CN116362646A - 物流网络升级方法和装置 - Google Patents
物流网络升级方法和装置 Download PDFInfo
- Publication number
- CN116362646A CN116362646A CN202310635923.3A CN202310635923A CN116362646A CN 116362646 A CN116362646 A CN 116362646A CN 202310635923 A CN202310635923 A CN 202310635923A CN 116362646 A CN116362646 A CN 116362646A
- Authority
- CN
- China
- Prior art keywords
- bin
- node
- cost
- network
- total
- 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 62
- 238000005457 optimization Methods 0.000 claims abstract description 50
- 230000032683 aging Effects 0.000 claims abstract description 22
- 238000004590 computer program Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 13
- 238000012546 transfer Methods 0.000 claims description 12
- 230000008685 targeting Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000011144 upstream manufacturing Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002431 foraging effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 238000003892 spreading Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06Q10/083—Shipping
-
- 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
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了物流网络升级方法和装置。该方法的具体实施方式包括：获取物流网络的网络结构信息和成本信息，其中，物流网络包括供应商节点、区域仓节点、前置仓节点、客户节点；生成前置仓节点升级成区域仓节点的各种升仓方案；根据网络结构信息和成本信息建立以最小化网络总成本为目标的优化模型；在各升仓数量下求解优化模型，得到各升仓数量下的升仓方案，其中，优化模型的约束包括以下至少一项：升级仓数量约束、网络覆盖关系约束、客户需求约束、时效单量占比约束、节点流量平衡约束；输出网络总成本最低的升仓方案。该实施方式能够预测物流网络升级的成本，并获得成本最低的物流网络升级方案。
Description
技术领域
本公开的实施例涉及物流技术领域，具体涉及物流网络升级的方法和装置。
背景技术
随着物流公司业务的不断发展，客户群体、分布特点均不断变化，加上近年来抖快电商、直播带货、社区团购等新兴商业模式的不断涌现，要求物流公司供应链网络结构不断调整，并对未来数年的仓网布局结构提前做出布局；但另一方面，物流业务本身利润空间较小，网络升级牵扯大量的人力物力资源投入，不合理的网络调整方案将持续影响物流公司盈利能力，显著降低市场竞争力。因此，必须科学合理地对网络升级方案进行评估计算，探索在不同网络层级与履约模式下全网成本时效的最优解。
目前研究中，对于升级仓数量的限制通常会直接给定上限数量，或通过引入前置仓升仓增加的成本，综合考虑升仓成本与升仓后带来的对于运输成本的节省、及对于服务质量的提高，计算兼顾成本与效益的升仓方案。但实际业务评估中，对于升仓相关的成本项往往难以确定，影响因素较为复杂，因此也常将升仓所带来的成本视为一种沉没成本而不引入计算流程中。而上述方案所得到的最终升仓方案对成本相关数据十分敏感，不合理的成本假设会直接影响策略优性，影响决策质量。因此，如何合理评估升级前置仓数量对整体网络总成本的影响，成为需要解决的问题。
发明内容
本公开的实施例提出了物流网络升级的方法和装置。
第一方面，本公开的实施例提供了一种物流网络升级方法，包括：获取物流网络的网络结构信息和成本信息，其中，所述物流网络包括供应商节点、区域仓节点、前置仓节点、客户节点；生成前置仓节点升级成区域仓节点的各种升仓方案；根据所述网络结构信息和所述成本信息建立以最小化网络总成本为目标的优化模型；在各升仓数量下求解所述优化模型，得到各升仓数量下的升仓方案，其中，所述优化模型的约束包括以下至少一项：升级仓数量约束、网络覆盖关系约束、客户需求约束、时效单量占比约束、节点流量平衡约束；输出网络总成本最低的升仓方案。
在一些实施例中，该方法还包括：计算各升仓数量下的升仓方案的平均成本；输出平均成本最低的升仓数量。
在一些实施例中，所述网络总成本包括总运输成本；以及所述根据所述网络结构信息和所述成本信息建立以最小化网络总成本为目标的优化模型，包括：获取供应商节点到各区域仓节点的第一单位运输成本集合、各区域仓节点到各前置仓节点的第二单位运输成本集合、各前置仓节点到各客户节点的第三单位运输成本集合；将待升级的前置仓节点、各节点之间的覆盖关系、各节点之间的运单数量作为决策变量；根据所述第一单位运输成本集合、所述第二单位运输成本集合、所述第三单位运输成本集合和所述决策变量计算总运输成本作为优化模型的目标。
在一些实施例中，所述网络总成本包括总仓租成本；以及所述根据所述网络结构信息和所述成本信息建立以最小化网络总成本为目标的优化模型，包括：获取各区域仓节点的单位运单对应的第一租金和各前置仓节点的单位运单对应的第二租金；将待升级的前置仓节点、各节点之间的覆盖关系、各节点之间的运单数量作为决策变量；根据所述第一租金、所述第二租金和所述决策变量计算总仓租成本作为优化模型的目标。
