CN113361993A - 一种数据驱动的订货与预防性转运优化方法及系统 - Google Patents

Abstract

本发明涉及一种数据驱动的订货与预防性转运优化方法及系统，其方法包括：S1：根据历史订单和配送数据，拟合产品在不同地区以及不同销售阶段消费者需求的随机分布函数，得到第一和第二销售阶段的预期需求；S2：基于各配送中心第一销售阶段末库存状态以及第二销售阶段的预期需求，建立预防性转运策略优化模型，得到第一销售阶段末的最优预防性转运策略；S3：在不同的订货水平下，根据第一销售阶段末最优预防性转运策略，建立期初订货量优化模型，得到各个配送中心期初最优订货量。本发明提供的方法，从物流服务提供商的角度，优化了各地区库存资源分配，实现供需精准匹配，为上游销售商提供优质物流服务，并快速响应消费者需求，提升物流服务质量。

Description

一种数据驱动的订货与预防性转运优化方法及系统

技术领域

本发明涉及智慧物流供应链库存管理和物流配送领域，具体涉及一种数据驱动的订货与预防性转运优化方法及系统。

背景技术

随着电子商务的蓬勃发展，消费者有无限的购买选择，而企业对产品需求曲线的学习是不完全的。因此，企业在每次确定每个配送中心的库存分配策略时，所面临的都是不完全的信息，通常他们在进行有限库存的分配时需要通过边学习边挖掘的方式来实现最优目标。目前，电商物流供应链运作流程为上游销售商把物流(包括仓储与配送)外包给物流服务提供商，消费者下单后，上游销售商把订单包含的产品具体信息、运输地址、运输时效要求等信息发送给物流服务提供商，然后由物流服务提供商把产品从距离近的仓库配送给消费者。上游销售商决定每个地区配送中心的库存量，销售中期如果出现部分配送中心缺货，上游销售商决定是否转运满足消费者需求还是显示缺货流失部分消费者。

传统的库存管理和物流配送存在以下问题：

一、上游销售商制定的库存策略不合理，各地区供需不匹配。

在电商背景下，消费者在线上可以选择各种产品，零售商很难学习各地区消费者的消费偏好并完全掌握各地区消费者的需求情况，进而难以制定合理的库存补货策略，容易产生供需不匹配问题。

二、上游销售商对各配送中心实时库存情况不了解，预防性转运难以实施。

由于每个销售商在全国各地都有销售，在多个地区存货，销售商把物流服务外包给物流服务提供商之后，很少会关注各地区配送中心的实时库存，会出现部分地区配送中心库存不足而其他地区配送中心库存冗余的情况。而销售商没有掌握实时的库存信息，无法进行科学的预防性库存转运。

三、上游销售商和物流服务提供商组成的供应链协同效率低。

在传统的库存管理和物流配送方面，上游销售商决定库存策略，物流服务提供商完成订单配送，双方没有考虑上下游的实际情况，没有进行协同优化和管理，使得供需不匹配问题明显，服务质量低。

发明内容

为了解决上述技术问题，本发明提供一种数据驱动的订货与预防性转运优化方法及系统。

本发明技术解决方案为：一种数据驱动的订货与预防性转运优化方法，包括：

步骤S1：根据历史订单和配送数据，拟合产品在不同地区以及不同销售阶段消费者需求的随机分布函数，得到第一和第二销售阶段的预期需求；

步骤S2：基于各配送中心第一销售阶段末的库存状态以及所述第二销售阶段的预期需求，物流服务提供商建立预防性转运策略优化模型，得到第一销售阶段末的最优预防性转运策略，使得第二销售阶段系统利润最大化；

步骤S3：在不同的订货水平下，根据所述第一销售阶段末的最优预防性转运策略，所述物流服务提供商建立期初订货量优化模型，得到各个所述配送中心期初最优订货量，使得总系统利润最大化。

