CN116757584B - 一种基于大数据的配货系统 - Google Patents

一种基于大数据的配货系统 Download PDF

Info

Publication number
CN116757584B
CN116757584B CN202311046170.9A CN202311046170A CN116757584B CN 116757584 B CN116757584 B CN 116757584B CN 202311046170 A CN202311046170 A CN 202311046170A CN 116757584 B CN116757584 B CN 116757584B
Authority
CN
China
Prior art keywords
order
supplier
optimal
path
distribution
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.)
Active
Application number
CN202311046170.9A
Other languages
English (en)
Other versions
CN116757584A (zh
Inventor
杨建中
苟永刚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sichuan Xingdian Network Technology Co ltd
Original Assignee
Sichuan Xingdian Network Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Sichuan Xingdian Network Technology Co ltd filed Critical Sichuan Xingdian Network Technology Co ltd
Priority to CN202311046170.9A priority Critical patent/CN116757584B/zh
Publication of CN116757584A publication Critical patent/CN116757584A/zh
Application granted granted Critical
Publication of CN116757584B publication Critical patent/CN116757584B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • G06Q10/0835—Relationships between shipper or supplier and carriers
    • G06Q10/08355—Routing methods

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于大数据的配货系统，属于物流配货技术领域，其系统包括订单匹配单元、订单再匹配单元、路径集合生成单元、往返路径生成单元和订单配送单元；订单匹配单元用于根据待配货订单的订单信息在供货方集合中确定最佳供货方；订单再匹配单元用于确定返程订单；路径集合生成单元用于在电子地图中生成配送路径集合和返程路径集合；往返路径生成单元用于确定最佳配送路径和最佳返程路径；订单配送单元用于完成待配货订单配送和返程订单配送。该基于大数据的配货系进一步优化了物流配货资源，促进订单完成率，避免出现因货物不足导致用户需求不被满足的情况。

