CN116402424A - 一种物流配置优化调节方法及系统 - Google Patents
一种物流配置优化调节方法及系统 Download PDFInfo
- Publication number
- CN116402424A CN116402424A CN202310367430.6A CN202310367430A CN116402424A CN 116402424 A CN116402424 A CN 116402424A CN 202310367430 A CN202310367430 A CN 202310367430A CN 116402424 A CN116402424 A CN 116402424A
- Authority
- CN
- China
- Prior art keywords
- cargoes
- cargo
- goods
- cost
- truck
- 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 24
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 238000012946 outsourcing Methods 0.000 claims abstract description 6
- 238000005096 rolling process Methods 0.000 claims description 22
- 238000004519 manufacturing process Methods 0.000 claims description 18
- 238000013178 mathematical model Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 15
- 238000004806 packaging method and process Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012856 packing Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 6
- 238000002360 preparation method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 description 3
- 241000531116 Blitum bonus-henricus Species 0.000 description 2
- 235000008645 Chenopodium bonus henricus Nutrition 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
- G06Q10/06—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
-
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种物流配置优化调节方法及系统,包括以下步骤:步骤S1:获取需要配送货物的总重量以及总体积,判断出当前运输节点中所有货车是否满足该货物的运输需求,若不满足则执行步骤S2;步骤S2:获取超出所有货车运输需求的运输量X1,选择若干货物进行外协处理,其中外协处理的货物的总运输量X2大于运输量X1;步骤S3:使用本运输节点的货车对剩余的货物进行运输。通过合理的选择外协,以减轻运输节点的运输压力,从而提供更加良好的货物配送服务。
Description
技术领域
本发明涉及智能物流运输技术领域,特别是一种物流配置优化调节方法及系统。
背景技术
随着电子商务的迅猛发展以及现代消费方式的不断升级,物流配送需求日益增长。特别是在某些特定的节日中,由于商家的活动增加,导致商品的下单量剧增,对应的物流配送量也会急剧增加,有时候会导致某个运输节点中配送的车辆数量无法满足货物的运输配送需求。此时部分运输节点会部分的货物以外协的形式进行配送,以减轻运输节点的货物配送压力,而外协的工作形式所使用的费用往往会比较高,所以如何减低外协决策的成本称为运输运输节点的亟待解决的难题。
发明内容
针对上述缺陷,本发明的目的在于提出一种物流配置优化调节方法,通过合理的选择外协,以减轻运输节点的运输压力,从而提供更加良好的货物配送服务。
为达此目的,本发明采用以下技术方案:一种物流配置优化调节方法,包括以下步骤:
步骤S1:获取需要配送货物的总重量以及总体积,判断出当前运输节点中所有货车是否满足该货物的运输需求,若不满足则执行步骤S2;
步骤S2:获取超出所有货车运输需求的运输量X1,选择若干货物进行外协处理,其中外协处理的货物的总运输量X2大于运输量X1;
步骤S3:使用本运输节点的货车对剩余的货物进行运输。
优选的,所述步骤S2中的具体步骤如下:
通过货物的信息构建出滚动调度的数学模型;
通过所述数学模型求算出每一批货物的外协合理系数,根据所述外协合理系数对货物进行大小顺序排序;
从大到小的顺序依次选择货物作为外协处理的货物,直到外协处理的货物的总运输量X2大于运输量X1,停止外协处理货物的选择。
优选的,构建出滚动调度的数学模型的步骤如下:
从运输节点的erp上获取得到所有货物中的单批次获取在运输节点内部运输的成本PIj、外协成本POj以及批次的货物数量,计算得到在该滚动周期内的总生产成本以及外协所用的额外成本;
根据货物的运输拖期量和拖期惩罚系数,设置货物货物的拖期惩罚;
根据所述总生产成本以及拖期惩罚,建立最小化拖期惩罚系数和额外成本系数的目标函数;
通过解析所述目标函数得到货物的外协成本;
总生产成本如下所示:
滚动周期中额外成本如下所示:
其中Nb为滚动周期中的所有货物数量、no为本批次所选择外协处理货物的数量、nEm为紧急外协货物的数量、PIj为货物j在运输节点内部运输的成本,Em_POj为运输时间余量Tmj小于外协准备时间Tpre的情况下将货物作为紧急处理的外协成本、Ord_POj为货物j满足外协准备时间的情况下的外协成本;
所述拖期惩罚如下所示:
其中Jb为批次b中包含的所有货物集合、Tjb为批次b中货物j的拖期量、αjb为批次b中货物j的拖期惩罚系数;
所述目标函数如下所示:
Extra-Cost为滚动周期中额外成本,Extra-Cost为总生产成本、Max-Twk为最大的批次拖期惩罚、Bn为一个外协车辆的货物运输量。
优选的,其中所述货物j在运输节点内部运输的成本的获取方法如下:
步骤A1:构建三维连续装箱模型,使用所述三维连续装箱模型对的货物进行装箱排布,得到排布方案;
步骤A2:获取货物j所在排布方案中所有货物的总重量,并通过总重量得到货物j在运输节点内部运输的成本。
优选的,所述步骤A1的具体步骤如下:
步骤A1:获取每一个货物的体积,根据货物的体积计算得到每一个货物在包装后的包装体积;
步骤A2:判断所有货物包装体积的总体积和是否大于单一货车的装载体积,若小于单一货车的装载体积,则再次判断货物的总体积是否大于货车的载货量,若小于货车的载货量,将所有货物关联至绑定至同一货车;
若所有货物包装体积的总体积和大于单一货车的装载体积,则通过贪心算法获取单一货车装载货物的货物清单,并计算货物清单的装载率,若装载率大于100%或者小于90%,则去除该货物清单,并重新调用贪心算法,选取下一货物清单,直至该货物清单的装载率大于90%且小于100%,并货物清单中的货物与货车进行关联绑定;
步骤A3:判断所有货物是否都关联绑定有货车信息,若否,从总货物中去除货物清单的货物,重新执行步骤A2~A3,直至所有货物都关联绑定有货车信息;
步骤A4:将货物清单输出至三维连续装箱模型中,得到每一个货物清单的排布方案;
其中包装体积计算包装体积的公式如下:
Vi=x′*y′*z′,其中x′,y′,z′分别为包装的长、宽、高,其中:
x′=x+z′;
y′=y+z′;
其中z,x,y分别为货物的长、宽、高;
装载率的计算公式如下:
其中O为货物清单的货物集合,Bo为第o个货物所用的耗材集合、n为货物数量、mo为第o个货物所使用耗材的数量、Vi为第i个货物的包装体积、Vj为第j个货物的体积、Vx为货车的装载体积、λ为比例系数。
一种物流配置优化调节系统,使用所述一种物流配置优化调节方法,包括判断模块,选择模块以及运输模块;
其中所述判断模块用于获取需要配送货物的总重量以及总体积,判断出当前运输节点中所有货车是否满足该货物的运输需求,若不满足则调用选择模块;
所述选择模块用于获取超出所有货车运输需求的运输量X1,选择若干货物进行外协处理,其中外协处理的货物的总运输量X2大于运输量X;
所述运输模块用于使用本运输节点的货车对剩余的货物进行运输。
优选的,所述选择模块包括构建子模块、排序子模块以及处理子模块;
所述构建子模块用于通过货物的信息构建出滚动调度的数学模型;
所述排序子模块用于通过所述数学模型求算出每一批货物的外协合理系数,根据所述外协合理系数对货物进行大小顺序排序;
所述处理子模块用于从大到小的顺序依次选择货物作为外协处理的货物,直到外协处理的货物的总运输量X2大于运输量X1,停止外协处理货物的选择。
优选的,所述构建子模块包括成本单元、拖期单元、构建单元以及解析单元;
所述成本单元用于从运输节点的erp上获取得到所有货物中的单批次获取在运输节点内部运输的成本PIj、外协成本POj以及批次的货物数量,计算得到在该滚动周期内的总生产成本以及外协所用的额外成本;
所述拖期单元用于根据货物的运输拖期量和拖期惩罚系数,设置货物货物的拖期惩罚;
所述构建单元用于根据所述总生产成本以及拖期惩罚,建立最小化拖期惩罚系数和额外成本系数的目标函数;
所述解析单元用于通过解析所述目标函数得到货物的外协成本。
优选的,所述成本单元还包括点内成本获取子单元;
所述内成本获取子单元用于构建三维连续装箱模型,使用所述三维连续装箱模型对的货物进行装箱排布,得到排布方案;
获取货物j所在排布方案中所有货物的总重量,并通过总重量得到货物j在运输节点内部运输的成本。
优选的,所述点内成本获取子单元包括包装计算次单元、货车绑定次单元以及排布次单元;
所述包装计算次单元用于获取每一个货物的体积,根据货物的体积计算得到每一个货物在包装后的包装体积;
所述货车绑定次单元用于判断所有货物包装体积的总体积和是否大于单一货车的装载体积,若小于单一货车的装载体积,则再次判断货物的总体积是否大于货车的载货量,若小于货车的载货量,将所有货物关联至绑定至同一货车;
若所有货物包装体积的总体积和大于单一货车的装载体积,则通过贪心算法获取单一货车装载货物的货物清单,并计算货物清单的装载率,若装载率大于100%或者小于90%,则去除该货物清单,并重新调用贪心算法,选取下一货物清单,直至该货物清单的装载率大于90%且小于100%,并货物清单中的货物与货车进行关联绑定;
所述排布次单元用于将货物清单输出至三维连续装箱模型中,得到每一个货物清单的排布方案。
上述技术方案中的一个技术方案具有如下优点或有益效果:通过合理的选择外协,以减轻运输节点的运输压力,从而提供更加良好的货物配送服务。
附图说明
图1是本发明方法的一个实施例的流程图。
图2是本发明系统的一个实施例的结构示意图。
具体实施方式
下面详细描述本发明的实施方式,实施方式的示例在附图中示出,其中,相同或类似的标号自始至终表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。
在本发明的实施方式的描述中,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的实施方式的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
如图1~2所示,一种物流配置优化调节方法,包括以下步骤:
步骤S1:获取需要配送货物的总重量以及总体积,判断出当前运输节点中所有货车是否满足该货物的运输需求,若不满足则执行步骤S2;
步骤S2:获取超出所有货车运输需求的运输量X1,选择若干货物进行外协处理,其中外协处理的货物的总运输量X2大于运输量X1;
步骤S3:使用本运输节点的货车对剩余的货物进行运输。
在货物的运输的过程中是不能超载的,所有货物对货车的运输限制存在有两个,所有货物一个总重量另一个是所有货物的总体积。获取需要配送货物的总重量以及总体积,而运输节点中所有货车有存在有规定的运输要求,当货物的总重量或者总体积超过所述所有货车有存在有规定的运输要求时,则需要说明当前运输节点的所有货车不能满足运输所有货物的需求,此时需要进行外协处理。例如在一个实施例中,运输节点中存在有30t的货物,而当前运输节点中存在有5台货车,每一台货车的载重需求为5t,此时所有货车的运输总重量为25t,无法满足所有货物的运输需求。同理对于体积的判断也是如此。
而在选择外协时需要注意的是,选择外协处理的总运输量X2是需要大于超出的运输量X1。而所述运输量的选择为:当货物的总重量超过运输节点货车的运输需求时,该运输量为重量,例如在上述实施例中,体积是没有超过货车运输需求,只有重量是超过货车的运输需求,所以在本实施例中所述运输量X1为5t,对于外协货物的选择总运输量X2是要大于5t,以确保当前运输节点中所有货车是可以对剩余的货物进行运输的。值得一提的是,在本发明中所配送的货物均为同一目的地。
优选的,所述步骤S2中的具体步骤如下:
通过货物的信息构建出滚动调度的数学模型;
通过所述数学模型求算出每一批货物的外协合理系数,根据所述外协合理系数对货物进行大小顺序排序;
从大到小的顺序依次选择货物作为外协处理的货物,直到外协处理的货物的总运输量X2大于运输量X1,停止外协处理货物的选择。
在本发明中设置有滚动调度的数学模型,通过该数学模型可以获取每一批货物在外协中是否合理,然后对该些货物的外协合理系数进行从大到小的排序,其中当外协合理系数越大,该货物在使用外协的性价比就越高。最后从大到小逐一选择出需要需要进行外协处理的货物,即可完成对外协货物的旋转。
优选的,构建出滚动调度的数学模型的步骤如下:
从运输节点的erp上获取得到所有货物中的单批次获取在运输节点内部运输的成本PIj、外协成本POj以及批次的货物数量,计算得到在该滚动周期内的总生产成本以及外协所用的额外成本;
根据货物的运输拖期量和拖期惩罚系数,设置货物货物的拖期惩罚;
根据所述总生产成本以及拖期惩罚,建立最小化拖期惩罚系数和额外成本系数的目标函数;
通过解析所述目标函数得到货物的外协成本;
总生产成本如下所示:
滚动周期中额外成本如下所示:
其中Nb为滚动周期中的所有货物数量、no为本批次所选择外协处理货物的数量、nEm为紧急外协货物的数量、PIj为货物j在运输节点内部运输的成本,Em_POj为运输时间余量Tmj小于外协准备时间Tpre的情况下将货物作为紧急处理的外协成本、Ord_POj为货物j满足外协准备时间的情况下的外协成本;
所述拖期惩罚如下所示:
其中Jb为批次b中包含的所有货物集合、Tjb为批次b中货物j的拖期量、αjb为批次b中货物j的拖期惩罚系数;
所述目标函数如下所示:
Extra-Cost为滚动周期中额外成本,Extra-Cost为总生产成本、Max-Twk为最大的批次拖期惩罚、Bn为一个外协车辆的货物运输量。
在解析目标函数时,由于在滚动周期中选择的货物不同,其周期中额外成本不同、拖期惩罚系数等其他参数都不同,解析时需要通过常规的组合查找技术,找出使得目标函数最小的值。
优选的,其中所述货物j在运输节点内部运输的成本的获取方法如下:
步骤A1:构建三维连续装箱模型,使用所述三维连续装箱模型对的货物进行装箱排布,得到排布方案;
三维连续装箱模型为现有的装箱模型,可以自动对货物进行排序,在使用时,需要将货车的装载空间大小以及需要装载的货物输入至该模型中,即可得到该货车装载货物的排布排布方案。在进行货物装车时,可以将排布方案打印出来,给予工人观察,便于工人对货物进行装车,大大减少了装车时,货车内堆放货物内所使用的时间,提升装车的效率。
步骤A2:获取货物j所在排布方案中所有货物的总重量,并通过总重量得到货物j在运输节点内部运输的成本。
在本发明的一个实施例中,当获取到排布方案后,即可知道需要使用多少台车进行运输,而运输节点内部运输的成本与货物的总量钩挂,当知道某一台车的排布方案后,即可知道该车所装载货物的重量,然后计算得到运输的成本。
优选的,所述步骤A1的具体步骤如下:
步骤A1:获取每一个货物的体积,根据货物的体积计算得到每一个货物在包装后的包装体积;
步骤A2:判断所有货物包装体积的总体积和是否大于单一货车的装载体积,若小于单一货车的装载体积,则再次判断货物的总体积是否大于货车的载货量,若小于货车的载货量,将所有货物关联至绑定至同一货车;
此时由于货物的重量以及体积都小于货车的载货量以及装载体积,无需在进行货物的分配,直接将所有货物都使用同一货车进行运输即可。
若所有货物包装体积的总体积和大于单一货车的装载体积,则通过贪心算法获取单一货车装载货物的货物清单,并计算货物清单的装载率,若装载率大于100%或者小于90%,则去除该货物清单,并重新调用贪心算法,选取下一货物清单,直至该货物清单的装载率大于90%且小于100%,并货物清单中的货物与货车进行关联绑定;
首先会使用贪心算法对某一车辆的货物进行选择,当选择出货物清单后,计算该货车对该货物清单中货物的装载率是多少,在本发明中,是以重量作为贪心算法的选择维度,选择出货物清单中货物的重量最接近货车的装载重量,但是由于货车在装车时不单单是需要考虑重量,还需要考虑到体积,所以在使用贪心算法选出货物清单后,还需要计算货物的装载率,而货物在运输时需要进行包装,以确保货物的安全运输,所以在本发明中首先会计算每一个货物的包装体积,通过包装体积来计算货车的装载率。当装载率大于100%时,说明货物无法完全填装在货车里面,而当小于90%时,货车内还存在有一定空闲的空间,存在的运输浪费。故当出现上诉两种情况的其中一种时,该货物清单去除不用。此时再次使用贪心算法获取得到新的货物清单。
当货物清单满足装载率大于90%且小于100%,时与货车进行绑定,确定一批货物所对应的运输货车。便于后续三维连续装箱模型的输入值输入。
步骤A3:判断所有货物是否都关联绑定有货车信息,若否,从总货物中去除货物清单的货物,重新执行步骤A2~A3,直至所有货物都关联绑定有货车信息;
步骤A4:将货物清单输出至三维连续装箱模型中,得到每一个货物清单的排布方案;
其中包装体积计算包装体积的公式如下:
Vi=x′*y′*z′,其中x′,y′,z′分别为包装的长、宽、高,其中:
x′=x+z′;
y′=y+z′;
其中z,x,y分别为货物的长、宽、高;
装载率的计算公式如下:
其中O为货物清单的货物集合,Bo为第o个货物所用的耗材集合、n为货物数量、mo为第o个货物所使用耗材的数量、Vi为第i个货物的包装体积、Vj为第j个货物的体积、Vx为货车的装载体积、λ为比例系数。
其中λ为比例系数,其反应的是货物体积与装车时的包装体积之间的比例关系,例如在一个货物的体积为10,其包装体积10.5,但是由于在装车是,包装可能会出现变形之类,压缩了包装内的空气,导致了装车后的包装体积出现了变化,可能变成了10.3等。其中比例系数是通过货物的种类以及包装等质量通过算法训练得到,在此不过多解释其训练的过程,其大致的训练过程为通过输入相应的货物材质以及包装质量,得到对应的包装变形率。通过加入比例系数能够更加准确得到体积参数。
一种物流配置优化调节系统,使用所述一种物流配置优化调节方法,包括判断模块,选择模块以及运输模块;
其中所述判断模块用于获取需要配送货物的总重量以及总体积,判断出当前运输节点中所有货车是否满足该货物的运输需求,若不满足则调用选择模块;
所述选择模块用于获取超出所有货车运输需求的运输量X1,选择若干货物进行外协处理,其中外协处理的货物的总运输量X2大于运输量X;
所述运输模块用于使用本运输节点的货车对剩余的货物进行运输。
优选的,所述选择模块包括构建子模块、排序子模块以及处理子模块;
所述构建子模块用于通过货物的信息构建出滚动调度的数学模型;
所述排序子模块用于通过所述数学模型求算出每一批货物的外协合理系数,根据所述外协合理系数对货物进行大小顺序排序;
所述处理子模块用于从大到小的顺序依次选择货物作为外协处理的货物,直到外协处理的货物的总运输量X2大于运输量X1,停止外协处理货物的选择。
优选的,所述构建子模块包括成本单元、拖期单元、构建单元以及解析单元;
所述成本单元用于从运输节点的erp上获取得到所有货物中的单批次获取在运输节点内部运输的成本PIj、外协成本POj以及批次的货物数量,计算得到在该滚动周期内的总生产成本以及外协所用的额外成本;
所述拖期单元用于根据货物的运输拖期量和拖期惩罚系数,设置货物货物的拖期惩罚;
所述构建单元用于根据所述总生产成本以及拖期惩罚,建立最小化拖期惩罚系数和额外成本系数的目标函数;
所述解析单元用于通过解析所述目标函数得到货物的外协成本。
优选的,所述成本单元还包括点内成本获取子单元;
所述内成本获取子单元用于构建三维连续装箱模型,使用所述三维连续装箱模型对的货物进行装箱排布,得到排布方案;
获取货物j所在排布方案中所有货物的总重量,并通过总重量得到货物j在运输节点内部运输的成本。
优选的,所述点内成本获取子单元包括包装计算次单元、货车绑定次单元以及排布次单元;
所述包装计算次单元用于获取每一个货物的体积,根据货物的体积计算得到每一个货物在包装后的包装体积;
所述货车绑定次单元用于判断所有货物包装体积的总体积和是否大于单一货车的装载体积,若小于单一货车的装载体积,则再次判断货物的总体积是否大于货车的载货量,若小于货车的载货量,将所有货物关联至绑定至同一货车;
若所有货物包装体积的总体积和大于单一货车的装载体积,则通过贪心算法获取单一货车装载货物的货物清单,并计算货物清单的装载率,若装载率大于100%或者小于90%,则去除该货物清单,并重新调用贪心算法,选取下一货物清单,直至该货物清单的装载率大于90%且小于100%,并货物清单中的货物与货车进行关联绑定;
所述排布次单元用于将货物清单输出至三维连续装箱模型中,得到每一个货物清单的排布方案。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示意性实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施方式,可以理解的是,上述实施方式是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施实施进行变化、修改、替换和变型。
Claims (10)
1.一种物流配置优化调节方法,其特征在于,包括以下步骤:
步骤S1:获取需要配送货物的总重量以及总体积,判断出当前运输节点中所有货车是否满足该货物的运输需求,若不满足则执行步骤S2;
步骤S2:获取超出所有货车运输需求的运输量X1,选择若干货物进行外协处理,其中外协处理的货物的总运输量X2大于运输量X1;
步骤S3:使用本运输节点的货车对剩余的货物进行运输。
2.根据权利要求1所述的一种物流配置优化调节方法,其特征在于,所述步骤S2中的具体步骤如下:
通过货物的信息构建出滚动调度的数学模型;
通过所述数学模型求算出每一批货物的外协合理系数,根据所述外协合理系数对货物进行大小顺序排序;
从大到小的顺序依次选择货物作为外协处理的货物,直到外协处理的货物的总运输量X2大于运输量X1,停止外协处理货物的选择。
3.根据权利要求2所述的一种物流配置优化调节方法,其特征在于,构建出滚动调度的数学模型的步骤如下:
从运输节点的erp上获取得到所有货物中的单批次获取在运输节点内部运输的成本PIj、外协成本POj以及批次的货物数量,计算得到在该滚动周期内的总生产成本以及外协所用的额外成本;
根据货物的运输拖期量和拖期惩罚系数,设置货物货物的拖期惩罚;
根据所述总生产成本以及拖期惩罚,建立最小化拖期惩罚系数和额外成本系数的目标函数;
通过解析所述目标函数得到货物的外协成本;
总生产成本如下所示:
滚动周期中额外成本如下所示:
其中Nb为滚动周期中的所有货物数量、no为本批次所选择外协处理货物的数量、nEm为紧急外协货物的数量、PIj为货物j在运输节点内部运输的成本,Em_POj为运输时间余量Tmj小于外协准备时间Tpre的情况下将货物作为紧急处理的外协成本、Ord_POj为货物j满足外协准备时间的情况下的外协成本;
所述拖期惩罚如下所示:
其中Jb为批次b中包含的所有货物集合、Tjb为批次b中货物j的拖期量、αjb为批次b中货物j的拖期惩罚系数;
所述目标函数如下所示:
Extra-Cost为滚动周期中额外成本,Extra-Cost为总生产成本、Max-Twk为最大的批次拖期惩罚、Bn为一个外协车辆的货物运输量。
4.根据权利要求3所述的一种物流配置优化调节方法,其特征在于,其中所述货物j在运输节点内部运输的成本的获取方法如下:
步骤A1:构建三维连续装箱模型,使用所述三维连续装箱模型对的货物进行装箱排布,得到排布方案;
步骤A2:获取货物j所在排布方案中所有货物的总重量,并通过总重量得到货物j在运输节点内部运输的成本。
5.根据权利要求4所述的一种物流配置优化调节方法,其特征在于,所述步骤A1的具体步骤如下:
步骤A1:获取每一个货物的体积,根据货物的体积计算得到每一个货物在包装后的包装体积;
步骤A2:判断所有货物包装体积的总体积和是否大于单一货车的装载体积,若小于单一货车的装载体积,则再次判断货物的总体积是否大于货车的载货量,若小于货车的载货量,将所有货物关联至绑定至同一货车;
若所有货物包装体积的总体积和大于单一货车的装载体积,则通过贪心算法获取单一货车装载货物的货物清单,并计算货物清单的装载率,若装载率大于100%或者小于90%,则去除该货物清单,并重新调用贪心算法,选取下一货物清单,直至该货物清单的装载率大于90%且小于100%,并货物清单中的货物与货车进行关联绑定;
步骤A3:判断所有货物是否都关联绑定有货车信息,若否,从总货物中去除货物清单的货物,重新执行步骤A2~A3,直至所有货物都关联绑定有货车信息;
步骤A4:将货物清单输出至三维连续装箱模型中,得到每一个货物清单的排布方案;
其中包装体积计算包装体积的公式如下:
Vi=x′*y′*z′,其中x′,y′,z′分别为包装的长、宽、高,其中:
x′=x+z′;
y′=y+z′;
其中z,x,y分别为货物的长、宽、高;
装载率的计算公式如下:
其中O为货物清单的货物集合,Bo为第o个货物所用的耗材集合、n为货物数量、mo为第o个货物所使用耗材的数量、Vi为第i个货物的包装体积、Vj为第j个货物的体积、Vx为货车的装载体积、λ为比例系数。
6.一种物流配置优化调节系统,使用权利要求1~5任一项所述一种物流配置优化调节方法,其特征在于,包括判断模块,选择模块以及运输模块;
其中所述判断模块用于获取需要配送货物的总重量以及总体积,判断出当前运输节点中所有货车是否满足该货物的运输需求,若不满足则调用选择模块;
所述选择模块用于获取超出所有货车运输需求的运输量X1,选择若干货物进行外协处理,其中外协处理的货物的总运输量X2大于运输量X;
所述运输模块用于使用本运输节点的货车对剩余的货物进行运输。
7.根据权利要求6所述的一种物流配置优化调节系统,其特征在于,所述选择模块包括构建子模块、排序子模块以及处理子模块;
所述构建子模块用于通过货物的信息构建出滚动调度的数学模型;
所述排序子模块用于通过所述数学模型求算出每一批货物的外协合理系数,根据所述外协合理系数对货物进行大小顺序排序;
所述处理子模块用于从大到小的顺序依次选择货物作为外协处理的货物,直到外协处理的货物的总运输量X2大于运输量X1,停止外协处理货物的选择。
8.根据权利要求7所述的一种物流配置优化调节系统,其特征在于,所述构建子模块包括成本单元、拖期单元、构建单元以及解析单元;
所述成本单元用于从运输节点的erp上获取得到所有货物中的单批次获取在运输节点内部运输的成本PIj、外协成本POj以及批次的货物数量,计算得到在该滚动周期内的总生产成本以及外协所用的额外成本;
所述拖期单元用于根据货物的运输拖期量和拖期惩罚系数,设置货物货物的拖期惩罚;
所述构建单元用于根据所述总生产成本以及拖期惩罚,建立最小化拖期惩罚系数和额外成本系数的目标函数;
所述解析单元用于通过解析所述目标函数得到货物的外协成本。
9.根据权利要求8所述的一种物流配置优化调节系统,其特征在于,所述成本单元还包括点内成本获取子单元;
所述内成本获取子单元用于构建三维连续装箱模型,使用所述三维连续装箱模型对的货物进行装箱排布,得到排布方案;
获取货物j所在排布方案中所有货物的总重量,并通过总重量得到货物j在运输节点内部运输的成本。
10.根据权利要求9所述的一种物流配置优化调节系统,其特征在于,所述点内成本获取子单元包括包装计算次单元、货车绑定次单元以及排布次单元;
所述包装计算次单元用于获取每一个货物的体积,根据货物的体积计算得到每一个货物在包装后的包装体积;
所述货车绑定次单元用于判断所有货物包装体积的总体积和是否大于单一货车的装载体积,若小于单一货车的装载体积,则再次判断货物的总体积是否大于货车的载货量,若小于货车的载货量,将所有货物关联至绑定至同一货车;
若所有货物包装体积的总体积和大于单一货车的装载体积,则通过贪心算法获取单一货车装载货物的货物清单,并计算货物清单的装载率,若装载率大于100%或者小于90%,则去除该货物清单,并重新调用贪心算法,选取下一货物清单,直至该货物清单的装载率大于90%且小于100%,并货物清单中的货物与货车进行关联绑定;
所述排布次单元用于将货物清单输出至三维连续装箱模型中,得到每一个货物清单的排布方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310367430.6A CN116402424B (zh) | 2023-04-07 | 2023-04-07 | 一种物流配置优化调节方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310367430.6A CN116402424B (zh) | 2023-04-07 | 2023-04-07 | 一种物流配置优化调节方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116402424A true CN116402424A (zh) | 2023-07-07 |
CN116402424B CN116402424B (zh) | 2024-01-23 |
Family
ID=87019515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310367430.6A Active CN116402424B (zh) | 2023-04-07 | 2023-04-07 | 一种物流配置优化调节方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116402424B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002230058A (ja) * | 2001-01-30 | 2002-08-16 | Toyota Motor Corp | 梱包形態決定装置、梱包関連情報管理システム |
JP2003335416A (ja) * | 2002-05-20 | 2003-11-25 | Dainippon Printing Co Ltd | 積載効率シミュレーションシステム |
JP2004075320A (ja) * | 2002-08-20 | 2004-03-11 | Kawasaki Kisen Kaisha Ltd | 貨物積付計画装置、貨物積付計画方法および貨物積付計画プログラム |
CN108985527A (zh) * | 2018-08-28 | 2018-12-11 | 武汉易普优科技有限公司 | 一种基于动态产能的订单交货期评估方法 |
CN110175405A (zh) * | 2019-05-27 | 2019-08-27 | 上海维祥信息技术有限公司 | 车辆装载优化方法及系统 |
CN111768151A (zh) * | 2020-06-28 | 2020-10-13 | 战马物流(苏州)有限公司 | 一种货物装车用车辆装载方法及系统 |
US20200364664A1 (en) * | 2018-02-06 | 2020-11-19 | Huawei Technologies Co., Ltd. | Method for determining transportation scheme, method for training fast loading model, and device |
CN112990528A (zh) * | 2020-06-28 | 2021-06-18 | 青岛盈智科技有限公司 | 一种物流运输配载管理方法及装置 |
CN114596020A (zh) * | 2021-10-19 | 2022-06-07 | 杭州新中大科技股份有限公司 | 一种用于大规模定制生产的项目mrp设计方法及系统 |
CN115115300A (zh) * | 2022-05-27 | 2022-09-27 | 浙江西图盟数字科技有限公司 | 一种考虑三维装箱的循环取货路径规划方法 |
CN115545312A (zh) * | 2022-10-11 | 2022-12-30 | 一汽物流有限公司 | 基于不同干线运输类型的汽车零部件物流三维装载方法 |
CN115808909A (zh) * | 2022-11-23 | 2023-03-17 | 湘南学院 | 一种面向模具热处理准时与节能生产的动态批调度方法 |
-
2023
- 2023-04-07 CN CN202310367430.6A patent/CN116402424B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002230058A (ja) * | 2001-01-30 | 2002-08-16 | Toyota Motor Corp | 梱包形態決定装置、梱包関連情報管理システム |
JP2003335416A (ja) * | 2002-05-20 | 2003-11-25 | Dainippon Printing Co Ltd | 積載効率シミュレーションシステム |
JP2004075320A (ja) * | 2002-08-20 | 2004-03-11 | Kawasaki Kisen Kaisha Ltd | 貨物積付計画装置、貨物積付計画方法および貨物積付計画プログラム |
US20200364664A1 (en) * | 2018-02-06 | 2020-11-19 | Huawei Technologies Co., Ltd. | Method for determining transportation scheme, method for training fast loading model, and device |
CN108985527A (zh) * | 2018-08-28 | 2018-12-11 | 武汉易普优科技有限公司 | 一种基于动态产能的订单交货期评估方法 |
CN110175405A (zh) * | 2019-05-27 | 2019-08-27 | 上海维祥信息技术有限公司 | 车辆装载优化方法及系统 |
CN111768151A (zh) * | 2020-06-28 | 2020-10-13 | 战马物流(苏州)有限公司 | 一种货物装车用车辆装载方法及系统 |
CN112990528A (zh) * | 2020-06-28 | 2021-06-18 | 青岛盈智科技有限公司 | 一种物流运输配载管理方法及装置 |
CN114596020A (zh) * | 2021-10-19 | 2022-06-07 | 杭州新中大科技股份有限公司 | 一种用于大规模定制生产的项目mrp设计方法及系统 |
CN115115300A (zh) * | 2022-05-27 | 2022-09-27 | 浙江西图盟数字科技有限公司 | 一种考虑三维装箱的循环取货路径规划方法 |
CN115545312A (zh) * | 2022-10-11 | 2022-12-30 | 一汽物流有限公司 | 基于不同干线运输类型的汽车零部件物流三维装载方法 |
CN115808909A (zh) * | 2022-11-23 | 2023-03-17 | 湘南学院 | 一种面向模具热处理准时与节能生产的动态批调度方法 |
Non-Patent Citations (1)
Title |
---|
李光华;刘爱梅;周国华;: "城市配送中心自有车辆规模研究", 铁道运输与经济, no. 12, pages 61 - 64 * |
Also Published As
Publication number | Publication date |
---|---|
CN116402424B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111768151A (zh) | 一种货物装车用车辆装载方法及系统 | |
JP2010150020A (ja) | 車両運行計画作成方法及び装置 | |
JP2015005271A (ja) | 運搬積付計画作成方法および運搬積付計画作成装置 | |
Dawande et al. | The slab-design problem in the steel industry | |
CN116502866B (zh) | 一种智能散货船舶计划和自动分类方法 | |
CN115545312A (zh) | 基于不同干线运输类型的汽车零部件物流三维装载方法 | |
CN116402424B (zh) | 一种物流配置优化调节方法及系统 | |
CN117342177B (zh) | 一种电商智能化拣货分包方法 | |
CN116228079B (zh) | 一种粮食集装箱运输调度方法及系统 | |
CN116308016A (zh) | 一种基于物联网的厢式车物流控制方法 | |
KR100987169B1 (ko) | 타이어 생산을 위한 반제품 공급방법 | |
WO2004108568A1 (ja) | 製品の在庫管理システム | |
JP4940602B2 (ja) | 運搬ロットの作成装置及び方法 | |
US20040143587A1 (en) | Container transport coordination management system and container transport coordination management method | |
CN112418552B (zh) | 基于调度要求对货单与承运车辆进行优化调度的工作方法 | |
CN117273288A (zh) | 物资的调拨方法、计算机设备及计算机可读存储介质 | |
CN114202280A (zh) | 物流运输订单处理方法和系统 | |
CN117649164B (zh) | 一种货物统筹管理的梯度分配方法及系统 | |
CN111079984A (zh) | 一种货车物料装载件数预测方法 | |
CN115660762B (zh) | 托盘租借方法、装置及电子设备 | |
CN117114555A (zh) | 一种降低空载率的运单调度方法、系统及装置 | |
JP2008165498A (ja) | 製造・物流計画作成システム | |
CN116703285B (zh) | 货代信息处理方法及系统 | |
JP2007169042A (ja) | 運搬設備の台数決定方法及びその装置 | |
CN117893123A (zh) | 一种机组装车与运费计算方法及其计算系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |