CN112700177A - 用于转运中心转运的选仓方法和装置、存储介质 - Google Patents

用于转运中心转运的选仓方法和装置、存储介质 Download PDF

Info

Publication number
CN112700177A
CN112700177A CN201911006280.6A CN201911006280A CN112700177A CN 112700177 A CN112700177 A CN 112700177A CN 201911006280 A CN201911006280 A CN 201911006280A CN 112700177 A CN112700177 A CN 112700177A
Authority
CN
China
Prior art keywords
warehouse
cost
distribution
determining
optional
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.)
Granted
Application number
CN201911006280.6A
Other languages
English (en)
Other versions
CN112700177B (zh
Inventor
陈会强
毛锐
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 Zhenshi Information Technology Co Ltd
Original Assignee
Beijing Jingdong Zhenshi Information Technology Co Ltd
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 Zhenshi Information Technology Co Ltd filed Critical Beijing Jingdong Zhenshi Information Technology Co Ltd
Priority to CN201911006280.6A priority Critical patent/CN112700177B/zh
Publication of CN112700177A publication Critical patent/CN112700177A/zh
Application granted granted Critical
Publication of CN112700177B publication Critical patent/CN112700177B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/08—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

Landscapes

  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Human Resources & Organizations (AREA)
  • Accounting & Taxation (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

本公开涉及一种用于转运中心转运的选仓方法和装置、存储介质。该用于转运中心转运的选仓方法包括：得仓库列表和用户订单信息；针对用户订单信息，确定每一可选仓库的转运中心运输成本、订单配送成本和预计配送时间；根据转运中心运输成本、订单配送成本和预计配送时间，综合确定最优分仓方案，其中，所述分仓方案包括所选择仓库的数量和仓库标识。本公开通过对TC运输成本、配送成本和时效性进行量化，遍历所有仓数，综合成本和时效性进行打分，可以选择最佳的仓数和仓。

Description

用于转运中心转运的选仓方法和装置、存储介质
技术领域
本公开涉及物流领域，特别涉及一种用于转运中心转运的选仓方法和装置、存储介质。
背景技术
物流企业TC(Transport Center，转运中心)，是物流企业为了完善多地开仓的转运中心，供应商将货物送到距离最近的TC收货仓库，由这个TC把货送往物流企业的各个仓库。
发明内容
发明人通过研究发现：相关技术中，对于物流企业TC业务，商家选仓方法还不成熟，商家主要采用根据历史订单的位置和销量粗略估计的方法，例如：如果商家发现东北地区销量比较多，可能就会选择沈阳仓。
相关技术中商家根据历史订单的位置和销量进行估计选仓，缺点很明显，没有对成本和时效性量化和综合考量，不能选到最佳的仓数和仓库。
鉴于以上技术问题中的至少一项，本公开提供了一种用于转运中心转运的选仓方法和装置、存储介质，可以综合成本和时效性进行打分，选择最佳的仓数和仓。
根据本公开的一个方面，提供一种用于转运中心转运的选仓方法，包括：
获得仓库列表和用户订单信息；
针对用户订单信息，确定每一可选仓库的转运中心运输成本、订单配送成本和预计配送时间；
根据转运中心运输成本、订单配送成本和预计配送时间，综合确定最优分仓方案，其中，所述分仓方案包括所选择仓库的数量和仓库标识。
在本公开的一些实施例中，所述根据转运中心运输成本、订单配送成本和预计配送时间，综合确定最优分仓方案包括：
接收用户输入的成本与配送时间的权重，其中，所述成本包括转运中心运输成本和订单配送成本；
根据仓库列表、用户输入的成本与配送时间的权重、每一可选仓库的成本和预计配送时间，确定多种分仓方案；
根据用户输入的成本与配送时间的权重、每种分仓方案的成本和预计配送时间，确定最优分仓方案。
在本公开的一些实施例中，所述根据仓库列表、用户输入的成本与配送时间的权重、每一可选仓库的成本和预计配送时间，确定多种分仓方案包括：
根据用户输入的成本与配送时间的权重、每一可选仓库的成本和预计配送时间，确定每一可选仓库的成本时效值；
选择成本时效值最高的仓库，从仓库列表提取到仓库方案列表，并保存当前仓库方案列表；
判断仓库列表中是否仍存在可选仓库；
在仓库列表中不存在可选仓库的情况下，执行根据用户输入的成本与配送时间的权重、每种分仓方案的成本和预计配送时间，确定最优分仓方案的步骤；
在仓库列表中仍存在可选仓库的情况下，执行根据用户输入的成本与配送时间的权重、每一可选仓库的成本和预计配送时间，确定每一可选仓库的成本时效值的步骤。
在本公开的一些实施例中，所述根据用户输入的成本与配送时间的权重、每种分仓方案的成本和预计配送时间，确定最优分仓方案包括：
获取每种分仓方案的成本和预计配送时间；
根据用户输入的成本与配送时间的权重、每种分仓方案的成本和预计配送时间，确定每种分仓方案的成本时效值；
将成本时效值最高的分仓方案作为最优分仓方案。
在本公开的一些实施例中，所述针对用户订单信息，确定每一可选仓库的预计配送时间包括：
获取历史订单数据，其中，所述历史订单数据包括预定时间段内每一可选仓库到目的地的订单数据；
对历史订单数据中，仓库到城市的订单配送时间进行统计分析，针对用户订单信息，确定每一可选仓库的预计配送时间。
在本公开的一些实施例中，所述针对用户订单信息，确定每一可选仓库的订单配送成本包括：
获取历史订单数据，其中，所述历史订单数据包括预定时间段内历史订单中货物的体积、重量和目的地；
根据历史订单数据确定每一历史订单放在不同可选仓库的配送成本；
根据每一历史订单放在不同可选仓库的配送成本、以及用户订单信息，确定当前用户订单放在不同可选仓库的配送成本。
在本公开的一些实施例中，所述针对用户订单信息，确定每一可选仓库的转运中心运输成本包括：
获取转运中心运输车辆的车辆信息，其中，所述车辆信息包括车辆型号数量、车辆型号、不同车辆型号对应的最大容量、整车报价、和非整车报价；
获取订单的货物体积；
根据货物体积和车辆信息，按照预定算法获取每一可选仓库的转运中心运输成本。
在本公开的一些实施例中，所述根据货物重量和车辆信息，按照预定算法获取每一可选仓库的转运中心运输成本包括：
确定不同的配送车辆方案，其中，在每一个配送车辆方案中，将货物体积划分为整车容量组合和非整车容量中的至少一项，其中，整车容量组合包括至少一个整车最大容量的组合，非整车容量小于任何一种车辆型号的最大容量；
确定每一配送车辆方案的运输成本；
将最小运输成本作为每一可选仓库的转运中心运输成本，将运输成本最小的配送车辆方案作为目标配送车辆方案。
根据本公开的另一方面，提供一种用于转运中心转运的选仓装置，包括：
信息获取模块，用于获得仓库列表和用户订单信息；
成本时效确定模块，用于针对用户订单信息，确定每一可选仓库的转运中心运输成本、订单配送成本和预计配送时间；
最优方案确定模块，用于根据转运中心运输成本、订单配送成本和预计配送时间，综合确定最优分仓方案，其中，所述分仓方案包括所选择仓库的数量和仓库标识。