Description

一种基于大数据的配货系统
技术领域
本发明属于物流配货技术领域，具体涉及一种基于大数据的配货系统。
背景技术
配货作业是物流行业面临的重要课题，特别是蔬菜和水果等生活日用品的配送，对配送效率提出了越来越高的要求。但通常一个配货作业中通常包括多仓储中心、异地批量运输和货物仓储不够需调配等情况，这不仅导致运营上的不足，浪费消费者的时间且资源浪费。
发明内容
本发明为了解决以上问题，提出了一种基于大数据的配货系统。
本发明的技术方案是：一种基于大数据的配货系统包括订单匹配单元、订单再匹配单元、路径集合生成单元、往返路径生成单元和订单配送单元；
订单匹配单元用于获取待配货订单的订单信息和供货方集合，并根据待配货订单的订单信息在供货方集合中确定最佳供货方；
订单再匹配单元用于根据最佳供货方的库存，确定返程订单；
路径集合生成单元用于根据待配货订单的位置信息和最佳供货方的位置信息，在电子地图中生成配送路径集合和返程路径集合；
往返路径生成单元用于在配送路径集合中确定最佳配送路径，并在返程路径中确定最佳返程路径；
订单配送单元用于根据最佳配送路径完成待配货订单配送，并根据最佳返程路径完成返程订单配送。
进一步地，订单匹配单元通过构建匹配目标函数确定最佳供货方；其中，匹配目标函数F的表达式为：
，
式中，M表示供货方的货物数量，αm表示供货方第m个货物的拣货成本，βm表示供货方第m个货物的仓储成本，Pm表示供货方第m个货物的拣货时间，Qm表示供货方第m个货物的仓储时间，N表示待配货订单的货物数量，λn表示待配货订单第n个货物等待时间的惩罚，T0表示待配货订单的最长可等待配货时长。
上述进一步方案的有益效果是：在本发明中，利用匹配目标函数计算各个供货方的匹配值，匹配目标函数出于供货方仓储成本、拣货成本以及待配货订单等待时长等考虑构建，匹配值最小表示选择该供货方的配送时间成本和配送经济成本最低，因此将匹配值最小的供货方作为最佳供货方。
进一步地，订单再匹配单元确定返程订单包括以下步骤：
A1、获取最佳供货方的库存和待配货订单所属配货点的剩余订单集合；
A2、计算剩余订单集合中各个订单的配送权重；根据最佳供货方的库存，计算最佳供货方的库存权重；
A3、判断剩余订单集合中是否存在与库存权重相等的配送权重，若是则将该配送权重对应的订单作为返程订单，否则进入A4；
A4、计算最佳供货方的各个邻近供货方的库存权重；
A5、根据各个邻近供货方的库存权重和剩余订单集合中各个订单的配送权重，确定返程订单。
上述进一步方案的有益效果是：在本发明中，在确定返程订单时，若最佳供货方的库存权重与剩余订单集合中某一订单的配送权重相等，则说明最佳供货方的库存完全满足该订单的库存需求，可以直接将其作为返程订单，车辆在完成待配货订单的配送任务后直接在最佳配货方进行装货并返程，这样可以保证往返路程的效率最优，避免资源浪费。若剩余订单集合中不存在与最佳供货方的库存权重相等的配送权重，则说明最佳供货方的库存不能刚好满足剩余订单集合中任一订单的需求，但为了避免“空车”返回，需判断最佳供货方的邻近供货方中是否存在可以满足剩余订单集合中订单需求的库存，因此构建约束条件来筛选。
进一步地，A2中，剩余订单集合中订单的配送权重ω的计算公式为：
，
式中，L表示订单的货物数量，G表示订单配置的拣货员人数，表示订单中第l个货物的仓储成本，/>表示订单中第l个货物对应第g个拣货员的拣货成本，ρl表示订单中第l个货物的优先级值，E0表示最佳供货方和待配货订单所属配货点之间的欧式距离，t表示订单的延迟时间，T1表示订单的最长可等待配货时长，T2表示订单的最短可等待配货时长；
A2中，最佳供货方的库存权重θ的计算公式为：
，
式中，表示最佳供货方中第h个货物的仓储成本，H表示最佳供货方的货物个数。
上述进一步方案的有益效果是：在本发明中，剩余订单集合中订单的配送权重由拣货员的拣货成本、仓储成本和等待时长等确定，其权重可以体现订单配送过程中的重要程度。
进一步地，A4中，邻近供货方的库存权重φ的计算公式为：
，
