CN113743865A - 一种仓储对象分仓控制方法、装置、电子设备及存储介质 - Google Patents
一种仓储对象分仓控制方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113743865A CN113743865A CN202110993557.XA CN202110993557A CN113743865A CN 113743865 A CN113743865 A CN 113743865A CN 202110993557 A CN202110993557 A CN 202110993557A CN 113743865 A CN113743865 A CN 113743865A
- Authority
- CN
- China
- Prior art keywords
- warehousing
- warehouse
- order data
- objects
- unit
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000003860 storage Methods 0.000 title claims abstract description 47
- 238000007599 discharging Methods 0.000 claims abstract description 10
- 238000009826 distribution Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 8
- 125000004122 cyclic group Chemical group 0.000 claims description 6
- 238000010845 search algorithm Methods 0.000 claims description 5
- 238000000926 separation method Methods 0.000 abstract description 12
- 230000001419 dependent effect Effects 0.000 description 30
- 238000004519 manufacturing process Methods 0.000 description 20
- 230000032683 aging Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 13
- 238000004088 simulation Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 8
- 238000013500 data storage Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010977 unit operation Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000969 carrier Substances 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种仓储对象分仓控制方法、装置、电子设备及存储介质,所述仓储对象分仓控制方法,包括:获取指定历史时间段内的各销售订单数据,所述销售订单数据包含销售给用户的仓储对象数量;分别将所述各销售订单数据按照预设发货策略执行预设发货路径,确定所述各销售订单数据中所述仓储对象在各个仓储单元的出仓量;根据所述各销售订单数据中所述仓储对象在各个仓储单元的出仓量,确定所述仓储对象在所述各个仓储单元的理想分仓比;根据所述仓储对象在所述各个仓储单元的理想分仓比对第一采购订单数据中的所述仓储对象进行分仓,在提高了分仓效率的同时,降低了分仓过程中产生的综合成本。
Description
技术领域
本申请涉及采购供应链领域,尤其涉及一种仓储对象分仓控制方法、装置、电子设备及存储介质。
背景技术
本部分旨在为权利要求书中陈述的本申请的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
在存储仓储对象时,分仓是指针对获取的一批待存储仓储对象(如采购的一批物品),将这批仓储对象分配到不同的仓储单元(如仓库)中。在实际业务场景中,业务人员基于多个仓储单元的信息对待存储的仓储对象进行人工分仓,根据经验值确定分配到不同仓储单元的仓储对象数量。然而,这种分仓方式分配的目标仓储单元及仓储对象数量由人工指定,而根据经验值预测偏差较大,这就要求业务人员需要了解各地的销售情况、物流成本等大量基础信息,以使分仓的综合成本最低。这种方式仅适用于业务刚起步、新品分仓、仓储单元数量较少以及临时紧急需求等情况,而针对业务成熟、供应链复杂、业务量大以及仓储单元数量规模大的情况,分仓效率较低,且分仓过程中产生的综合成本较高。
发明内容
针对上述技术问题,非常需要一种改进的方法,以提高分仓效率,降低分仓过程中产生的综合成本。
一方面,本申请一实施例提供了一种仓储对象分仓控制方法,包括:
获取指定历史时间段内的各销售订单数据,所述销售订单数据包含销售给用户的仓储对象数量;
分别将所述各销售订单数据按照预设发货策略执行预设发货路径,确定所述各销售订单数据中所述仓储对象在各个仓储单元的出仓量;
根据所述各销售订单数据中所述仓储对象在各个仓储单元的出仓量,确定所述仓储对象在所述各个仓储单元的理想分仓比;
根据所述仓储对象在所述各个仓储单元的理想分仓比对第一采购订单数据中的所述仓储对象进行分仓。
在一种可能的实施方式中,根据所述仓储对象在所述各个仓储单元的理想分仓比对第一采购订单数据中的所述仓储对象进行分仓,具体包括:
根据所述第一采购订单数据中的所述仓储对象的采购总量、所述仓储对象在所述各个仓储单元的理想分仓比、所述仓储对象在所有仓储单元的总仓储量和所述仓储对象在所述各个仓储单元的在仓仓储量,确定所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量。
在一种可能的实施方式中,所述仓储对象在所述各个仓储单元的理想分仓比表征所述仓储对象在所述各个仓储单元的出仓量占比;
根据所述各销售订单数据中所述仓储对象在各个仓储单元的出仓量,确定所述仓储对象在所述各个仓储单元的理想分仓比,具体包括:
根据所述各销售订单数据中的所述仓储对象在各个仓储单元的出仓量,确定所有销售订单数据中所述仓储对象在各个仓储单元的出仓量;
根据所述所有销售订单数据中所述仓储对象在各个仓储单元的出仓量,确定所述仓储对象在所述各个仓储单元的理想分仓比。
在一种可能的实施方式中,根据所述所有销售订单数据中所述仓储对象在各个仓储单元的出仓量,确定所述仓储对象在所述各个仓储单元的理想分仓比,具体包括:
通过以下公式计算所述仓储对象在所述各个仓储单元的理想分仓比:
其中,ri表示所述仓储对象在第i个仓储单元的理想分仓比,i=1,2,……,n,n为仓储单元总数量;
ci表示所述所有销售订单数据中所述仓储对象在第i个仓储单元的出仓量;
在一种可能的实施方式中,确定所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量,具体包括:
通过以下公式计算所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量:
ai=(p+t)*ri-si
其中,ai表示所述第一采购订单数据中的所述仓储对象在所述第i个仓储单元的计划分仓量;
p表示所述第一采购订单数据中的所述仓储对象的采购总量;
t表示所述仓储对象在第1~n个仓储单元的总仓储量;
ri表示所述仓储对象在所述第i个仓储单元的理想分仓比;
si表示所述仓储对象在所述第i个仓储单元的在仓仓储量。
在一种可能的实施方式中,所述方法,还包括:
获取所述指定历史时间段内的各第二采购订单数据,所述第二采购订单数据包含所述仓储对象的采购数量,以及将所述仓储对象按照所述仓储对象在所述各个仓储单元的实际分仓量从发货对象发送至所述各个仓储单元的第一仓配路径组合;
按照预设策略遍历所述各第二采购订单数据中的所述第一仓配路径组合,基于循环随机搜索算法从每一预设策略中的各个策略参数对应的设定权重值组成的策略参数权重组合中,确定一组最优策略参数权重组合。
在一种可能的实施方式中,所述预设策略包括:时效优先策略、成本优先策略和产能优先策略;所述时效优先策略的策略参数包括运送时间、发货时间和卸货时间;所述成本优先策略的策略参数包括仓储单元操作费、运费和时效折价费;所述产能优先策略的策略参数包括已有产能和计划产能。
在一种可能的实施方式中,还包括:
根据发货对象信息、可用运输对象信息和所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量确定可用的第二仓配路径组合;
根据所述第一采购订单数据、所述最优策略参数权重组合和所述可用的第二仓配路径组合,确定最优第二仓配路径组合;
将所述第一采购订单数据中的所述仓储对象按照其在所述各个仓储单元的计划分仓量,通过所述最优第二仓配路径组合发送至对应的仓储单元。
在一种可能的实施方式中,根据发货对象信息、所述可用运输对象信息和所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量确定可用的第二仓配路径组合,具体包括:
确定所述发货对象信息、所述可用运输对象信息和所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量的笛卡尔积,所述笛卡尔积包括将所述第一采购订单数据中的所述仓储对象发送至所述各个仓储单元的第二仓配路径组合;以及
根据所述第一采购订单数据、所述最优策略参数权重组合和所述可用的第二仓配路径组合,确定最优第二仓配路径组合,具体包括:
基于所述最优策略参数权重组合对所述第一采购订单数据执行所述笛卡尔积中的每一第二仓配路径组合,获得执行所述每一第二仓配路径组合对应的评分;
根据预设评分规则确定所述第一采购订单数据对应的最优第二仓配路径组合。
在一种可能的实施方式中,基于所述最优策略参数权重组合对所述第一采购订单数据执行所述笛卡尔积中的每一第二仓配路径组合,获得执行所述每一第二仓配路径组合对应的评分,具体包括:
通过以下公式计算所述第一采购订单数据执行所述任一第二仓配路径组合对应的评分:
其中,T表示所述第一采购订单数据执行任一所述第二仓配路径组合对应的评分;
K运送时间、K发货时间、K卸货时间、K仓储单元操作费、K运费、K时效折价费和K产能为所述最优策略参数权重组合,K运送时间表示所述运送时间的权重值,K发货时间表示所述发货时间的权重值,K卸货时间表示所述卸货时间的权重值,K仓储单元操作费表示所述仓储单元操作费的权重值,K运费表示运费的权重值,K时效折价费表示所述时效折价费的权重值,K产能表示所述产能的权重值;K运送时间+K发货时间+K卸货时间+K仓储单元操作费+K运费+K时效折价费+K产能=1;
S运送时间表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的运送时间,所述S发货时间表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的发货时间,S卸货时间表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的卸货时间,S仓储单元操作费表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的仓储单元操作费,S运费表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的运费,S时效折价费表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的时效折价费,S已有产能表示所述仓储对象在所述各个仓储单元的在仓仓储量,S计划分仓量表示所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量。
在一种可能的实施方式中,根据预设评分规则确定所述第一采购订单数据对应的最优第二仓配路径组合,具体包括:
确定所述第一采购订单数据执行所述每一第二仓配路径组合中对应的评分最高的仓配路径组合为所述第一采购订单数据对应的最优第二仓配路径组合。
在一种可能的实施方式中,在将所述第一采购订单数据中的所述仓储对象按照其在所述各个仓储单元的计划分仓量,通过所述最优第二仓配路径组合发送至对应的所述各个仓储单元之前,还包括:
根据所述最优第二仓配路径组合和所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量,预测所述第一采购订单数据的总成本;
当确定所述总成本满足指定条件时,确定所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量和所述最优第二仓配路径组合满足采购分仓决策。
在一种可能的实施方式中,计算所述总成本的函数为:
Target=a1×(m1+d1)+a2×(m2+d2)+…+an×(mn+dn);
约束条件为:p=a1+a2+…+an;
s1+a1≤l1,s2+a2≤l2,…,sn+an≤ln;
其中,a1,a2…,an分别表示所述第一采购订单数据中的所述仓储对象在第1~n个仓储单元的计划分仓量,n为仓储单元总数量;
m1,m2…,mn分别表示按照所述最佳仓配路径组合发货至第1~n个仓储单元的平均单件发货成本;
d1,d2…,dn分别表示从第1~n个仓储单元发货到目标用户的平均单件配送成本;
s1,s2…,sn分别表示所述仓储对象在第1~n个仓储单元的在仓仓储量;
l1,l2…,ln分别表示第1~n个仓储单元的仓储上限值。
一方面,本申请一实施例提供了一种仓储对象分仓控制装置,包括:
第一获取单元,用于获取指定历史时间段内的各销售订单数据,所述销售订单数据包含销售给用户的仓储对象数量;
第一确定单元,用于分别将所述各销售订单数据按照预设发货策略执行预设发货路径,确定所述各销售订单数据中所述仓储对象在各个仓储单元的出仓量;
第二确定单元,用于根据所述各销售订单数据中所述仓储对象在各个仓储单元的出仓量,确定所述仓储对象在所述各个仓储单元的理想分仓比;
分仓控制单元,用于根据所述仓储对象在所述各个仓储单元的理想分仓比对第一采购订单数据中的所述仓储对象进行分仓。
在一种可能的实施方式中,所述分仓控制单元,具体用于根据所述第一采购订单数据中的所述仓储对象的采购总量、所述仓储对象在所述各个仓储单元的理想分仓比、所述仓储对象在所有仓储单元的总仓储量和所述仓储对象在所述各个仓储单元的在仓仓储量,确定所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量。
在一种可能的实施方式中,所述仓储对象在所述各个仓储单元的理想分仓比表征所述仓储对象在所述各个仓储单元的出仓量占比;
所述第二确定单元,具体用于根据所述各销售订单数据中的所述仓储对象在各个仓储单元的出仓量,确定所有销售订单数据中所述仓储对象在各个仓储单元的出仓量;根据所述所有销售订单数据中所述仓储对象在各个仓储单元的出仓量,确定所述仓储对象在所述各个仓储单元的理想分仓比。
在一种可能的实施方式中,所述第二确定单元,具体用于通过以下公式计算所述仓储对象在所述各个仓储单元的理想分仓比:
其中,ri表示所述仓储对象在第i个仓储单元的理想分仓比,i=1,2,……,n,n为仓储单元总数量;
ci表示所述所有销售订单数据中所述仓储对象在第i个仓储单元的出仓量;
在一种可能的实施方式中,所述分仓控制单元,具体用于通过以下公式计算所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量:
ai=(p+t)*ri-si
其中,ai表示所述第一采购订单数据中的所述仓储对象在所述第i个仓储单元的计划分仓量;
p表示所述第一采购订单数据中的所述仓储对象的采购总量;
t表示所述仓储对象在第1~n个仓储单元的总仓储量;
ri表示所述仓储对象在所述第i个仓储单元的理想分仓比;
si表示所述仓储对象在所述第i个仓储单元的在仓仓储量。
在一种可能的实施方式中,所述装置,还包括:
第二获取单元,用于获取所述指定历史时间段内的各第二采购订单数据,所述第二采购订单数据包含所述仓储对象的采购数量,以及将所述仓储对象按照所述仓储对象在所述各个仓储单元的实际分仓量从发货对象发送至所述各个仓储单元的第一仓配路径组合;
第三确定单元,用于按照预设策略遍历所述各第二采购订单数据中的所述第一仓配路径组合,基于循环随机搜索算法从每一预设策略中的各个策略参数对应的设定权重值组成的策略参数权重组合中,确定一组最优策略参数权重组合。
在一种可能的实施方式中,所述预设策略包括:时效优先策略、成本优先策略和产能优先策略;所述时效优先策略的策略参数包括运送时间、发货时间和卸货时间;所述成本优先策略的策略参数包括仓储单元操作费、运费和时效折价费;所述产能优先策略的策略参数包括已有产能和计划产能。
在一种可能的实施方式中,所述装置,还包括:
第四确定单元,用于根据发货对象信息、可用运输对象信息和所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量确定可用的第二仓配路径组合;
第五确定单元,用于根据所述第一采购订单数据、所述最优策略参数权重组合和所述可用的第二仓配路径组合,确定最优第二仓配路径组合;
发送单元,用于将所述第一采购订单数据中的所述仓储对象按照其在所述各个仓储单元的计划分仓量,通过所述最优第二仓配路径组合发送至对应的仓储单元。
在一种可能的实施方式中,所述第四确定单元,用于确定所述发货对象信息、所述可用运输对象信息和所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量的笛卡尔积,所述笛卡尔积包括将所述第一采购订单数据中的所述仓储对象发送至所述各个仓储单元的第二仓配路径组合;以及
所述第五确定单元,具体用于基于所述最优策略参数权重组合对所述第一采购订单数据执行所述笛卡尔积中的每一第二仓配路径组合,获得执行所述每一第二仓配路径组合对应的评分;根据预设评分规则确定所述第一采购订单数据对应的最优第二仓配路径组合。
在一种可能的实施方式中,所述第五确定单元,具体用于通过以下公式计算所述第一采购订单数据执行所述任一第二仓配路径组合对应的评分:
其中,T表示所述第一采购订单数据执行任一所述第二仓配路径组合对应的评分;
K运送时间、K发货时间、K卸货时间、K仓储单元操作费、K运费、K时效折价费和K产能为所述最优策略参数权重组合,K运送时间表示所述运送时间的权重值,K发货时间表示所述发货时间的权重值,K卸货时间表示所述卸货时间的权重值,K仓储单元操作费表示所述仓储单元操作费的权重值,K运费表示运费的权重值,K时效折价费表示所述时效折价费的权重值,K产能表示所述产能的权重值;K运送时间+K发货时间+K卸货时间+K仓储单元操作费+K运费+K时效折价费+K产能=1;
S运送时间表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的运送时间,所述S发货时间表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的发货时间,S卸货时间表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的卸货时间,S仓储单元操作费表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的仓储单元操作费,S运费表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的运费,S时效折价费表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的时效折价费,S已有产能表示所述仓储对象在所述各个仓储单元的在仓仓储量,S计划分仓量表示所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量。
在一种可能的实施方式中,所述第五确定单元,具体用于确定所述第一采购订单数据执行所述每一第二仓配路径组合中对应的评分最高的仓配路径组合为所述第一采购订单数据对应的最优第二仓配路径组合。
在一种可能的实施方式中,所述装置,还包括:
第六确定单元,用于在将所述第一采购订单数据中的所述仓储对象按照其在所述各个仓储单元的计划分仓量,通过所述最优第二仓配路径组合发送至对应的所述各个仓储单元之前,根据所述最优第二仓配路径组合和所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量,预测所述第一采购订单数据的总成本;当确定所述总成本满足指定条件时,确定所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量和所述最优第二仓配路径组合满足采购分仓决策。
在一种可能的实施方式中,计算所述总成本的函数为:
Target=a1×(m1+d1)+a2×(m2+d2)+…+an×(mn+dn);
约束条件为:p=a1+a2+…+an;
s1+a1≤l1,s2+a2≤l2,…,sn+an≤ln;
其中,a1,a2…,an分别表示所述第一采购订单数据中的所述仓储对象在第1~n个仓储单元的计划分仓量,n为仓储单元总数量;
m1,m2…,mn分别表示按照所述最佳仓配路径组合发货至第1~n个仓储单元的平均单件发货成本;
d1,d2…,dn分别表示从第1~n个仓储单元发货到目标用户的平均单件配送成本;
s1,s2…,sn分别表示所述仓储对象在第1~n个仓储单元的在仓仓储量;
l1,l2…,ln分别表示第1~n个仓储单元的仓储上限值。
一方面,本申请一实施例提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,处理器执行计算机程序时实现本申请所述的仓储对象分仓控制方法。
一方面,本申请一实施例提供了一种计算机可读存储介质,其上存储有计算机程序指令,该计算机程序指令被处理器执行时实现本申请所述的仓储对象分仓控制方法中的步骤。
本申请实施例提供的分仓控制方法、装置、电子设备及存储介质,获取指定历史时间段内的各销售订单数据,其中,销售订单数据包含销售给用户的仓储对象数量,分别将各销售订单数据按照预设发货策略执行预设发货路径,确定各销售订单数据中仓储对象在各个仓储单元的出仓量,根据各销售订单数据中仓储对象在各个仓储单元的出仓量,确定仓储对象在各个仓储单元的理想分仓比,进而,根据仓储对象在各个仓储单元的理想分仓比对第一采购订单数据中的该仓储对象进行分仓,本申请实施例中,根据某一仓储对象的历史销售订单数据,按照预设发货策略执行预设发货路径对各历史销售订单数据进行模拟,计算出各历史销售订单数据中该仓储对象在各个仓储单元的出仓量,进而,可确定出该仓储对象在各个仓储单元的理想分仓比,将该仓储对象在各个仓储单元的理想分仓比作为新的针对所述仓储对象的采购订单数据中该仓储对象的分仓依据,在提高了分仓效率的同时,降低了分仓过程中产生的综合成本。
附图说明
通过参考附图阅读下文的详细描述,本申请示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本申请的若干实施方式,其中:
图1为本申请实施例提供的仓储对象分仓控制方法的应用场景示意图;
图2为本申请一实施例提供的仓储对象分仓控制方法的实施流程示意图;
图3为本申请一实施例提供的确定仓储对象在各个仓储单元的理想分仓比的实施流程示意图;
图4为本申请一实施例提供的确定最优策略参数权重组合的实施流程示意图;
图5为本申请一实施例提供的将第一采购订单数据中的仓储对象发送至各仓储单元的实施流程示意图;
图6为本申请一实施例提供的确定最优第二仓配路径组合的实施流程示意图;
图7为本申请一实施例提供的一实例中计算的笛卡尔积中包含的所有可用第二分配路径组合示意图;
图8为本申请一实施例提供的仓储对象分仓控制装置的结构示意图;
图9为本申请一实施例提供的电子设备的结构示意图。
具体实施方式
下面将参考若干示例性实施方式来描述本申请的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本申请,而并非以任何方式限制本申请的范围。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本申请的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本公开可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
在本文中,需要理解的是,附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
为了方便理解,对本申请实施例中涉及的技术术语进行解释:
1、分仓:采购一批物品之后,采购订单中包含需要采购的物品及采购的总数量,选仓系统根据一定的策略规则,计算出这批采购的物品在每个仓库的分配数量。
2、分仓比:统计某段时间仓库中的物品的销量数据,计算出该物品在各仓库的销量占比,其是指导合理分仓的一个重要依据,其中,仓库中的物品的销量即为物品的出库量,物品在各仓库的销量占比即为物品在各仓库的出库量占比。
3、履约时效:从用户对某物品下单开始,到该物品送达客户截止,整个过程过耗费的时间。在仓配路径规划过程中,通常期望更高的履约时效和更低的履约成本。
4、选仓:用户对某物品下单后,选仓系统根据仓库现有信息(例如,仓库中该物品的在库库存量、从仓库发货至用户所需时效、从仓库发货至用户所需成本以及仓库支持的承运商(即快递公司)等),结合一定的选仓策略,确定该订单中的物品应从哪个仓库发出,其中,选仓策略至少可包括:时效优先策略、成本优先策略、产能优先策略等,时效优先策略是指优先保证订单履约时效最低,成本优先策略是指优先保证发货成本最低,产能优先策略是指优先保证某物品有足够的库存量。
下面参考本申请的若干代表性实施方式,详细阐释本申请的原理和精神。
发明概述
本发明人发现,在存储仓储对象时,分仓是指针对获取的一批待存储仓储对象(如采购的一批物品),将这批仓储对象分配到不同的仓储单元(如仓库)中。在实际业务场景中,业务人员基于多个仓储单元的信息对待存储的仓储对象进行人工分仓,根据经验值确定分配到不同仓储单元的仓储对象数量。然而,这种分仓方式分配的目标仓储单元及仓储对象数量由人工指定,而根据经验值预测偏差较大,这就要求业务人员需要了解各地的销售情况、物流成本等大量基础信息,以使分仓的综合成本最低。这种方式仅适用于业务刚起步、新品分仓、仓储单元数量较少以及临时紧急需求等情况,而针对业务成熟、供应链复杂、业务量大以及仓储单元数量规模大的情况,分仓效率较低,且分仓过程中产生的综合成本较高。
为了解决上述问题,本申请提出了一种仓储对象分仓控制方法、装置、电子设备及存储介质,获取指定历史时间段内的各销售订单数据,其中,销售订单数据包含销售给用户的仓储对象数量,分别将各销售订单数据按照预设发货策略执行预设发货路径,确定各销售订单数据中仓储对象在各个仓储单元的出仓量,根据各销售订单数据中仓储对象在各个仓储单元的出仓量,确定仓储对象在各个仓储单元的理想分仓比,进而,根据仓储对象在各个仓储单元的理想分仓比对第一采购订单数据中的该仓储对象进行分仓,本申请实施例中,根据某一仓储对象的历史销售订单数据,按照预设发货策略执行预设发货路径对各历史销售订单数据进行模拟,计算出各历史销售订单数据中该仓储对象在各个仓储单元的出仓量,进而,可确定出该仓储对象在各个仓储单元的理想分仓比,将该仓储对象在各个仓储单元的理想分仓比作为新的针对所述仓储对象的采购订单数据中该仓储对象的分仓依据,在提高了分仓效率的同时,降低了分仓过程中产生的综合成本。
在介绍了本申请的基本原理之后,下面具体介绍本申请的各种非限制性实施方式。
应用场景总览
参考图1,其为本申请实施例提供的仓储对象分仓控制方法的应用场景示意图。该应用场景可以包括依赖策略系统101和模拟仿真系统102,依赖策略系统101至少包括:选仓系统、报价中心、库存中心、订单服务系统、出入库系统和运费成本中心等,模拟仿真系统102为预先构建的一套独立完备的模拟仿真环境,可在其中部署运行选仓系统、依赖相关的系统如:报价中心(即物品报价中心)、库存中心、运费成本中心等。在新采购一批物品时,可从订单服务系统中获取指定历史时间段(如近1年)内该物品对应的各销售订单数据,在模拟仿真系统102中将选仓系统中的选仓策略的策略参数调整成与目前线上保持一致,以便更真实地模拟全链路多系统影响下的情景及效果,选仓策略包括但不限于以下策略:时效优先策略、成本优先策略、产能优先策略,本申请实施例仅以这三种策略为例进行说明,同时为了获得更理想的计划分仓量,在模拟仿真系统102中将库存调成无线库存来排除仓库库容限制。对每个销售订单执行一次履约路径的规划,将发货策略和调整后的选仓策略保持一致,选择同等时效性下成本最低的路径,以计算得出物品由哪个仓库出库以及物品在各仓库的出库量,假设订单来源仓库包括n个,即计算出各个销售订单中物品在仓库1~n的出库量,进而,根据各个销售订单中物品在各仓库的出库量,可计算出物品在各仓库的理想分仓比,以作为对线上新下的采购订单中该物品的分仓依据,根据物品在各仓库的理想分仓比对新的采购订单中的物品进行分仓,计算出物品在各个仓库的计划分仓量。
示例性方法
下面结合上述应用场景,来描述根据本申请示例性实施方式的仓储对象分仓控制方法。需要注意的是,上述应用场景仅是为了便于理解本申请的精神和原理而示出,本申请的实施方式在此方面不受任何限制。相反,本申请的实施方式可以应用于适用的任何场景。
参考图2,本申请实施例提供的一种仓储对象分仓控制方法,可应用于图1所示的模拟仿真系统102,具体可包括以下步骤:
S21、获取指定历史时间段内的各销售订单数据,所述销售订单数据包含销售给用户的仓储对象数量。
具体实施时,在新采购一批物品时,可将该采购订单数据记为第一采购订单数据,从订单服务系统中获取指定历史时间段内该物品对应的各销售订单数据,销售订单数据包含销售给用户的物品数量,在实际销售订单数据中,可由物品标识(即仓储对象标识)来唯一标识对应物品(即仓储对象),则销售订单数据中可存储物品标识、物品名称和物品数量的对应关系,指定历史时间段可自行设置,如近1年,本申请实施例对此不作限定。
S22、分别将各销售订单数据按照预设发货策略执行预设发货路径,确定各销售订单数据中仓储对象在各个仓储单元的出仓量。
具体实施时,在模拟仿真系统102中将选仓系统中的选仓策略的策略参数调整成与目前线上保持一致,选仓策略包括但不限于以下策略:时效优先策略、成本优先策略、产能优先策略,其中,所述时效优先策略的策略参数可包括但不限于:运送时间、发货时间和卸货时间,所述成本优先策略的策略参数可包括但不限于:仓储单元操作费、运费和时效折价费,所述产能优先策略的策略参数可包括但不限于:已有产能和计划产能,同时为了获得更理想的计划分仓量,在模拟仿真系统102中将库存调成无限库存来排除仓库库容限制。对每个销售订单执行一次履约路径的规划,将发货策略和调整后的选仓策略保持一致,选择同等时效性下成本最低的路径,以计算得出物品由哪个仓库出库以及物品在各仓库的出库量,假设订单来源仓库包括n个,即计算出各个销售订单中物品在仓库1~n的出库量,其中,履约路径指销售订单数据可执行的发货路径,也就是由可用运输对象(即承运商,如快递公司)将物品从各仓库运输至用户的路径。这样,预测出的各个销售订单中物品在各个仓库的出库量满足了同等时效下成本最低的规则,相比于各个销售订单中物品在各个仓库的实际出库量更加理想。
S23、根据各销售订单数据中仓储对象在各个仓储单元的出仓量,确定仓储对象在各个仓储单元的理想分仓比。
其中,所述仓储对象在所述各个仓储单元的理想分仓比表征所述仓储对象在所述各个仓储单元的出仓量占比,也就是说,物品在各仓库的理想分仓比表征物品在各仓库的出库量占比。
具体实施时,根据指定历史时间段内的各销售订单数据中物品在各仓库的出库量,确定物品在各仓库的理想分仓比,以将物品在各仓库的理想分仓比作为对线上新下的采购订单数据中该物品的分仓依据,即将物品在各仓库的理想分仓比作为第一采购订单数据中该物品的分仓依据。
S24、根据仓储对象在各个仓储单元的理想分仓比对第一采购订单数据中的仓储对象进行分仓。
具体实施时,根据物品在各仓库的理想分仓比确定第一采购订单数据中的该物品在各仓库的计划分仓量,以对该第一采购订单数据中的该物品进行分仓,在提高了分仓效率的同时,降低了分仓过程中产生的综合成本。
作为一种可能的实施方式,本申请实施例中可按照如图3所示的流程确定仓储对象在各个仓储单元的理想分仓比,包括以下步骤:
S231、根据各销售订单数据中的仓储对象在各个仓储单元的出仓量,确定所有销售订单数据中仓储对象在各个仓储单元的出仓量。
具体实施时,针对每一仓储单元,将指定历史时间段内的各销售订单数据中的仓储对象在该仓储单元的出仓量的和,确定为所有销售订单数据中仓储对象在该仓储单元的出仓量。即,针对每一仓库,将各销售订单数据中的物品在该仓库的出库量的和,确定为所有销售订单数据中物品在该仓库的出库量。例如,假设有三个销售订单,有三个仓库(即n=3),销售订单1中物品在仓库1的出库量为5、在仓库2的出库量为6、在仓库3的出库量为7;销售订单2中物品在仓库1的出库量为8、在仓库2的出库量为9、在仓库3的出库量为10;销售订单3中物品在仓库1的出库量为11、在仓库2的出库量为12、在仓库3的出库量为13。则这三个销售订单数据中物品在仓库1的出库量为:5+8+11=24,这三个销售订单数据中物品在仓库2的出库量为:6+9+12=27,这三个销售订单数据中物品在仓库3的出库量为:7+10+13=30。
S232、根据所有销售订单数据中仓储对象在各个仓储单元的出仓量,确定仓储对象在各个仓储单元的理想分仓比。
具体实施时,可通过以下公式计算仓储对象在各个仓储单元的理想分仓比(即:物品在各仓库的理想分仓比):
其中,ri表示所述仓储对象在第i个仓储单元的理想分仓比,i=1,2,……,n,n为仓储单元总数量(即:ri表示物品在第i个仓库的理想分仓比,i=1,2,……,n,n为仓库总数量);
ci表示所述所有销售订单数据中所述仓储对象在第i个仓储单元的出仓量(即:ci表示所述所有销售订单数据中所述物品在第i个仓库的出库量);
作为一种可能的实施方式,本申请实施例中可按照以下方式根据仓储对象在各个仓储单元的理想分仓比对第一采购订单数据中的仓储对象进行分仓:
根据第一采购订单数据中的仓储对象的采购总量、仓储对象在各个仓储单元的理想分仓比、仓储对象在所有仓储单元的总仓储量和仓储对象在各个仓储单元的在仓仓储量,确定第一采购订单数据中的仓储对象在各个仓储单元的计划分仓量。
具体实施时,可通过以下公式计算第一采购订单数据中的仓储对象在各个仓储单元的计划分仓量(即:第一采购订单数据中的物品在各仓库的计划分仓量):
ai=(p+t)*ri-si
其中,ai表示所述第一采购订单数据中的所述仓储对象在所述第i个仓储单元的计划分仓量(即:ai表示第一采购订单数据中的物品在第i个仓库的计划分仓量);
p表示所述第一采购订单数据中的所述仓储对象的采购总量(即:p表示第一采购订单数据中的物品的采购总量);
t表示所述仓储对象在第1~n个仓储单元的总仓储量(即:t表示物品在第1~n个仓库的总库存量);
ri表示所述仓储对象在所述第i个仓储单元的理想分仓比(即:ri表示物品在第i个仓库的理想分仓比);
si表示所述仓储对象在所述第i个仓储单元的在仓仓储量(即:si表示物品在第i个仓库的在库库存量)。
其中,ai也就是在对第一采购订单数据中的物品进行采购时,从发货对象到第i个仓库的建议发货量,其中,发货对象即为该物品的供应商。
上述实施方式中计算出的理想分仓比是指导第一采购订单中采购的物品合理分仓的重要指标。此外,在一种可能的实施方式中,在供应商(发货对象)根据计算出的物品在各仓库的计划分仓量发货到相应的各仓库时,在发货时效、发货成本、产能之间寻找一个平衡点,以进一步提高发货效率并节约运输成本,基于此,本申请实施例对时效优先策略、成本优先策略和产能优先策略这些策略各自的策略参数分别设置权重,并基于指定历史时间段内的物品的各第二采购订单数据确定一组最优策略参数权重组合,以将该最优策略参数权重组合结合第一采购订单数据当前可用仓配路径确定出一组最优仓配路径,将第一采购订单数据中物品按照最优仓配路径发送至各仓库。
具体实施时,按照如图4所示的流程确定最优策略参数权重组合,可以包括以下步骤:
S31、获取指定历史时间段内的各第二采购订单数据,第二采购订单数据包含仓储对象的采购数量,以及将仓储对象按照仓储对象在各个仓储单元的实际分仓量从发货对象发送至各个仓储单元的第一仓配路径组合。
具体实施时,获取指定历史时间段内的各采购订单数据,记为第二采购订单数据,第二购订单数据中包含:仓储对象标识(即物品标识)、仓储对象名称(即物品名称)、仓储对象的采购数量(即物品的采购数量)、仓储对象在各个仓储单元的实际分仓量(即物品在各仓库的实际分仓量)和在仓仓储量(即分仓前物品在各仓库的在库库存量)、以及将仓储对象按照仓储对象在各个仓储单元的实际分仓量从发货对象发送至各个仓储单元的实际的仓配路径组合(即将物品按照物品在各仓库的实际分仓量从供应商发送至各仓库的仓配路径组合),记为第一仓配路径组合。仓配路径组合是指:使用了哪个运输对象(也就是承运商,即快递公司)将物品按照对应的实际分仓量从供应商发送至对应的仓库的路径的集合,即:将物品发送至每一个仓库就对应一个仓配路径,例如,假设有4个仓库,各仓库的实际分仓量依次为:3、4、5、6,使用A快递将3个物品发送至仓库1,使用B快递将4个物品发送至仓库2,使用C快递将5个物品发送至仓库3,使用B快递将6个物品发送至仓库4,则这四条仓配路径就组成仓配路径组合。
S32、按照预设策略遍历各第二采购订单数据中的第一仓配路径组合,基于循环随机搜索算法从每一预设策略中的各个策略参数对应的设定权重值组成的策略参数权重组合中,确定一组最优策略参数权重组合。
具体实施时,预设策略包括但不限于以下策略:时效优先策略、成本优先策略和产能优先策略,时效优先策略的策略参数包括但不限于:运送时间、发货时间和卸货时间,成本优先策略的策略参数包括但不限于:仓储单元操作费、运费和时效折价费,产能优先策略的策略参数包括但不限于:已有产能和计划产能,其中,已有产能即为仓储对象的在仓仓储量,也就是物品的在库库存量,针对第二采购订单数据,计划产能即为仓储对象的实际分仓量,也就是物品的实际分仓量。可用S运送时间表示运送时间,S发货时间表示发货时间,S卸货时间表示卸货时间,S仓储单元操作费表示仓储单元操作费(即仓库操作费),S运费表示运费,S时效折价费表示时效折价费,S已有产能表示仓储对象的在仓仓储量(即物品的在库库存量),此处用S实际分仓量表示计划产能(针对第二采购订单数据,其为仓储对象的实际分仓量)。设置S运送时间的权重为K运送时间、S发货时间的权重为K发货时间、S卸货时间的权重为K卸货时间、S仓储单元操作费的权重为K仓储单元操作费、S运费的权重为K运费、S时效折价费的权重为K时效折价费,S已有产能和S计划产能的权重为K产能。S运送时间、S发货时间、S卸货时间、S仓储单元操作费、S运费、S时效折价费、S已有产能、S计划产能即S实际分仓量为第二采购订单数据执行第一仓配路径组合时的实际值,K运送时间、K发货时间、K卸货时间、K仓储单元操作费、K运费、K时效折价费和K产能为策略参数权重组合,K运送时间+K发货时间+K卸货时间+K仓储单元操作费+K运费+K时效折价费+K产能=1。
在具体实施时,确定最优策略参数权重组合的过程如下:
分别按照时效优先策略、成本优先策略和产能优先策略遍历各第二采购订单数据中的第一仓配路径组合,计算执行每一第一仓配路径组合对应的评分,寻找执行第一仓配路径组合评分最高时设置的策略参数权重组合。
具体地,通过以下公式计算根据所述第二采购订单数据执行所述每一第一仓配路径组合对应的评分:
其中,K运送时间、K发货时间、K卸货时间、K仓储单元操作费、K运费、K时效折价费和K产能为期望可配置的各策略参数权重值。对于产能来说,S已有产能(即物品的在库库存量)越高说明仓库已有足够的产能,所需要的产能(即S实际分仓量)急迫性就越低,那么评价分数就越低,由于模拟仿真系统在线上验证比较困难,成本风险较高,本申请实施例中通过离线仿真模拟结合ABTest(AB测试)的方式,采用循环随机搜索(Recursive Random Search,RRS)算法从每一策略中的各个策略参数对应的设定权重值组成的策略参数权重组合中,高效寻找一组最优策略参数权重组合,来计算同一第二采购订单数据在不同策略参数权重组合下的预估总分数。
例如,设置实验组如下:
A组:时效优先策略,K运送时间、K发货时间、K卸货时间、K仓储单元操作费、K运费、K时效折价费和K产能组成的策略参数权重组合取如下一组数值:0.2、0.2、0.2、0.1、0.1、0.1、0.1;
B组:成本优先策略,K运送时间、K发货时间、K卸货时间、K仓储单元操作费、K运费、K时效折价费和K产能组成的策略参数权重组合取如下一组数值:0.1、0.1、0.1、0.2、0.2、0.2、0.1;
C组:产能优先策略,K运送时间、K发货时间、K卸货时间、K仓储单元操作费、K运费、K时效折价费和K产能组成的策略参数权重组合取如下一组数值:0.1、0.1、0.1、0.1、0.1、0.1、0.4;
D组:取权重平均比值,K运送时间、K发货时间、K卸货时间、K仓储单元操作费、K运费、K时效折价费和K产能组成的策略参数权重组合均取值0.14;
E组:RRS算法寻找的一组策略参数权重组合。
通过分组实验,采用控制变量法在模拟仿真系统中找出一组最优策略参数权重组合,即一组权衡时效、成本、产能的配置权重的策略参数权重值。
需要说明的是,本申请实施例中,确定最优策略参数权重组合的方式不限于上述方法,最优策略参数权重组合中的各策略参数权重值也可以根据经验值自行进行设定,本申请实施例对此不作限定。
在一种可能的实施方式中,将确定出的最优策略参数权重组合中的各策略参数权重值应用到线上,结合第一采购订单数据当前可用仓配路径确定出一组最优仓配路径,将第一采购订单数据中物品按照最优仓配路径发送至各仓库。
具体实施时,按照如图5所示的流程对第一采购订单数据中的仓储对象发送至各仓储单元,可以包括以下步骤:
S41、根据发货对象信息、可用运输对象信息和第一采购订单数据中的仓储对象在各个仓储单元的计划分仓量确定可用的第二仓配路径组合。
具体实施时,确定发货对象信息、仓储单元信息、可用运输对象信息和第一采购订单数据中的仓储对象在各个仓储单元的计划分仓量的笛卡尔积,所述笛卡尔积包括将第一采购订单数据中的仓储对象从发货对象发送至各个仓储单元的所有仓配路径组合,记为第二仓配路径组合(以与第一仓配路径组合进行区分)。
具体地,计算供应商、可用承运商和第一采购订单数据中的物品在各仓库的计划分仓量的笛卡尔积,即可得出将第一采购订单数据中的物品从供应商发送至各仓库的所有仓配路径组合,其中,发送至各仓库的物品的数量即为已计算出的第一采购订单数据中物品在各仓库的计划分仓量。
S42、根据第一采购订单数据、最优策略参数权重组合和可用的第二仓配路径组合,确定最优第二仓配路径组合。
具体实施时,按照如图6所示的流程确定最优第二仓配路径组合,可以包括以下步骤:
S421、基于最优策略参数权重组合对第一采购订单数据执行笛卡尔积中的每一第二仓配路径组合,获得执行每一第二仓配路径组合对应的评分。
具体实施时,策略包括但不限于以下策略:时效优先策略、成本优先策略和产能优先策略,时效优先策略的策略参数包括但不限于:运送时间、发货时间和卸货时间,成本优先策略的策略参数包括但不限于:仓储单元操作费、运费和时效折价费,产能优先策略的策略参数包括但不限于:已有产能和计划产能,其中,已有产能即为仓储对象的在仓仓储量,也就是物品的在库库存量,针对第一采购订单数据,计划产能即为已计算出的仓储对象的计划分仓量,也就是已计算出的物品的计划分仓量。
通过以下公式计算根据第一采购订单数据执行任一第二仓配路径组合对应的评分:
其中,T表示所述第一采购订单数据执行任一所述第二仓配路径组合对应的评分;
K运送时间、K发货时间、K卸货时间、K仓储单元操作费、K运费、K时效折价费和K产能为所述最优策略参数权重组合,K运送时间表示所述运送时间的权重值,K发货时间表示所述发货时间的权重值,K卸货时间表示所述卸货时间的权重值,K仓储单元操作费表示所述仓储单元操作费的权重值,K运费表示运费的权重值,K时效折价费表示所述时效折价费的权重值,K产能表示所述产能(即已有产能和计划产能)的权重值;K运送时间+K发货时间+K卸货时间+K仓储单元操作费+K运费+K时效折价费+K产能=1;
S运送时间表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的运送时间,所述S发货时间表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的发货时间,S卸货时间表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的卸货时间,S仓储单元操作费表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的仓储单元操作费(即:所述第一采购订单数据执行所述任一第二仓配路径组合对应的仓库操作费),S运费表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的运费,S时效折价费表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的时效折价费,S已有产能表示所述仓储对象在所述各个仓储单元的在仓仓储量(即:所述第一采购订单数据中的物品在各仓库的在库库存量),S计划分仓量表示所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量(即:所述第一采购订单数据中的物品在各仓库的计划分仓量)。
S422、根据预设评分规则确定第一采购订单数据对应的最优第二仓配路径组合。
具体实施时,确定第一采购订单数据执行每一第二仓配路径组合中对应的评分最高的仓配路径组合为第一采购订单数据对应的最优第二仓配路径组合。
S43、将第一采购订单数据中的仓储对象按照其在各个仓储单元的计划分仓量,通过最优第二仓配路径组合发送至对应的仓储单元。
下面举一个实例进行说明,假设可用的承运商包括:承运商1、承运商2和承运商3,仓库数量n=4,包括:仓库1、仓库2、仓库3和仓库4,第一采购订单数据中物品在仓库1的计划分仓量a1=4,在仓库2的计划分仓量a2=5,在仓库3的计划分仓量a3=6,在仓库4的计划分仓量a4=7,则计算出的笛卡尔积中包含的所有可用第二分配路径组合如图7所示,以其中任一组第二仓配路径组合为例进行说明,例如,一组第二仓配路径组合包括4条仓配路径:
路径1:承运商1从供应商向仓库1发货:计划分仓量a1(即4个物品);
路径2:承运商1从供应商向仓库2发货:计划分仓量a2(即5个物品);
路径3:承运商2从供应商向仓库3发货:计划分仓量a3(即6个物品);
路径4:承运商3从供应商向仓库4发货:计划分仓量a4(即7个物品)。
计算上述第二仓配路径组合的评分T:
假设:
路径1:S运送时间=t1,S发货时间=t2,S卸货时间=t3;S仓储单元操作费=q1,S运费=q2,,K时效折价费=q3;S已有产能=S1已知,即物品在仓库1的在库库存量,S计划分仓量=a1=4。
根据以上各策略参数值,路径1可以对应计算出一个评分T1:
假设:
路径2:S运送时间=t4,S发货时间=t5,S卸货时间=t6;S仓储单元操作费=q4,S运费=q5,K时效折价费=q6;S已有产能=S2,即物品在仓库2的在库库存量,S计划分仓量=a2=5;
根据以上参数,路径2可以对应计算出一个评分T2:
假设:
路径3:S运送时间=t7,S发货时间=t8,S卸货时间=t9;S仓储单元操作费=q7,S运费=q8,K时效折价费=q9;S已有产能=S3,即物品在仓库3的在库库存量,S计划分仓量=a3=6;
根据以上参数,路径3可以对应计算出一个评分T3:
假设:
路径4:S运送时间=t10,S发货时间=t11,S卸货时间=t12;S仓储单元操作费=q11,S运费=q12,K时效折价费=q13;S已有产能=S4,即物品在仓库4的在库库存量,S计划分仓量=a4=7;
根据以上参数,路径4可以对应计算出一个评分T4:
进而,可以计算出第二仓配路径组合的评分:T=T1+T2+T3+T4。
根据同样的方式计算出第一采购订单数据执行笛卡尔积中包含的所有第二仓配路径组合对应的评分T,最大的T对应的第二仓配路径组合即为第一采购订单数据对应的最优第二仓配路径组合。
本申请实施例通过模拟仿真系统环境构建仿照线上真实环境,将历史销售订单数据根据线上选仓策略计算出理想分仓比,作为线上新下采购订单数据的分仓依据,能够快速地将线上选仓入口策略的变化输入到分仓系统,指定更具针对性的采购分仓方案,积极响应策略随时变化的目标,在提高分仓效率的同时,降低了分仓过程中产生的综合成本。
在模拟仿真系统模拟了线上参数(即最优策略参数权重组合中的各策略参数权重值)后,还可以预估参数调优后最优第二仓配路径组合的总成本,以做采购分仓决策,即是否采购该第一采购订单数据中的物品,基于此,一种可选的实施方式中,在将第一采购订单数据中的仓储对象按照其在各个仓储单元的计划分仓量,通过最优第二仓配路径组合发送至对应的各个仓储单元之前,本申请实施例提供的仓储对象分仓控制方法还可包括:
根据最优第二仓配路径组合和第一采购订单数据中的仓储对象在各个仓储单元的计划分仓量,预测第一采购订单数据的总成本;当确定总成本满足指定条件时,确定第一采购订单数据中的仓储对象在各个仓储单元的计划分仓量和最优第二仓配路径组合满足采购分仓决策。
具体实施时,计算总成本的函数为:
Target=a1×(m1+d1)+a2×(m2+d2)+…+an×(mn+dn);
约束条件为:p=a1+a2+…+an;
s1+a1≤l1,s2+a2≤l2,…,sn+an≤ln;
其中,a1,a2…,an分别表示所述第一采购订单数据中的所述仓储对象在第1~n个仓储单元的计划分仓量,n为仓储单元总数量;
m1,m2…,mn分别表示按照所述最佳仓配路径组合发货至第1~n个仓储单元的平均单件发货成本;
d1,d2…,dn分别表示从第1~n个仓储单元发货到目标用户的平均单件配送成本;
s1,s2…,sn分别表示所述仓储对象在第1~n个仓储单元的在仓仓储量;
l1,l2…,ln分别表示第1~n个仓储单元的仓储上限值。
根据上述Target函数计算出第一采购订单数据的总成本,当确定第一采购订单数据的总成本满足上述指定条件时,则确定第一采购订单数据中的仓储对象在各个仓储单元的计划分仓量和最优第二仓配路径组合满足采购分仓决策,可以进行采购,否则,确定第一采购订单数据中的仓储对象在各个仓储单元的计划分仓量和最优第二仓配路径组合不满足采购分仓决策,不予采购该批物品。
示例性设备
在介绍了本申请示例性实施方式的方法之后,接下来,对本申请示例性实施方式的仓储对象分仓控制装置进行介绍。
如图8所示,为本申请实施例提供的仓储对象分仓控制装置80的结构示意图。在一个实施例中,仓储对象分仓控制装置80包括:第一获取单元801、第一确定单元802、第二确定单元803和分仓控制单元804;
第一获取单元801,用于获取指定历史时间段内的各销售订单数据,所述销售订单数据包含销售给用户的仓储对象数量;
第一确定单元802,用于分别将所述各销售订单数据按照预设发货策略执行预设发货路径,确定所述各销售订单数据中所述仓储对象在各个仓储单元的出仓量;
第二确定单元803,用于根据所述各销售订单数据中所述仓储对象在各个仓储单元的出仓量,确定所述仓储对象在所述各个仓储单元的理想分仓比;
分仓控制单元804,用于根据所述仓储对象在所述各个仓储单元的理想分仓比对第一采购订单数据中的所述仓储对象进行分仓。
在一种可能的实施方式中,所述分仓控制单元804,具体用于根据所述第一采购订单数据中的所述仓储对象的采购总量、所述仓储对象在所述各个仓储单元的理想分仓比、所述仓储对象在所有仓储单元的总仓储量和所述仓储对象在所述各个仓储单元的在仓仓储量,确定所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量。
在一种可能的实施方式中,所述仓储对象在所述各个仓储单元的理想分仓比表征所述仓储对象在所述各个仓储单元的出仓量占比;
所述第二确定单元803,具体用于根据所述各销售订单数据中的所述仓储对象在各个仓储单元的出仓量,确定所有销售订单数据中所述仓储对象在各个仓储单元的出仓量;根据所述所有销售订单数据中所述仓储对象在各个仓储单元的出仓量,确定所述仓储对象在所述各个仓储单元的理想分仓比。
在一种可能的实施方式中,所述第二确定单元803,具体用于通过以下公式计算所述仓储对象在所述各个仓储单元的理想分仓比:
其中,ri表示所述仓储对象在第i个仓储单元的理想分仓比,i=1,2,……,n,n为仓储单元总数量;
ci表示所述所有销售订单数据中所述仓储对象在第i个仓储单元的出仓量;
在一种可能的实施方式中,所述分仓控制单元804,具体用于通过以下公式计算所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量:
ai=(p+t)*ri-si
其中,ai表示所述第一采购订单数据中的所述仓储对象在所述第i个仓储单元的计划分仓量;
p表示所述第一采购订单数据中的所述仓储对象的采购总量;
t表示所述仓储对象在第1~n个仓储单元的总仓储量;
ri表示所述仓储对象在所述第i个仓储单元的理想分仓比;
si表示所述仓储对象在所述第i个仓储单元的在仓仓储量。
在一种可能的实施方式中,所述装置,还包括:
第二获取单元,用于获取所述指定历史时间段内的各第二采购订单数据,所述第二采购订单数据包含所述仓储对象的采购数量,以及将所述仓储对象按照所述仓储对象在所述各个仓储单元的实际分仓量从发货对象发送至所述各个仓储单元的第一仓配路径组合;
第三确定单元,用于按照预设策略遍历所述各第二采购订单数据中的所述第一仓配路径组合,基于循环随机搜索算法从每一预设策略中的各个策略参数对应的设定权重值组成的策略参数权重组合中,确定一组最优策略参数权重组合。
在一种可能的实施方式中,所述预设策略包括:时效优先策略、成本优先策略和产能优先策略;所述时效优先策略的策略参数包括运送时间、发货时间和卸货时间;所述成本优先策略的策略参数包括仓储单元操作费、运费和时效折价费;所述产能优先策略的策略参数包括已有产能和计划产能。
在一种可能的实施方式中,所述装置,还包括:
第四确定单元,用于根据发货对象信息、可用运输对象信息和所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量确定可用的第二仓配路径组合;
第五确定单元,用于根据所述第一采购订单数据、所述最优策略参数权重组合和所述可用的第二仓配路径组合,确定最优第二仓配路径组合;
发送单元,用于将所述第一采购订单数据中的所述仓储对象按照其在所述各个仓储单元的计划分仓量,通过所述最优第二仓配路径组合发送至对应的仓储单元。
在一种可能的实施方式中,所述第四确定单元,用于确定所述发货对象信息、所述可用运输对象信息和所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量的笛卡尔积,所述笛卡尔积包括将所述第一采购订单数据中的所述仓储对象发送至所述各个仓储单元的第二仓配路径组合;以及
所述第五确定单元,具体用于基于所述最优策略参数权重组合对所述第一采购订单数据执行所述笛卡尔积中的每一第二仓配路径组合,获得执行所述每一第二仓配路径组合对应的评分;根据预设评分规则确定所述第一采购订单数据对应的最优第二仓配路径组合。
在一种可能的实施方式中,所述第五确定单元,具体用于通过以下公式计算所述第一采购订单数据执行所述任一第二仓配路径组合对应的评分:
其中,T表示所述第一采购订单数据执行任一所述第二仓配路径组合对应的评分;
K运送时间、K发货时间、K卸货时间、K仓储单元操作费、K运费、K时效折价费和K产能为所述最优策略参数权重组合,K运送时间表示所述运送时间的权重值,K发货时间表示所述发货时间的权重值,K卸货时间表示所述卸货时间的权重值,K仓储单元操作费表示所述仓储单元操作费的权重值,K运费表示运费的权重值,K时效折价费表示所述时效折价费的权重值,K产能表示所述产能的权重值;K运送时间+K发货时间+K卸货时间+K仓储单元操作费+K运费+K时效折价费+K产能=1;
S运送时间表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的运送时间,所述S发货时间表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的发货时间,S卸货时间表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的卸货时间,S仓储单元操作费表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的仓储单元操作费,S运费表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的运费,S时效折价费表示所述第一采购订单数据执行所述任一第二仓配路径组合对应的时效折价费,S已有产能表示所述仓储对象在所述各个仓储单元的在仓仓储量,S计划分仓量表示所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量。
在一种可能的实施方式中,所述第五确定单元,具体用于确定所述第一采购订单数据执行所述每一第二仓配路径组合中对应的评分最高的仓配路径组合为所述第一采购订单数据对应的最优第二仓配路径组合。
在一种可能的实施方式中,所述装置,还包括:
第六确定单元,用于在将所述第一采购订单数据中的所述仓储对象按照其在所述各个仓储单元的计划分仓量,通过所述最优第二仓配路径组合发送至对应的所述各个仓储单元之前,根据所述最优第二仓配路径组合和所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量,预测所述第一采购订单数据的总成本;当确定所述总成本满足指定条件时,确定所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量和所述最优第二仓配路径组合满足采购分仓决策。
在一种可能的实施方式中,计算所述总成本的函数为:
Target=a1×(m1+d1)+a2×(m2+d2)+…+an×(mn+dn);
约束条件为:p=a1+a2+…+an;
s1+a1≤l1,s2+a2≤l2,…,sn+an≤ln;
其中,a1,a2…,an分别表示所述第一采购订单数据中的所述仓储对象在第1~n个仓储单元的计划分仓量,n为仓储单元总数量;
m1,m2…,mn分别表示按照所述最佳仓配路径组合发货至第1~n个仓储单元的平均单件发货成本;
d1,d2…,dn分别表示从第1~n个仓储单元发货到目标用户的平均单件配送成本;
s1,s2…,sn分别表示所述仓储对象在第1~n个仓储单元的在仓仓储量;
l1,l2…,ln分别表示第1~n个仓储单元的仓储上限值。
基于与上述仓储对象分仓控制方法相同的发明构思,本申请实施例还提供了一种电子设备90。如图9所示,该电子设备90可以包括处理器901和存储器902。
处理器901可以是通用处理器,例如中央处理器(CPU)、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field Programmable Gate Array,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,可以实现或者执行本申请实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成,或者用处理器中的硬件及软件模块组合执行完成。
存储器902作为一种非易失性计算机可读存储介质,可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器可以包括至少一种类型的存储介质,例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(Random Access Memory,RAM)、静态随机访问存储器(Static Random Access Memory,SRAM)、可编程只读存储器(Programmable Read Only Memory,PROM)、只读存储器(Read Only Memory,ROM)、带电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、磁性存储器、磁盘、光盘等等。存储器是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。本申请实施例中的存储器902还可以是电路或者其它任意能够实现存储功能的装置,用于存储程序指令和/或数据。
应当注意,尽管在上文详细描述中提及了装置的若干单元或子单元,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之,上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本申请的精神和原理,但是应该理解,本申请并不限于所公开的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本申请旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (10)
1.一种仓储对象分仓控制方法,其特征在于,包括:
获取指定历史时间段内的各销售订单数据,所述销售订单数据包含销售给用户的仓储对象数量;
分别将所述各销售订单数据按照预设发货策略执行预设发货路径,确定所述各销售订单数据中所述仓储对象在各个仓储单元的出仓量;
根据所述各销售订单数据中所述仓储对象在各个仓储单元的出仓量,确定所述仓储对象在所述各个仓储单元的理想分仓比;
根据所述仓储对象在所述各个仓储单元的理想分仓比对第一采购订单数据中的所述仓储对象进行分仓。
2.根据权利要求1所述的方法,其特征在于,根据所述仓储对象在所述各个仓储单元的理想分仓比对第一采购订单数据中的所述仓储对象进行分仓,具体包括:
根据所述第一采购订单数据中的所述仓储对象的采购总量、所述仓储对象在所述各个仓储单元的理想分仓比、所述仓储对象在所有仓储单元的总仓储量和所述仓储对象在所述各个仓储单元的在仓仓储量,确定所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量。
3.根据权利要求1所述的方法,其特征在于,所述仓储对象在所述各个仓储单元的理想分仓比表征所述仓储对象在所述各个仓储单元的出仓量占比;
根据所述各销售订单数据中所述仓储对象在各个仓储单元的出仓量,确定所述仓储对象在所述各个仓储单元的理想分仓比,具体包括:
根据所述各销售订单数据中的所述仓储对象在各个仓储单元的出仓量,确定所有销售订单数据中所述仓储对象在各个仓储单元的出仓量;
根据所述所有销售订单数据中所述仓储对象在各个仓储单元的出仓量,确定所述仓储对象在所述各个仓储单元的理想分仓比。
5.根据权利要求2所述的方法,其特征在于,确定所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量,具体包括:
通过以下公式计算所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量:
ai=(p+t)*ri-si
其中,ai表示所述第一采购订单数据中的所述仓储对象在所述第i个仓储单元的计划分仓量;
p表示所述第一采购订单数据中的所述仓储对象的采购总量;
t表示所述仓储对象在第1~n个仓储单元的总仓储量;
ri表示所述仓储对象在所述第i个仓储单元的理想分仓比;
si表示所述仓储对象在所述第i个仓储单元的在仓仓储量。
6.根据权利要求2或5所述的方法,其特征在于,还包括:
获取所述指定历史时间段内的各第二采购订单数据,所述第二采购订单数据包含所述仓储对象的采购数量,以及将所述仓储对象按照所述仓储对象在所述各个仓储单元的实际分仓量从发货对象发送至所述各个仓储单元的第一仓配路径组合;
按照预设策略遍历所述各第二采购订单数据中的所述第一仓配路径组合,基于循环随机搜索算法从每一预设策略中的各个策略参数对应的设定权重值组成的策略参数权重组合中,确定一组最优策略参数权重组合。
7.根据权利要求6所述的方法,其特征在于,还包括:
根据发货对象信息、可用运输对象信息和所述第一采购订单数据中的所述仓储对象在所述各个仓储单元的计划分仓量确定可用的第二仓配路径组合;
根据所述第一采购订单数据、所述最优策略参数权重组合和所述可用的第二仓配路径组合,确定最优第二仓配路径组合;
将所述第一采购订单数据中的所述仓储对象按照其在所述各个仓储单元的计划分仓量,通过所述最优第二仓配路径组合发送至对应的仓储单元。
8.一种仓储对象分仓控制装置,其特征在于,包括:
第一获取单元,用于获取指定历史时间段内的各销售订单数据,所述销售订单数据包含销售给用户的仓储对象数量;
第一确定单元,用于分别将所述各销售订单数据按照预设发货策略执行预设发货路径,确定所述各销售订单数据中所述仓储对象在各个仓储单元的出仓量;
第二确定单元,用于根据所述各销售订单数据中所述仓储对象在各个仓储单元的出仓量,确定所述仓储对象在所述各个仓储单元的理想分仓比;
分仓控制单元,用于根据所述仓储对象在所述各个仓储单元的理想分仓比对第一采购订单数据中的所述仓储对象进行分仓。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述仓储对象分仓控制方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该计算机程序指令被处理器执行时实现权利要求1至7任一项所述仓储对象分仓控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110993557.XA CN113743865B (zh) | 2021-08-27 | 2021-08-27 | 一种仓储对象分仓控制方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110993557.XA CN113743865B (zh) | 2021-08-27 | 2021-08-27 | 一种仓储对象分仓控制方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113743865A true CN113743865A (zh) | 2021-12-03 |
CN113743865B CN113743865B (zh) | 2024-04-26 |
Family
ID=78733327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110993557.XA Active CN113743865B (zh) | 2021-08-27 | 2021-08-27 | 一种仓储对象分仓控制方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113743865B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110173028A1 (en) * | 2007-09-17 | 2011-07-14 | Eclipsys Practice Solutions, Llc | Method and apparatus for supply chain management |
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 |
CN110363476A (zh) * | 2019-07-08 | 2019-10-22 | 上海天籍信息科技有限公司 | 货物入仓分配处理方法及装置 |
CN110443533A (zh) * | 2018-05-02 | 2019-11-12 | 北京京东尚科信息技术有限公司 | 商品分仓入库方法、装置、电子设备及计算机可读介质 |
CN111881501A (zh) * | 2020-07-23 | 2020-11-03 | 广东腾美建设工程有限公司 | 一种基于bim和云服务的装配式建筑管理方法及系统 |
US20210082031A1 (en) * | 2018-07-02 | 2021-03-18 | Beijing Geekplus Technology Co., Ltd. | Order processing method and device, and goods volume estimation method and device |
CN112926907A (zh) * | 2019-12-06 | 2021-06-08 | 北京沃东天骏信息技术有限公司 | 一种仓库库存布局方法和装置 |
-
2021
- 2021-08-27 CN CN202110993557.XA patent/CN113743865B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110173028A1 (en) * | 2007-09-17 | 2011-07-14 | Eclipsys Practice Solutions, Llc | Method and apparatus for supply chain management |
CN110443533A (zh) * | 2018-05-02 | 2019-11-12 | 北京京东尚科信息技术有限公司 | 商品分仓入库方法、装置、电子设备及计算机可读介质 |
US20210082031A1 (en) * | 2018-07-02 | 2021-03-18 | Beijing Geekplus Technology Co., Ltd. | Order processing method and device, and goods volume estimation method and device |
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 |
CN110363476A (zh) * | 2019-07-08 | 2019-10-22 | 上海天籍信息科技有限公司 | 货物入仓分配处理方法及装置 |
CN112926907A (zh) * | 2019-12-06 | 2021-06-08 | 北京沃东天骏信息技术有限公司 | 一种仓库库存布局方法和装置 |
CN111881501A (zh) * | 2020-07-23 | 2020-11-03 | 广东腾美建设工程有限公司 | 一种基于bim和云服务的装配式建筑管理方法及系统 |
Non-Patent Citations (2)
Title |
---|
MEHDI GHATEE ETAL: ""Optimal network design and storage management in petroleum distribution network under uncertainty"", 《ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE》, vol. 22, no. 4, 15 June 2009 (2009-06-15), pages 796 - 807 * |
李云等: ""邮政物流配送的数学模型研究"", 《物流技术》, vol. 118, no. 07, 25 July 2002 (2002-07-25), pages 1 - 4 * |
Also Published As
Publication number | Publication date |
---|---|
CN113743865B (zh) | 2024-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Guimarães et al. | The two-echelon multi-depot inventory-routing problem | |
US11379730B2 (en) | Progressive objective addition in multi-objective heuristic systems and methods | |
US10311358B2 (en) | Systems and methods for multi-objective evolutionary algorithms with category discovery | |
Koch et al. | A hybrid algorithm for the vehicle routing problem with backhauls, time windows and three-dimensional loading constraints | |
Fontana et al. | Use of Promethee method to determine the best alternative for warehouse storage location assignment | |
US8027860B2 (en) | Systems and methods for planning demand for configurable products | |
US8352382B1 (en) | Heuristic methods for customer order fulfillment planning | |
Žulj et al. | Order batching and batch sequencing in an AMR-assisted picker-to-parts system | |
Goodarzi et al. | A new bi-objective vehicle routing-scheduling problem with cross-docking: Mathematical model and algorithms | |
US11430079B2 (en) | Method and system for using multiple packing stations in delivery of goods | |
Perboli et al. | Packing problems in transportation and supply chain: new problems and trends | |
CN107103446A (zh) | 库存调度方法以及装置 | |
CN107194646A (zh) | 库存调度方法以及装置 | |
CN109214756B (zh) | 整车物流调度方法及装置、存储介质、终端 | |
CN111091328A (zh) | 一种仓储入库管理方法和管理装置 | |
JP6031184B2 (ja) | 供給グループ決定支援装置及び供給グループ決定支援プログラム | |
Poppenborg et al. | Online scheduling of flexible job-shops with blocking and transportation | |
CN115345549A (zh) | 结合装载方案的车辆路径调整方法及系统 | |
Zhou et al. | A novel optimized cyclic part feeding system with line-integrated supermarkets | |
Khodashenas et al. | Providing an integrated multi-depot vehicle routing problem model with simultaneous pickup and delivery and package layout under uncertainty with fuzzy-robust box optimization method | |
Lanza et al. | Sequencing and routing in a large warehouse with high degree of product rotation | |
Wahlen et al. | Branch-price-and-cut-based solution of order batching problems | |
CN112837004A (zh) | 仓库订单处理方法、装置、设备及存储介质 | |
Matthews et al. | SKU arrangement on a unidirectional picking line | |
CN113743865A (zh) | 一种仓储对象分仓控制方法、装置、电子设备及存储介质 |
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 |