CN113240281A - 一种基于电子商务用的云仓储和云物流管理方法和系统 - Google Patents

一种基于电子商务用的云仓储和云物流管理方法和系统 Download PDF

Info

Publication number
CN113240281A
CN113240281A CN202110528401.4A CN202110528401A CN113240281A CN 113240281 A CN113240281 A CN 113240281A CN 202110528401 A CN202110528401 A CN 202110528401A CN 113240281 A CN113240281 A CN 113240281A
Authority
CN
China
Prior art keywords
logistics
cloud
bin
central
enterprise
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
CN202110528401.4A
Other languages
English (en)
Inventor
邓润阳
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202110528401.4A priority Critical patent/CN113240281A/zh
Publication of CN113240281A publication Critical patent/CN113240281A/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
    • G06Q10/08—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Strategic Management (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Artificial Intelligence (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Finance (AREA)
  • Physiology (AREA)
  • Accounting & Taxation (AREA)
  • Computer Hardware Design (AREA)
  • Educational Administration (AREA)
  • Medical Informatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Geometry (AREA)
  • Genetics & Genomics (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)

Abstract

本申请提出一种基于电子商务用的云仓储和云物流管理方法和系统，涉及电子商务技术领域，其中，该方法包括：根据电子商务企业业务的服务范围以及服务范围内的多个预设需求点，以实现总物流费用最少为目标，确定服务范围内需建立的中心仓个数及其设置位置信息，以及区域仓的个数及其设置位置信息，获取电子商务企业的中心仓和区域仓的个数和设置位置信息，以及电子商务供应链上的厂商和物流企业的相关信息，构建云物流平台。由此，采用上述方法能够使电子商务企业的中心仓和区域仓分布合理，物流资源合理配置，进一步通过云物流平台使电子商务企业、厂商和物流企业信息共享，提升物流服务质量。