式中，E1表示最佳供货方和邻近供货方之间的欧式距离，T3表示最佳供货方和邻近供货方之间的行驶时长，K表示邻近供货方的货物个数，表示邻近供货方中第k个货物的仓储成本，/>表示邻近供货方中第k个货物的拣货成本。
进一步地，A5中，确定返程订单的具体方法为：构建匹配权重约束条件，将剩余订单集合中满足匹配权重约束条件且配送权重最小的订单作为返程订单；其中，匹配权重约束条件的表达式为θ+φ≥ω，式中，θ表示最佳供货方的库存权重，φ表示邻近供货方的库存权重，ω表示剩余订单集合中订单的配送权重。
上述进一步方案的有益效果是：在本发明中，确定返程订单的关键在于找到最佳供货方的库存权重与邻近供货方的库存权重之和必须大于或等于订单的配送权重，这样可以保证找到符合订单库存要求的邻近供货方；同时，因为该订单仅仅通过最佳供货方无法满足其库存需求，需要邻近供货方参与调货才能完成，这必然需要考虑到调货的时间成本和经济成本，所以要求配送权重最小，这样可以保证该订单通过最佳供货方与邻近供货方的配合后完成订单时，其配送成本最低。
进一步地，往返路程生成单元确定最佳配送路径的具体方法为：利用佛洛依德算法在配送路径集合中确定最佳配送路径。
进一步地，往返路程生成单元确定最佳返程路径的具体方法为：若返程订单无邻近供货方参与，则采用佛洛依德算法在配送路径集合中确定最佳配送路径；否则构建第一行驶路径和第二行驶路径，并将第一行驶路径和第二行驶路径的集合作为最佳返程路径。
进一步地，第一行驶路径的确定方法具体为：将返程路径集合中最佳供货方与邻近供货方之间的最短欧式距离对应的路径作为第一行驶路径；
由于邻近供货方与最佳供货方之间的距离较近，才可以作为备选的供货方，所以直接将欧式距离最短的路径作为第一行驶路径。
第二行驶路径的确定方法具体为：利用佛洛依德算法在配送路径集合中确定邻近供货方与待配货订单所属配货点之间的第二行驶路径。
本发明的有益效果是：
（1）该基于大数据的配货系统根据待配货订单的订单信息，匹配最适合的供货方，使配送时间成本和配送经济成本等最低，避免资源浪费；
（2）该基于大数据的配货系基于最佳供货方的库存与剩余订单的配货需求，为物流车辆匹配最优的返程订单，以尽量避免出现空车返程情况，进一步优化了物流配货资源，促进订单完成率，避免出现因货物不足导致用户需求不被满足的情况。
附图说明
图1为基于大数据的配货系统的结构图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
如图1所示，本发明提供了一种基于大数据的配货系统，包括订单匹配单元、订单再匹配单元、路径集合生成单元、往返路径生成单元和订单配送单元；
订单匹配单元用于获取待配货订单的订单信息和供货方集合，并根据待配货订单的订单信息在供货方集合中确定最佳供货方；
订单再匹配单元用于根据最佳供货方的库存，确定返程订单；
路径集合生成单元用于根据待配货订单的位置信息和最佳供货方的位置信息，在电子地图中生成配送路径集合和返程路径集合；
往返路径生成单元用于在配送路径集合中确定最佳配送路径，并在返程路径中确定最佳返程路径；
订单配送单元用于根据最佳配送路径完成待配货订单配送，并根据最佳返程路径完成返程订单配送。
在本发明实施例中，订单匹配单元通过构建匹配目标函数确定最佳供货方；其中，匹配目标函数F的表达式为：
，
式中，M表示供货方的货物数量，αm表示供货方第m个货物的拣货成本，βm表示供货方第m个货物的仓储成本，Pm表示供货方第m个货物的拣货时间，Qm表示供货方第m个货物的仓储时间，N表示待配货订单的货物数量，λn表示待配货订单第n个货物等待时间的惩罚，T0表示待配货订单的最长可等待配货时长。
利用匹配目标函数计算各个供货方的匹配值，匹配目标函数出于供货方仓储成本、拣货成本以及待配货订单等待时长等考虑构建，匹配值最小表示选择该供货方的配送时间成本和配送经济成本最低，因此将匹配值最小的供货方作为最佳供货方。
在本发明实施例中，订单再匹配单元确定返程订单包括以下步骤：
A1、获取最佳供货方的库存和待配货订单所属配货点的剩余订单集合；
A2、计算剩余订单集合中各个订单的配送权重；根据最佳供货方的库存，计算最佳供货方的库存权重；