本发明与现有技术相比，具有以下优点：

本发明提供的方法从物流服务提供商角度出发，利用供应链上下游产生的订单数据和配送数据，学习并拟合消费者需求随机分布，通过科学订货以及预防性转运，对市场需求信号做出准确快速的反应，实现供应链利润最大化。本发明提供的方法不仅能够提升供应链经济效益，并且物流服务提供商可以根据自己的信息结合上游的订单信息为上游销售商提供更好的物流服务，优化各个地区的库存资源分配，实现供需精准匹配，快速响应消费者需求，提升了物流服务质量进而提升了供应链经济效益。

附图说明

图1为本发明实施例中一种数据驱动的订货与预防性转运优化方法的流程图；

图2为本发明实施例中数据驱动的订货与预防性转运优化方法的决策顺序的示意图；

图3为本发明实施例中一种数据驱动的订货与预防性转运优化系统的结构框图。

具体实施方式

本发明提供了一种数据驱动的订货与预防性转运优化方法，优化了各地区库存资源分配，实现供需精准匹配，为上游销售商提供优质物流服务，并快速响应消费者需求，提升了物流服务质量。

为了使本发明的目的、技术方案及优点更加清楚，以下通过具体实施，并结合附图，对本发明进一步详细说明。

实施例一

如图1所示，本发明实施例提供的一种数据驱动的订货与预防性转运优化方法，包括下述步骤：

步骤S1：根据历史订单和配送数据，拟合产品在不同地区以及不同销售阶段消费者需求的随机分布函数，得到第一和第二销售阶段的预期需求；

步骤S2：基于各配送中心第一销售阶段末的库存状态以及第二销售阶段的预期需求，物流服务提供商建立预防性转运策略优化模型，得到第一销售阶段末的最优预防性转运策略，使得第二销售阶段系统利润最大化；

步骤S3：在不同的订货水平下，根据第一销售阶段末的最优预防性转运策略，物流服务提供商建立期初订货量优化模型，得到各个配送中心期初最优订货量，使得总系统利润最大化。

在一个实施例中，上述步骤S1：根据历史订单和配送数据，拟合产品在不同地区以及不同销售阶段消费者需求的随机分布函数，得到第一和第二销售阶段的预期需求，具体包括：

本发明实施例中，首先获取某时间段内的历史订单数据和历史配送数据。

历史订单数据来自上游销售商，包含每个订单的下单时间、产品种类和数量、订单类型、配送方式、中转网点代码、时效要求。

配送数据来自物流服务提供商，包含每个订单从哪个仓库发出、经过哪些配送中心、到达哪个配送中心、到达每个物流节点的时间、总配送距离和时长。

统计分析每个配送中心的发货数量和每个地区的需求数据，检查是否存在供需不匹配现象。例如，从2018年10月至2019年9月，若有一些地区的需求只有不到60％的订单能由本地配送中心满足，其他需求都需要由远距离配送中心发货满足，则认为是存在供需不匹配现象。

基于历史的订单数据和配送数据，以周为单位，对产品在不同地区以及不同销售阶段消费者需求的随机分布函数进行拟合。

本发明实施例利用软件(R或者python等)对产品需求的密度函数和分布函数进行拟合，首先用多种常用分布测试，例如正态分布、t分布、gamma分布、柯西分布、指数分布等，然后根据拟合标准差最小的原则，选择拟合效果最好的分布。例如，对于某个产品，拟合效果最好的是指数分布，则利用指数分布作为该产品的需求分布，其次可根据指数分布去分析两个销售阶段的需求差异，例如第一销售阶段两个地区的指数分布需求参数分别是0.00462和0.00166，第二销售阶段两个地区的指数分布需求参数分别是0.00161和0.00072，则可以发现不同地区以及不同销售阶段的需求有明显的差异。

在一个实施例中，上述步骤S2中预防性转运策略优化模型表示为下述公式(1)：

其中，

为第二销售阶段的销售收益，i∈{1，2，…n}为配送中心索引，共n个配送中心，r为产品的销售价格，x_i是所述配送中心i在第一销售阶段末的剩余库存水平，D_i2为配送中心i在第二销售阶段的随机需求；

为第二销售阶段的订单配送成本，c_d为物流服务提供商的单位订单配送成本；

为第二销售阶段的库存仓储成本，c_h为物流服务提供商的单位库存仓储成本；

为第二销售阶段的缺货成本，l为单位缺货惩罚成本；

为第二销售阶段的库存转运成本，c_t为物流服务提供商的单位库存转运成本；

求解公式(1)，可得到第一销售阶段末的最优预防性转运策略为z＝(z₁₂，…，z_ij，…，z_(n-1)n)，即为各个配送中心之间的转运策略。

在本步骤中，先定义各项参数，具体如下：

i∈{1，2，…n}：配送中心索引，配送中心i，共有n个配送中心；

D_i1:第i个配送中心第一销售阶段的随机需求，需求的分布函数为F_i1(·)，密度函数为f_i1(·)，实现的第一销售阶段需求为d_i1；

D_i2:第i个配送中心第二销售阶段的随机需求，需求的分布函数为G_i2(·)，密度函数为g_i2(·)，实现的第二销售阶段需求为d_i2；

c_p：单位生产成本；

r：单位销售价格；

h：上游销售商支付给物流服务提供商的每个销售阶段单位库存仓储费用；

c_h：物流服务提供商的每个销售阶段单位库存持有成本；

b：单位延期交货惩罚；

l：单位缺货惩罚；

f_d：上游销售商支付给物流服务提供商的订单配送费用；

c_d：物流服务提供商的订单配送成本；

f_t：上游销售商支付给物流服务提供商的单位库存转运费用；

c_t：物流服务提供商的单位库存转运成本；

z_ij：由配送中心i转向配送中心j的转运量；

Q_i：配送中心i的期初订货量；

x_i：配送中心i第一销售阶段末的库存水平，x_i＝Q_i-d_i1；

π_S2：第二销售阶段整个系统的利润；

π_S：整个系统的总利润(包含订货期和两个销售阶段)；

E[·]：求期望；

x⁺：取正，x⁺＝max(0，x)。

本发明实施例中，数据驱动的订货与预防性转运优化方法分为两个阶段，具体的决策顺序如图2所示。

在订货期，首先根据步骤S1拟合得到各个地区在两个销售阶段的需求分布D_i1和D_i2，然后上游销售商和物流服务提供商协商决定运输合同，包括订单配送费用f_d和库存转运费用f_t。基于整个销售期的需求分布和运输合同，决定每个配送中心的最优期初订货量Q，其中Q＝(Q₁，…，Q_i，…，Q_n)。

销售期分为两个销售阶段，在第一销售阶段，每个地区的配送中心完成当地订单的配送，如果有需求不能被满足，则会延期到第二销售阶段转运后交付。第一销售阶段末，每个配送中心的剩余库存水平是x_i，其中x_i＝Q_i-d_i1，d_i1为配送中心i第一销售阶段实现的需求量。在第一销售阶段末，物流服务提供商会分析每个配送中心的剩余库存与第二销售阶段的预期需求的匹配情况，如果有些配送中心剩余库存水平较低但第二销售阶段的预期需求较高，而有其他配送中心剩余库存水平较高但第二销售阶段的预期需求较低，则会将库存从剩余库存水平高的配送中心转向剩余库存水平低的配送中心，从而更好地匹配各地区的供需，防止由于当地配送中心库存不足需要从较远配送中心发货产生消费者等待的情况出现。预防性转运完成后，在第二销售阶段，每个配送中心完成当地的订单需求，未能满足的需求将会流失。

对于上述两阶段模型，使用逆向求解法，先决定第一销售阶段末的预防性转运策略，然后再决定期初的最优订货策略。在步骤S2中，先进行第一销售阶段末的最优预防性转运策略优化，然后在后续的步骤S3中优化期初的最优订货策略。

本发明实施例中，由销售商和物流服务提供商组成一个完整的系统，其中，第一销售阶段末的预防性转运策略优化目标为最大化第二销售阶段的系统期望总利润，系统总利润包括上游销售商的利润和物流服务提供商的利润。具体来说，系统期望总利润为每个地区的销售收益减去总运营成本，其中总运营成本包括订单的配送成本，库存仓储成本，缺货成本和库存转运成本。