Description

一种基于电子商务用的云仓储和云物流管理方法和系统
技术领域
本申请涉及电子商务技术领域，尤其涉及一种基于电子商务用的云仓储和云物流管理方法和系统。
背景技术
电子商务是以信息网络技术为手段，以商品交换为中心的商务活动。随着信息技术的不断发展，电子商务(Electronic Commerce，EC)行业发展迅猛，产业规模迅速扩大，电子商务信息、交易和技术等服务企业不断涌现。电子商务包括多种类型：B2B(Business toBusiness)、B2C(Business to Customer)、C2C(Consumer to Consumer)等等；其中，B2C电子商务由于其便捷性、能够实现双赢的优势得到了消费者的追捧，越来越多的企业致力于开发B2C电子商务业务，提出了多种B2C电子商务模式。
目前，随着B2C电子商务的不断发展，亟需现代化物流运作模式的支持，基于此各大电子商务平台开始建立与自身电子商务业务相结合的物流配送系统。但是由于企业自身发展的局限性，所构建的物流网络仍不完善，且与现有的物流企业存在相互竞争，造成物流资源配置不合理。
因此，亟需提出一种能够综合电子商务平台和物流企业资源的电子商务模式，以整合物流资源配置，满足B2C电子商务进一步发展的需求。
发明内容
本公开提供一种基于电子商务用的云仓储和云物流管理方法及系统，所述方法包括：
根据电子商务企业业务的服务范围以及所述服务范围内的多个预设需求点，以实现总物流费用最少为目标，确定所述服务范围内需建立的中心仓个数及其设置位置信息，以及区域仓的个数及其设置位置信息；获取所述电子商务企业的所述中心仓和所述区域仓的个数和设置位置信息，以及电子商务供应链上的厂商和物流企业的相关信息，构建云物流平台，以连接所述电子商务企业、所述厂商和所述物流企业；其中，所述云物流平台分别与所述中心仓、所述区域仓、所述厂商和所述物流企业交互连接。
本申请中提供的基于电子商务用的云仓储和云物流管理方法，根据电子商务企业业务的服务范围以及服务范围内的多个预设需求点，以实现总物流费用最少为目标，确定服务范围内需建立的中心仓个数及其设置位置信息，以及区域仓的个数及其设置位置信息，获取电子商务企业的中心仓和区域仓的个数和设置位置信息，以及电子商务供应链上的厂商和物流企业的相关信息，构建云物流平台，以连接电子商务企业、厂商和物流企业；其中，云物流平台分别与中心仓、区域仓、厂商和物流企业交互连接。能够使电子商务企业的中心仓和区域仓分布合理，物流资源合理配置，进一步通过云物流平台使电子商务企业、厂商和物流企业信息共享，提升物流服务质量。
在一些实施例中，所述根据电子商务企业业务的服务范围以及所述服务范围内的多个预设需求点，以实现总物流费用最少为目标，确定在所述服务范围内需建立的中心仓个数及其设置位置信息，以及区域仓的个数及其设置位置信息。
包括：根据所述服务范围以及所述多个预设需求点，以实现总物流费用最少为目标，构建选址模型；获取在所述服务范围内建立所述中心仓和所述区域仓的约束条件；根据所述约束条件，采用遗传算法对所述选址模型进行求解；获取所述中心仓的个数及其设置位置信息，以及所述区域仓的个数及其设置位置信息。
在一些实施例中，所述约束条件中，包括：约定所述区域仓覆盖所述需求点的部分需求，多个所述区域仓协同服务于同一需求点。
在一些实施例中，该方法还包括，在确定所述服务范围内需建立的中心仓个数及其设置位置信息，以及区域仓的个数及其设置位置信息，之后，所述方法还包括：制定所述中心仓的库存策略。
在一些实施例中，所述以实现收益最大为目标，生成所述中心仓的库存策略，包括：以实现收益最大为目标，构建所述中心仓的库存策略模型；其中，所述库存策略模型为针对所述中心仓中任一货物的库存策略模型；获取所述中心仓的针对所述货物的单位存储成本、单位缺货成本以及单位购买成本；将所述货物的单位存储成本、单位缺货成本以及单位购买成本，通过针对所述货物的所述库存策略模型进行计算，获取所述货物的库存策略；其中，所述库存策略包括：设置最大库存量、单位销售价格以及折扣因子。
在一些实施例中，所述获取所述电子商务企业的所述中心仓和所述区域仓的个数和设置位置信息，以及电子商务供应链上的厂商和物流企业的相关信息，构建云物流平台。
包括：通过基础设施即服务IaaS产品构建云基础设施层，以形成地理位置分散但逻辑统一的虚拟资源池；其中，所述云基础设施层中包括：所述中心仓、所述区域仓、所述厂商和所述物流企业分别对应的私有云，以及为所述中心仓、所述区域仓、所述厂商和所述物流企业提供共享云服务的公有云；构建云平台层，将所述虚拟资源池的物流资源处理成多个标准化的服务模块及物流子任务，通过服务发现、组合和协作的方式，为云应用层中的物流任务提供最优的服务；构建云应用层，为电子商务供应链上的各主体提供个性化物流服务。
为达上述目的，本申请第二方面实施例提出了一种基于电子商务用的云仓储和云物流管理系统，所述系统包括：计算模块和平台构建模块。
计算模块，用于根据电子商务企业业务的服务范围以及所述服务范围内的多个预设需求点，以实现总物流费用最少为目标，确定在所述服务范围内需建立的中心仓个数及其设置位置信息，以及区域仓的个数及其设置位置信息；平台构建模块，用于获取所述电子商务企业的所述中心仓和所述区域仓的个数和设置位置信息，以及电子商务供应链上的厂商和物流企业的相关信息，构建云物流平台，以连接所述电子商务企业、厂商和所述物流企业；其中，所述云物流平台分别与所述中心仓、所述区域仓、所述厂商和所述物流企业交互连接。