A3、判断剩余订单集合中是否存在与库存权重相等的配送权重，若是则将该配送权重对应的订单作为返程订单，否则进入A4；
A4、计算最佳供货方的各个邻近供货方的库存权重；
A5、根据各个邻近供货方的库存权重和剩余订单集合中各个订单的配送权重，确定返程订单。
在确定返程订单时，若最佳供货方的库存权重与剩余订单集合中某一订单的配送权重相等，则说明最佳供货方的库存完全满足该订单的库存需求，可以直接将其作为返程订单，车辆在完成待配货订单的配送任务后直接在最佳配货方进行装货并返程，这样可以保证往返路程的效率最优，避免资源浪费。若剩余订单集合中不存在与最佳供货方的库存权重相等的配送权重，则说明最佳供货方的库存不能刚好满足剩余订单集合中任一订单的需求，但为了避免“空车”返回，需判断最佳供货方的邻近供货方中是否存在可以满足剩余订单集合中订单需求的库存，因此构建约束条件来筛选。
在本发明实施例中，A2中，剩余订单集合中订单的配送权重ω的计算公式为：
，
式中，L表示订单的货物数量，G表示订单配置的拣货员人数，表示订单中第l个货物的仓储成本，/>表示订单中第l个货物对应第g个拣货员的拣货成本，ρl表示订单中第l个货物的优先级值，E0表示最佳供货方和待配货订单所属配货点之间的欧式距离，t表示订单的延迟时间，T1表示订单的最长可等待配货时长，T2表示订单的最短可等待配货时长；
A2中，最佳供货方的库存权重θ的计算公式为：
，
式中，表示最佳供货方中第h个货物的仓储成本，H表示最佳供货方的货物个数。
剩余订单集合中订单的配送权重由拣货员的拣货成本、仓储成本和等待时长等确定，其权重可以体现订单配送过程中的重要程度。
在本发明实施例中，A4中，邻近供货方的库存权重φ的计算公式为：
，
式中，E1表示最佳供货方和邻近供货方之间的欧式距离，T3表示最佳供货方和邻近供货方之间的行驶时长，K表示邻近供货方的货物个数，表示邻近供货方中第k个货物的仓储成本，/>表示邻近供货方中第k个货物的拣货成本。
在本发明实施例中，A5中，确定返程订单的具体方法为：构建匹配权重约束条件，将剩余订单集合中满足匹配权重约束条件且配送权重最小的订单作为返程订单；其中，匹配权重约束条件的表达式为θ+φ≥ω，式中，θ表示最佳供货方的库存权重，φ表示邻近供货方的库存权重，ω表示剩余订单集合中订单的配送权重。
确定返程订单的关键在于找到最佳供货方的库存权重与邻近供货方的库存权重之和必须大于或等于订单的配送权重，这样可以保证找到符合订单库存要求的邻近供货方；同时，因为该订单仅仅通过最佳供货方无法满足其库存需求，需要邻近供货方参与调货才能完成，这必然需要考虑到调货的时间成本和经济成本，所以要求配送权重最小，这样可以保证该订单通过最佳供货方与邻近供货方的配合后完成订单时，其配送成本最低。
在本发明实施例中，往返路程生成单元确定最佳配送路径的具体方法为：利用佛洛依德算法在配送路径集合中确定最佳配送路径。
弗洛伊德算法是解决任意两点间的最短路径的一种算法。由于待配货订单的供货方位置和配货方位置固定且清楚，所以直接采用弗洛伊德算法即可确定最佳配送路径。
而最佳返程路径的确定过程中，由于可能存在邻近供货方的参与，所以其应考虑从最佳供货方到邻近供货方的最佳路径以及从邻近供货方再返回至配货方的最佳路径，由这两段路径组成最佳返程路径。
在本发明实施例中，往返路程生成单元确定最佳返程路径的具体方法为：若返程订单无邻近供货方参与，则采用佛洛依德算法在配送路径集合中确定最佳配送路径；否则构建第一行驶路径和第二行驶路径，并将第一行驶路径和第二行驶路径的集合作为最佳返程路径。
在本发明实施例中，第一行驶路径的确定方法具体为：将返程路径集合中最佳供货方与邻近供货方之间的最短欧式距离对应的路径作为第一行驶路径；
由于邻近供货方与最佳供货方之间的距离较近，才可以作为备选的供货方，所以直接将欧式距离最短的路径作为第一行驶路径。
第二行驶路径的确定方法具体为：利用佛洛依德算法在配送路径集合中确定邻近供货方与待配货订单所属配货点之间的第二行驶路径。
本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (7)

1.一种基于大数据的配货系统，其特征在于，包括订单匹配单元、订单再匹配单元、路径集合生成单元、往返路径生成单元和订单配送单元；
所述订单匹配单元用于获取待配货订单的订单信息和供货方集合，并根据待配货订单的订单信息在供货方集合中确定最佳供货方；
所述订单再匹配单元用于根据最佳供货方的库存，确定返程订单；
所述路径集合生成单元用于根据待配货订单的位置信息和最佳供货方的位置信息，在电子地图中生成配送路径集合和返程路径集合；
所述往返路径生成单元用于在配送路径集合中确定最佳配送路径，并在返程路径中确定最佳返程路径；
所述订单配送单元用于根据最佳配送路径完成待配货订单配送，并根据最佳返程路径完成返程订单配送；
所述订单匹配单元通过构建匹配目标函数确定最佳供货方；其中，匹配目标函数F的表达式为：
；
式中，M表示供货方的货物数量，αm表示供货方第m个货物的拣货成本，βm表示供货方第m个货物的仓储成本，Pm表示供货方第m个货物的拣货时间，Qm表示供货方第m个货物的仓储时间，N表示待配货订单的货物数量，λn表示待配货订单第n个货物等待时间的惩罚，T0表示待配货订单的最长可等待配货时长；
所述订单再匹配单元确定返程订单包括以下步骤：
A1、获取最佳供货方的库存和待配货订单所属配货点的剩余订单集合；
A2、计算剩余订单集合中各个订单的配送权重；根据最佳供货方的库存，计算最佳供货方的库存权重；
A3、判断剩余订单集合中是否存在与库存权重相等的配送权重，若是则将该配送权重对应的订单作为返程订单，否则进入A4；
A4、计算最佳供货方的各个邻近供货方的库存权重；
A5、根据各个邻近供货方的库存权重和剩余订单集合中各个订单的配送权重，确定返程订单。
2.根据权利要求1所述的基于大数据的配货系统，其特征在于，所述A2中，剩余订单集合中订单的配送权重ω的计算公式为：
；
式中，L表示订单的货物数量，G表示订单配置的拣货员人数，表示订单中第l个货物的仓储成本，/>表示订单中第l个货物对应第g个拣货员的拣货成本，ρl表示订单中第l个货物的优先级值，E0表示最佳供货方和待配货订单所属配货点之间的欧式距离，t表示订单的延迟时间，T1表示订单的最长可等待配货时长，T2表示订单的最短可等待配货时长；
所述A2中，最佳供货方的库存权重θ的计算公式为：
；
式中，表示最佳供货方中第h个货物的仓储成本，H表示最佳供货方的货物个数。
3.根据权利要求1所述的基于大数据的配货系统，其特征在于，所述A4中，邻近供货方的库存权重φ的计算公式为：
；
式中，E1表示最佳供货方和邻近供货方之间的欧式距离，T3表示最佳供货方和邻近供货方之间的行驶时长，K表示邻近供货方的货物个数，表示邻近供货方中第k个货物的仓储成本，/>表示邻近供货方中第k个货物的拣货成本。
4.根据权利要求1所述的基于大数据的配货系统，其特征在于，所述A5中，确定返程订单的具体方法为：构建匹配权重约束条件，将剩余订单集合中满足匹配权重约束条件且配送权重最小的订单作为返程订单；其中，匹配权重约束条件的表达式为θ+φ≥ω，式中，θ表示最佳供货方的库存权重，φ表示邻近供货方的库存权重，ω表示剩余订单集合中订单的配送权重。
5.根据权利要求1所述的基于大数据的配货系统，其特征在于，所述往返路径生成单元确定最佳配送路径的具体方法为：利用佛洛依德算法在配送路径集合中确定最佳配送路径。
6.根据权利要求1所述的基于大数据的配货系统，其特征在于，所述往返路径生成单元确定最佳返程路径的具体方法为：若返程订单无邻近供货方参与，则采用佛洛依德算法在配送路径集合中确定最佳配送路径；否则构建第一行驶路径和第二行驶路径，并将第一行驶路径和第二行驶路径的集合作为最佳返程路径。
7.根据权利要求6所述的基于大数据的配货系统，其特征在于，所述第一行驶路径的确定方法具体为：将返程路径集合中最佳供货方与邻近供货方之间的最短欧式距离对应的路径作为第一行驶路径；
所述第二行驶路径的确定方法具体为：利用佛洛依德算法在配送路径集合中确定邻近供货方与待配货订单所属配货点之间的第二行驶路径。
CN202311046170.9A 2023-08-18 2023-08-18 一种基于大数据的配货系统 Active CN116757584B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311046170.9A CN116757584B (zh) 2023-08-18 2023-08-18 一种基于大数据的配货系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311046170.9A CN116757584B (zh) 2023-08-18 2023-08-18 一种基于大数据的配货系统

Publications (2)

Publication Number Publication Date
CN116757584A CN116757584A (zh) 2023-09-15
CN116757584B true CN116757584B (zh) 2023-11-24

Family

ID=87953707

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311046170.9A Active CN116757584B (zh) 2023-08-18 2023-08-18 一种基于大数据的配货系统

Country Status (1)

Country Link
CN (1) CN116757584B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116957449B (zh) * 2023-09-18 2023-12-05 青岛冠成软件有限公司 一种基于人工智能的生鲜供应链应急调度系统
CN117252322B (zh) * 2023-11-10 2024-02-02 青岛冠成软件有限公司 一种物流供应链管理方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108550008A (zh) * 2018-04-11 2018-09-18 南昌大学 一种基于手机app的辅助配货及库存管理系统
CN108615085A (zh) * 2016-12-09 2018-10-02 苏州海客科技有限公司 基于响应时间优化的商品配送方法
CN111027853A (zh) * 2019-12-09 2020-04-17 北京旷视机器人技术有限公司 密集仓储的订单分配方法、装置和电子设备
CN112016876A (zh) * 2020-10-21 2020-12-01 杭州拼便宜网络科技有限公司 一种货物装配方法、装置及设备
CN115170030A (zh) * 2022-07-05 2022-10-11 上海东普信息科技有限公司 仓库库存分配方法、装置、设备及存储介质
CN115358676A (zh) * 2022-09-06 2022-11-18 尚睿科技股份有限公司 一种订单配送管理系统及方法、存储介质
CN116307306A (zh) * 2023-05-25 2023-06-23 广钢气体(广州)有限公司 基于大数据的智能调度方法、装置、设备以及存储介质
CN116308031A (zh) * 2023-01-31 2023-06-23 广州盖盟达工业品有限公司 一种用于缩短仓库配货行走路径的多仓库库存分配方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108615085A (zh) * 2016-12-09 2018-10-02 苏州海客科技有限公司 基于响应时间优化的商品配送方法
CN108550008A (zh) * 2018-04-11 2018-09-18 南昌大学 一种基于手机app的辅助配货及库存管理系统
CN111027853A (zh) * 2019-12-09 2020-04-17 北京旷视机器人技术有限公司 密集仓储的订单分配方法、装置和电子设备
CN112016876A (zh) * 2020-10-21 2020-12-01 杭州拼便宜网络科技有限公司 一种货物装配方法、装置及设备
CN115170030A (zh) * 2022-07-05 2022-10-11 上海东普信息科技有限公司 仓库库存分配方法、装置、设备及存储介质
CN115358676A (zh) * 2022-09-06 2022-11-18 尚睿科技股份有限公司 一种订单配送管理系统及方法、存储介质
CN116308031A (zh) * 2023-01-31 2023-06-23 广州盖盟达工业品有限公司 一种用于缩短仓库配货行走路径的多仓库库存分配方法
CN116307306A (zh) * 2023-05-25 2023-06-23 广钢气体(广州)有限公司 基于大数据的智能调度方法、装置、设备以及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
固定路径下多阶段货位调整研究;徐翔斌;李秀;;工业工程与管理(第05期);24-31 *

Also Published As

Publication number Publication date
CN116757584A (zh) 2023-09-15

Similar Documents

Publication Publication Date Title
CN116757584B (zh) 一种基于大数据的配货系统
CN110796405B (zh) 用于自动包裹跟踪和优先再订购的系统和方法
CN105654268A (zh) 物流货场装卸位可视化管理系统及方法
EP3552086A1 (en) Shipping management system with multi-carrier support
CN111815231B (zh) 一种物流平台智能拼车方法及系统
CN111222819B (zh) 确定载货车辆的方法、仓储管理装置、系统、设备及介质
CN111754152B (zh) 货到人仓库的货架调度方法、装置、电子设备及介质
CN113935528B (zh) 智能调度方法、装置、计算机设备及存储介质
CN114529236A (zh) 一种货架的仓储管理方法、装置、电子设备及存储介质
CN111126643B (zh) 一种月台的预约方法、预约装置及可读存储介质
CN116468342B (zh) 物流运输管理的方法、系统、装置、存储介质及电子设备
CN117172438A (zh) 一种厂内运输调度系统和方法
JP2023058668A (ja) 配送ウェーブシステムを使用した自動荷物再注文のためのシステムおよび方法
CN113988765A (zh) 一种货运订单信息的处理方法、系统、设备及存储介质
CN109983486A (zh) 用于交换运输集装箱的方法和系统
CN115049148A (zh) 一种车辆调度方法、装置及服务器
US20220042808A1 (en) Method for operating a vehicle
US20190156284A1 (en) Logistics data management method and system thereof
CN113674051B (zh) 货品出库方法、装置、电子设备及存储介质
CN117314132B (zh) 一种基于大数据的调度方法及系统
CN117066147B (zh) 退货包裹管理的智能分拨方法、系统与介质
CN111582574B (zh) 订单解绑的方法及装置
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
CN117114555A (zh) 一种降低空载率的运单调度方法、系统及装置
CN116873431B (zh) 一种基于岩板智能仓库的多重载agv储运方法

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