤4，通过爬虫获取覆盖城市内的工程信息预估用车台量；

步骤5，利用决策树在多因子模型中的应用，决策树分支结点所包含的样本类别会逐渐趋于一致，决策树算法追求的目标，就是寻找最有效的特征进行划分，即节点分裂时要使得节点分裂后的信息增益最大，这里列出决策树中判断信息量增减，其中，信息熵和基尼系数的计算公式分别为，

其中t为给定的节点，i为标签的任意分类，p(i|t)为标签分类i在节点t上所占的比例；依据上述算法使用AI建模，并预测仓库选址合理的前10个区域；

步骤6，利用大数据计算前10个区域中的点位按仓库选址评分模型计算出点位的分数，给出前10个的高分位置，供业务选择。

作为本发明的进一步改进，当业务人员选择了几个仓库位置时，需要系统给出评分供决策，为达到上述选仓目的，智能寻仓选仓模块的方法为：

步骤1，提交新仓库覆盖的城市和待选择的几个仓库位置；

步骤2，通过地图SDK查询覆盖城市及周边N公里内的道路、桥梁及桥梁承重、公交、物流园、汽配城、汽车修理厂、加油站、化工厂等影响因子；

步骤3，通过爬虫获取覆盖城市内的工程信息预估用车台量；

步骤4，计算出几个仓库地址按仓库选址评分模型累加的分数，并给出推荐。

作为本发明的进一步改进，仓库新建完成车辆入库后，另一个问题接踵而至，仓库中可以查看到实时库存，但由于租赁行业的特殊性，有出租、报修、续租、退租、设备整备保养都会影响仓库未来库存，如果客户想在2天后用车，但系统并不知道2天后该车型仓库还有没有库存，导致无法给出客户承诺，基于此提供了设备租赁的动态库存预测模块，来预测未来库存帮助客户下单占库，所述动态库存预测模块的方法为：

步骤1，实时采集系统中所有对库存有影响的影响因子，包括不限于意向数据、订单数据、各种服务工单、库存数据、在租数据；

步骤2，对通过利用技术Apache Flink加Spark SQL技术对影响因子实时进行计算分析，得到未来时间段内即将产生的工单和基于服务人员人力模型计算的工单完成周期，将所有因子根据起止时间分摊到到具体未来的某一天；