在本公开的一些实施例中，所述用于转运中心转运的选仓装置用于执行实现如上述任一实施例所述的用于转运中心转运的选仓方法的操作。
根据本公开的另一方面，提供一种用于转运中心转运的选仓装置，包括，
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述用于转运中心转运的选仓装置执行实现如上述任一实施例所述的用于转运中心转运的选仓方法的操作。
根据本公开的另一方面，提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如上述任一实施例所述的用于转运中心转运的选仓方法。
本公开通过对TC运输成本、配送成本和时效性进行量化，遍历所有仓数，综合成本和时效性进行打分，可以选择最佳的仓数和仓。
附图说明
为了更清楚地说明本公开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公开的一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本公开供应商通过转运中心到消费者的流程示意图。
图2为本公开用于转运中心转运的选仓方法一些实施例的示意图。
图3为本公开用于转运中心转运的选仓方法另一些实施例的示意图。
图4为本公开一些实施例中确定可选仓库转运中心运输成本的示意图。
图5a为本公开一些实施例中转运中心运输价格和重量对应关系的示意图。
图5b为本公开一些实施例中进行最优运输方案算法计算过程的示意图。
图6为本公开一些实施例中确定可选仓库订单配送成本的示意图。
图7为本公开一些实施例中确定可选仓库预计配送时间的示意图。
图8为本公开用于转运中心转运的选仓装置一些实施例的示意图。
图9为本公开用于转运中心转运的选仓装置另一些实施例的示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开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公开一部分实施例，而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例，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，都属于本公开保护的范围。
除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
图1为本公开供应商通过转运中心到消费者的流程示意图。如图1所示，供应商通过转运中心到消费者的流程具体为供应商—转运中心(TC)—仓(DC)—消费者，其中，DC为distribution center，配送中心(仓库)。
发明人通过研究发现：商家根据历史订单的位置和销量进行估计选仓，缺点很明显，没有对成本和时效性量化和综合考量，不能选到最佳的京仓数和京仓。
发明人通过进一步研究发现：影响商家选仓的因素主要有TC运输成本、订单配送成本和时效性。
例如：选择一仓和三仓对比，选三仓TC运输成本升高，但订单配送成本减少，送达到用户的时间减少。所以供应商选几仓和选哪些仓至关重要，直接关系到商家的成本和消费者的体验。
鉴于以上技术问题中的至少一项，本公开提供了一种用于转运中心转运的选仓方法和装置、存储介质。下面通过具体实施例对本公开进行说明。
图2为本公开用于转运中心转运的选仓方法一些实施例的示意图。优选的，本实施例可由本公开用于转运中心转运的选仓装置执行。该方法包括以下步骤：
步骤1，获得仓库列表和用户订单信息。例如：表1为本公开一些实施例中，某物流企业在全国的七大仓库列表。
仓名称 区域
北京仓 华北
上海仓 华东
广州仓 华南
成都仓 西南
武汉仓 华中
西安仓 西北
沈阳仓 东北
表1
步骤2，针对用户订单信息，确定每一可选仓库的转运中心运输成本、订单配送成本和预计配送时间。
步骤3，根据转运中心运输成本、订单配送成本和预计配送时间，综合确定最优分仓方案，其中，所述分仓方案包括所选择仓库的数量和仓库标识。
在本公开的一些实施例中，步骤3可以包括：
步骤31，接收用户输入的成本与配送时间的权重，其中，所述成本包括转运中心运输成本和订单配送成本。
步骤32，根据仓库列表、用户输入的成本与配送时间的权重、每一可选仓库的成本和预计配送时间，确定多种分仓方案。
在本公开的一些实施例中，步骤32可以包括：
步骤321，根据用户输入的成本与配送时间的权重、每一可选仓库的成本和预计配送时间，确定每一可选仓库的成本时效值。
步骤322，选择成本时效值最高的仓库，从仓库列表提取到仓库方案列表，并保存当前仓库方案列表。
步骤323，判断仓库列表中是否仍存在可选仓库。
步骤324，在仓库列表中不存在可选仓库的情况下，执行步骤32。
步骤325，在仓库列表中仍存在可选仓库的情况下，重复执行步骤321。
步骤33，根据用户输入的成本与配送时间的权重、每种分仓方案的成本和预计配送时间，确定最优分仓方案。
在本公开的一些实施例中，步骤33可以包括：