本申请中提供的基于电子商务用的云仓储和云物流管理系统，包括计算模块和平台构建模块；计算模块用于根据电子商务企业业务的服务范围以及服务范围内的多个预设需求点，以实现总物流费用最少为目标，确定服务范围内需建立的中心仓个数及其设置位置信息，以及区域仓的个数及其设置位置信息，平台构建模块用于获取电子商务企业的中心仓和区域仓的个数和设置位置信息，以及电子商务供应链上的厂商和物流企业的相关信息，构建云物流平台，以连接电子商务企业、厂商和物流企业，实现在云物流平台上进行商务往来；其中，云物流平台分别与中心仓、区域仓、厂商和物流企业交互连接。能够使电子商务企业的中心仓和区域仓分布合理，物流资源合理配置，进一步通过云物流平台使电子商务企业、厂商和物流企业信息共享，提升物流服务质量。
在一些实施例中，所述计算模块包括：第一模型构建单元、第一条件获取单元和第一分析单元。
其中，所述第一模型构建单元，用于根据所述服务范围以及所述多个预设需求点，以实现总物流费用最少为目标，构建选址模型；所述第一条件获取单元，用于获取在所述服务范围内建立所述中心仓和所述区域仓的约束条件；所述第一分析单元，用于根据所述约束条件，采用遗传算法对所述选址模型进行求解；获取所述中心仓的个数及其设置位置信息，以及所述区域仓的个数及其设置位置信息。
在一些实施例中，所述系统，还包括：库存策略制定模块；所述库存策略制定模块，用于制定所述中心仓的库存策略。
在一些实施例中，所述库存策略制定模块，包括：第二模型构建单元、第二条件获取单元和第二分析单元。其中，
其中，所述第二模型构建单元，用于以实现收益最大为目标，构建所述中心仓的库存策略模型；其中，所述库存策略模型为针对所述中心仓中任一货物的库存策略模型；所述第二条件获取单元，用于获取所述中心仓的针对所述货物的单位存储成本、单位缺货成本以及单位购买成本；所述第二分析单元，用于将所述货物的单位存储成本、单位缺货成本以及单位购买成本，通过针对所述货物的所述库存策略模型进行计算，获取所述货物的库存策略；其中，所述库存策略包括：设置最大库存量、单位销售价格以及折扣因子。
本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例所提供的一种基于电子商务用的云仓储和云物流管理方法的流程图；
图2为本申请实施例所提供的基于电子商务用的云仓储和云物流管理方法的步骤S1的字步骤的流程图；
图3为本申请实施例所提供的另一种基于电子商务用的云仓储和云物流管理方法的流程图；
图4为本申请实施例所提供的基于电子商务用的云仓储和云物流管理方法的步骤S3的子步骤的流程图；
图5为本申请实施例所提供的基于电子商务用的云仓储和云物流管理方法的步骤S2的子步骤的流程图；
图6为本申请实施例所提供的一种基于电子商务用的云仓储和云物流管理系统的结构图；
图7为本申请实施例所提供的基于电子商务用的云仓储和云物流管理系统中计算模块的结构图；
图8为本申请实施例所提供的另一种基于电子商务用的云仓储和云物流管理系统的结构图；
图9为本申请实施例所提供的基于电子商务用的云仓储和云物流管理系统中库存策略制定模块的结构图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。
除非上下文另有要求，否则，在整个说明书和权利要求书中，术语“包括”被解释为开放、包含的意思，即为“包含，但不限于”。在说明书的描述中，术语“一些实施例”等旨在表明与该实施例或示例相关的特定特征、结构、材料或特性包括在本公开的至少一个实施例或示例中。上述术语的示意性表示不一定是指同一实施例或示例。此外，所述的特定特征、结构、材料或特点可以以任何适当方式包括在任何一个或多个实施例或示例中。
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的基于电子商务用的云仓储和云物流管理方法和系统。
图1为本申请一实施例所提供的一种基于电子商务用的云仓储和云物流管理方法的流程示意图。
如图1所示，该基于电子商务用的云仓储和云物流管理方法包括但不限于以下步骤：
S1：根据电子商务企业业务的服务范围以及服务范围内的多个预设需求点，以实现总物流费用最少为目标，确定服务范围内需建立的中心仓个数及其设置位置信息，以及区域仓的个数及其设置位置信息。
其中，电子商务企业业务的服务范围可以理解为，电子商务企业服务的厂商，物流承运商和需求点的分布范围，根据电子商务企业服务的厂商，物流承运商和需求点的分布范围，确定电子商务企业业务的服务范围。
在一些实施例中，服务范围可以为某一区域，根据需求点的分布而确定。
示例性的，根据需求点的分布，需求点分布在同一省份内，则可以确定电子商务企业业务的服务范围为该省区域；又例如：需求点分布在某一个国家，则可以确定电子商务企业业务的服务范围为该国家区域。
本申请中以总物流费用最少为目标，可以理解的是，电子商务企业服务于服务区域中的多个需求点，需要为其服务区域内的多个需求点提供物流配送服务，以物流总费用最少为目标，确定服务范围内需建立的中心仓个数及其设置位置信息，以及区域仓的个数及其设置位置信息，能够使确定的中心仓和区域仓的个数和设置位置比较合理，能够满足服务区域内的需求点的需求的同时，节省电子商务企业的物流成本。