在一些实施例中，所述网络总成本包括总运输成本和总仓租成本；以及所述根据所述网络结构信息和所述成本信息建立以最小化网络总成本为目标的优化模型，还包括：获取供应商节点到各区域仓节点的第一单位运输成本集合、各区域仓节点到各前置仓节点的第二单位运输成本集合、各前置仓节点到各客户节点的第三单位运输成本集合；获取各区域仓节点的单位运单对应的第一租金和各前置仓节点的单位运单对应的第二租金；将待升级的前置仓节点、各节点之间的覆盖关系、各节点之间的运单数量作为决策变量；根据所述第一租金、所述第二租金和所述决策变量计算总仓租成本；根据所述第一单位运输成本集合、所述第二单位运输成本集合、所述第三单位运输成本集合和所述决策变量计算总运输成本；基于所述总运输成本和所述总仓租成本计算网络总成本作为优化模型的目标。
在一些实施例中，所述方法还包括：根据历史数据计算每段线路的绕行系数和中转次数；根据每段线路的绕行系数和中转次数对所述总运输成本进行调整。
在一些实施例中，所述决策变量中的各节点之间的运单数量包括从各供应商节点到各区域仓节点的运单的数量、从各区域仓节点到各前置仓节点的运单的数量、从各区域仓节点到各客户节点的不同时效的运单的数量、从各前置仓节点到各客户节点的不同时效的运单的数量。
在一些实施例中，所述方法还包括：根据不同时效的运单系数对所述总运输成本进行调整。
在一些实施例中，所述总运输成本包括区域仓节点与前置仓节点之间的内配运输成本和前置仓节点与客户节点之间的履约运输成本；以及所述方法还包括：计算各升仓方案的内配运输成本占总运输成本的比例；输出所述比例最低的升仓方案。
第二方面，本公开的实施例提供了一种物流网络升级装置，包括：获取单元，被配置成获取物流网络的网络结构信息和成本信息，其中，所述物流网络包括供应商节点、区域仓节点、前置仓节点、客户节点；生成单元，被配置成生成前置仓节点升级成区域仓节点的各种升仓方案；建立单元，被配置成根据所述网络结构信息和所述成本信息建立以最小化网络总成本为目标的优化模型；求解单元，被配置成在各升仓数量下求解所述优化模型，得到各升仓数量下的升仓方案，其中，所述优化模型的约束包括以下至少一项：升级仓数量约束、网络覆盖关系约束、客户需求约束、时效单量占比约束、节点流量平衡约束；输出单元，被配置成输出网络总成本最低的升仓方案。
在一些实施例中，输出单元进一步被配置成：计算各升仓数量下的升仓方案的平均成本；输出平均成本最低的升仓数量。
在一些实施例中，所述网络总成本包括总运输成本；以及建立单元进一步被配置成：获取供应商节点到各区域仓节点的第一单位运输成本集合、各区域仓节点到各前置仓节点的第二单位运输成本集合、各前置仓节点到各客户节点的第三单位运输成本集合；将待升级的前置仓节点、各节点之间的覆盖关系、各节点之间的运单数量作为决策变量；根据所述第一单位运输成本集合、所述第二单位运输成本集合、所述第三单位运输成本集合和所述决策变量计算总运输成本作为优化模型的目标。
在一些实施例中，所述网络总成本包括总仓租成本；以及建立单元进一步被配置成：获取各区域仓节点的单位运单对应的第一租金和各前置仓节点的单位运单对应的第二租金；将待升级的前置仓节点、各节点之间的覆盖关系、各节点之间的运单数量作为决策变量；根据所述第一租金、所述第二租金和所述决策变量计算总仓租成本作为优化模型的目标。
在一些实施例中，所述网络总成本包括总运输成本和总仓租成本；以及建立单元进一步被配置成：获取供应商节点到各区域仓节点的第一单位运输成本集合、各区域仓节点到各前置仓节点的第二单位运输成本集合、各前置仓节点到各客户节点的第三单位运输成本集合；获取各区域仓节点的单位运单对应的第一租金和各前置仓节点的单位运单对应的第二租金；将待升级的前置仓节点、各节点之间的覆盖关系、各节点之间的运单数量作为决策变量；根据所述第一租金、所述第二租金和所述决策变量计算总仓租成本；根据所述第一单位运输成本集合、所述第二单位运输成本集合、所述第三单位运输成本集合和所述决策变量计算总运输成本；基于所述总运输成本和所述总仓租成本计算网络总成本作为优化模型的目标。
在一些实施例中，求解单元进一步被配置成：根据历史数据计算每段线路的绕行系数和中转次数；根据每段线路的绕行系数和中转次数对所述总运输成本进行调整。
在一些实施例中，所述决策变量中的各节点之间的运单数量包括从各供应商节点到各区域仓节点的运单的数量、从各区域仓节点到各前置仓节点的运单的数量、从各区域仓节点到各客户节点的不同时效的运单的数量、从各前置仓节点到各客户节点的不同时效的运单的数量。
在一些实施例中，求解单元进一步被配置成：根据不同时效的运单系数对所述总运输成本进行调整。
在一些实施例中，所述总运输成本包括区域仓节点与前置仓节点之间的内配运输成本和前置仓节点与客户节点之间的履约运输成本；以及输出单元进一步被配置成：计算各升仓方案的内配运输成本占总运输成本的比例；输出所述比例最低的升仓方案。
第三方面，本公开的实施例提供了一种用于物流网络升级的电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面中任一项所述的方法。
第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如第一方面中任一项所述的方法。
本公开的实施例提供的物流网络升级方法和装置，将升仓所带来的额外成本视为沉没成本，并不引入模型网络总成本的计算中。而转而考虑升级前置仓的数量对于供应商的影响，具体来说，通过考虑不同数量区域仓情况下，供应商送货车辆装载率随区域仓数量增加而降低，从而反映不同方案对供应链网络总体成本的影响。由于区域仓的增加导致供应商送货需要更加分散，送货难度提高，规模效应下降，通过业务侧实际数据分析获得仓数量的增加带来的实际车辆装载率的下降数值。另一方面，由于装载率降低而增加的成本也可以视作对增加区域仓后供应商潜在的成本增加可能性的经济补偿，来提升供应商对于网络升级方案的接受度。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：
图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
图2是根据本公开的物流网络升级的方法的一个实施例的流程图；
图3是根据本公开的物流网络升级的方法的一个应用场景的示意图；
图4a-4c是根据本公开的物流网络的网络结构图；
图5是根据本公开的物流网络升级的装置的一个实施例的结构示意图；
图6是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