步骤3，根据当前已知的库存数据，加上当天的影响因子，来滚算未来1-2个月的库存数据，计算后的数据推送到ElasticSearch上供使用方查询；

步骤4，在线预订预订系统查询最新库存预测数据，实现库存实时日历，供在线预订客户查询下单；

步骤5，循环到步骤1，实时校准确保未来库存的及时和准确性。

作为本发明的进一步改进，所述最佳发货仓组合算法模块的方法为：

仓库预测库存完成后，客户下单还会遇到一个问题，当单仓库存不满足客户需求时，多仓组合发货，怎样组合最合理、最高效、最经济，需要系统可以给出推荐。

步骤1，根据客户工程地址，查询工程所在地直线距离最近的5个仓库；

步骤2，通过高德货运导航获取5个仓库到工程所在地真实距离，按距离由近及远排序；

步骤3，按用车日期、车型、仓库，查询动态库存预测结果中相应用车日期车型的库存；

步骤4，当最近仓库库存满足时或最近仓库无库存次近仓库库存满足，直接占库流程结束；

步骤5，当最近仓库库存不足，需要多个仓组合发货时，按尽量少的仓发货、距离近的仓尽可能多发车为原则，计算出所有发货组合；

步骤6，将每个组合中不同车型折算成同一个最小车型，根据运输车辆装载比，计算出所有装载组合，校验组合获取最优结果；

步骤7，计算所有发货组合在最优装载情况下运费，推荐出运费最经济的组合，下单占库。

本发明的有益效果在于：

1.通过智能分析推荐最合适的仓库位置，帮助企业节约成本，扩大竞争优势；

2.通过结合大数据技术，对数据分析计算预测未来库存，帮助客户预定下单占库，为企业制定采购计划提供指导；

3.通过算法计算获取最优的供货仓组合，为客户节约运费成本。

附图说明

图1为本发明一种租赁设备仓储管理系统的决策树。

图2为动态库存预测模块的方法示意图。

具体实施方式

下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。

一种租赁设备仓储管理系统，包括智能寻仓选仓模块、动态库存预测模块和最佳发货仓组合算法模块。

在本实施例中，智能寻仓选仓模块的方法为：

步骤1，对仓库选址的影响因子建立模型及评分机制；

步骤2，定义新仓库覆盖的城市并提交；

步骤3，通过地图SDK查询覆盖城市及周边N公里内的道路、桥梁及桥梁承重、公交、物流园、汽配城、汽车修理厂、加油站、化工厂等影响因子；

步骤4，通过爬虫获取覆盖城市内的工程信息预估用车台量；

步骤5，利用决策树（见图1）在多因子模型中的应用，决策树分支结点所包含的样本类别会逐渐趋于一致，决策树算法追求的目标，就是寻找最有效的特征进行划分，即节点分裂时要使得节点分裂后的信息增益（Information Gain）最大，这里列出决策树中判断信息量增减，其中，信息熵（Entropy）和基尼系数（Gini）的计算公式分别为，

其中t为给定的节点，i为标签的任意分类，p(i|t)为标签分类i在节点t上所占的比例；依据上述算法使用AI建模，并预测仓库选址合理的前10个区域；

步骤6，利用大数据计算前10个区域中的点位按仓库选址评分模型计算出点位的分数，给出前10个的高分位置，供业务选择。

在本实施例中，当业务人员选择了几个仓库位置时，需要系统给出评分供决策，为达到上述选仓目的，智能寻仓选仓模块的方法为：

步骤1，提交新仓库覆盖的城市和待选择的几个仓库位置；

步骤2，通过地图SDK查询覆盖城市及周边N公里内的道路、桥梁及桥梁承重、公交、物流园、汽配城、汽车修理厂、加油站、化工厂等影响因子；

步骤3，通过爬虫获取覆盖城市内的工程信息预估用车台量；

步骤4，计算出几个仓库地址按仓库选址评分模型累加的分数，并给出推荐。

在本实施例中，仓库新建完成车辆入库后，另一个问题接踵而至，仓库中可以查看到实时库存，但由于租赁行业的特殊性，有出租、报修、续租、退租、设备整备保养都会影响仓库未来库存，如果客户想在2天后用车，但系统并不知道2天后该车型仓库还有没有库存，导致无法给出客户承诺，基于此提供了设备租赁的动态库存预测模块，来预测未来库存帮助客户下单占库，动态库存预测模块的方法为（见图2）：

步骤1，实时采集系统中所有对库存有影响的影响因子，包括不限于意向数据、订单数据、各种服务工单、库存数据、在租数据；

步骤2，对通过利用技术Apache Flink加Spark SQL技术对影响因子实时进行计算分析，得到未来时间段内即将产生的工单和基于服务人员人力模型计算的工单完成周期，将所有因子根据起止时间分摊到到具体未来的某一天；

步骤3，根据当前已知的库存数据，加上当天的影响因子，来滚算未来1-2个月的库存数据，计算后的数据推送到ElasticSearch上供使用方查询；

步骤4，在线预订预订系统查询最新库存预测数据，实现库存实时日历，供在线预订客户查询下单；

步骤5，循环到步骤1，实时校准确保未来库存的及时和准确性。

在本实施例中，最佳发货仓组合算法模块的方法为：

仓库预测库存完成后，客户下单还会遇到一个问题，当单仓库存不满足客户需求时，多仓组合发货，怎样组合最合理、最高效、最经济，需要系统可以给出推荐。

步骤1，根据客户工程地址，查询工程所在地直线距离最近的5个仓库；

步骤2，通过高德货运导航获取5个仓库到工程所在地真实距离，按距离由近及远排序；

步骤3，按用车日期、车型、仓库，查询动态库存预测结果中相应用车日期车型的库存；

步骤4，当最近仓库库存满足时或最近仓库无库存次近仓库库存满足，直接占库流程结束；

步骤5，当最近仓库库存不足，需要多个仓组合发货时，按尽量少的仓发货、距离近的仓尽可能多发车为原则，计算出所有发货组合；

步骤6，将每个组合中不同车型折算成同一个最小车型，根据运输车辆装载比，计算出所有装载组合，校验组合获取最优结果；

步骤7，计算所有发货组合在最优装载情况下运费，推荐出运费最经济的组合，下单占库。

本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。

Claims (5)

1.一种租赁设备仓储管理系统，其特征在于，包括智能寻仓选仓模块、动态库存预测模块和最佳发货仓组合算法模块。

2.根据权利要求1所述的一种租赁设备仓储管理系统的方法，其特征在于，所述智能寻仓选仓模块的方法为：

步骤1，对仓库选址的影响因子建立模型及评分机制；

步骤2，定义新仓库覆盖的城市并提交；

步骤3，通过地图SDK查询覆盖城市及周边N公里内的影响因子；

步骤4，通过爬虫获取覆盖城市内的工程信息预估用车台量；

步骤5，利用决策树判断信息量增减，其中，信息熵和基尼系数的计算公式分别为，

其中，t为给定的节点，i为标签的任意分类，p(i|t)为标签分类i在节点t上所占的比例；依据上述算法使用AI建模，并预测仓库选址合理的前10个区域；

步骤6，利用大数据计算前10个区域中的点位按仓库选址评分模型计算出点位的分数，给出前10个的高分位置，供业务选择。

3.根据权利要求1所述的一种租赁设备仓储管理系统的方法，其特征在于，所述智能寻仓选仓模块的方法为：

步骤1，提交新仓库覆盖的城市和待选择的几个仓库位置；

步骤2，通过地图SDK查询覆盖城市及周边N公里内的影响因子；

步骤3，通过爬虫获取覆盖城市内的工程信息预估用车台量；

步骤4，计算出几个仓库地址按仓库选址评分模型累加的分数，并给出推荐。

4.根据权利要求2或3所述的一种租赁设备仓储管理系统的方法，其特征在于，所述动态库存预测模块的方法为：

步骤1，实时采集系统中所有对库存有影响的影响因子，包括不限于意向数据、订单数据、各种服务工单、库存数据、在租数据；

步骤2，利用Apache Flink技术加Spark SQL技术对影响因子实时进行计算分析，得到未来时间段内即将产生的工单和基于服务人员人力模型计算的工单完成周期，将所有因子根据起止时间分摊到具体未来的一天；

步骤3，根据当前已知的库存数据，加上当天的影响因子，来滚算未来1-2个月的库存数据，计算后的数据推送到ElasticSearch上；

步骤4，在线预订预订系统查询最新库存预测数据，实现库存实时日历；

步骤5，循环到步骤1，实时校准。

5.根据权利要求4所述的一种租赁设备仓储管理系统的方法，其特征在于，所述最佳发货仓组合算法模块的方法为：

步骤1，根据客户工程地址，查询工程所在地直线距离最近的5个仓库；

步骤2，通过高德货运导航获取5个仓库到工程所在地真实距离，按距离由近及远排序；

步骤3，按用车日期、车型、仓库，查询动态库存预测结果中相应用车日期车型的库存；

步骤4，当最近仓库库存满足时或最近仓库无库存次近仓库库存满足，直接占库流程结束；

步骤5，当最近仓库库存不足，需要多个仓组合发货时，按少仓发货、距离近的仓多发车为原则，计算出所有发货组合；

步骤6，将每个组合中不同车型折算成同一个最小车型，根据运输车辆装载比，计算出所有装载组合，校验组合获取最优结果；

步骤7，计算所有发货组合在最优装载情况下运费，推荐出运费最经济的组合，下单占库。

Images