步骤331，获取每种分仓方案的成本和预计配送时间。
步骤332，根据用户输入的成本与配送时间的权重、每种分仓方案的成本和预计配送时间，确定每种分仓方案的成本时效值。
步骤333，将成本时效值最高的分仓方案作为最优分仓方案。
基于本公开上述实施例提供的用于转运中心转运的选仓方法，基于商家历史订单情况进行数据上分析，对TC运输成本、配送成本和时效性进行量化，然后根据商家的要求分别设置成本和时效性的权重，利用贪心法选仓的方式，遍历所有仓数，综合成本和时效性进行打分，选择最佳的仓数和仓。
图3为本公开用于转运中心转运的选仓方法另一些实施例的示意图。优选的，本实施例可由本公开用于转运中心转运的选仓装置执行。该方法包括以下步骤：
步骤301，获得仓库列表和用户订单信息。
步骤302，根据成本和失效对可选仓库进行打分。
在本公开的一些实施例中，步骤302可以包括：根据用户输入的成本与配送时间的权重、每一可选仓库的成本和预计配送时间，确定每一可选仓库的成本时效值。
步骤303，选择分数(例如：成本时效值)最高的仓库，从仓库列表提取到仓库方案列表，并保存当前仓库方案列表。
步骤304，判断仓库列表中是否仍存在可选仓库。在仓库列表中不存在可选仓库的情况下，执行步骤305；否则，则在仓库列表中仍存在可选仓库的情况下，重复执行步骤302。
步骤305，对保存的每种分仓方案进行打分，选择最优的分仓方案。
本公开上述实施例首先根据已有的仓给每个订单分配仓(具体分配逻辑，计算配送成本有给出)，进行TC运输成本、配送成本和时效性的计算，然后继续选仓的时候采用贪心的思想，再重新为每个订单分配仓进行TC运输成本、配送成本和时效性的计算，根据总成本(包括TC运输成本和配送成本)和时效性进行综合得分，选择得分最高的仓作为下一个选的仓，因为每个商家对成本和时效性注重点不一样(有的商家重视成本，有的商家更注重时效)，所以成本和时效的得分权重有商家自己选择。本公开上述实施例选择的仓数从一仓遍历到七个仓，将得分最高的仓数作为该商家应该选择的仓数，具体选哪些仓也已经有贪心法得出。
下面通过具体实施例对图2实施例和图3实施例中，如何确定每一可选仓库的转运中心运输成本、订单配送成本和预计配送时间的步骤进行说明。
图4为本公开一些实施例中确定可选仓库转运中心运输成本的示意图。如图4所示，所述针对用户订单信息，确定每一可选仓库的转运中心运输成本的步骤可以包括：
步骤41，获取转运中心运输车辆的车辆信息，其中，所述车辆信息包括车辆型号数量、车辆型号、不同车辆型号对应的最大容量、整车报价、和非整车报价。
在本公开的一些实施例中，TC运输的车辆有不同的型号，型号不同，每立方米报价会有不同。
步骤42，获取订单的货物体积(或货物重量)。
步骤43，根据货物体积(或货物重量)和车辆信息，按照预定算法获取每一可选仓库的转运中心运输成本。
在本公开的一些实施例中，步骤43可以包括：
步骤431，确定不同的配送车辆方案，其中，在每一个配送车辆方案中，将货物体积划分为整车容量组合和非整车容量中的至少一项，其中，整车容量组合包括至少一个整车最大容量的组合，非整车容量小于任何一种车辆型号的最大容量。
步骤432，确定每一配送车辆方案的运输成本。
步骤433，将最小运输成本作为每一可选仓库的转运中心运输成本，将运输成本最小的配送车辆方案作为目标配送车辆方案。
图5a为本公开一些实施例中转运中心运输价格和重量对应关系的示意图。如图5a所示，TC运输的方式有小票、大票和整车三种形式。小票通常为30公斤-500公斤的包裹，大票通常为500公斤-3吨的包裹。
在本公开的一些实施例中，步骤43可以包括：本公开上述实施例可以使用分支限界法进行最优运输方案选取，使商家运输成本最低。
在本公开的一些实施例中，步骤43可以包括：
步骤43a，根据标准报价查询得到非整车报价和整车报价，非整车报价记为price_single，price_single的单位为元/m3，整车报价的种类数量记为CarType_N，整车报价为一个长度为CarType_N的集合CarTypeDict，第i种车辆型号记为CarTypei∈CarTypeDict，CarTypei＝[CarVolumei,CarPricei]，CarVolumei为第i种车辆的最大容纳货物的体积，CarPricei为第i种车辆的整车报价，定义本次补货计划中货物的体积为V。根据补货计划，使用分支限界法进行计算如下：
步骤43b，定义一个动态方案队列，记为CarList_Dynamic，用于记录当前车辆方案，定义最优方案队列，记为CarList_Best，用于存放当前最优车辆方案，定义动态体积变量，记为V_Dynamic，用于记录当前仍需配送的货物体积，定义动态价格变量，记为Price_Dynamic，用于记录当前方案价格，定义最优价格变量，记为Price_Best，用于存放当前最优方案价格
步骤43c，图5b为本公开一些实施例中进行最优运输方案算法计算过程的示意图。图5b中数字为算法的执行步骤：从0开始，初始化CarList_Dynamic为空，初始化V_Dynamic为V，初始化CarList_Best为空，初始化Price_Dynamic为0，初始化Price_Best为无穷大。跳转到1，更新CarList_Dynamic增加车辆A，更新V_Dynamic为V_Dynamic-CarVolumeA，更新Price_Dynamic为Price_Dynamic+CarPriceA；判断当前仍需配送货物体积是否能够装满任意整车；若可以，则不更新CarList_Best与Price_Best；若不可以，则根据当前仍需配送货物体积V_Dynamic计算非整车货物成本V_Dynamic*price_single，进一步计算全部成本为Price_Dynamic+V_Dynamic*price_single，与最优成本Price_Best进行大小判断，若小于最优成本则更新Price_Best的值为Price_iynamic+V_Dynamic*price_single，更新CarList_Best为当前方案队列CarList_Dynamic；若大于最优成本则不更新，依据深度优先遍历的原则(如图5b中数字标注)，分别尝试不同的配送车辆方案，最终得到最优解。
图6为本公开一些实施例中确定可选仓库订单配送成本的示意图。如图6所示，所述针对用户订单信息，确定每一可选仓库的订单配送成本的步骤可以包括：
步骤61，获取仓库别表和历史订单数据，其中，所述历史订单数据包括预定时间段内历史订单中货物的体积、重量和目的地。
在本公开的一些实施例中，所述预定时间段可以为一年。
在本公开的一些实施例中，所述目的地可以为目的地城市。
步骤62，根据历史订单数据确定每一历史订单放在不同可选仓库的配送成本。
步骤63，根据每一历史订单放在不同可选仓库的配送成本、以及用户订单信息，确定当前用户订单放在不同可选仓库的配送成本。
在本公开的一些实施例中，步骤63可以包括：根据输入的仓库列表，对每一单计算存放不同仓库的时候，选择配送成本最低的仓库存放，当出现配送成本相同的仓库选项时，再根据TC运输费用和时效性的综合得分选择最优的仓库。
图7为本公开一些实施例中确定可选仓库预计配送时间的示意图。如图7所示，所述针对用户订单信息，确定每一可选仓库的预计配送时间的步骤可以包括：
步骤71，获取历史订单数据，其中，所述历史订单数据包括预定时间段内每一可选仓库到目的地的订单数据。
在本公开的一些实施例中，所述预定时间段可以为一年。
步骤72，对历史订单数据中，仓库到城市的订单配送时间进行统计分析，针对用户订单信息，确定每一可选仓库的预计配送时间。
本公开上述实施例因为没有从仓到消费者城市的标准配送时间，分别选取一年内每个仓到消费者城市的订单数据，根据历史仓库—城市的订单时间进行统计分析，计算需要分析的商家的配送时间。
本公开上述实施例筛选销量较大、仓较少(<3)、用TC的POP商家进行分析，选取需要分析的商家过去一年度的历史订单(包括订单体积、重量和城市地址等信息)，TC运输成本和订单配送成本计算时，采用京东标准报价。
本公开上述实施例在选择仓数的时候根据总成本和时效性综合得分给出，具体得分权重有商家自己选择，保证了模型的通用性，在选择具体仓的时候采用贪心的思想，可以简单有效并容易得到最佳选仓方案。
本公开上述实施例在计算TC运输成本时采用分支限界法，使商家TC运输成本尽量的低，为商家提供更好的服务。
图8为本公开用于转运中心转运的选仓装置一些实施例的示意图。如图8所示，本公开用于转运中心转运的选仓装置可以包括信息获取模块81、成本时效确定模块82和最优方案确定模块83，其中：
信息获取模块81，用于获得仓库列表和用户订单信息；
成本时效确定模块82，用于针对用户订单信息，确定每一可选仓库的转运中心运输成本、订单配送成本和预计配送时间；
在本公开的一些实施例中，成本时效确定模块82在针对用户订单信息，确定每一可选仓库的预计配送时间的情况下，可以用于获取历史订单数据，其中，所述历史订单数据包括预定时间段内每一可选仓库到目的地的订单数据；对历史订单数据中，仓库到城市的订单配送时间进行统计分析，针对用户订单信息，确定每一可选仓库的预计配送时间。
在本公开的一些实施例中，成本时效确定模块82在针对用户订单信息，确定每一可选仓库的订单配送成本的情况下，可以用于获取历史订单数据，其中，所述历史订单数据包括预定时间段内历史订单中货物的体积、重量和目的地；根据历史订单数据确定每一历史订单放在不同可选仓库的配送成本；根据每一历史订单放在不同可选仓库的配送成本、以及用户订单信息，确定当前用户订单放在不同可选仓库的配送成本。
在本公开的一些实施例中，成本时效确定模块82在针对用户订单信息，确定每一可选仓库的转运中心运输成本的情况下，可以用于获取转运中心运输车辆的车辆信息，其中，所述车辆信息包括车辆型号数量、车辆型号、不同车辆型号对应的最大容量、整车报价、和非整车报价；获取订单的货物体积；根据货物体积和车辆信息，按照预定算法获取每一可选仓库的转运中心运输成本。
在本公开的一些实施例中，成本时效确定模块82在根据货物重量和车辆信息，按照预定算法获取每一可选仓库的转运中心运输成本的情况下，可以用于确定不同的配送车辆方案，其中，在每一个配送车辆方案中，将货物体积划分为整车容量组合和非整车容量中的至少一项，其中，整车容量组合包括至少一个整车最大容量的组合，非整车容量小于任何一种车辆型号的最大容量；确定每一配送车辆方案的运输成本；将最小运输成本作为每一可选仓库的转运中心运输成本，将运输成本最小的配送车辆方案作为目标配送车辆方案。
最优方案确定模块83，用于根据转运中心运输成本、订单配送成本和预计配送时间，综合确定最优分仓方案，其中，所述分仓方案包括所选择仓库的数量和仓库标识。
在本公开的一些实施例中，最优方案确定模块83可以用于接收用户输入的成本与配送时间的权重，其中，所述成本包括转运中心运输成本和订单配送成本；根据仓库列表、用户输入的成本与配送时间的权重、每一可选仓库的成本和预计配送时间，确定多种分仓方案；根据用户输入的成本与配送时间的权重、每种分仓方案的成本和预计配送时间，确定最优分仓方案。
在本公开的一些实施例中，最优方案确定模块83在根据仓库列表、用户输入的成本与配送时间的权重、每一可选仓库的成本和预计配送时间，确定多种分仓方案的情况下，可以用于根据用户输入的成本与配送时间的权重、每一可选仓库的成本和预计配送时间，确定每一可选仓库的成本时效值；选择成本时效值最高的仓库，从仓库列表提取到仓库方案列表，并保存当前仓库方案列表；判断仓库列表中是否仍存在可选仓库；在仓库列表中不存在可选仓库的情况下，执行根据用户输入的成本与配送时间的权重、每种分仓方案的成本和预计配送时间，确定最优分仓方案的操作；在仓库列表中仍存在可选仓库的情况下，执行根据用户输入的成本与配送时间的权重、每一可选仓库的成本和预计配送时间，确定每一可选仓库的成本时效值的操作。
在本公开的一些实施例中，最优方案确定模块83在根据用户输入的成本与配送时间的权重、每种分仓方案的成本和预计配送时间，确定最优分仓方案的的情况下，可以用于获取每种分仓方案的成本和预计配送时间；根据用户输入的成本与配送时间的权重、每种分仓方案的成本和预计配送时间，确定每种分仓方案的成本时效值；将成本时效值最高的分仓方案作为最优分仓方案。
在本公开的一些实施例中，所述用于转运中心转运的选仓装置用于执行实现如上述任一实施例(例如图2-图7任一实施例)所述的用于转运中心转运的选仓方法的操作。
基于本公开上述实施例提供的用于转运中心转运的选仓装置，基于商家历史订单情况进行数据上分析，对TC运输成本、配送成本和时效性进行量化，然后根据商家的要求分别设置成本和时效性的权重，利用贪心法选仓的方式，遍历所有仓数，综合成本和时效性进行打分，选择最佳的仓数和仓。
图9为本公开用于转运中心转运的选仓装置另一些实施例的示意图。如图9所示，本公开用于转运中心转运的选仓装置可以包括存储器91和处理器92，其中：
存储器91，用于存储指令。
处理器92，用于执行所述指令，使得所述用于转运中心转运的选仓装置执行实现如上述任一实施例(例如图2-图7任一实施例)所述的用于转运中心转运的选仓方法的操作。
本公开上述实施例在选择仓数的时候根据总成本和时效性综合得分给出，具体得分权重有商家自己选择，保证了模型的通用性，在选择具体仓的时候采用贪心的思想，可以简单有效并容易得到最佳选仓方案。
本公开上述实施例在计算TC运输成本时采用分支限界法，使商家TC运输成本尽量的低，为商家提供更好的服务。
根据本公开的另一方面，提供一种计算机可读存储介质，其中，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如上述任一实施例(例如图2-图7任一实施例)所述的用于转运中心转运的选仓方法。
基于本公开上述实施例提供的计算机可读存储介质，基于商家历史订单情况进行数据上分析，对TC运输成本、配送成本和时效性进行量化，然后根据商家的要求分别设置成本和时效性的权重，利用贪心法选仓的方式，遍历所有仓数，综合成本和时效性进行打分，选择最佳的仓数和仓。
在上面所描述的用于转运中心转运的选仓装置可以实现为用于执行本申请所描述功能的通用处理器、可编程逻辑控制器(PLC)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。
至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指示相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
本公开的描述是为了示例和描述起见而给出的，而并不是无遗漏的或者将本公开限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本公开的原理和实际应用，并且使本领域的普通技术人员能够理解本公开从而设计适于特定用途的带有各种修改的各种实施例。

Claims (12)

1.一种用于转运中心转运的选仓方法，其特征在于，包括：
获得仓库列表和用户订单信息；
针对用户订单信息，确定每一可选仓库的转运中心运输成本、订单配送成本和预计配送时间；
根据转运中心运输成本、订单配送成本和预计配送时间，综合确定最优分仓方案，其中，所述分仓方案包括所选择仓库的数量和仓库标识。
2.根据权利要求1所述的用于转运中心转运的选仓方法，其特征在于，所述根据转运中心运输成本、订单配送成本和预计配送时间，综合确定最优分仓方案包括：
接收用户输入的成本与配送时间的权重，其中，所述成本包括转运中心运输成本和订单配送成本；
根据仓库列表、用户输入的成本与配送时间的权重、每一可选仓库的成本和预计配送时间，确定多种分仓方案；
根据用户输入的成本与配送时间的权重、每种分仓方案的成本和预计配送时间，确定最优分仓方案。
3.根据权利要求2所述的用于转运中心转运的选仓方法，其特征在于，所述根据仓库列表、用户输入的成本与配送时间的权重、每一可选仓库的成本和预计配送时间，确定多种分仓方案包括：
根据用户输入的成本与配送时间的权重、每一可选仓库的成本和预计配送时间，确定每一可选仓库的成本时效值；
选择成本时效值最高的仓库，从仓库列表提取到仓库方案列表，并保存当前仓库方案列表；
判断仓库列表中是否仍存在可选仓库；
在仓库列表中不存在可选仓库的情况下，执行根据用户输入的成本与配送时间的权重、每种分仓方案的成本和预计配送时间，确定最优分仓方案的步骤；
在仓库列表中仍存在可选仓库的情况下，执行根据用户输入的成本与配送时间的权重、每一可选仓库的成本和预计配送时间，确定每一可选仓库的成本时效值的步骤。
4.根据权利要求2或3所述的用于转运中心转运的选仓方法，其特征在于，所述根据用户输入的成本与配送时间的权重、每种分仓方案的成本和预计配送时间，确定最优分仓方案包括：
获取每种分仓方案的成本和预计配送时间；
根据用户输入的成本与配送时间的权重、每种分仓方案的成本和预计配送时间，确定每种分仓方案的成本时效值；
将成本时效值最高的分仓方案作为最优分仓方案。
5.根据权利要求1-3中任一项所述的用于转运中心转运的选仓方法，其特征在于，所述针对用户订单信息，确定每一可选仓库的预计配送时间包括：
获取历史订单数据，其中，所述历史订单数据包括预定时间段内每一可选仓库到目的地的订单数据；
对历史订单数据中，仓库到城市的订单配送时间进行统计分析，针对用户订单信息，确定每一可选仓库的预计配送时间。
6.根据权利要求1-3中任一项所述的用于转运中心转运的选仓方法，其特征在于，所述针对用户订单信息，确定每一可选仓库的订单配送成本包括：
获取历史订单数据，其中，所述历史订单数据包括预定时间段内历史订单中货物的体积、重量和目的地；
根据历史订单数据确定每一历史订单放在不同可选仓库的配送成本；
根据每一历史订单放在不同可选仓库的配送成本、以及用户订单信息，确定当前用户订单放在不同可选仓库的配送成本。
7.根据权利要求1-3中任一项所述的用于转运中心转运的选仓方法，其特征在于，所述针对用户订单信息，确定每一可选仓库的转运中心运输成本包括：
获取转运中心运输车辆的车辆信息，其中，所述车辆信息包括车辆型号数量、车辆型号、不同车辆型号对应的最大容量、整车报价、和非整车报价；
获取订单的货物体积；
根据货物体积和车辆信息，按照预定算法获取每一可选仓库的转运中心运输成本。
8.根据权利要求7所述的用于转运中心转运的选仓方法，其特征在于，所述根据货物重量和车辆信息，按照预定算法获取每一可选仓库的转运中心运输成本包括：
确定不同的配送车辆方案，其中，在每一个配送车辆方案中，将货物体积划分为整车容量组合和非整车容量中的至少一项，其中，整车容量组合包括至少一个整车最大容量的组合，非整车容量小于任何一种车辆型号的最大容量；
确定每一配送车辆方案的运输成本；
将最小运输成本作为每一可选仓库的转运中心运输成本，将运输成本最小的配送车辆方案作为目标配送车辆方案。
9.一种用于转运中心转运的选仓装置，其特征在于，包括：
信息获取模块，用于获得仓库列表和用户订单信息；
成本时效确定模块，用于针对用户订单信息，确定每一可选仓库的转运中心运输成本、订单配送成本和预计配送时间；
最优方案确定模块，用于根据转运中心运输成本、订单配送成本和预计配送时间，综合确定最优分仓方案，其中，所述分仓方案包括所选择仓库的数量和仓库标识。
10.根据权利要求9所述的用于转运中心转运的选仓装置，其特征在于，所述用于转运中心转运的选仓装置用于执行实现如权利要求1-8中任一项所述的用于转运中心转运的选仓方法的操作。
11.一种用于转运中心转运的选仓装置，其特征在于，包括，
存储器，用于存储指令；
处理器，用于执行所述指令，使得所述用于转运中心转运的选仓装置执行实现如权利要求1-8中任一项所述的用于转运中心转运的选仓方法的操作。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述指令被处理器执行时实现如权利要求1-8中任一项所述的用于转运中心转运的选仓方法。
CN201911006280.6A 2019-10-22 2019-10-22 用于转运中心转运的选仓方法和装置、存储介质 Active CN112700177B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911006280.6A CN112700177B (zh) 2019-10-22 2019-10-22 用于转运中心转运的选仓方法和装置、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911006280.6A CN112700177B (zh) 2019-10-22 2019-10-22 用于转运中心转运的选仓方法和装置、存储介质

Publications (2)

Publication Number Publication Date
CN112700177A true CN112700177A (zh) 2021-04-23
CN112700177B CN112700177B (zh) 2024-06-14

Family

ID=75505453

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911006280.6A Active CN112700177B (zh) 2019-10-22 2019-10-22 用于转运中心转运的选仓方法和装置、存储介质

Country Status (1)

Country Link
CN (1) CN112700177B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113706077A (zh) * 2021-08-19 2021-11-26 深圳市亿源通供应链管理有限公司 利润核算方法、仓储物流系统、订单系统及可读存储介质
CN113869591A (zh) * 2021-09-30 2021-12-31 浙江创邻科技有限公司 一种基于图技术的物流管理系统及方法
CN114169944A (zh) * 2022-01-26 2022-03-11 北京京东振世信息技术有限公司 用户需求确定方法、装置、存储介质和电子设备
CN116562474A (zh) * 2023-07-11 2023-08-08 深圳千岸科技股份有限公司 一种基于大数据的资源调度方法、装置及电子设备
CN117078150A (zh) * 2023-10-17 2023-11-17 深圳市中农易讯信息技术有限公司 一种农产品运送的路径优化方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004118577A (ja) * 2002-09-26 2004-04-15 Mitsubishi Electric Information Systems Corp 配送計画システム及び配送計画方法
US20120054076A1 (en) * 2010-08-30 2012-03-01 Xinmin Wu Systems And Methods For Multi-Echelon Inventory Planning With Lateral Transshipment
CN104463354A (zh) * 2014-11-21 2015-03-25 山东航天信息有限公司 一种分布式库存调度的改进方法
CN106682848A (zh) * 2017-01-18 2017-05-17 浙江工业大学 一种面向多配送点的配送仓库选址方法及装置
CN106777399A (zh) * 2017-03-02 2017-05-31 盐城工学院 区域仓库货物配置方法及装置
CN109359759A (zh) * 2018-08-07 2019-02-19 深圳市易达云科技有限公司 智能分仓方法、设备及计算机可读存储介质
CN110111042A (zh) * 2019-03-25 2019-08-09 北京蒙成科技有限公司 一种配送仓库选址的方法，装置及系统
CN110222860A (zh) * 2018-03-01 2019-09-10 北京京东尚科信息技术有限公司 一种生成订单的配送库房列表的方法和装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004118577A (ja) * 2002-09-26 2004-04-15 Mitsubishi Electric Information Systems Corp 配送計画システム及び配送計画方法
US20120054076A1 (en) * 2010-08-30 2012-03-01 Xinmin Wu Systems And Methods For Multi-Echelon Inventory Planning With Lateral Transshipment
CN104463354A (zh) * 2014-11-21 2015-03-25 山东航天信息有限公司 一种分布式库存调度的改进方法
CN106682848A (zh) * 2017-01-18 2017-05-17 浙江工业大学 一种面向多配送点的配送仓库选址方法及装置
CN106777399A (zh) * 2017-03-02 2017-05-31 盐城工学院 区域仓库货物配置方法及装置
CN110222860A (zh) * 2018-03-01 2019-09-10 北京京东尚科信息技术有限公司 一种生成订单的配送库房列表的方法和装置
CN109359759A (zh) * 2018-08-07 2019-02-19 深圳市易达云科技有限公司 智能分仓方法、设备及计算机可读存储介质
CN110111042A (zh) * 2019-03-25 2019-08-09 北京蒙成科技有限公司 一种配送仓库选址的方法，装置及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
毕金珂: "G公司物流中心选址问题研究", 中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑 *
王占中;汪博;付静;刘晓宇;: "带时间成本及运价折扣的多仓库选址模型", 长安大学学报(自然科学版), no. 1 *
陈奇玮: "N公司B2C电商仓库选址研究", 万方数据库 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113706077A (zh) * 2021-08-19 2021-11-26 深圳市亿源通供应链管理有限公司 利润核算方法、仓储物流系统、订单系统及可读存储介质
CN113869591A (zh) * 2021-09-30 2021-12-31 浙江创邻科技有限公司 一种基于图技术的物流管理系统及方法
CN114169944A (zh) * 2022-01-26 2022-03-11 北京京东振世信息技术有限公司 用户需求确定方法、装置、存储介质和电子设备
CN114169944B (zh) * 2022-01-26 2022-07-05 北京京东振世信息技术有限公司 用户需求确定方法、装置、存储介质和电子设备
CN116562474A (zh) * 2023-07-11 2023-08-08 深圳千岸科技股份有限公司 一种基于大数据的资源调度方法、装置及电子设备
CN116562474B (zh) * 2023-07-11 2024-01-05 深圳千岸科技股份有限公司 一种基于大数据的资源调度方法、装置及电子设备
CN117078150A (zh) * 2023-10-17 2023-11-17 深圳市中农易讯信息技术有限公司 一种农产品运送的路径优化方法
CN117078150B (zh) * 2023-10-17 2024-02-09 深圳市中农易讯信息技术有限公司 一种农产品运送的路径优化方法

Also Published As

Publication number Publication date
CN112700177B (zh) 2024-06-14

Similar Documents

Publication Publication Date Title
CN112700177A (zh) 用于转运中心转运的选仓方法和装置、存储介质
CN109345161B (zh) 一种面向价值流的配送派单方法
US11820611B2 (en) Load planning optimization using automated 3D packing
CN106156961B (zh) 一种车辆调度方法和装置
US8386397B1 (en) System and method for constraint-based reduction of a solution space for vehicle routing
CN110659839A (zh) 一种物流智能配载调度方法
CN109840729B (zh) 料箱定位的方法、系统、存储介质及电子设备
CN111126643B (zh) 一种月台的预约方法、预约装置及可读存储介质
US20160202941A1 (en) Transport route planning
JP6993449B2 (ja) 配送計画生成装置、システム、方法及びコンピュータ読み取り可能な記憶媒体
CN112396368A (zh) 配送路线的规划方法及系统、服务端设备
CN111428902B (zh) 确定运输线路的方法及装置
JP2020181282A (ja) 輸送計画装置、輸送計画システム、及び輸送計画方法
CN110232551A (zh) 货物分类方法及装置、存储介质、电子装置
US20190012641A1 (en) Freight capacity maximization system
CN113330471A (zh) 通信服务器装置及其操作方法
CN117808384B (zh) 货物运输车货匹配方法、装置、设备及介质
CN112418475B (zh) 物流路径规划方法、装置、电子设备及存储介质
EP3867835A1 (en) Method and system for fulfilling inventory items
CN113935528A (zh) 智能调度方法、装置、计算机设备及存储介质
JP4040580B2 (ja) 運行管理サーバおよび運行管理プログラム
CN117077967A (zh) 一种城市内计划性配送的分拣和装载系统
CN116307573A (zh) 建筑场地材料绿色节能处理方法、设备与介质
US20220245576A1 (en) Route plan using non-homogenous equipment via ocean routes
Wolfenburg New version of the BBS method and its usage for determining and scheduling vehicle routes

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
GR01 Patent grant
GR01 Patent grant