图1示出了物流网络的网络结构。如图1所示，网络中共包含四种不同的节点，分别为供应商节点、区域仓节点、前置仓节点、客户节点，供应商根据要求将货物送入各大区域仓，物流公司将区域仓的货物分货至不同的前置仓，并由前置仓向不同的客户履约。一般情况下，区域仓存放货物的sku种类较为齐全，仓库面积大，总体数量少；前置仓通常存放部分热销品，通过缩短货物存放位置与客户的物理距离，减少履约时间，提升服务质量。
随着企业业务的发展，客户对于除热销品外商品的需求量也逐渐增加，此时部分前置仓的热销品可能难以满足临近客户节点的需求，需要由区域仓对这部分的商品需求进行履约，但由于区域仓相比前置仓距离客户较远，物流服务质量、履约时效均难以保证。此时，考虑将部分的前置仓升级改造为区域仓，升级整体的仓网结构。该过程主要需要决策升级哪些前置仓，以及升级后区域仓与前置仓的覆盖关系如何调整；需要考虑的因素主要是升级后网络的总成本与总履约时效要求。
继续参考图2，示出了根据本公开的物流网络升级方法的一个实施例的流程200。该物流网络升级方法，包括以下步骤：
步骤201，获取物流网络的网络结构信息和成本信息。
在本实施例中，物流网络升级方法的执行主体（例如物流网络的服务器）可以通过有线连接方式或者无线连接方式获取物流网络的网络结构信息和成本信息。其中，物流网络包括供应商节点、区域仓节点、前置仓节点、客户节点。网络结构信息可包括各层节点数量、仓库节点出入库成本、需求节点需求单量、节点的位置、节点间线路长度等。成本信息可包括单位租金成本、单位运输成本等，可通过历史数据计算出成本信息。
步骤202，生成前置仓节点升级成区域仓节点的各种升仓方案。
在本实施例中，考虑一个单一供应商的四层供应链网络，该网络可以抽象为图4a的点线图。图中每一个点代表网络中的一个实体如仓或客户，每一条线代表一条可能的线路，完整的升仓方案测算应当决定哪些前置仓应该升级为区域仓、升级后区域仓与前置仓之间新的覆盖关系应该如何，及升级后剩余的前置仓与客户的覆盖关系应该如何。
为了简化问题，同时基于业务约束，本申请考虑一个简化的单一供应商的四层网络结构下的仓网升级问题，其中，网络升级不会改变前置仓到客户的覆盖关系，同时单一客户只能被1）单一区域仓履约；或2）单一前置仓及该前置仓对应的上游区域仓履约，该网络如图4b-4c所示，模型最终优化目的是决定使得网络整体成本最低的前置仓升级方案，及区域仓与前置仓间的覆盖关系。
生成所有升仓数量的可能性，即对应从升级单仓升级到前置仓全部升级。如图4c为将一个前置仓升级为区域仓的网络结构图。图中有4个前置仓，可以升级其中1个前置仓，则有4种升仓方案。也可以升级2个前置仓，任选2个组合，对应
种升仓方案，同理，还会有
种升仓方案和所有前置仓升级的方案。
前置仓升级为区域仓之后，覆盖关系也发生变化，供应商仍可直接给该区域仓送货，该区域仓直接给客户送货（即履约），该区域仓也可以给其它前置仓送货（即内配）。
本申请的计算均只考虑单一供应商的情况，同时网络中的商品考虑一个由所有品类聚合的抽象商品，该商品的质量体积等数据均为该品类具体sku的聚合后的平均值。因此实际对于不同品类，升级方案应当不同。
步骤203，根据网络结构信息和成本信息建立以最小化网络总成本为目标的优化模型。
在本实施例中，建立考虑供应商送仓数量影响的仓网升级模型如下：
集合
| 符号 | 含义 |
| I | 供应商集合 |
| J | 区域仓集合 |
| K | 前置仓集合 |
| L | 客户节点集合 |
| P | 配送线路不同时效类集合 |
| L K | 原网络中前置仓k覆盖的客户节点集合 |
参数
| 符号 | 含义 |
| N j | 升级前区域仓数量 |
| α | 要求升级仓数量 |
| h p | 商品p的重量，p∈P |
| d ij | 供应商i到区域仓j的单位运输成本：元/单 |
| d jk | 区域仓j到前置仓k的单位运输成本： 元/单 |
| d klp | 前置仓k到客户节点l以时效p的单位运输成本：元/单 |
| d jlp | 区域仓j到客户节点l以时效p的单位运输成本：元/单 |
| d j | 根据商品体积计算出的区域仓j单位运单对应租金：元/单 |
| d k | 根据商品体积计算出的前置仓k单位运单对应租金：元/单 |
| g fdc lp | 客户节点l对从前置仓发货、时效为p的运单的需求量 |
| g rdc l | 客户节点l对从区域仓发货运单的需求量 |
| f l | 客户节点l的上游前置仓 |
| q klp | 前置仓k覆盖客户节点l的运单中，时效为p的运单的占比 |
| r l | 客户节点l原来的上游区域仓 |
决策变量
| 符号 | 含义 |
| x k | 0-1变量，升级后仓k是否是区域仓,k∈K∪J |
| y ij | 连续变量，从供应商i运输到区域仓j的运单的数量 |
| y ik | 连续变量，从区域仓j运输到前置仓k的运单的数量 |
| y jlp | 连续变量，从区域仓j运输到客户节点l，时效为p的运单的数量 |
| y klp | 连续变量，从前置仓k运输到客户节点l，时效为p的运单的数量 |
| z ij | 0-1变量，供应商i是否覆盖区域仓j |
| z jk | 0-1变量，区域仓j是否覆盖前置仓k |
| z jl | 0-1变量，区域仓j是否覆盖客户节点l |
模型：
其中，
表示供应商到原本网络中的区域仓运输成本，
步骤204，在各升仓数量下求解优化模型，得到各升仓数量下的升仓方案。
在本实施例中，其中，优化模型的约束包括以下至少一项：升级仓数量约束、网络覆盖关系约束、客户需求约束、时效单量占比约束、节点流量平衡约束。求解满足约束条件和目标函数的优化模型，既可得到每种升仓数量下满足目标函数的升仓方案。升仓方案包括上表中决策变量的内容。
模型的目标函数主要由两个部分组成，一部分是网络的成本，主要是供应商的送货成本、区域仓向前置仓铺货的内配成本，及由区域仓、前置仓向客户履约的成本；另一部分是网络的仓租成本，主要受各仓流量影响。优化模型的约束可包括以下至少一项：模型的约束1主要包含升级仓后区域仓总数量约束，在本测算方法中，升级仓的数量由1到前置仓的全部数量N并行求解，对应N个优化问题。约束2限制某个前置仓被升级，才可以覆盖其他前置仓和被供应商送货。约束3基于业务要求，客户节点只能被某前置仓和向该前置仓内配的区域仓覆盖，约束4确保了客户节点需求被全部满足，约束5均为时效相关的约束，分为三种情况，一是原本覆盖客户节点的前置仓升级为区域仓后，原本网络中区域仓到该客户节点的运单，将按照原本该前置仓到客户节点的时效比例进行拆分，升级后该客户节点只被升级的前置仓覆盖；二是升级前后前置仓没有变化的客户节点，此时对于该客户节点来说，升级前后并没有网络结构的变化，因此各时效单量比例按照升级前的网络情况取即可；三是对应的前置仓并没有升级，但是覆盖前置仓的区域仓是新升级的区域仓的情况，由于原网络中缺少新区域仓到客户节点的相关数据，因此统一将这段线路的时效比例取为72小时时效，考虑最差情况，确保升级后的整体的时效单量比例满足要求，该情况下即原本网络中原区域仓到客户节点的单量，均转为72小时时效由新区域仓履约。约束6确保了网络升级前后由区域仓履约的总单量不变，约束7保证了升级前后由前置仓履约的时效单量比例不变。约束8确保了每个前置仓上游只有一个区域仓，约束9确保了每个客户节点上游只有一个区域仓。约束10确保了各仓节点流量平衡。约束11确保了线路单量与线路连通性的关系。
仓升级数量对于供应商送货成本的影响主要体现在目标函数中的参数
及/>
中，升仓数量1-N均对应了单独的送货成本。影响供应商送货成本的计算，升仓数量越多，车辆装载率下降，/>
及/>
均将增加。通过求解该模型，可以获得在升仓数量为/>
情况下，使得网络成本最低的最优升仓方案，及在该升仓方案下，区域仓与前置仓间的新覆盖关系。
步骤205，输出网络总成本最低的升仓方案。
在本实施例中，每种升仓数量下得到的升仓方案的成本也不一样，比较各升仓数量下的最优升仓方案，输出成本最低的方案，即为全局成本最低的方案。
本申请结合具体的业务需求，以尽可能减少升级后网络总成本为目标，并要求最优履约时效单量占总单量的比例满足下限，提出考虑供应商送仓数量影响的仓网升级测算方法。该方法通过遍历不同前置仓升级数量的可能，建立运筹模型，对应优化求解不同升级仓数量下的最优升级及覆盖方案，考虑升级导致的区域仓增加对供应商送货成本的影响，最终获得全局最优的仓网升级方案。
在本实施例的一些可选的实现方式中，所述方法还包括：计算各升仓数量下的升仓方案的平均成本；输出平均成本最低的升仓数量。
为了加快计算速度，可只计算预定数量的升仓方案的平均成本，例如，如果有32个升仓方案，可只计算成本最低的10个升仓方案的平均成本。
以下展示某区域升级仓方案的实际测算结果，该地区原本有区域仓1个，前置仓8个，因此备选升级仓的数量为1-8，最终模型的求解结果升级2仓，即网络中共3个区域仓、6个前置仓将取得最低的成本；从前10个最优的方案综合来看，升级3仓，即网络中共4个区域仓、5个前置仓平均成本更优。
从而可以在不能按最低成本升仓时选择平均成本最低的升仓数量，该升仓数量下的升仓方案可以任意选择方便布局的升仓方案。
在本实施例的一些可选的实现方式中，所述总运输成本包括区域仓节点与前置仓节点之间的内配运输成本和前置仓节点与客户节点之间的履约运输成本；以及所述方法还包括：计算各升仓方案的内配运输成本占总运输成本的比例；输出所述比例最低的升仓方案。
升仓减少了网络整体的运输成本，从比例来看，降低了内配运输成本所占总运输成本的比例。这是因为在升级后区域仓增加，与前置仓的平均距离均缩短，也缩短了区域仓向客户节点履约的平均距离，因此整体的运输成本有显著地下降。另一方面，由于平均距离的缩短，从履约时效来看，升级后时效等级为24小时的订单比例可以从约63%增加到约71%，提高了网络整体的服务水平。
在本实施例的一些可选的实现方式中，所述网络总成本包括总运输成本；以及所述根据所述网络结构信息和所述成本信息建立以最小化网络总成本为目标的优化模型，包括：获取供应商节点到各区域仓节点的第一单位运输成本集合、各区域仓节点到各前置仓节点的第二单位运输成本集合、各前置仓节点到各客户节点的第三单位运输成本集合；将待升级的前置仓节点、各节点之间的覆盖关系、各节点之间的运单数量作为决策变量；根据所述第一单位运输成本集合、所述第二单位运输成本集合、所述第三单位运输成本集合和所述决策变量计算总运输成本作为优化模型的目标。
如上表所示，第一单位运输成本为
，第二单位运输成本为/>
，第三单位运输成本为/>
和/>
。这些运输成本均可通过历史数据计算得到。
待升级的前置仓节点为
，各节点之间的覆盖关系为/>
、/>
、/>
，各节点之间的运单数量为/>
、/>
、/>
、/>
。
目标函数为：
在本实施例的一些可选的实现方式中，所述网络总成本包括总仓租成本；以及所述根据所述网络结构信息和所述成本信息建立以最小化网络总成本为目标的优化模型，包括：获取各区域仓节点的单位运单对应的第一租金和各前置仓节点的单位运单对应的第二租金；将待升级的前置仓节点、各节点之间的覆盖关系、各节点之间的运单数量作为决策变量；根据所述第一租金、所述第二租金和所述决策变量计算总仓租成本作为优化模型的目标。
成本的另一项数据是仓租相关成本，该成本与仓库的实际流量有关，根据运单量，计算单均件数如为2，便可计算出每个仓库的日均出库件数，仓库的库存水平即可计算为出库量*（安全库存天数+补货天数/2），结合商品的实际体积，能够获得所需要仓库的实际体积，通过不同地区仓库的坪效数据转化为所需仓库的面积数据，最终获得需要的仓库面积，最终根据单位租金转化为实际的仓租成本。
可按上述方法计算得到上表中的第一租金
和第二租金/>
。
目标函数为：
在本实施例的一些可选的实现方式中，所述网络总成本包括总运输成本和总仓租成本；以及所述根据所述网络结构信息和所述成本信息建立以最小化网络总成本为目标的优化模型，包括：获取供应商节点到各区域仓节点的第一单位运输成本集合、各区域仓节点到各前置仓节点的第二单位运输成本集合、各前置仓节点到各客户节点的第三单位运输成本集合；获取各区域仓节点的单位运单对应的第一租金和各前置仓节点的单位运单对应的第二租金；将待升级的前置仓节点、各节点之间的覆盖关系、各节点之间的运单数量作为决策变量；根据所述第一租金、所述第二租金和所述决策变量计算总仓租成本；根据所述第一单位运输成本集合、所述第二单位运输成本集合、所述第三单位运输成本集合和所述决策变量计算总运输成本；基于所述总运输成本和所述总仓租成本计算网络总成本作为优化模型的目标。
目标函数为上述两个目标函数之和。升级仓数量的增加将缩短区域仓向前置仓的平均内配距离，以及当前置仓无法满足要求时区域仓向客户节点履约的平均距离，从而减少运输成本并提升时效。但与之对应的，升仓数量的增加将提高升级仓的仓租成本，同时增加供应商的平均送货距离，提升供应商送货难度。当区域仓升级变多后，供应商送货分散，车辆装载率逐渐下降。
在本实施例的一些可选的实现方式中，所述方法还包括：根据历史数据计算每段线路的绕行系数和中转次数；根据每段线路的绕行系数和中转次数对所述总运输成本进行调整。考虑的成本项主要包含两项，一项是与运输有关的成本，考虑过程分拣及车辆绕行，该成本的计算口径如下：调整后的运输成本=单均运输成本*绕行系数+分拣成本*中转次数，其中每段线路的绕行系数与中转次数均由历史数据计算获得，对于未开线的线路，则按照相似路线取均值。送货与内配的中转次数均为0，绕行系数均为1；对于履约环节，考虑中转次数反应了环节中分拣的实际成本，绕行系数则是用于根据实际数据补偿理论单均运输成本与实际成本的差异。
在本实施例的一些可选的实现方式中，所述决策变量中的各节点之间的运单数量包括从各供应商节点到各区域仓节点的运单的数量、从各区域仓节点到各前置仓节点的运单的数量、从各区域仓节点到各客户节点的不同时效的运单的数量、从各前置仓节点到各客户节点的不同时效的运单的数量。时效指的是最长送达时间，例如24小时或48小时。
在本实施例的一些可选的实现方式中，所述方法还包括：根据不同时效的运单系数对所述总运输成本进行调整。对于履约环节，不同的履约时效单量对应成本的差异是在上述调整后的运输成本前乘上一个固定系数体现成本之间的差异，如24小时时效的履约单系数为1.3，48小时时效的履约单系数为1.1。从而可以修正运输成本，履约时效越短则运输成本越高。
继续参见图3，图3是根据本实施例的物流网络升级方法的应用场景的一个示意图。在图3的应用场景中，首先是数据输入，该过程读入当前网络各节点的信息如各层节点数量、仓库节点出入库成本、需求节点需求单量等，及线路相关的信息如线路长度、单位运输成本等，其次，生成所有升仓数量的可能性，即对应从升级单仓升级到前置仓全部升级；建立优化模型，求解各升仓数量下的最优方案，模型以最小化网络总成本为目标，考虑网络升级仓数量约束、网络覆盖关系约束、客户需求约束、时效单量占比约束、节点流量平衡约束等。采用遍历方案的原因主要是将升仓数量也作为变量加入模型将使得模型较为复杂，求解速度下降，同时不同升仓数量的方案之间相互独立，可以并行运行，对于每一个升仓数量的可能性，模型求解均较快。最后，比较各升仓数量下的最优成本，输出成本最低的方案，即为全局成本最低的方案。
进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种物流网络升级装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的物流网络升级装置500包括：获取单元501、生成单元502、建立单元503、求解单元504和输出单元505。其中，获取单元501，被配置成获取物流网络的网络结构信息和成本信息，其中，所述物流网络包括供应商节点、区域仓节点、前置仓节点、客户节点；生成单元502，被配置成生成前置仓节点升级成区域仓节点的各种升仓方案；建立单元503，被配置成根据所述网络结构信息和所述成本信息建立以最小化网络总成本为目标的优化模型；求解单元504，被配置成在各升仓数量下求解所述优化模型，得到各升仓数量下的升仓方案，其中，所述优化模型的约束包括以下至少一项：升级仓数量约束、网络覆盖关系约束、客户需求约束、时效单量占比约束、节点流量平衡约束；输出单元505，被配置成输出网络总成本最低的升仓方案。
在本实施例的一些可选的实现方式中，输出单元505进一步被配置成：计算各升仓数量下的升仓方案的平均成本；输出平均成本最低的升仓数量。
在本实施例的一些可选的实现方式中，所述网络总成本包括总运输成本；以及建立单元503进一步被配置成：获取供应商节点到各区域仓节点的第一单位运输成本集合、各区域仓节点到各前置仓节点的第二单位运输成本集合、各前置仓节点到各客户节点的第三单位运输成本集合；将待升级的前置仓节点、各节点之间的覆盖关系、各节点之间的运单数量作为决策变量；根据所述第一单位运输成本集合、所述第二单位运输成本集合、所述第三单位运输成本集合和所述决策变量计算总运输成本作为优化模型的目标。
在本实施例的一些可选的实现方式中，所述网络总成本包括总仓租成本；以及建立单元503进一步被配置成：获取各区域仓节点的单位运单对应的第一租金和各前置仓节点的单位运单对应的第二租金；将待升级的前置仓节点、各节点之间的覆盖关系、各节点之间的运单数量作为决策变量；根据所述第一租金、所述第二租金和所述决策变量计算总仓租成本作为优化模型的目标。
在本实施例的一些可选的实现方式中，所述网络总成本包括总运输成本和总仓租成本；以及建立单元503进一步被配置成：获取供应商节点到各区域仓节点的第一单位运输成本集合、各区域仓节点到各前置仓节点的第二单位运输成本集合、各前置仓节点到各客户节点的第三单位运输成本集合；获取各区域仓节点的单位运单对应的第一租金和各前置仓节点的单位运单对应的第二租金；将待升级的前置仓节点、各节点之间的覆盖关系、各节点之间的运单数量作为决策变量；根据所述第一租金、所述第二租金和所述决策变量计算总仓租成本；根据所述第一单位运输成本集合、所述第二单位运输成本集合、所述第三单位运输成本集合和所述决策变量计算总运输成本；基于所述总运输成本和所述总仓租成本计算网络总成本作为优化模型的目标。
在本实施例的一些可选的实现方式中，求解单元504进一步被配置成：根据历史数据计算每段线路的绕行系数和中转次数；根据每段线路的绕行系数和中转次数对所述总运输成本进行调整。
在本实施例的一些可选的实现方式中，所述决策变量中的各节点之间的运单数量包括从各供应商节点到各区域仓节点的运单的数量、从各区域仓节点到各前置仓节点的运单的数量、从各区域仓节点到各客户节点的不同时效的运单的数量、从各前置仓节点到各客户节点的不同时效的运单的数量。
在本实施例的一些可选的实现方式中，求解单元504进一步被配置成：根据不同时效的运单系数对所述总运输成本进行调整。
在本实施例的一些可选的实现方式中，所述总运输成本包括区域仓节点与前置仓节点之间的内配运输成本和前置仓节点与客户节点之间的履约运输成本；以及输出单元505进一步被配置成：计算各升仓方案的内配运输成本占总运输成本的比例；输出所述比例最低的升仓方案。
需要说明的是，本公开的技术方案中，所涉及的用户个人信息的采集、收集、更新、分析、处理、使用、传输、存储等方面，均符合相关法律法规的规定，被用于合法的用途，且不违背公序良俗。对用户个人信息采取必要措施，防止对用户个人信息数据的非法访问，维护用户个人信息安全、网络安全和国家安全。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质。
一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个计算机程序，当所述一个或多个计算机程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现流程200所述的方法。
一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现流程200所述的方法。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器（ROM）602中的计算机程序或者从存储单元608加载到随机访问存储器（RAM）603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出（I/O）接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理，例如物流网络升级的方法。例如，在一些实施例中，物流网络升级的方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的物流网络升级的方法的一个或多个步骤。备选地，在其他实施例中，计算单元601可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行物流网络升级的方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。服务器可以为分布式系统的服务器，或者是结合了区块链的服务器。服务器也可以是云服务器，或者是带人工智能技术的智能云计算服务器或智能云主机。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (12)
1.一种物流网络升级方法，包括：
获取物流网络的网络结构信息和成本信息，其中，所述物流网络包括供应商节点、区域仓节点、前置仓节点、客户节点；
生成前置仓节点升级成区域仓节点的各种升仓方案；
根据所述网络结构信息和所述成本信息建立以最小化网络总成本为目标的优化模型；
在各升仓数量下求解所述优化模型，得到各升仓数量下的升仓方案，其中，所述优化模型的约束包括以下至少一项：升级仓数量约束、网络覆盖关系约束、客户需求约束、时效单量占比约束、节点流量平衡约束；
输出网络总成本最低的升仓方案。
2.根据权利要求1所述的方法，其中，所述方法还包括：
计算各升仓数量下的升仓方案的平均成本；
输出平均成本最低的升仓数量。
3.根据权利要求1所述的方法，其中，所述网络总成本包括总运输成本；以及
所述根据所述网络结构信息和所述成本信息建立以最小化网络总成本为目标的优化模型，包括：
获取供应商节点到各区域仓节点的第一单位运输成本集合、各区域仓节点到各前置仓节点的第二单位运输成本集合、各前置仓节点到各客户节点的第三单位运输成本集合；
将待升级的前置仓节点、各节点之间的覆盖关系、各节点之间的运单数量作为决策变量；
根据所述第一单位运输成本集合、所述第二单位运输成本集合、所述第三单位运输成本集合和所述决策变量计算总运输成本作为优化模型的目标。
4.根据权利要求1所述的方法，其中，所述网络总成本包括总仓租成本；以及
所述根据所述网络结构信息和所述成本信息建立以最小化网络总成本为目标的优化模型，包括：
获取各区域仓节点的单位运单对应的第一租金和各前置仓节点的单位运单对应的第二租金；
将待升级的前置仓节点、各节点之间的覆盖关系、各节点之间的运单数量作为决策变量；
根据所述第一租金、所述第二租金和所述决策变量计算总仓租成本作为优化模型的目标。
5.根据权利要求1所述的方法，其中，所述网络总成本包括总运输成本和总仓租成本；以及
所述根据所述网络结构信息和所述成本信息建立以最小化网络总成本为目标的优化模型，包括：
获取供应商节点到各区域仓节点的第一单位运输成本集合、各区域仓节点到各前置仓节点的第二单位运输成本集合、各前置仓节点到各客户节点的第三单位运输成本集合；
获取各区域仓节点的单位运单对应的第一租金和各前置仓节点的单位运单对应的第二租金；
将待升级的前置仓节点、各节点之间的覆盖关系、各节点之间的运单数量作为决策变量；
根据所述第一租金、所述第二租金和所述决策变量计算总仓租成本；
根据所述第一单位运输成本集合、所述第二单位运输成本集合、所述第三单位运输成本集合和所述决策变量计算总运输成本；
基于所述总运输成本和所述总仓租成本计算网络总成本作为优化模型的目标。
6.根据权利要求3或5所述的方法，其中，所述方法还包括：
根据历史数据计算每段线路的绕行系数和中转次数；
根据每段线路的绕行系数和中转次数对所述总运输成本进行调整。
7.根据权利要求3或5所述的方法，其中，所述决策变量中的各节点之间的运单数量包括从各供应商节点到各区域仓节点的运单的数量、从各区域仓节点到各前置仓节点的运单的数量、从各区域仓节点到各客户节点的不同时效的运单的数量、从各前置仓节点到各客户节点的不同时效的运单的数量。
8.根据权利要求7所述的方法，其中，所述方法还包括：
根据不同时效的运单系数对所述总运输成本进行调整。
9.根据权利要求3或5所述的方法，其中，所述总运输成本包括区域仓节点与前置仓节点之间的内配运输成本和前置仓节点与客户节点之间的履约运输成本；以及
所述方法还包括：
计算各升仓方案的内配运输成本占总运输成本的比例；
输出所述比例最低的升仓方案。
10.一种物流网络升级装置，包括：
获取单元，被配置成获取物流网络的网络结构信息和成本信息，其中，所述物流网络包括供应商节点、区域仓节点、前置仓节点、客户节点；
生成单元，被配置成生成前置仓节点升级成区域仓节点的各种升仓方案；
建立单元，被配置成根据所述网络结构信息和所述成本信息建立以最小化网络总成本为目标的优化模型；
求解单元，被配置成在各升仓数量下求解所述优化模型，得到各升仓数量下的升仓方案，其中，所述优化模型的约束包括以下至少一项：升级仓数量约束、网络覆盖关系约束、客户需求约束、时效单量占比约束、节点流量平衡约束；
输出单元，被配置成输出网络总成本最低的升仓方案。
11.一种用于物流网络升级的电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个计算机程序，
当所述一个或多个计算机程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一项所述的方法。
12.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-9中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310635923.3A CN116362646B (zh) | 2023-05-31 | 2023-05-31 | 物流网络升级方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310635923.3A CN116362646B (zh) | 2023-05-31 | 2023-05-31 | 物流网络升级方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116362646A true CN116362646A (zh) | 2023-06-30 |
| CN116362646B CN116362646B (zh) | 2023-09-26 |
Family
ID=86905300
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310635923.3A Active CN116362646B (zh) | 2023-05-31 | 2023-05-31 | 物流网络升级方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116362646B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1643528A (zh) * | 2002-03-11 | 2005-07-20 | 美国联合包装服务有限公司 | 用于降低总体仓库和流水线存货的存货管理系统 |
| US20150254589A1 (en) * | 2014-03-04 | 2015-09-10 | Tata Consultancy Services Limited | System and Method to Provide Inventory Optimization in a Multi-Echelon Supply Chain Network |
| US20160048802A1 (en) * | 2014-08-13 | 2016-02-18 | Tianyu Luwang | Transportation planning for a regional logistics network |
| CN112633541A (zh) * | 2019-09-24 | 2021-04-09 | 北京沃东天骏信息技术有限公司 | 一种基于单品流的库存网络优化方法和装置 |
| CN113259144A (zh) * | 2020-02-07 | 2021-08-13 | 北京京东振世信息技术有限公司 | 一种仓储网络规划方法和装置 |
| CN113762859A (zh) * | 2020-11-25 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 库存分仓方法、装置、系统和存储介质 |
| CA3126555A1 (en) * | 2020-07-31 | 2022-01-31 | 10353744 Canada Ltd. | Optimization method, device, computer equipment and storage medium of logistics transportation network |
| CN114676875A (zh) * | 2021-12-23 | 2022-06-28 | 北京京东振世信息技术有限公司 | 仓储配送网络优化方法、设备、存储介质及程序产品 |
| CN114936690A (zh) * | 2022-05-16 | 2022-08-23 | 北京交通大学 | 仓店一体模式下前置仓选址与路径联合优化方法 |
| CN116090925A (zh) * | 2022-12-14 | 2023-05-09 | 东南大学 | 一种考虑不确定需求的低碳物流网络实现方法 |
-
2023
- 2023-05-31 CN CN202310635923.3A patent/CN116362646B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1643528A (zh) * | 2002-03-11 | 2005-07-20 | 美国联合包装服务有限公司 | 用于降低总体仓库和流水线存货的存货管理系统 |
| US20150254589A1 (en) * | 2014-03-04 | 2015-09-10 | Tata Consultancy Services Limited | System and Method to Provide Inventory Optimization in a Multi-Echelon Supply Chain Network |
| US20160048802A1 (en) * | 2014-08-13 | 2016-02-18 | Tianyu Luwang | Transportation planning for a regional logistics network |
| CN112633541A (zh) * | 2019-09-24 | 2021-04-09 | 北京沃东天骏信息技术有限公司 | 一种基于单品流的库存网络优化方法和装置 |
| CN113259144A (zh) * | 2020-02-07 | 2021-08-13 | 北京京东振世信息技术有限公司 | 一种仓储网络规划方法和装置 |
| CA3126555A1 (en) * | 2020-07-31 | 2022-01-31 | 10353744 Canada Ltd. | Optimization method, device, computer equipment and storage medium of logistics transportation network |
| CN113762859A (zh) * | 2020-11-25 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 库存分仓方法、装置、系统和存储介质 |
| CN114676875A (zh) * | 2021-12-23 | 2022-06-28 | 北京京东振世信息技术有限公司 | 仓储配送网络优化方法、设备、存储介质及程序产品 |
| CN114936690A (zh) * | 2022-05-16 | 2022-08-23 | 北京交通大学 | 仓店一体模式下前置仓选址与路径联合优化方法 |
| CN116090925A (zh) * | 2022-12-14 | 2023-05-09 | 东南大学 | 一种考虑不确定需求的低碳物流网络实现方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116362646B (zh) | 2023-09-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Díaz-Madroñero et al. | A review of tactical optimization models for integrated production and transport routing planning decisions | |
| Rivera et al. | Anticipatory freight selection in intermodal long-haul round-trips | |
| CN109993484B (zh) | 数据处理方法及系统、介质和计算设备 | |
| Meng et al. | Revenue management for container liner shipping services: Critical review and future research directions | |
| US20120323633A1 (en) | Supply chain management solution | |
| De et al. | Multi-period multi-echelon inventory transportation problem considering stakeholders behavioural tendencies | |
| Abudureheman et al. | Optimization model design of cross-border e-commerce transportation path under the background of prevention and control of COVID-19 pneumonia | |
| Zhen et al. | Capacitated closed-loop supply chain network design under uncertainty | |
| Budiman et al. | A mixed-integer model for the implementation of postponement strategies in the globalized green supply chain network | |
| Schmid et al. | Mixed model assembly line feeding with discrete location assignments and variable station space | |
| Hu et al. | Vehicle Routing Problem for Fashion Supply Chains with Cross‐Docking | |
| CN113259144A (zh) | 一种仓储网络规划方法和装置 | |
| Parsa et al. | Quantifying the benefits of continuous replenishment program for partner evaluation | |
| CN113487410A (zh) | 一种授信管理方法、装置、电子设备及计算机可读介质 | |
| Bae et al. | Hybrid modeling of collaborative freight transportation planning using agent-based simulation, auction-based mechanisms, and optimization | |
| Hu et al. | Research on the slot allocation of container liner under E-commerce environment | |
| Silva et al. | A hybrid bi-objective optimization approach for joint determination of safety stock and safety time buffers in multi-item single-stage industrial supply chains | |
| Liu et al. | Joint optimization of lot-sizing and pricing with backlogging | |
| Andaryan et al. | A heuristic approach to the stochastic capacitated single allocation hub location problem with Bernoulli demands | |
| Wang et al. | Integrated multimodal freight service network design and pricing with a competing service integrator and heterogeneous shipper classes | |
| Ghotb et al. | Scheduling of log logistics using a metaheuristic approach | |
| CN116362646B (zh) | 物流网络升级方法和装置 | |
| CN113743733B (zh) | 一种补货方法及系统 | |
| Hosoda et al. | Location, transshipment and routing: An adaptive transportation network integrating long-haul and local vehicle routing | |
| Yi et al. | Managing regional container terminal competition: the roles of information and government support |
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 |