1)销售收益

第一销售阶段末物流服务提供商优化预防性转运策略，包括转运方向和转运数量。z_ij>0表示由配送中心i向配送中心j转运z_ij个库存，z_ij＜0则表示由配送中心j向配送中心i转运-z_ij个库存。用z＝(z₁₂,…,z_ij,…,z_(n-1)n)表示整体转运策略。由于只在各个配送中心之间进行预防性库存转运，没有补货发生，因此总的库存量不改变，各个配送中心之间转运量的总和为零，也即是

因此在第二销售阶段初，完成预防性转运后，每个配送中心的库存水平是x_i-z，其中x_i＝Q_i-d_i1是配送中心i在第一销售阶段末的剩余库存水平。在第二销售阶段，每个地区的配送中心完成本地的订单需求，需求满足量是对库存水平和需求量取小，即min{x_i-z,D_i2}。所以地区i的销售收益为rmin{x_i-z,D_i2}，其中r为产品的销售价格。总的销售收益为所有地区的收益之和，即

2)配送成本

完成每个订单的配送成本是c_d，因此地区i的配送成本是c_dmin{x_i-z,D_i2}。总的配送成本为所有地区的配送成本之和，即

3)库存仓储成本

在第二销售阶段末没有卖出的产品存放在物流服务提供商的仓库中，产生库存仓储成本。对于配送中心i，在第二销售阶段末没有卖出的产品库存是(x_i-z-D_i2)⁺，因此在配送中心i产生的库存仓储成本是c_h(x_i-z-D_i2)⁺，其中c_h为物流服务提供商的单位库存持有成本。总的库存仓储成本为所有地区的库存仓储成本之和，即

4)缺货成本

在第二销售阶段没有满足的订单会流失，从而产生缺货惩罚成本。对于配送中心i，在第二销售阶段没有满足的需求量是(D_i2-x_i+z)⁺，因此在配送中心i产生的缺货成本是l(D_i2-x_i+z)⁺，其中l为单位缺货惩罚成本。总的缺货成本为所有地区的缺货成本之和，即

5)库存转运成本

为了更好地匹配每个地区的供需情况，在各个配送中心之间进行预防性转运会产生库存转运成本，物流服务提供商的单位库存转运成本为c_t，因此总的库存转运成本为

因此第二销售阶段系统的期望总利润为

本发明实施例中，预防性转运优化模型的决策变量是各个配送中心之间的转运策略z＝(z₁₂,…,z_ij,…,z_(n-1)n)，包含转运方向和转运量。

基于上述信息，最终建立的预防性转运优化模型为公式(1):

通过求解上述公式(1)可以得到预防性转运优化方案，也即是各个配送中心之间最优的预防性转运量z＝(z₁₂,…,z_ij,…,z_(n-1)n)。通过预防性转运，可以改善各个配送中心的库存水平与第二销售阶段的需求匹配情况，更好地满足消费者需求，为上游销售商的产品库存分配提供建议和指导。

在一个实施例中，上述步骤S3中期初订货量优化模型表示为下述公式(2)：

其中，

为第一销售阶段的销售收益，即所有地区的收益之和；

为第一销售阶段的配送成本，即所有地区的配送成本之和；

为第一销售阶段的库存仓储成本，即所有地区的库存仓储成本之和，其中，对于配送中心i，在第一销售阶段末没有卖出的产品库存是(Q_i-D_i1)⁺；

为第一销售阶段的延期交货惩罚成本，即所有地区的延期交货惩罚成本之和，其中，对于配送中心i，在第一销售阶段没有满足的需求量是(D_i1-Q_i)⁺，b为单位延期惩罚成本；

为总的订货成本，c_p为单位订货成本；

π_S2(z)为第二销售阶段系统的期望总利润。

求解上述公式(2)可以得到各个配送中心期初的最优订货量Q＝(Q₁,…,Q_i，…,Q_n)。

基于图2所示的决策顺序，得到第一销售阶段末最优的预防性转运策略后，进行期初的订货策略优化。本发明实施例中，期初订货策略优化目标为最大化订货期和销售期系统期望总利润。期初订货时，会综合考虑第一销售阶段的利润和转运后第二销售阶段的利润。具体来说，订货期和销售期系统期望总利润为第一销售阶段总利润加第二销售阶段总利润减去订货成本，其中第二销售阶段总利润为步骤S2中优化后的第二销售阶段系统的期望总利润为π_S2(z)。下面分别介绍第一销售阶段总利润和订货成本。类似于步骤S2，第一销售阶段系统期望总利润为每个地区的销售收益减去总运营成本，其中总运营成本包括订单的配送成本，库存仓储成本和延期交货惩罚成本。

1)销售收益

订货期后，配送中心i的库存水平是Q_i。在第一销售阶段，每个地区的配送中心完成本地的订单需求，最大的需求满足量是库存水平和需求取小，即配送中心i的销售量是min{Q_i,D_i1}，其中D_i1是地区i第一阶段的随机需求。所以地区i的销售收益为rmin{Q_i,D_i1}，总的销售收益为所有地区的收益之和，即

2)配送成本

完成每个订单的配送成本是c_d，因此地区i的配送成本是c_dmin{Q_i,D_i1}。总的配送成本为所有地区的配送成本之和，即

3)库存仓储成本

在第一销售阶段末没有卖出的产品存放在物流服务提供商的仓库中，产生库存仓储成本。对于配送中心i，在第一销售阶段末没有卖出的产品库存是(Q_i-D_i1)⁺，因此在配送中心i产生的库存仓储成本是c_h(Q_i-D_i1)⁺，总的库存仓储成本为所有地区的库存仓储成本之和，即

4)延期交货惩罚成本

在第一销售阶段没有满足的订单会延期到第二销售阶段转运后满足，并产生单位延期惩罚成本b。对于配送中心i，在第一销售阶段没有满足的需求量是(D_i1-Q_i)⁺，因此在配送中心i产生的延期交货惩罚成本是b(D_i1-Q_i)⁺，总的延期交货惩罚成本为所有地区的延期交货惩罚成本之和，即

5)订货成本

在订货期，确定每个配送中心期初的库存量，产品订货成本。系统的单位订货成本为c_p，因此总的订货成本为

因此订货期和销售期系统的期望总利润为

本发明实施例中，期初订货量优化模型的决策变量是各个配送中心的期初订货量Q＝(Q₁,…,Q_i,…,Q_n)。

基于上述信息，最终建立的期初订货量优化模型如公式(2):

通过求解上述公式(2)可以得到最优的订货策略，也即是各个配送中心期初的最优订货量Q＝(Q₁,…,Q_i,…,Q_n)。期初的最优订货量综合考虑了第一销售阶段的利润和第一销售阶段末进行最优预防性转运后第二销售阶段的利润，最大化系统在两个销售阶段各个地区的总利润和期初订货成本。整体而言，期初订货策略为产品库存在各配送中心的分配提供指导，期中的预防性转运策略能够根据已经实现的第一销售阶段的需求情况及时平衡各配送中心的库存，更好地服务第二销售阶段的需求。

本发明提供的方法从物流服务提供商角度出发，利用供应链上下游产生的订单数据和配送数据，学习并拟合消费者需求随机分布，通过科学订货以及预防性转运，对市场需求信号做出准确快速的反应，实现供应链利润最大化。在本发明提供的方法中，物流服务提供商可以根据自己的信息结合上游的订单信息为上游销售商提供更好的物流服务，优化各个地区的库存资源分配，实现供需精准匹配，快速响应消费者需求，提升了物流服务质量进而提升了供应链经济效益。

实施例二

如图3所示，本发明实施例提供了一种数据驱动的订货与预防性转运优化系统，包括下述模块：

需求分布拟合模块，用于根据历史订单和配送数据，拟合产品在不同地区以及不同销售阶段消费者需求的随机分布函数，得到第一和第二销售阶段的预期需求；

预防性转运策略优化模块，用于基于各配送中心第一销售阶段末的库存状态、物流服务提供商利用从上游销售商获取的订单数据结合配送数据以及第二销售阶段的预期需求，建立预防性转运策略优化模型，得到第一销售阶段末的最优预防性转运策略，使得第二销售阶段利润最大化；

期初订货量优化模块，用于在不同的订货水平下，根据物流服务提供商利用从上游销售商获取的订单数据结合配送数据以及第一销售阶段末的最优预防性转运策略，建立期初订货量优化模型，得到各个配送中心期初最优订货量，使得总利润最大化。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例可以通过软件实现，也可以借助软件加必要的通用硬件平台的方式来实现。基于这样的理解，上述实施例的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将系统的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (4)

1.一种数据驱动的订货与预防性转运优化方法，其特征在于，包括：

步骤S1：根据历史订单和配送数据，拟合产品在不同地区以及不同销售阶段消费者需求的随机分布函数，得到第一和第二销售阶段的预期需求；

步骤S2：基于各配送中心第一销售阶段末的库存状态以及所述第二销售阶段的预期需求，物流服务提供商建立预防性转运策略优化模型，得到第一销售阶段末的最优预防性转运策略，使得第二销售阶段系统利润最大化；

步骤S3：在不同的订货水平下，根据所述第一销售阶段末的最优预防性转运策略，所述物流服务提供商建立期初订货量优化模型，得到各个所述配送中心期初最优订货量，使得总系统利润最大化。

2.根据权利要求1所述的数据驱动的订货与预防性转运优化方法，其特征在于，所述步骤S2中所述预防性转运策略优化模型表示为下述公式(1)：

其中，

为第二销售阶段的销售收益，i∈{1，2，…n}为配送中心索引，共n个配送中心，r为产品的销售价格，x_i是所述配送中心i在第一销售阶段末的剩余库存水平，D_i2为配送中心i在第二销售阶段的随机需求；

为第二销售阶段的订单配送成本，c_d为物流服务提供商的单位订单配送成本；

为第二销售阶段的库存仓储成本，c_h为物流服务提供商的单位库存仓储成本；

为第二销售阶段的缺货成本，l为单位缺货惩罚成本；

为第二销售阶段的库存转运成本，c_t为物流服务提供商的单位库存转运成本；

求解公式(1)，可得到所述第一销售阶段末的最优预防性转运策略为z＝(z₁₂，…，z_ij，…，z_(n-1)n)，即为各个所述配送中心之间的转运策略。

3.根据权利要求1所述的数据驱动的订货与预防性转运优化方法，其特征在于，所述步骤S3中所述期初订货量优化模型表示为下述公式(2)：

其中，

为第一销售阶段的销售收益，即所有地区的收益之和；

为第一销售阶段的配送成本，即所有地区的配送成本之和；

为第一销售阶段的库存仓储成本，即所有地区的库存仓储成本之和，其中，对于配送中心i，在第一销售阶段末没有卖出的产品库存是(Q_i-D_i1)⁺；

为第一销售阶段的延期交货惩罚成本，即所有地区的延期交货惩罚成本之和，其中，对于配送中心i，在第一销售阶段没有满足的需求量是(D_i1-Q_i)⁺，b为单位延期惩罚成本；

为总的订货成本，c_p为单位订货成本；

π_S2(z)为第二销售阶段系统的期望总利润；

求解上述公式(2)可以得到各个所述配送中心期初的最优订货量Q＝(Q₁，…，Q_i，…，Q_n)。

4.一种数据驱动的订货与预防性转运优化系统，其特征在于，包括下述模块：

需求分布拟合模块，用于根据历史订单和配送数据，拟合产品在不同地区以及不同销售阶段消费者需求的随机分布函数，得到第一和第二销售阶段的预期需求；

预防性转运策略优化模块，用于基于各配送中心第一销售阶段末的库存状态、物流服务提供商利用从上游销售商获取的订单数据结合配送数据以及所述第二销售阶段的预期需求，建立预防性转运策略优化模型，得到第一销售阶段末的最优预防性转运策略，使得第二销售阶段利润最大化；

期初订货量优化模块，用于在不同的订货水平下，根据所述物流服务提供商利用从上游销售商获取的订单数据结合配送数据以及所述第一销售阶段末的最优预防性转运策略，建立期初订货量优化模型，得到各个所述配送中心期初最优订货量，使得总利润最大化。

Images