S2：获取电子商务企业的中心仓和区域仓的个数和设置位置信息，以及电子商务供应链上的厂商和物流企业的相关信息，构建云物流平台，以连接电子商务企业、厂商和物流企业，实现在云物流平台上进行商务往来；其中，云物流平台分别与中心仓、区域仓、厂商和物流企业交互连接。
本申请中根据获取的电子商务企业的中心仓和区域仓的个数和设置位置信息，以及电子商务供应链上的厂商和物流企业的相关信息，构建云物流平台，能够连接电子商务企业、厂商和物流企业，实现在云物流平台上进行商务往来。
其中，云物流平台分别与中心仓、区域仓、厂商和物流企业交互连接，能够汇集中心仓、区域仓、厂商和物流企业的物流资源及信息资源，中心仓、区域仓、厂商和物流企业分别分布在不同地区，具有不同的物流资源和信息资源，经过云物流平台汇集，形成一个地理位置分散但逻辑上统一的虚拟资源池，中心仓、区域仓、厂商和物流企业分别于云物流平台交互，能够从云物流平台中获取需要的物流资源和信息资源，实现物流资源信息共享，提高电子商务业务的服务质量。
具体的，本申请中以需求点从厂商提供的货物中挑选一件货物下发订单从厂商处购买一件货物为例，对云物流平台分别与中心仓、区域仓、厂商和物流企业交互的过程进行说明：
信息交互的过程具体包括：厂商将自身的产品相关信息共享到云物流平台，需求点选择一件货物下订单，需求点的订单信息、付款信息等共享到云物流平台，中心仓从云物流平台上获取需求点的订单信息，将该货物的库存量、需求量，需求点的配送单和需求点信息共享到云物流平台，区域仓从云物流平台上获取需求点的配送单和需求点信息，并将该获取的需求点的配送单和需求点信息共享到云物流平台上，物流企业从云物流平台上获取需求点的配送单和需求点信息。
货物流动的过程包括：厂商将货物提供给中心仓，中心仓将货物附上配送单，提供给区域仓，其中，配送单上包括货物的相关信息、需求点的位置信息等，区域仓将货物附上配送单转至物流企业，物流企业根据配送单上的相关信息，将货物配送至需求点。
本申请中提供的基于电子商务用的云仓储和云物流管理方法，根据电子商务企业业务的服务范围以及服务范围内的多个预设需求点，以实现总物流费用最少为目标，确定服务范围内需建立的中心仓个数及其设置位置信息，以及区域仓的个数及其设置位置信息，获取电子商务企业的中心仓和区域仓的个数和设置位置信息，以及电子商务供应链上的厂商和物流企业的相关信息，构建云物流平台，以连接电子商务企业、厂商和物流企业，实现在云物流平台上进行商务往来；其中，云物流平台分别与中心仓、区域仓、厂商和物流企业交互连接。能够使电子商务企业的中心仓和区域仓分布合理，物流资源合理配置，进一步通过云物流平台使电子商务企业、厂商和物流企业信息共享，提升物流服务质量。
如图2所示，本公开实施例中，S1具体还包括但不限于以下步骤：
S11：根据服务范围以及多个预设需求点，以实现总物流费用最少为目标，构建选址模型。
其中，在构建选址模型之前，需要对模型设置限制条件：存在候选地址点、配送多种货物、需求点的位置及需求量已知、已知中心仓和区域仓的建设成本和存储成本、运输费用由运输量和路程决定的线性函数、中心仓和区域仓具有最大储存能力限制、中心仓可为多个区域仓服务、区域仓可为多个需求点服务、退货物流费用于退货物流运输量和距离有关。
本申请中，以总物流费用最少为目标函数，令总物流费用＝配送成本+建设成本+存储成本+退货物流成本，其中，配送成本＝中心仓至区域仓的配送成本+区域仓至需求点的配送成本，建设成本＝中心仓建设成本十区域仓建设成本，存储成本＝中心仓存储成本+区域仓存储成本，退货物流成本＝需求点至区域仓退货物流成本+区域仓至中心仓的退货物流成本。
基于此，根据上述限制条件，以实现总物流费用最少为目标，构建选址模型为：
Figure BDA0003067210680000071
其中，M为候选中心仓的集合，i＝{1,2，...，M}；P为候选区域仓的集合，j＝{1,2，...，P}；L为货物种类的集合，l＝{1,2，...，L}；N为需求点的集合，k＝{1,2，...，K}；fi为[0,1]，当为0时，不选中中心仓，为1时，选中中心仓；gj为[0，1]，当为0时，不选中区域仓，为1时，选中区域仓；zij为[0，1]，当为0时，中心仓不覆盖区域仓，为1时，中心仓覆盖区域仓；wjk为[0-1]，当为0时，区域仓不覆盖需求点的所有需求，为1时，区域仓覆盖需求点的所有需求，当为0和1中的数时，区域仓覆盖需求点的部分需求；xijl为第l种货物从第i个中心仓到第j个区域仓的运输量；Dij为第i个中心仓到第j个区域仓的运输距离；Cijl为第l种货物从第i个中心仓到第j个区域仓的单位运输费用；yjkl为第l种货物从第j个区域仓到第k个需求点的运输量；Sjk为第j个区域仓到第k个需求点的运输距离；Ejkl为第l种货物从第j个区域仓到第k个需求点的单位运输费用；Fi为第i个中心仓的建设费用；Gj为第j个中心仓的建设费用；t1l为中心仓第l种货物的单位存储费用；t2l为区域仓第l种货物的单位存储费用；xijl′为第l种货物从第j个区域仓到第i个中心仓的退货物流运输量；Cijl′为第l种货物从第j个区域仓到第i个中心仓的退货物流运输费用；yjk′l为第l种货物从第k个需求点到第j个区域仓的退货物流运输量；Ejk′l为第l种货物从第k个需求点到第j个区域仓的退货物流运输费用；Ai为第i个中心仓的最大存储量；Bj为第j个区域仓的最大存储量。
S12：获取在服务范围内建立中心仓和区域仓的约束条件；
其中，约束条件为：
Figure BDA0003067210680000081
约束为每个区域仓只能被一个中心仓所覆盖；
Figure BDA0003067210680000082
约束为每个中心仓的实际总库存小于其最大储存能力；
Figure BDA0003067210680000083
约束为每个区域仓的实际总库存小于其最大储存能力；
Figure BDA0003067210680000084
约束为每个区域仓的各类商品进出平衡；
Figure BDA0003067210680000085
约束了中心仓向区域仓的实际配送量大于区域仓的实际需求量；
Figure BDA0003067210680000086
约束为所选中的区域仓需覆盖所有配送点；
Figure BDA0003067210680000087
约束为所选中的中心仓需覆盖所有区域仓。
在一些实施例中，约束条件中，包括：约定所述区域仓覆盖所述需求点的部分需求，多个所述区域仓协同服务于同一需求点。
Figure BDA0003067210680000088
其中，Qk为需求点k对产品的需求量。
可以理解的是，区域仓向外辐射服务的最远距离为区域仓的服务覆盖半径，区域仓向是否向某个需求点提供服务为区域仓的覆盖状态。其中，传统的区域仓的覆盖状态只有两种：当需求点在区域仓的覆盖半径之内且由该区域仓完全满足其需求时为覆盖，否则为不覆盖，即覆盖状态只有0和1两种，即要么覆盖，要么不覆盖，这种覆盖模式与实际情况不符，不利于资源的一体化协同服务，同时也导致选址方式不灵活。本申请实施例中，区域仓至提供需求点的部分需求量，多个区域仓可以同时为同一个需求点提供服务，从而能够缩小整体的覆盖半径，提高区域仓协同性和灵活性，降低物流成本。
S13：根据约束条件，采用遗传算法对选址模型进行求解；获取中心仓的个数及其设置位置信息，以及区域仓的个数及其设置位置信息。
本申请实施例中采用量子遗传算法对存在多态的问题进行量子比特编码，针对两态的用一个量子比特进行编码，四态用两个量子比特进行编码。把单个中心仓、区域仓和需求点按一个基因编码，在每段编码段中，依据上级设施点的基因数量来确定本层每个基因的量子比特数，进一步的，进行量子进化算法进行计算，获取最优的中心仓的个数及其设置位置信息，以及最优的区域仓的个数及其设置位置信息。
如图3所示，本申请实施例中公开的方法还包括：在S1之后执行S3。
S3：制定中心仓的库存策略。
本申请实施例中，在确定中心仓和区域仓的个数和设置位置信息之后，为了使中心仓和区域仓能够更好的提供物流服务，在确定中心仓和区域仓的个数和设置位置信息的基础上，建立相应的库存策略。
其中，基于云物流平台中心仓不再依靠区域仓上传需求点的需求信息，而是直接通过云物流平台获取需求点的需求信息，不存在信息失真和缺失的问题，因此，中心仓可以有效掌握需求点的需求信息，制定相应的交易策略，而对于配送仓，其功能只是辅助中心仓将获取配送到需求点，其库存策略取决于中心仓的出货策略和需求点的需求情况，因此，本申请实施例中仅针对中心仓的库存策略进行相应的制定。
如图4所示，本申请实施例中S3包括但不限于如下步骤：
S31：以实现收益最大为目标，构建中心仓的库存策略模型；其中，库存策略模型为针对中心仓中任一货物的库存策略模型。
可以理解的是，中心仓作为仓储，其库存信息与收益息息相关，制定合适的库存策略，能够使电子商务企业获得最大的收益，以此，本申请中以实现收益最大为目标，构建库存策略模型，以适用于分析每一种货物的库存策略。
其中，在构建库存策略模型之前，需要对模型设置限制条件：产品需求与销售价格程反比的函数关系、只针对一件货物、缺货成本、缺货量拖后率以及厂商能够及时将库存量补充至最大库存。建立库存策略模型如下：
Figure BDA0003067210680000091
Figure BDA0003067210680000092
Figure BDA0003067210680000093
其中，E1为期望存储成本；E2为期望缺货成本；E3为期望销售收入；S为最大库存量；p为单位销售价格；λ折扣因子；w为单位购买价格；β为缺货量拖后率，β0为最大缺货量拖后率，且β＝β0λ；C1为单位储存成本；C2为单位缺货成本；C3为每次订购成本；z为补货间隔期，服从正态分布，均值为μ、方差为σ2，存在最小补货间隔期zmin，最大补货间隔期zmax，切z∈(zmin,zmax)；f(z)为补货间隔期的密度函数；t为发生缺货的时刻点，t＝S/r，且zmin≤t≤zmax。
S32：获取中心仓的针对货物的单位存储成本、单位缺货成本以及单位购买成本；
本申请中获取单位存储成本C1、单位缺货成本C2以及单位购买成本C3，分别为常数。
S33：将货物的单位存储成本、单位缺货成本以及单位购买成本，通过针对货物的库存策略模型进行计算，获取货物的库存策略；其中，库存策略包括：设置最大库存量S、单位销售价格p以及折扣因子λ。
Figure BDA0003067210680000101
Figure BDA0003067210680000102
Figure BDA0003067210680000103
其中，
Figure BDA0003067210680000104
Figure BDA0003067210680000105
Figure BDA0003067210680000106
如图5所示，本申请实施例中S2包括但不限于如下步骤：
S21：通过基础设施即服务IaaS产品构建云基础设施层，提供硬件资源和软件资源为云服务提供支撑。
其中，云基础设施层中包括：中心仓、区域仓、厂商和物流企业分别对应的私有云资源，以及为中心仓、区域仓、厂商和物流企业提供共享云服务的公有云资源。
本公开实施例中，云物流平台包括云基础设施层、云平台层和云应用层。其中，通过IaaS产品构建云基础设施层，提供的硬件资源可以包括计算机、存储设备和网络设备等，软件资源可以包括：队列服务、应用服务和其他与企业运用相关的服务等。中心仓、区域仓、厂商和物流企业分别对应的私有云资源，用于为货物运转的相关信息提供服务，例如存储信息、需求点需求信息和交易信息等，中心仓、区域仓、厂商和物流企业提供共享云服务的公有云资源，用于为供应链中各主体提供公共信息传递的服务，例如订单信息、配送情况等。
S22：通过面向服务的架构SOA构建云平台层，提供基本运行环境以满足云服务的定义、管理和调用。
本申请实施例中，基本运行环境对云服务的定义的支持，能够使用户通过云服务的定义来满足一般业务需求。云服务的管理主要提供服务的组装、编排和监督等功能，以满足特定业务需求。服务调用则主要提供统一的调用接口，以便用户方便的使用云物流平台上的服务。
S23：通过建立互联网接口，构建云应用层，为电子商务供应链上的各主体提供云应用。
本申请实施例中，云应用层具备标准应用、客户应用和多元应用三种类型的应用。其中，标准应用主要是面向B2C电子商务企业的产品购买者，采用多租户技术，提供相互隔离的操作空间和标准、一致的服务；客户应用主要是面向供应商、B2C电子商务企业或物流承运商/加盟商，通过一次开发和自定义开发，为B2C电子商务企业提供产品库存方案和运输方案，为物流承运商/加盟商提供配送方案；多元应用主要是为了满足某一特定需求的创新性应用，由云物流平台开发商在公共云平台上搭建的，满足特定用户的多元化需求的应用模块。
图6为本申请实施例提供的一种基于电子商务用的云仓储和云物流管理系统1的结构示意图。
如图6所示，该管理系统1包括：计算模块10和平台构建模块20。
其中，计算模块10用于根据电子商务企业业务的服务范围以及服务范围内的多个预设需求点，以实现总物流费用最少为目标，确定在服务范围内需建立的中心仓个数及其设置位置信息，以及区域仓的个数及其设置位置信息。
平台构建模块20用于获取电子商务企业的中心仓和区域仓的个数和设置位置信息，以及电子商务供应链上的厂商和物流企业的相关信息，构建云物流平台，以连接电子商务企业、厂商和物流企业；其中，云物流平台分别与中心仓、区域仓、厂商和物流企业交互连接。
本申请中提供的基于电子商务用的云仓储和云物流管理系统1，包括计算模块10和平台构建模块20；计算模块10用于根据电子商务企业业务的服务范围以及服务范围内的多个预设需求点，以实现总物流费用最少为目标，确定服务范围内需建立的中心仓个数及其设置位置信息，以及区域仓的个数及其设置位置信息，平台构建模块20用于获取电子商务企业的中心仓和区域仓的个数和设置位置信息，以及电子商务供应链上的厂商和物流企业的相关信息，构建云物流平台，以连接电子商务企业、厂商和物流企业；其中，云物流平台分别与中心仓、区域仓、厂商和物流企业交互连接。能够使电子商务企业的中心仓和区域仓分布合理，物流资源合理配置，进一步通过云物流平台使电子商务企业、厂商和物流企业信息共享，提升物流服务质量。
如图7所示，本公开实施例中，计算模块10包括：第一模型构建单元11、第一条件获取单元12和第一分析单元13；其中，
第一模型构建单元11用于根据所述服务范围以及所述多个预设需求点，以实现总物流费用最少为目标，构建选址模型。
第一条件获取单元12用于获取在服务范围内建立中心仓和区域仓的约束条件。
第一分析单元13用于根据约束条件，采用遗传算法对选址模型进行求解；获取中心仓的个数及其设置位置信息，以及区域仓的个数及其设置位置信息。
如图8所示，本公开实施例中，管理系统1还包括：库存策略制定模块30。
库存策略制定模块30用于制定中心仓的库存策略。
如图9所示，本公开实施例中，库存策略制定模块30，包括第二模型构建单元31、第二条件获取单元32和第二分析单元33；其中，
第二模型构建单元31用于以实现收益最大为目标，构建中心仓的库存策略模型；其中，库存策略模型为针对中心仓中任一货物的库存策略模型。
第二条件获取单元32用于获取中心仓的针对货物的单位存储成本、单位缺货成本以及单位购买成本。
第二分析单元33用于将货物的单位存储成本、单位缺货成本以及单位购买成本，通过针对货物的库存策略模型进行计算，获取货物的库存策略；其中，库存策略包括：设置最大库存量、单位销售价格以及折扣因子。
需要说明的是，前述对基于电子商务用的云仓储和云物流管理方法实施例的解释说明也适用于该实施例的基于电子商务用的云仓储和云物流管理系统，此处不再赘述。
在本说明书的描述中，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种基于电子商务用的云仓储和云物流管理方法，其特征在于，所述方法包括：
根据电子商务企业业务的服务范围以及所述服务范围内的多个预设需求点，以实现总物流费用最少为目标，确定所述服务范围内需建立的中心仓个数及其设置位置信息，以及区域仓的个数及其设置位置信息；
获取所述电子商务企业的所述中心仓和所述区域仓的个数和设置位置信息，以及电子商务供应链上的厂商和物流企业的相关信息，构建云物流平台，以连接所述电子商务企业、所述厂商和所述物流企业；其中，所述云物流平台分别与所述中心仓、所述区域仓、所述厂商和所述物流企业交互连接。
2.根据权利要求1所述的方法，其特征在于，所述根据电子商务企业业务的服务范围以及所述服务范围内的多个预设需求点，以实现总物流费用最少为目标，确定在所述服务范围内需建立的中心仓个数及其设置位置信息，以及区域仓的个数及其设置位置信息，包括：
根据所述服务范围以及所述多个预设需求点，以实现总物流费用最少为目标，构建选址模型；
获取在所述服务范围内建立所述中心仓和所述区域仓的约束条件；
根据所述约束条件，采用遗传算法对所述选址模型进行求解；获取所述中心仓的个数及其设置位置信息，以及所述区域仓的个数及其设置位置信息。
3.根据权利要求2所述的方法，其特征在于，所述约束条件中，包括：约定所述区域仓覆盖所述需求点的部分需求，多个所述区域仓协同服务于同一需求点。
4.根据权利要求1所述的方法，其特征在于，所述方法还包括，在确定所述服务范围内需建立的中心仓个数及其设置位置信息，以及区域仓的个数及其设置位置信息，之后，所述方法还包括：
制定所述中心仓的库存策略。
5.根据权利要求4所述的方法，其特征在于，所述以实现收益最大为目标，生成所述中心仓的库存策略，包括：
以实现收益最大为目标，构建所述中心仓的库存策略模型；其中，所述库存策略模型为针对所述中心仓中任一货物的库存策略模型；
获取所述中心仓的针对所述货物的单位存储成本、单位缺货成本以及单位购买成本；
将所述货物的单位存储成本、单位缺货成本以及单位购买成本，通过针对所述货物的所述库存策略模型进行计算，获取所述货物的库存策略；其中，所述库存策略包括：设置最大库存量、单位销售价格以及折扣因子。
6.根据权利要求1所述的方法，其特征在于，所述获取所述电子商务企业的所述中心仓和所述区域仓的个数和设置位置信息，以及电子商务供应链上的厂商和物流企业的相关信息，构建云物流平台，包括：
通过基础设施即服务IaaS产品构建云基础设施层，提供硬件资源和软件资源为云服务提供支撑；其中，所述云基础设施层中包括：所述中心仓、所述区域仓、所述厂商和所述物流企业分别对应的私有云资源，以及为所述中心仓、所述区域仓、所述厂商和所述物流企业提供共享云服务的公有云资源；
通过面向服务的架构SOA构建云平台层，提供基本运行环境以满足云服务的定义、管理和调用；
通过建立互联网接口，构建云应用层，为电子商务供应链上的各主体提供云应用。
7.一种基于电子商务用的云仓储和云物流管理系统，其特征在于，所述系统包括：计算模块和平台构建模块；
计算模块，用于根据电子商务企业业务的服务范围以及所述服务范围内的多个预设需求点，以实现总物流费用最少为目标，确定在所述服务范围内需建立的中心仓个数及其设置位置信息，以及区域仓的个数及其设置位置信息；
平台构建模块，用于获取所述电子商务企业的所述中心仓和所述区域仓的个数和设置位置信息，以及电子商务供应链上的厂商和物流企业的相关信息，构建云物流平台，以连接所述电子商务企业、厂商和所述物流企业；其中，所述云物流平台分别与所述中心仓、所述区域仓、所述厂商和所述物流企业交互连接。
8.根据权利要求1所述的系统，其特征在于，所述计算模块包括：第一模型构建单元、第一条件获取单元和第一分析单元；其中，
所述第一模型构建单元，用于根据所述服务范围以及所述多个预设需求点，以实现总物流费用最少为目标，构建选址模型；
所述第一条件获取单元，用于获取在所述服务范围内建立所述中心仓和所述区域仓的约束条件；
所述第一分析单元，用于根据所述约束条件，采用遗传算法对所述选址模型进行求解；获取所述中心仓的个数及其设置位置信息，以及所述区域仓的个数及其设置位置信息。
9.根据权利要求7所述的系统，其特征在于，所述系统，还包括：库存策略制定模块；
所述库存策略制定模块，用于制定所述中心仓的库存策略。
10.根据权利要求9所述的系统，其特征在于，所述库存策略制定模块，包括：第二模型构建单元、第二条件获取单元和第二分析单元；其中，
所述第二模型构建单元，用于以实现收益最大为目标，构建所述中心仓的库存策略模型；其中，所述库存策略模型为针对所述中心仓中任一货物的库存策略模型；
所述第二条件获取单元，用于获取所述中心仓的针对所述货物的单位存储成本、单位缺货成本以及单位购买成本；
所述第二分析单元，用于将所述货物的单位存储成本、单位缺货成本以及单位购买成本，通过针对所述货物的所述库存策略模型进行计算，获取所述货物的库存策略；其中，所述库存策略包括：设置最大库存量、单位销售价格以及折扣因子。
CN202110528401.4A 2021-05-14 2021-05-14 一种基于电子商务用的云仓储和云物流管理方法和系统 Pending CN113240281A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110528401.4A CN113240281A (zh) 2021-05-14 2021-05-14 一种基于电子商务用的云仓储和云物流管理方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110528401.4A CN113240281A (zh) 2021-05-14 2021-05-14 一种基于电子商务用的云仓储和云物流管理方法和系统

Publications (1)

Publication Number Publication Date
CN113240281A true CN113240281A (zh) 2021-08-10

Family

ID=77134342

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110528401.4A Pending CN113240281A (zh) 2021-05-14 2021-05-14 一种基于电子商务用的云仓储和云物流管理方法和系统

Country Status (1)

Country Link
CN (1) CN113240281A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113642799A (zh) * 2021-08-20 2021-11-12 国网内蒙古东部电力有限公司电力科学研究院 秸秆收储点位置确定方法、装置、电子设备及存储介质
CN114926032A (zh) * 2022-05-24 2022-08-19 江苏邦鼎科技有限公司 一种饲料企业模块化装配方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113642799A (zh) * 2021-08-20 2021-11-12 国网内蒙古东部电力有限公司电力科学研究院 秸秆收储点位置确定方法、装置、电子设备及存储介质
CN113642799B (zh) * 2021-08-20 2024-06-11 国网内蒙古东部电力有限公司电力科学研究院 秸秆收储点位置确定方法、装置、电子设备及存储介质
CN114926032A (zh) * 2022-05-24 2022-08-19 江苏邦鼎科技有限公司 一种饲料企业模块化装配方法及系统
CN114926032B (zh) * 2022-05-24 2023-07-25 江苏邦鼎科技有限公司 一种饲料企业模块化装配方法及系统

Similar Documents

Publication Publication Date Title
CN109993484B (zh) 数据处理方法及系统、介质和计算设备
Lalmazloumian et al. A robust optimization model for agile and build-to-order supply chain planning under uncertainties
Seifert et al. Integrating direct and indirect sales channels under decentralized decision-making
Veinott Jr Optimal policy in a dynamic, single product, nonstationary inventory model with several demand classes
Rezaei et al. A deterministic, multi-item inventory model with supplier selection and imperfect quality
Paterson et al. Inventory models with lateral transshipments: A review
Narasimhan et al. Decision models in global supply chain management
Robinson Optimal and approximate policies in multiperiod, multilocation inventory models with transshipments
JP7105336B2 (ja) スマートサプライチェーンシステム
US8073748B2 (en) Inventory management method and program product
US20010047293A1 (en) System, method and article of manufacture to optimize inventory and inventory investment utilization in a collaborative context
Axsäter et al. A distribution inventory model with transshipments from a support warehouse
Vazquez-Noguerol et al. An optimisation approach for the e-grocery order picking and delivery problem
CN102272758A (zh) 因果驱动和市场响应弹性或提升因素的自动规范、估计和发现
US20060277086A1 (en) System and method for optimization-based production capability planning
US20090083119A1 (en) Method for business plan optimization based on attributes
CN113240281A (zh) 一种基于电子商务用的云仓储和云物流管理方法和系统
US20160283954A1 (en) System and method for determining a combined effective price discount in tier pricing
CN112396365A (zh) 一种库存单品预测方法、装置、计算机设备及存储介质
Albrecht Optimization of safety stocks in models with an order service level objective or constraint
KR101480374B1 (ko) 벌크 분배 방법
Pichka et al. Fulfillment and pricing optimization for omni-channel retailers considering shipment of in-store demand
Griffin et al. Clustering retail stores for inventory transshipment
Hübner et al. Decision support for managing assortments, shelf space, and replenishment in retail
US7440911B1 (en) Distributed quote management

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication