CN114971403A - 一种基于大数据的物流供应链智能调度系统 - Google Patents
一种基于大数据的物流供应链智能调度系统 Download PDFInfo
- Publication number
- CN114971403A CN114971403A CN202210727400.7A CN202210727400A CN114971403A CN 114971403 A CN114971403 A CN 114971403A CN 202210727400 A CN202210727400 A CN 202210727400A CN 114971403 A CN114971403 A CN 114971403A
- Authority
- CN
- China
- Prior art keywords
- sequence
- vehicle
- goods
- logistics
- scheduling
- 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
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
- G06Q10/06—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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/083—Shipping
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及物流调度技术领域,用于解决现有的物流供应链调度管理的方式上存在极大的误差性和不准确性,难以实现货物订单与车辆调度的最大化,更无法实现对物流供应链调度的科学管理,极大的阻碍了物流供应链的发展的问题,尤其公开了一种基于大数据的物流供应链智能调度系统,包括物流调度分析平台,物流调度分析平台的内部设置有服务器,服务器通讯连接有数据采集单元、货物调度评估单元、车辆调度评估单元、匹配分析单元、仓储调度终端和运输调度终端;本发明,通过动态化的匹配调度的方式,在实现了物流供应链中货物订单与车辆之间的优化调度的同时,也实现了对物流供应链调度的科学管理,促进了物流供应链的高效发展。
Description
技术领域
本发明涉及物流调度技术领域,具体为一种基于大数据的物流供应链智能调度系统。
背景技术
随着信息技术的发展,物流行业正面临着激烈的市场竞争和严峻的挑战,在这种情况下,将企业物流、家庭物流、非营利机构物流以及绿色物流整合起来构成一条有机的物流链条,并将所形成的物流链条称之为物流供应链,而在物流供应链的发展中,若想实现物流实施的可持续发展,则保证物流供应链中车辆与货物订单之间调度的优化,则显得至关重要;
但在现有的物流供应链中对货物订单以及车辆的调度管理中,大都还是停留在以人力主导分配的调度层面上,其对物流供应链调度管理的方式上存在极大的误差性和不准确性,难以实现货物订单与车辆调度的最大化,更无法实现对物流供应链调度的科学管理,极大的阻碍了物流供应链的发展;
为了解决上述缺陷,现提供一种技术方案。
发明内容
本发明的目的就在于为了解决现有的物流供应链调度管理的方式上存在极大的误差性和不准确性,难以实现货物订单与车辆调度的最大化,更无法实现对物流供应链调度的科学管理,极大的阻碍了物流供应链的发展的问题,利用序列集合的规整、条件设定以及序列重组的方式,实现了对物流货物订单配送难度进行精准定性分析,利用计算整合、数量比较分析和序列生成的方式,进而对物流供应链中各货物车辆运输质量进行准确的评判分析,通过动态化的匹配调度的方式,实现了物流供应链中货物订单与车辆之间调度,从而在更加准确且科学的对物流供应链中车辆与货物订单进行优化匹配的同时,也实现了物流供应链调度的科学管理,促进了物流供应链的高效发展,降低了调度的成本,保证了物流服务的高品质,而提出一种基于大数据的物流供应链智能调度系统。
本发明的目的可以通过以下技术方案实现:
一种基于大数据的物流供应链智能调度系统,包括物流调度分析平台,物流调度分析平台的内部设置有服务器,服务器通讯连接有数据采集单元、货物调度评估单元、车辆调度评估单元、匹配分析单元、仓储调度终端和运输调度终端;
物流调度分析平台用于对物流供应链中的车辆以及货物调度进行管理分析,数据采集单元用于采集物流供应链中各物流货物订单的配送需求信息与各货物车辆的运输状态信息,并将各物流货物订单的配送需求信息发送至货物调度评估单元,将各货物车辆的运输状态信息发送至车辆调度评估单元;
货物调度评估单元用于对接收的各物流货物订单的配送需求信息进行货物调度难度等级划分处理,据此生成货物订单的各等级排序序列,并将其均发送至匹配分析单元,车辆调度评估单元用于对接收的各货物车辆的运输状态信息进行车辆运输质量分析处理,据此生成运输车辆的各等级排序序列,并将其均发送至匹配分析单元;
匹配分析单元用于对接收的各等级货物订单序列与各等级车辆序列进行综合排优分析处理,将生成的各种匹配操作分别发送至仓储调度终端和运输调度终端进行调度指示。
进一步的,货物调度难度等级划分处理的具体操作步骤如下:
实时获取各物流货物订单的配送需求信息中的时效量值zsli、约束量值rodi和运程量值cali,并将其进行占比计算分析,依据公式求得各物流货物订单的调度难度系数duxi,其中,i={1,2,3……n},e1、e2与e3分别为时效量值、约束量值和运程量值的权重因子系数,且e2>e1>e3>0,e1+e2+e3=3.0215;
设置调度难度系数duxi的梯度参照范围值Yu1、Yu2和Yu3,并将调度难度系数duxi代入梯度参照范围值中进行比对分析,若调度难度系数duxi处于梯度参照范围值Yu1之内时,则生成低级难度信号,若调度难度系数duxi处于梯度参照范围值Yu2之内时,则生成中级难度信号,若调度难度系数duxi处于梯度参照范围值Yu3之内时,则生成高级难度信号;
依据生成的各等级难度判定信号,并对各物流货物订单进行集合分类分析处理,据此生成一级货物序列A*、二级货物序列B*与三级货物序列C*。
进一步的,集合分类分析处理的具体操作步骤如下:
获取被标定为低级难度信号、中级难度信号与高级难度信号的各物流货物订单,并依据各等级难度判定信号将各物流货物订单进行规整,将被标定为低级难度信号的各物流货物订单规整到序列集合A中,将被标定为中级难度信号的各物流货物订单规整到序列集合B中,将被标定为高级难度信号的各物流货物订单规整到序列集合C中,其中,A={1,2,3……n1},B={1,2,3……n2},C={1,2,3……n3},且n1+n2+n3=n;
获取序列集合A、B与C中各物流货物订单的期限日期,按照期限日期的先后顺序将各集合中各物流货物订单进行排序,并据此得到一级货物序列A*、二级货物序列B*与三级货物序列C*。
进一步的,车辆运输质量分析处理的具体操作步骤如下:
实时获取单位时间内的物流供应链中各货物车辆的运输状态信息中的事故次数actj、工龄agej、故障次数gzcj与运输效率量值yslj,并将其进行整合计算分析,依据公式求得各车辆的供需系数caxj,其中,j={1,2,3……m},f1、f2、f3和f4分别为事故次数、工龄、故障次数与运输效率量值的修正因子系数,且f4>f2>f1>f3>0,且f1+f2+f3=4.0204;
将各车辆的供需系数caxj按照升序的序列排序,并据此求得车辆评估序列集合W,W={cax1,cax2,cax3……caxm},依据车辆评估序列集合W进行车辆调度细化分析处理,据此生成一级车辆序列W1、二级车辆序列W2……k+1级车辆序列Wk+1或一级车辆序列V1、二级车辆序列V2……g+1级车辆序列Vg+1。
进一步的,车辆调度细化分析处理的具体操作步骤如下:
依据车辆评估序列集合W,统计车辆评估序列集合W中的元素的数量和,并将其标定为BN,设置元素的数量和BN的比对阈值cBN,并据此进行数据比较分析,当元素的数量和BN大于等于比对阈值cBN,则生成基数庞大信号,当元素的数量和BN小于比对阈值cBN,则生成基数正常信号;
依据生成的基数庞大信号与基数正常信号,分别对应设置k个集合拆分节点与g个集合拆分节点,其中,k>g,且k、g均为大于等于1的正整数;
获取车辆评估序列集合W,依据设置的k个集合拆分节点或g个集合拆分节点将车辆评估序列集合W分别划分为k+1个车辆运输定估集合与g+1个车辆运输定估集合,得到一级车辆序列W1、二级车辆序列W2……k+1级车辆序列Wk+1与一级车辆序列V1、二级车辆序列V2……g+1级车辆序列Vg+1。
进一步的,综合排优分析处理的具体操作步骤如下:
S1:获取各物流货物订单的一级货物序列A*、二级货物序列B*与三级货物序列C*,并据此统计各等级货物序列中含有的元素的数量和,并将其标定为sumz,其中,z={1,2,3},且当z=1时,则sum1表示一级货物序列中含有的元素的数量和,当z=2时,则sum2表示二级货物序列中含有的元素的数量和,当z=3时,则sum3表示三级货物序列中含有的元素的数量和;
S2:获取各货物车辆的等级排序序列,并据此统计各等级车辆序列中含有的元素的数量和,并将其标定为slho或slhp,其中,o={1,2,3……k+1},p={1,2,3……g+1};
S3:依据步骤S1-S2,当sumz>slho或sumz>slhp时,则生成逐级顺延匹配指令,并据此进行逐级匹配分析处理,并将生成的各种匹配操作分别发送至仓储调度终端和运输调度终端进行调度指示;
S4:依据步骤S1-S2,当sum1≤slho或sumz≤slhp时,则生成相对倒序顺延匹配指令,并据此进行倒序匹配分析处理,并将生成的各种匹配操作分别发送至仓储调度终端和运输调度终端进行调度指示。
进一步的,逐级匹配分析处理的具体操作步骤如下:
依据逐级顺延匹配指令,先将一级货物序列中的各物流货物订单与一级车辆序列中的各车辆依次进行匹配,并将一级货物序列中未匹配的各物流货物订单顺延至二级车辆序列中的各车辆进行匹配,直至一级货物序列中所有物流货物订单全部匹配完成;
统计二级车辆序列中的车辆的剩余情况,若二级车辆序列中还有未匹配的车辆,则再将二级车辆序列中还有未匹配的车辆与二级货物序列中的各物流货物订单依次进行匹配,直至二级货物序列中所有物流货物订单全部匹配完成,若二级车辆序列中所以车辆已完成匹配,则将二级货物序列中未匹配的各物流货物订单顺延至三级车辆序列中的各车辆进行匹配,直至二级货物序列中所有物流货物订单全部匹配完成;
对三级货物序列中的各物流货物订单重复上述步骤,直至各个等级序列集合中的所有物流货物订单全部与车辆序列匹配完成,并依据各种匹配操作分别向仓储调度终端和运输调度终端发送对应的调度指令。
进一步的,倒序匹配分析处理的具体操作步骤如下:
依据相对倒序顺延匹配指令,将各等级车辆序列中的货物车辆按照倒序的顺序重新排列,并据此得到各等级车辆倒序序列;
依据各等级车辆倒序序列,将各等级货物序列中的物流货物订单分别与各等级车辆倒序序列的货物车辆依次进行匹配,并依据各种匹配操作分别向仓储调度终端和运输调度终端发送对应的调度指令。
与现有技术相比,本发明的有益效果是:
(1)本发明,利用符号化的标定、公式化的分析以及梯度区间的设置分析的方式,进而对物流供应链中各物流货物订单的配送需求进行了明确的定性分析,并利用序列集合的规整、条件设定以及序列重组的方式,生成了对物流货物订单配送难度进行评估的各等级序列,从而在实现了对物流货物订单配送难度进行精准定性分析的同时,也为促进物流供应链中货物订单的调度优化奠定了基础;
(2)本发明,利用计算整合、数量比较分析和序列生成的方式,进而对物流供应链中各货物车辆运输质量进行准确的评判分析,也进一步为物流供应链中车辆的调度优化奠定了基础;
(3)本发明,利用逐级匹配分析处理与倒序匹配分析处理的方式分别对等级货物序列中的货物订单进行车辆的调度匹配,通过动态化的匹配调度的方式,实现了物流供应链中调度的优化,从而在更加准确且科学的对物流供应链中车辆与货物订单进行优化匹配的同时,也实现了物流供应链调度的科学管理,促进了物流供应链的高效发展,降低了调度的成本,保证了物流服务的高品质。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明;
图1为本发明的系统总框图。
具体实施方式
下面将结合实施例对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
如图1所示,一种基于大数据的物流供应链智能调度系统,包括物流调度分析平台,物流调度分析平台的内部设置有服务器,服务器通讯连接有数据采集单元、货物调度评估单元、车辆调度评估单元、匹配分析单元、仓储调度终端和运输调度终端;
物流调度分析平台用于对物流供应链中的车辆以及货物调度进行管理分析,通过数据采集单元采集物流供应链中各物流货物订单的配送需求信息与各货物车辆的运输状态信息,并将各物流货物订单的配送需求信息发送至货物调度评估单元,将各货物车辆的运输状态信息发送至车辆调度评估单元;
当货物调度评估单元接收到各物流货物订单的配送需求信息时,并据此进行货物调度难度等级划分处理,具体的操作过程如下:
实时获取各物流货物订单的配送需求信息中的时效量值、约束量值和运程量值,并将其分别标定为zsli、rodi与cali,并将其进行占比计算分析,依据公式求得各物流货物订单的调度难度系数duxi,其中,i={1,2,3……n},i为大于等于1的正整数,且i表示各物流货物订单,当调度难度系数的表现数值越大时,则越说明物流货物订单配送难度越大;
需要说明的是,e1、e2与e3分别为时效量值、约束量值和运程量值的权重因子系数,且e2>e1>e3>0,e1+e2+e3=3.0215,权重因子系数用于均衡各项数据在公式计算中的占比权重,从而促进计算结果的准确性;
还需说明的是,配送需求信息用于表示物流供应链中仓储中的各物流订单调度配送需求的数据信息,且配送需求信息包括时效量值、约束量值和运程量值;
其中,时效量值指的是距离货物订单规定到达日期的时间长短的数据量值,当时间量值的表现数值越小时,则越说明货物订单的调度难度越大,约束量值指的是物流货物订单在运输调度过程中需要对运输设置的约束条件数多少的数据量值,其中,约束条件指的是不能碎、不能变形、不能受热等对货物运输的约束条件,当约束量值的表现数值越大时,则说明货物订单的调度系数越大;
而运程量值指的是货物订单的起始送货地与终点送货地之间的运输路程大小的数据量值,当运程量值的表现数值越大,则说明货物订单的调度系数越大;
设置调度难度系数duxi的梯度参照范围值Yu1、Yu2和Yu3,并将调度难度系数duxi代入梯度参照范围值中进行比对分析,若调度难度系数duxi处于梯度参照范围值Yu1之内时,则生成低级难度信号,若调度难度系数duxi处于梯度参照范围值Yu2之内时,则生成中级难度信号,若调度难度系数duxi处于梯度参照范围值Yu3之内时,则生成高级难度信号;
需要指出的是,梯度参照范围值Yu1、Yu2和Yu3的区间值是呈梯度增加的;
依据生成的各等级难度判定信号,并对各物流货物订单进行集合分类分析处理,具体的操作过程如下:
获取被标定为低级难度信号、中级难度信号与高级难度信号的各物流货物订单,并依据各等级难度判定信号将各物流货物订单进行规整,将被标定为低级难度信号的各物流货物订单规整到序列集合A中,将被标定为中级难度信号的各物流货物订单规整到序列集合B中,将被标定为高级难度信号的各物流货物订单规整到序列集合C中,其中,A={1,2,3……n1},B={1,2,3……n2},C={1,2,3……n3},且n1+n2+n3=n;
获取序列集合A、B与C中各物流货物订单的期限日期,按照期限日期的先后顺序将各集合中各物流货物订单进行排序,并据此得到一级货物序列A*、二级货物序列B*与三级货物序列C*;
其中,期限日期指的是各物流货物订单规定送达的日期时间,且先后顺序指的是事物在发生时间上的先后顺序,例如,当在序列集合A中的某一物流货物订单的期限日期为2022年10月1日,而在序列集合A中的某二物流货物订单的期限日期为2022年9月1日,则按照时间的先后顺序在新的序列中某二物流货物订单的排序位置应排在某一物流货物订单的排序位置之前;
并将生成的一级货物序列A*、二级货物序列B*与三级货物序列C*均发送至匹配分析单元;
当车辆调度评估单元接收到各货物车辆的运输状态信息时,并据此进行车辆运输质量分析处理,具体的操作过程如下:
实时获取单位时间内的物流供应链中各货物车辆的运输状态信息中的事故次数、工龄、故障次数与运输效率量值,并将其分别标定为actj、agej、gzcj与yslj,并将其进行整合计算分析,依据公式求得各车辆的供需系数caxj,当车辆的供需系数的表现数值越大时,则越说明车辆的运输等级系数越高,越有利于解决物流货物订单难配送的问题,且j={1,2,3……m},j为大于等于1的正整数,且j表示各货物车辆;
需要说明的是,f1、f2、f3和f4分别为事故次数、工龄、故障次数与运输效率量值的修正因子系数,且f4>f2>f1>f3>0,且f1+f2+f3=4.0204,且修正因子系数用于修正各项参数在公式计算过程中出现的偏差,从而使得计算更加准确和参数数据;
还需指出的是,运输状态信息用于表示物流供应链中运输车辆终端中的各货物车辆的在执行货物订单配送任务时的运输状态的数据信息,且运输状态信息包括事故次数、工龄、故障次数与运输效率量值,其中,事故次数指的是货物车辆自执行运输任务以来发生事故的总次数多少的数据值,工龄指的是驾驶车辆的运输人员自执行运输任务以来工作时间长短的数据值,故障次数指的是货物车辆在单位时间内发生的故障次数多少的数据值,运输效率量值指的是单位时间内货物车辆准点送达的次数占晚点送达次数的百分比,其中,准点送达的次数由早点送达的次数与正点到达的次数之和组成;
将各车辆的供需系数caxj按照升序的序列排序,并据此求得车辆评估序列集合W,W={cax1,cax2,cax3……caxm},需要说明的是,cax1指的是在车辆评估序列集合W中排序第一且供需系数的表现数值最小的一个数据量值,cax2指的是在车辆评估序列集合W中排序第二且供需系数的表现数值第二小的一个数据量值,以此类推,caxm指的是在车辆评估序列集合W中排序最后一位且供需系数的表现数值最大的一个数据量值;
依据车辆评估序列集合W进行车辆调度细化分析处理,具体的操作过程如下:统计车辆评估序列集合W中的元素的数量和,并将其标定为BN,设置元素的数量和BN的比对阈值cBN,并据此进行数据比较分析,当元素的数量和BN大于等于比对阈值cBN,则生成基数庞大信号,当元素的数量和BN小于比对阈值cBN,则生成基数正常信号;
依据生成的基数庞大信号与基数正常信号,分别对应设置k个集合拆分节点与g个集合拆分节点,其中,k>g,且k、g均为大于等于1的正整数;
获取车辆评估序列集合W,依据设置的k个集合拆分节点或g个集合拆分节点将车辆评估序列集合W分别划分为k+1个车辆运输定估集合与g+1个车辆运输定估集合,得到一级车辆序列W1、二级车辆序列W2……k+1级车辆序列Wk+1与一级车辆序列V1、二级车辆序列V2……g+1级车辆序列Vg+1;
并将生成的一级车辆序列W1、二级车辆序列W2……k+1级车辆序列Wk+1或一级车辆序列V1、二级车辆序列V2……g+1级车辆序列Vg+1均发送至匹配分析单元;
当匹配分析单元接收到各等级货物订单序列与各等级车辆序列时,并据此进行综合排优分析处理,具体的操作过程如下:
S1:获取各物流货物订单的一级货物序列A*、二级货物序列B*与三级货物序列C*,并据此统计各等级货物序列中含有的元素的数量和,并将其标定为sumz,其中,z={1,2,3},且当z=1时,则sum1表示一级货物序列中含有的元素的数量和,当z=2时,则sum2表示二级货物序列中含有的元素的数量和,当z=3时,则sum3表示三级货物序列中含有的元素的数量和;
S2:获取各货物车辆的等级排序序列,并据此统计各等级车辆序列中含有的元素的数量和,并将其标定为slho或slhp,其中,o={1,2,3……k+1},p={1,2,3……g+1};
S3:依据步骤S1-S2,当sumz>slho或sumz>slhp时,则生成逐级顺延匹配指令,并据此进行逐级匹配分析处理,具体的操作过程如下:
S3-1:依据逐级顺延匹配指令,先将一级货物序列中的各物流货物订单与一级车辆序列中的各车辆依次进行匹配,并将一级货物序列中未匹配的各物流货物订单顺延至二级车辆序列中的各车辆进行匹配,直至一级货物序列中所有物流货物订单全部匹配完成;
S3-2:统计二级车辆序列中的车辆的剩余情况,若二级车辆序列中还有未匹配的车辆,则再将二级车辆序列中还有未匹配的车辆与二级货物序列中的各物流货物订单依次进行匹配,直至二级货物序列中所有物流货物订单全部匹配完成,若二级车辆序列中所以车辆已完成匹配,则将二级货物序列中未匹配的各物流货物订单顺延至三级车辆序列中的各车辆进行匹配,直至二级货物序列中所有物流货物订单全部匹配完成;
S3-3:对三级货物序列中的各物流货物订单重复上述步骤,直至各个等级序列集合中的所有物流货物订单全部与车辆序列匹配完成,并依据各种匹配操作分别向仓储调度终端和运输调度终端发送对应的调度指令;
S4:依据步骤S1-S2,当sum1≤slho或sumz≤slhp时,则生成相对倒序顺延匹配指令,并据此进行倒序匹配分析处理,具体的操作过程如下:
S4-1:依据相对倒序顺延匹配指令,将各等级车辆序列中的货物车辆按照倒序的顺序重新排列,并据此得到各等级车辆倒序序列;
S4-2:依据各等级车辆倒序序列,将各等级货物序列中的物流货物订单分别与各等级车辆倒序序列的货物车辆依次进行匹配,并依据各种匹配操作分别向仓储调度终端和运输调度终端发送对应的调度指令。
上述公式均是采集大量数据进行软件模拟得出且选取与真实值接近的一个公式,公式中的系数是由本领域技术人员根据实际情况进行设置;
由本领域技术人员采集多组样本数据并对每一组样本数据设定对应的权重因子系数;将设定的权重因子系数和采集的样本数据代入公式,任意两个公式构成二元一次方程组,将计算得到的系数进行筛选并取均值,得到e1、e2与e3取值分别为0.5021、1.0527和2.4667;
系数的大小是为了将各个参数进行量化得到的一个具体的数值,便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的权重因子系数;只要不影响参数与量化后数值的比例关系即可。
本发明在使用时,通过获取物流供应链中各物流货物订单的配送需求信息进行货物调度难度等级划分处理,利用符号化的标定、公式化的分析以及梯度区间的设置分析的方式,进而对物流供应链中各物流货物订单的配送需求进行了明确的定性分析,并利用序列集合的规整、条件设定以及序列重组的方式,生成了对物流货物订单配送难度进行评估的各等级序列,从而在实现了对物流货物订单配送难度进行精准定性分析的同时,也为促进物流供应链中货物订单的调度优化奠定了基础;
通过获取物流供应链中各货物车辆的运输状态信息进行车辆运输质量分析处理,利用计算整合、数量比较分析和序列生成的方式,进而对物流供应链中各货物车辆运输质量进行准确的评判分析,也进一步为物流供应链中车辆的调度优化奠定了基础;
并利用逐级匹配分析处理与倒序匹配分析处理的方式分别对等级货物序列中的货物订单进行车辆的调度匹配,通过动态化的匹配调度的方式,实现了物流供应链中调度的优化,从而在更加准确且科学的对物流供应链中车辆与货物订单进行优化匹配的同时,也实现了物流供应链调度的科学管理,促进了物流供应链的高效发展,降低了调度的成本,保证了物流服务的高品质。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.一种基于大数据的物流供应链智能调度系统,包括物流调度分析平台,其特征在于,物流调度分析平台的内部设置有服务器,服务器通讯连接有数据采集单元、货物调度评估单元、车辆调度评估单元、匹配分析单元、仓储调度终端和运输调度终端;
物流调度分析平台用于对物流供应链中的车辆以及货物调度进行管理分析,数据采集单元用于采集物流供应链中各物流货物订单的配送需求信息与各货物车辆的运输状态信息,并将各物流货物订单的配送需求信息发送至货物调度评估单元进行货物调度难度等级划分处理,据此生成货物订单的各等级排序序列,将各货物车辆的运输状态信息发送至车辆调度评估单元进行车辆运输质量分析处理,据此生成运输车辆的各等级排序序列;
将各等级货物订单序列与各等级车辆序列均发送至匹配分析单元进行综合排优分析处理,将生成的各种匹配操作分别发送至仓储调度终端和运输调度终端进行调度指示。
2.根据权利要求1所述的一种基于大数据的物流供应链智能调度系统,其特征在于,货物调度难度等级划分处理的具体操作步骤如下:
实时获取各物流货物订单的配送需求信息中的时效量值、约束量值和运程量值,并将其进行占比计算分析,求得各物流货物订单的调度难度系数;
设置调度难度系数的梯度参照范围值Yu1、Yu2和Yu3,并将调度难度系数代入梯度参照范围值中进行比对分析,若调度难度系数处于梯度参照范围值Yu1之内时,则生成低级难度信号,若调度难度系数处于梯度参照范围值Yu2之内时,则生成中级难度信号,若调度难度系数处于梯度参照范围值Yu3之内时,则生成高级难度信号;
依据生成的各等级难度判定信号,并对各物流货物订单进行集合分类分析处理,据此生成一级货物序列A*、二级货物序列B*与三级货物序列C*。
3.根据权利要求2所述的一种基于大数据的物流供应链智能调度系统,其特征在于,集合分类分析处理的具体操作步骤如下:
获取被标定为低级难度信号、中级难度信号与高级难度信号的各物流货物订单,并依据各等级难度判定信号将各物流货物订单进行规整,将被标定为低级难度信号的各物流货物订单规整到序列集合A中,将被标定为中级难度信号的各物流货物订单规整到序列集合B中,将被标定为高级难度信号的各物流货物订单规整到序列集合C中;
获取序列集合A、B与C中各物流货物订单的期限日期,按照期限日期的先后顺序将各集合中各物流货物订单进行排序,并据此得到一级货物序列A*、二级货物序列B*与三级货物序列C*。
4.根据权利要求1所述的一种基于大数据的物流供应链智能调度系统,其特征在于,车辆运输质量分析处理的具体操作步骤如下:
实时获取单位时间内的物流供应链中各货物车辆的运输状态信息中的事故次数、工龄、故障次数与运输效率量值,并将其进行整合计算分析,求得各车辆的供需系数;
将各车辆的供需系数按照升序的序列排序,并据此求得车辆评估序列集合W,依据车辆评估序列集合W进行车辆调度细化分析处理,据此生成一级车辆序列W1、二级车辆序列W2……k+1级车辆序列Wk+1或一级车辆序列V1、二级车辆序列V2……g+1级车辆序列Vg+1。
5.根据权利要求4所述的一种基于大数据的物流供应链智能调度系统,其特征在于,车辆调度细化分析处理的具体操作步骤如下:
统计车辆评估序列集合W中的元素的数量和,并将其标定为BN,设置元素的数量和BN的比对阈值cBN,并据此进行数据比较分析,当BN≥cBN,则生成基数庞大信号,当BN<cBN,则生成基数正常信号;
依据生成的基数庞大信号与基数正常信号,分别对应设置k个集合拆分节点与g个集合拆分节点,其中,k>g,且k、g均为大于等于1的正整数;
获取车辆评估序列集合W,依据设置的k个集合拆分节点或g个集合拆分节点将车辆评估序列集合W分别划分为k+1个车辆运输定估集合与g+1个车辆运输定估集合,得到一级车辆序列W1、二级车辆序列W2……k+1级车辆序列Wk+1与一级车辆序列V1、二级车辆序列V2……g+1级车辆序列Vg+1。
6.根据权利要求1所述的一种基于大数据的物流供应链智能调度系统,其特征在于,综合排优分析处理的具体操作步骤如下:
S1:获取各物流货物订单的一级货物序列A*、二级货物序列B*与三级货物序列C*,并据此统计各等级货物序列中含有的元素的数量和,并将其标定为sumz,其中,z={1,2,3};
S2:获取各货物车辆的等级排序序列,并据此统计各等级车辆序列中含有的元素的数量和,并将其标定为slho或slhp;
S3:依据步骤S1-S2,当sumz>slho或sumz>slhp时,则生成逐级顺延匹配指令,并据此进行逐级匹配分析处理,并将生成的各种匹配操作分别发送至仓储调度终端和运输调度终端进行调度指示;
S4:依据步骤S1-S2,当sum1≤slho或sumz≤slhp时,则生成相对倒序顺延匹配指令,并据此进行倒序匹配分析处理,并将生成的各种匹配操作分别发送至仓储调度终端和运输调度终端进行调度指示。
7.根据权利要求6所述的一种基于大数据的物流供应链智能调度系统,其特征在于,逐级匹配分析处理的具体操作步骤如下:
依据逐级顺延匹配指令,先将一级货物序列中的各物流货物订单与一级车辆序列中的各车辆依次进行匹配,并将一级货物序列中未匹配的各物流货物订单顺延至二级车辆序列中的各车辆进行匹配,直至一级货物序列中所有物流货物订单全部匹配完成;
统计二级车辆序列中的车辆的剩余情况,若二级车辆序列中还有未匹配的车辆,则再将二级车辆序列中还有未匹配的车辆与二级货物序列中的各物流货物订单依次进行匹配,直至二级货物序列中所有物流货物订单全部匹配完成,若二级车辆序列中所以车辆已完成匹配,则将二级货物序列中未匹配的各物流货物订单顺延至三级车辆序列中的各车辆进行匹配,直至二级货物序列中所有物流货物订单全部匹配完成;
对三级货物序列中的各物流货物订单重复上述步骤,直至各个等级序列集合中的所有物流货物订单全部与车辆序列匹配完成,并依据各种匹配操作分别向仓储调度终端和运输调度终端发送对应的调度指令。
8.根据权利要求6所述的一种基于大数据的物流供应链智能调度系统,其特征在于,倒序匹配分析处理的具体操作步骤如下:
依据相对倒序顺延匹配指令,将各等级车辆序列中的货物车辆按照倒序的顺序重新排列,并据此得到各等级车辆倒序序列;
依据各等级车辆倒序序列,将各等级货物序列中的物流货物订单分别与各等级车辆倒序序列的货物车辆依次进行匹配,并依据各种匹配操作分别向仓储调度终端和运输调度终端发送对应的调度指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210727400.7A CN114971403A (zh) | 2022-06-24 | 2022-06-24 | 一种基于大数据的物流供应链智能调度系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210727400.7A CN114971403A (zh) | 2022-06-24 | 2022-06-24 | 一种基于大数据的物流供应链智能调度系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114971403A true CN114971403A (zh) | 2022-08-30 |
Family
ID=82964918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210727400.7A Pending CN114971403A (zh) | 2022-06-24 | 2022-06-24 | 一种基于大数据的物流供应链智能调度系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114971403A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115759596A (zh) * | 2022-11-07 | 2023-03-07 | 久海纳(北京)物流有限公司 | 一种车辆调令管理系统及方法 |
CN115796526A (zh) * | 2022-12-02 | 2023-03-14 | 运达(无锡)物流科技有限公司 | 一种自动化物流仓储运输调度系统 |
CN116070880A (zh) * | 2023-03-07 | 2023-05-05 | 智能网联汽车(山东)协同创新研究院有限公司 | 基于物联网运输车辆专用调度系统 |
CN116258433A (zh) * | 2023-05-15 | 2023-06-13 | 成都运荔枝科技有限公司 | 一种基于大数据核验的冷链食品运输监管系统 |
CN116739458A (zh) * | 2023-08-15 | 2023-09-12 | 成都运荔枝科技有限公司 | 一种基于大数据的冷链食品快速配送分析系统 |
-
2022
- 2022-06-24 CN CN202210727400.7A patent/CN114971403A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115759596A (zh) * | 2022-11-07 | 2023-03-07 | 久海纳(北京)物流有限公司 | 一种车辆调令管理系统及方法 |
CN115796526A (zh) * | 2022-12-02 | 2023-03-14 | 运达(无锡)物流科技有限公司 | 一种自动化物流仓储运输调度系统 |
CN116070880A (zh) * | 2023-03-07 | 2023-05-05 | 智能网联汽车(山东)协同创新研究院有限公司 | 基于物联网运输车辆专用调度系统 |
CN116258433A (zh) * | 2023-05-15 | 2023-06-13 | 成都运荔枝科技有限公司 | 一种基于大数据核验的冷链食品运输监管系统 |
CN116258433B (zh) * | 2023-05-15 | 2023-09-19 | 成都运荔枝科技有限公司 | 一种基于大数据核验的冷链食品运输监管系统 |
CN116739458A (zh) * | 2023-08-15 | 2023-09-12 | 成都运荔枝科技有限公司 | 一种基于大数据的冷链食品快速配送分析系统 |
CN116739458B (zh) * | 2023-08-15 | 2023-11-14 | 成都运荔枝科技有限公司 | 一种基于大数据的冷链食品快速配送分析系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114971403A (zh) | 一种基于大数据的物流供应链智能调度系统 | |
CN101908020B (zh) | 一种基于分类挖掘和版本变更的测试用例优先化方法 | |
CN113095730B (zh) | 一种北斗测试云平台的仪器优先调度评价方法 | |
CN115409395A (zh) | 一种水利施工工程的质量验收检查方法及系统 | |
Tang et al. | A gate reassignment framework for real time flight delays | |
CN115658695A (zh) | 基于建筑工程项目的管理表单智能生成方法 | |
CN113610296B (zh) | 一种区域内用电负荷峰值预测方法及电网投资规划方法 | |
CN107657121A (zh) | 基于腐蚀级别评定的飞机结构性能预测处理方法及系统 | |
CN111105218A (zh) | 一种基于全息影像技术的配电网运行监视方法 | |
CN104123447A (zh) | 一种基于改进数据包络分析的制造系统综合评价方法 | |
CN113592538A (zh) | 一种工程造价概算方法及系统 | |
CN112102613A (zh) | 一种高速公路客货运输量预测方法及系统 | |
CN104331775A (zh) | 一种计量资产全寿命周期质量分析方法 | |
CN114595945B (zh) | 一种面向制造过程的航空产品mbom健康度评价方法 | |
CN110135029B (zh) | 一种失效模式的辅助识别方法 | |
CN113408915A (zh) | 生产线瓶颈识别方法及其系统 | |
CN112052430A (zh) | 一种基于改进topsis的光伏场站相关性综合评估系统 | |
CN112488438A (zh) | 一种结合信用信息的工业企业综合效益评价方法及系统 | |
CN113780892B (zh) | 基于整数规划的产品生产计划的制定方法 | |
CN116596386B (zh) | 一种工程建设项目可行性分析评估方法 | |
Itskovich | Methodology for attaining the rational level of plant automation | |
CN114036762B (zh) | 基于比例系数法预测配电网负荷的系统和方法 | |
CN114971592A (zh) | 基于云平台的洗井人员培训档案数据查询管理系统 | |
CN105930982A (zh) | 电力景气指数的测算方法和系统 | |
CN115375159A (zh) | 一种城市碳排放总量实时核算方法及系统 |
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 |