CN116882673A - 一种煤炭供应链系统及调度方法 - Google Patents
一种煤炭供应链系统及调度方法 Download PDFInfo
- Publication number
- CN116882673A CN116882673A CN202310818106.1A CN202310818106A CN116882673A CN 116882673 A CN116882673 A CN 116882673A CN 202310818106 A CN202310818106 A CN 202310818106A CN 116882673 A CN116882673 A CN 116882673A
- Authority
- CN
- China
- Prior art keywords
- coal
- vehicle
- optimal
- time
- transportation
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 179
- 238000000034 method Methods 0.000 title claims abstract description 90
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 21
- 238000013439 planning Methods 0.000 claims abstract description 19
- 238000004088 simulation Methods 0.000 claims description 107
- 238000003860 storage Methods 0.000 claims description 51
- 238000003066 decision tree Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000007619 statistical method Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000007306 turnover Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 2
- 238000007726 management method Methods 0.000 description 9
- 238000012544 monitoring process Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003908 quality control method Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000011949 advanced processing technology Methods 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000006477 desulfuration reaction Methods 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012731 temporal analysis Methods 0.000 description 1
- 238000000700 time series analysis Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- G06Q10/08—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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Animal Husbandry (AREA)
- Algebra (AREA)
- Agronomy & Crop Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
Abstract
本发明涉及煤炭供应链定制化平台技术领域,具体而言,涉及一种煤炭供应链系统及调度方法,制定策略规划方案,所述策略规划方案包括采购子方案、运输入库子方案、加工子方案和销售子方案,基于所述整个煤炭供应链的方案规划进行分析确定出采购子方案中的最优采购参数,基于所述最优采购参数进行分析确定出运输入库子方案中的最优运输入库参数,并基于所述最优运输入库参数进行分析确定出加工子方案中的最优加工参数,基于最优加工参数进行分析确定出销售子方案中的最优销售参数,基于最优销售参数计算得出最优成本参数,所述最优成本参数用于展示各环节各数据的最优指标,实现各环节成本的核算,为供应链管理员提供整个供应链的成本信息。
Description
技术领域
本发明涉及煤炭供应链定制化平台技术领域,具体而言,涉及一种煤炭供应链系统及调度方法。
背景技术
煤炭是古代植物埋藏在地下经历了复杂的生物化学和物理化学变化逐渐形成的固体可燃性矿物。煤炭被人们誉为黑色的金子,工业的食粮,它是十八世纪以来人类世界使用的主要能源之一,目前和未来很长的一段时间之内煤炭是我们人类的生产生活必不可缺的能量来源之一,煤炭的供应也关系到我国的工业乃至整个社会方方面面发展的稳定,为了保证煤炭供应量,已实现各煤炭应用点的生产稳定进行,煤炭供应链的统一调度,必不可少。
在实际应用过程中,因为煤炭调度对运输资源的需求量很大,若不合理地去安排煤炭供应的调度,可能存在浪费运输资源,提高运输成本,在煤炭需求量大的阶段,其平衡各煤炭需求点的性能也很差。为了实现同步考虑调度决策、自身使用和合同输出的煤炭调度,因此需要创造一种新的煤炭供应链调度方案,以解决煤炭供应调度问题。
发明内容
本发明的目的在于提供一种煤炭供应链系统及调度方法,以改善上述问题。为了实现上述目的,本发明采取的技术方案如下:
一方面,本申请提供了一种煤炭供应链的调度方法,所述方法包括:制定策略规划方案,所述策略规划方案包括采购子方案、运输入库子方案、加工子方案和销售子方案,所述策略规划方案用于对供应链各环节的历史数据分析,为供应链管理员提供整个煤炭供应链的方案规划,基于所述整个煤炭供应链的方案规划进行分析确定出采购子方案中的最优采购参数,基于所述最优采购参数进行分析确定出运输入库子方案中的最优运输入库参数,并基于所述最优运输入库参数进行分析确定出加工子方案中的最优加工参数,基于所述最优加工参数进行分析确定出销售子方案中的最优销售参数,基于所述最优销售参数计算得出最优成本参数,所述最优成本参数用于展示各环节各数据的最优指标,实现各环节成本的核算,为供应链管理员提供整个供应链的成本信息;
其中,根据所述运输入库子方案中的现有数据构建物流模拟模型,对煤炭运输和入库环节进行模拟,通过模拟数据,得到煤炭运输和入库的关键信息,进而优化运输入库子方案,获得最优运输入库参数。
优选地,所述物流模拟模型的具体实现方式为:
建立物流模拟模型,包括装车、运输、卸车和入库四个环节,对每个环节建立仿真模型;
对装车环节的仿真模型,设置煤炭装车时间、车辆到达时间、车辆离开时间和装车数量,根据这些数据,模拟车辆装车的整个过程;
对运输环节的仿真模型,设置车辆出发时间、到达时间和路程时间,模拟车辆在运输过程中的行驶速度和时间,以及所要经过的路程情况;
对卸车环节的仿真模型,设置煤炭卸车时间、车辆到达时间、车辆离开时间和卸车数量,根据这些数据,模拟车辆卸载煤炭的整个过程;
对入库环节的仿真模型,设置煤炭入库时间、储存容量和出库时间,模拟煤炭进入库存的整个过程;
根据模拟结果,得到煤炭运输和入库的关键信息,所述关键信息包括装运时间、到货时间、运输时间和库存量,根据对所述关键信息的分析得到最优采购参数。
优选地,装车环节的仿真方法,包括:
在所述装车环节的仿真模型中输入煤炭装车时间、车辆到达时间、车辆离开时间和装车数量,并根据路线规划和车辆类型,考虑道路、交通、天气等因素,模拟车辆在装车过程中存在的不同情况;获得装车环节的相关信息;
记录车辆装车过程中的数据,包括煤炭装车时间、车辆到达时间、车辆离开时间、装车数量和装车情况等,根据模拟结果,得到车辆装车环节的关键信息。
优选地,运输环节的仿真方法,包括:
在所述运输环节的仿真模型中输入车辆出发时间、到达时间和路程时间等参数,初始化车辆的起点和终点,并计算路程时间;
根据所得到的车辆起点、终点和路程时间,按照路况、车辆类型等因素计算车速;
在模拟中按照路程和时间步进,将车辆从起点运输到终点,并在运输过程中,实时监控车辆位置、速度等信息,并处理可能出现的异常情况,当车辆到达目的地时,运输环节的仿真模型结束,并输出到达时间等相关信息。
优选地,卸车环节的仿真方法,包括:
在卸车环节的仿真模型中设置车辆到达时间和卸车时间,该时间包括车辆停靠、卸货和离开的时间,并根据车辆类型和卸货方式,设置卸车数量和卸车时间;
考虑车辆停靠时间和卸货效率,模拟车辆卸载煤炭的整个过程,并记录车辆卸货过程中存在的问题,根据模拟结果,得到车辆卸货的关键信息。
优选地,入库环节的仿真方法,包括:
在入库环节的仿真模型中设置煤炭入库时间,记录煤炭的数量和类型;
根据储存容量和煤炭种类,分配储存位置和储存方式,并记录相关信息,参考入库记录和库存量等数据,预测煤炭出库的时间和数量;
考虑库存周转率和煤炭储存规则,模拟煤炭进入库存的整个过程,并记录煤炭储存过程中存在的问题,根据模拟结果,得到煤炭入库的关键信息。
优选地,所述最优销售参数的具体实现方式为:
收集销售环节的历史交易数据,所述历史交易数据包括销售数量、价格、时间和地点等关键信息;
利用统计分析方法对所述历史数据进行分析,获取多种销售类型数据;
基于所述采购子方案、运输入库子方案和加工子方案中的最优参数,利用决策树算法对不同销售类型数据进行模拟和分析,比较不同销售类型的收益和成本,选择最优销售类型,所述最优销售类型为最优销售参数。
另一方面本申请基于一种煤炭供应链调度方法提供了一种煤炭供应链系统,包括:
收集单元,所述收集单元用于获取煤炭供应链的各个环节的历史数据信息;
分析单元,所述分析单元用于根据煤炭供应链的各个环节信息对所有环节进行分析,确定出每个环节可行的实施方案;
模拟单元,所述模拟单元用于对煤炭运输和入库环节进行模拟,构建物流模拟模型,通过模拟数据,得到煤炭运输和入库的关键信息,进而优化运输入库子方案,获得最优的运输入库参数;
成本核算单元,所述成本核算单元用于根据物流模拟模型和决策树算法确定最优的销售参数,进而得到最优成本核算参数。
本发明的有益效果为:
本发明通过对煤炭供应链的各个环节进行分析,确定各个环节的实施方式,利用物流模拟模型,得到煤炭运输和入库的关键信息,进而优化运输入库子方案,获得最优的运输入库参数,同时利用决策树算法确定最优的销售参数,获得最优的销售类型,极大地优化了整个煤炭供应链的实施方式,通过获得最优的销售类型,进而获得最低的煤炭运输成本。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例所述的一种煤炭供应链调度方法的步骤流程图;
图2为本发明实施例所述的一种煤炭供应链系统的结构示意图。
附图标记:71-收集单元,72-分析单元,73-模拟单元,74-成本核算单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
本发明实施方式提供一种煤炭供应链调度方法,如图1所示,所述方法包括:制定策略规划方案,所述策略规划方案包括采购子方案、运输入库子方案、加工子方案、销售子方案和成本核算子方案,所述策略规划方案用于对供应链各环节的历史数据分析,为供应链管理员提供整个煤炭供应链的方案规划,基于所述整个煤炭供应链的方案规划进行分析确定出采购子方案中的最优采购参数,基于所述最优采购参数进行分析确定出运输入库子方案中的最优运输入库参数,并基于所述最优运输入库参数进行分析确定出加工子方案中的最优加工参数,基于所述最优加工参数进行分析确定出销售子方案中的最优销售参数,基于所述最优销售参数计算得出成本核算子方案中的最优成本参数,所述最优成本参数用于展示各环节各数据的最优指标,实现各环节成本的核算,为供应链管理员提供整个供应链的成本信息;
其中,根据所述运输入库子方案中的现有数据构建物流模拟模型,对煤炭运输和入库环节进行模拟,通过模拟数据,得到煤炭运输和入库的关键信息,进而优化运输入库子方案,获得最优运输入库参数。
采购子方案具体为煤炭采购环节的相关采购类型方案,煤炭采购环节是煤炭供应链的起点,其采购成本直接影响到煤炭供应链的成本和利润。因此,在煤炭采购时应注意以下几点:
了解市场动态:及时了解煤炭价格、供应情况,选择价格较低、质量较好的煤炭资源。多元化采购:采用多种采购方式,如长期合作、竞价采购、招标采购等,以确保煤炭供应的稳定性。通过结合以上所述的注意事项获取最优的采购参数,所述最优采购参数为最优的采购类型,同时在选择采购类型时,也需要对供应商这块进行相应的考察,对供应商的绩效进行评估,选择信誉良好、做事靠谱、服务质量过硬的供应商,提高供应稳定性和业务合作关系。
煤炭作为一种大宗重货物,对于煤炭运输的选择和管理,需要精细化运作,主要包括以下几点:
合理选择运输方式:煤炭的运输方式有汽车、船舶、铁路等多种选择,应根据目的地、货量、时效等因素来选择最合适的运输方式;管理运价:参考市场运价,根据质量和数量等因素进行协商,确保最优化的运输价格;控制损耗:煤炭在运输过程中会出现散货损耗、湿度增加等问题,应对运输过程进行监控和管理,减少损耗比例。通过得出得最优采购参数,在参考煤炭运输和入库这块需要考虑的问题,选择出最优的运输入库参数。
煤炭运输到加工厂后,需要进行加工处理,根据加工厂的不同,加工处理的方式和过程也会有所不同。煤炭加工环节主要涉及以下方面:
加工技术:先进的加工设备和先进的加工技术,可以实现煤炭分级、分选和脱硫等技术处理,提高煤炭质量和降低碳排放;能源利用:在煤炭加工过程中,要通过节能减排和资源利用,减少煤炭浪费和环境污染;建立质量控制体系:根据煤炭加工的工艺和目标,建立完善的质量控制体系,确保加工出的煤炭质量达到标准要求。
煤炭销售环节是供应链的最后一环,对于企业的利润和市场竞争力影响最大。客户需求分析:针对不同客户群体的需求进行分析,确定销售目标。制定产品营销计划:制定营销计划,确定宣传方式、促销活动、定价策略等,提高销售收益和市场份额。从而根据对销售管理环节进行分析,获取最优的销售管理方案,利用最优的销售方案,实现煤炭供应链成本的最低化。根据煤炭运输入库所获得最优运输入库参数再结合煤炭加工的工艺,确定最优的加工参数。再利用最优加工参数,结合煤炭的销售方案确定最佳的销售参数,利用最优销售参数,获得最低的成本,进而极大的降低煤炭供应链的整个成本支出。
在制定运输入库子方案时,利用物流模拟模型,对煤炭运输入库环节进行模拟,通过模拟数据,得到煤炭运输入库的关键信息,进而优化运输入库子方案,获得最优的运输入库参数,进而减少煤炭供应链成本的支出。
需要说明的是,采购子方案具体包括采购环节的多种采购类型,最优的采购参数即为最优的采购类型;运输入库子方案具体包括煤炭运输和入库的多种运输入库方案,最优的运输入库参数即为最优的煤炭运输和入库的方案;加工子方案具体包括煤炭加工环节的多种加工方式,最优的加工参数为最优的煤炭加工方案;销售子方案具体包括销售煤炭所采用的各种销售模式,最优的销售参数即为最优的销售类型;成本参数具体为根据最优的销售参数所获得的最优成本,进而减低整个煤炭供应链的成本。
在本实施例中,所述物流模拟模型的具体实现方式为:
建立物流模拟模型,包括装车、运输、卸车和入库四个环节,对每个环节建立仿真模型;
对装车环节的仿真模型,设置煤炭装车时间、车辆到达时间、车辆离开时间和装车数量,根据这些数据,模拟车辆装车的整个过程;
对运输环节的仿真模型,设置车辆出发时间、到达时间和路程时间,模拟车辆在运输过程中的行驶速度和时间,以及所要经过的路程情况;
对卸车环节的仿真模型,设置煤炭卸车时间、车辆到达时间、车辆离开时间和卸车数量,根据这些数据,模拟车辆卸载煤炭的整个过程;
对入库环节的仿真模型,设置煤炭入库时间、储存容量和出库时间,模拟煤炭进入库存的整个过程;
根据模拟结果,得到煤炭运输和入库的关键信息,所述关键信息包括装运时间、到货时间、运输时间和库存量,根据对所述关键信息的分析得到最优采购参数。
在本实施例中,装车环节的仿真方法,包括:
在所述装车环节的仿真模型中输入煤炭装车时间、车辆到达时间、车辆离开时间和装车数量,并根据路线规划和车辆类型,考虑道路、交通、天气等因素,模拟车辆在装车过程中存在的不同情况;获得装车环节的相关信息;
记录车辆装车过程中的数据,包括煤炭装车时间、车辆到达时间、车辆离开时间、装车数量和装车情况等,根据模拟结果,得到车辆装车环节的关键信息。
在本实施例中,运输环节的仿真方法,包括:
在所述运输环节的仿真模型中输入车辆出发时间、到达时间和路程时间等参数,初始化车辆的起点和终点,并计算路程时间;
根据所得到的车辆起点、终点和路程时间,按照路况、车辆类型等因素计算车速;
在模拟中按照路程和时间步进,将车辆从起点运输到终点,并在运输过程中,实时监控车辆位置、速度等信息,并处理可能出现的异常情况,当车辆到达目的地时,运输环节的仿真模型结束,并输出到达时间等相关信息。
在本实施例中,卸车环节的仿真方法,包括:
在卸车环节的仿真模型中设置车辆到达时间和卸车时间,该时间包括车辆停靠、卸货和离开的时间,并根据车辆类型和卸货方式,设置卸车数量和卸车时间;
考虑车辆停靠时间和卸货效率,模拟车辆卸载煤炭的整个过程,并记录车辆卸货过程中存在的问题,根据模拟结果,得到车辆卸货的关键信息。
在本实施例中,入库环节的仿真方法,包括:
在入库环节的仿真模型中设置煤炭入库时间,记录煤炭的数量和类型;
根据储存容量和煤炭种类,分配储存位置和储存方式,并记录相关信息,参考入库记录和库存量等数据,预测煤炭出库的时间和数量;
考虑库存周转率和煤炭储存规则,模拟煤炭进入库存的整个过程,并记录煤炭储存过程中存在的问题,根据模拟结果,得到煤炭入库的关键信息。
其中,获取煤炭运输和入库环节的相关数据,首先需要收集煤炭运输和入库环节过程中产生的各种数据,包括装运时间、到货时间、运输时间、库存量等信息。这些数据可以通过现有的企业管理系统、仓库管理系统以及物流追踪系统等来获得。建煤炭运输和入库环节的物流模拟模型,建立物流模拟模型时,需要考虑整个流程中的各个环节,并对每个环节建立仿真模型。
物流模拟模型的建立需要根据实际情况进行参数设定和模型验证,保证其与实际情况相符合。在建立装车环节仿真模型时,需要考虑装车时间、车辆到达时间、车辆离开时间和装车数量等因素,根据这些参数,模拟车辆装车的整个过程。例如,可以通过设定每个装车时间段内的车辆数量和装车数量,以及车辆离开时间和下一次车辆到达时间来模拟装车过程。
在建立运输环节仿真模型时,需要考虑车辆出发时间、到达时间和路程时间等因素。这些参数可以通过实际路程长度、车辆行驶速度和交通状况等来设定,模拟车辆在运输过程中的行驶速度和时间,以及所要经过的路程情况。在建立卸车环节仿真模型时,需要考虑卸车时间、车辆到达时间、车辆离开时间和卸车数量等因素。根据这些参数,模拟车辆卸载煤炭的整个过程。例如,可以设定每个卸车时间段内的车辆数量和卸车数量,以及车辆离开时间和下一次车辆到达时间来模拟卸车过程。
在建立入库环节仿真模型时,需要考虑煤炭入库时间、储存容量和出库时间等因素。这些参数可以通过实际仓库储存条件、煤炭的存储特性和出库需求等来设定,模拟煤炭进入库存的整个过程。根据模拟结果,得到煤炭运输和入库管理模块的关键信息,通过物流模拟模型模拟煤炭运输和入库的流程和环节,得到关键信息,如装运时间、到货时间、运输时间、库存量等,这些数据可以用于煤炭运输和入库管理的优化和改进。在得到模拟结果后,需要进行数据分析和解读,以便于针对实际情况进行优化和改进的决策和措施。
从而通过构建仿真模型以及结合上一个供应链环节中的最优参数,获得每个仿真模型中的最优参数,进而获得每个环节的最优实施方式,获得最优的成本,进而降低整个煤炭供应链的成本。
在本实施例中,所述最优销售参数的具体实现方式为:
收集销售环节的历史交易数据,所述历史交易数据包括销售数量、价格、时间和地点等关键信息;
利用统计分析方法对所述历史数据进行分析,获取多种销售类型数据;
基于所述采购子方案、运输入库子方案和加工子方案中的最优参数,利用决策树算法对不同销售类型数据进行模拟和分析,比较不同销售类型的收益和成本,选择最优销售类型,所述最优销售类型为最优销售参数。
其中,确定数据收集的时间范围和地点,并收集煤炭销售的相关数据,包括销售数量、价格、时间、地点等信息。将数据存储在数据库中,以便进行后续分析,收集获得历史交易数据。利用统计分析方法进行需求预测和价格趋势分析,选择适当的统计分析方法进行需求预测和价格趋势分析,例如时间序列分析、灰色模型等。
灰色模型的具体实施方式如下:
1.建立初始模型。将已知的时间序列数据按照其数量的大小进行排序,然后利用累加生成序列构造数列,即生成累加数列。根据生成的累加数列进行数据的处理和建模。
2.建立数学模型。根据数据构造累加的数列后,用下列式子建立累加产生序列X(0)和一次累加序列X(1):
X(1)=[X(0)1+X(0)2+...+X(0)n]/n
3.进行数据分析。对一次累加数据序列计算其一次指数平滑序列S(1)和相应的残差数列E(1),其中已知参数α,一般取其值为0.5。可以用下面的公式计算:
S(1)=αX(1)+(1-α)S(0)
E(1)=X(1)-S(1)
4.建立GM(1,1)模型。对于一次指数平滑序列S(1),构造其累加发生序列Y(1),然后建立一阶线性微分方程:
dy(k)/dt+a*y(k)=u(k)
其中,dy(k)/dt表示累加数据序列Y(1)的增量,y(k)表示累加数据序列Y(1)的值,u(k)表示发生数据序列X(1)的值,a为待求参数。
5.拟合数据。用最小二乘法求解微分方程的待求参数a和初值y(0),然后得到等比数列S0(k)和原始数列X0(k)。
6.进行预测。用拟合的模型预测下一个时间段的数据。
基于统计分析结果,预测煤炭的未来销售数量和价格趋势,并确定多种销售类型。利用决策树算法进行模拟和分析,根据历史数据和需求预测结果,建立决策树模型,包括确定销售数量、价格、交货时间等关键节点。对不同销售类型进行模拟和分析,包括采用优惠促销、档期销售等策略,比较不同策略的成本和收益。选择最优销售类型进行实施,最大化利润。确定合理的煤炭库存量和采购计划,基于合理的煤炭库存量和采购计划和多种销售类型,选择最优的销售类型以满足市场需求。根据库存量和采购计划,协调采购、仓储和销售环节,确保供应链的顺畅运作。进行销售和采购的执行监控,建立监控系统,实时监控销售和采购的执行情况,包括销售数量、价格、交货时间等关键指标。根据监控结果,及时调整销售策略和采购计划,以保证供应链的高效运转和最大化利润。
实施例2
另一方面本申请基于一种煤炭供应链调度方法提供了一种煤炭供应链系统,包括:
收集单元71,所述收集单元用于获取煤炭供应链的各个环节的历史数据信息;
分析单元72,所述分析单元用于根据煤炭供应链的各个环节信息对所有环节进行分析,确定出每个环节可行的实施方案;
模拟单元73,所述模拟单元用于对煤炭运输和入库环节进行模拟,构建物流模拟模型,通过模拟数据,得到煤炭运输和入库的关键信息,进而优化运输入库子方案,获得最优的运输入库参数;
成本核算单元74,所述成本核算单元用于根据物流模拟模型和决策树算法确定最优的销售参数,进而得到最优成本核算参数。
其中,收集单元是煤炭供应链优化的前提,用于获取煤炭供应链各个环节的信息,包括采购、煤炭运输和入库、加工和管理、销售等环节。该单元需要建立数据采集系统,及时收集煤炭供应链各个环节的数据,并将其存储在数据库中,以便后续的分析和模拟。
分析单元通过对收集单元获取的煤炭供应链信息进行分析,确定每个环节可行的实施方案。在分析过程中,可以采用统计分析方法、线性规划等数学模型,以及根据专业知识和经验进行判断和决策。该单元需要构建一个分析模型,根据不同环节的信息输入,输出最佳的实施方案。
模拟单元专注于对煤炭运输和入库环节进行模拟,构建物流模拟模型,通过模拟数据,得到煤炭运输和入库的关键信息,进而优化煤炭运输和入库管理方案,获得最优的实施方式。该单元需要定制专门的物流模拟软件,基于模拟算法和历史数据,获取可行煤炭运输和入库方案的最优解。
成本核算单元是整个煤炭供应链优化的核心,根据物流模拟模型和决策树算法,对销售方案进行最优化,经过反复试算和对比,确定最优的销售策略和采购计划,最终得到最优的成本核算方案。该单元需要对采购、仓储、销售等各个环节的成本进行详细分析,构建完整的成本核算模型,确保最终方案取得最大的成本优化效果。
总体而言,上述单元之间相互依赖,一步步的优化煤炭供应链各个环节,最终得到最优的实施方案,提高整个供应链的效率和盈利能力。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种煤炭供应链调度方法,其特征在于,所述方法包括:
制定策略规划方案,所述策略规划方案包括采购子方案、运输入库子方案、加工子方案和销售子方案,所述策略规划方案用于对供应链各环节的历史数据分析,为供应链管理员提供整个煤炭供应链的方案规划;
基于所述整个煤炭供应链的方案规划进行分析确定出采购子方案中的最优采购参数;
基于所述最优采购参数进行分析确定出运输入库子方案中的最优运输入库参数,并基于所述最优运输入库参数进行分析确定出加工子方案中的最优加工参数;
基于所述最优加工参数进行分析确定出销售子方案中的最优销售参数;
基于所述最优销售参数计算得出最优成本参数,所述最优成本参数用于展示各环节各数据的最优指标,实现各环节成本的核算,为供应链管理员提供整个供应链的成本信息;
其中,根据所述运输入库子方案中的现有数据构建物流模拟模型,对煤炭运输和入库环节进行模拟,通过模拟数据,得到煤炭运输和入库的关键信息,进而优化运输入库子方案,获得最优运输入库参数。
2.根据权利要求1所述的一种煤炭供应链调度方法,其特征在于,所述物流模拟模型的具体实现方式为:
建立物流模拟模型,包括装车、运输、卸车和入库四个环节,对每个环节建立仿真模型;
对装车环节的仿真模型,设置煤炭装车时间、车辆到达时间、车辆离开时间和装车数量,根据这些数据,模拟车辆装车的整个过程;
对运输环节的仿真模型,设置车辆出发时间、到达时间和路程时间,模拟车辆在运输过程中的行驶速度和时间,以及所要经过的路程情况;
对卸车环节的仿真模型,设置煤炭卸车时间、车辆到达时间、车辆离开时间和卸车数量,根据这些数据,模拟车辆卸载煤炭的整个过程;
对入库环节的仿真模型,设置煤炭入库时间、储存容量和出库时间,模拟煤炭进入库存的整个过程;
根据模拟结果,得到煤炭运输和入库的关键信息,所述关键信息包括装运时间、到货时间、运输时间和库存量,根据对所述关键信息的分析得到最优采购参数。
3.根据权利要求2所述的一种煤炭供应链调度方法,其特征在于,装车环节的仿真方法,包括:
在所述装车环节的仿真模型中输入煤炭装车时间、车辆到达时间、车辆离开时间和装车数量,并根据路线规划和车辆类型,考虑道路、交通、天气等因素,模拟车辆在装车过程中存在的不同情况;获得装车环节的相关信息;
记录车辆装车过程中的数据,包括煤炭装车时间、车辆到达时间、车辆离开时间、装车数量和装车情况等,根据模拟结果,得到车辆装车环节的关键信息。
4.根据权利要求3所述的一种煤炭供应链调度方法,其特征在于,运输环节的仿真方法,包括:
在所述运输环节的仿真模型中输入车辆出发时间、到达时间和路程时间等参数,初始化车辆的起点和终点,并计算路程时间;
根据所得到的车辆起点、终点和路程时间,按照路况、车辆类型等因素计算车速;
在模拟中按照路程和时间步进,将车辆从起点运输到终点,并在运输过程中,实时监控车辆位置、速度等信息,并处理可能出现的异常情况,当车辆到达目的地时,运输环节的仿真模型结束,并输出到达时间等相关信息。
5.根据权利要求4所述的一种煤炭供应链调度方法,其特征在于,卸车环节的仿真方法,包括:
在卸车环节的仿真模型中设置车辆到达时间和卸车时间,该时间包括车辆停靠、卸货和离开的时间,并根据车辆类型和卸货方式,设置卸车数量和卸车时间;
考虑车辆停靠时间和卸货效率,模拟车辆卸载煤炭的整个过程,并记录车辆卸货过程中存在的问题,根据模拟结果,得到车辆卸货的关键信息。
6.根据权利要求5所述的一种煤炭供应链调度方法,其特征在于,入库环节的仿真方法,包括:
在入库环节的仿真模型中设置煤炭入库时间,记录煤炭的数量和类型;
根据储存容量和煤炭种类,分配储存位置和储存方式,并记录相关信息,参考入库记录和库存量等数据,预测煤炭出库的时间和数量;
考虑库存周转率和煤炭储存规则,模拟煤炭进入库存的整个过程,并记录煤炭储存过程中存在的问题,根据模拟结果,得到煤炭入库的关键信息。
7.根据权利要求2所述的一种煤炭供应链调度方法,其特征在于,所述最优销售参数的具体实现方式为:
收集销售环节的历史交易数据,所述历史交易数据包括销售数量、价格、时间和地点等关键信息;
利用统计分析方法对所述历史数据进行分析,获取多种销售类型数据;
基于所述采购子方案、运输入库子方案和加工子方案中的最优参数,利用决策树算法对不同销售类型数据进行模拟和分析,比较不同销售类型的收益和成本,选择最优销售类型,所述最优销售类型为最优销售参数。
8.一种煤炭供应链系统,所述煤炭供应链系统应用于权利要求7所述的一种煤炭供应链调度方法,其特征在于,包括:
收集单元,所述收集单元用于获取煤炭供应链的各个环节的历史数据信息;
分析单元,所述分析单元用于根据煤炭供应链的各个环节信息对所有环节进行分析,确定出每个环节可行的实施方案;
模拟单元,所述模拟单元用于对煤炭运输和入库环节进行模拟,构建物流模拟模型,通过模拟数据,得到煤炭运输和入库的关键信息,进而优化运输入库子方案,获得最优的运输入库参数;
成本核算单元,所述成本核算单元用于根据物流模拟模型和决策树算法确定最优的销售参数,进而得到最优成本核算参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310818106.1A CN116882673A (zh) | 2023-07-05 | 2023-07-05 | 一种煤炭供应链系统及调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310818106.1A CN116882673A (zh) | 2023-07-05 | 2023-07-05 | 一种煤炭供应链系统及调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116882673A true CN116882673A (zh) | 2023-10-13 |
Family
ID=88269110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310818106.1A Pending CN116882673A (zh) | 2023-07-05 | 2023-07-05 | 一种煤炭供应链系统及调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116882673A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117236823A (zh) * | 2023-11-13 | 2023-12-15 | 无锡雪浪数制科技有限公司 | 基于供应链仿真的运输成本优化方法及系统 |
-
2023
- 2023-07-05 CN CN202310818106.1A patent/CN116882673A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117236823A (zh) * | 2023-11-13 | 2023-12-15 | 无锡雪浪数制科技有限公司 | 基于供应链仿真的运输成本优化方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110097234B (zh) | 工业卷烟运输智能调度方法及系统 | |
McKinnon et al. | The potential for reducing empty running by trucks: a retrospective analysis | |
CN112884404A (zh) | 一种智能供应链库存中转优化及异动预警系统 | |
Makarova et al. | The role of reverse logistics in the transition to a circular economy: case study of automotive spare parts logistics | |
Li et al. | Multi-objective cold chain logistic distribution center location based on carbon emission | |
WO2018236242A1 (ru) | Способ и устройство планирования операций с активами предприятия | |
CN116882673A (zh) | 一种煤炭供应链系统及调度方法 | |
Jafarian et al. | The inventory-routing problem subject to vehicle failure | |
Dai et al. | Environmentally friendly equilibrium strategy for coal distribution center site selection | |
CN114266395A (zh) | 基于组合预测法卷烟物流集散分拨中心信息系统 | |
CN112949889A (zh) | 一种基于物联网与大数据技术的分级库存及二次配送方法 | |
Ge et al. | Proactive two-level dynamic distribution routing optimization based on historical data | |
Oguntola et al. | On the value of shipment consolidation and machine learning techniques for the optimal design of a multimodal logistics network | |
Devlin et al. | Solving the woody supply chain for Ireland's expanding biomass sector: A case study | |
Rostami | Minimizing maximum tardiness subject to collect the EOL products in a single machine scheduling problem with capacitated batch delivery and pickup systems | |
Łukasik et al. | Implementation of logistics and transport processes in an enterprise operating on Polish territory in the face of COVID-19 | |
Andrejić et al. | Value stream mapping in ordering process—A case of retail chain | |
Razghonov et al. | BUILDING MODELS TO OPTIMIZE VEHICLE DOWNTIME IN MULTIMODAL TRANSPORTATION. | |
Dobrodey et al. | Imitation forecast of railway system operation in a macroregion | |
Khezeli et al. | Simulation Based Optimization Model for Logistic Network in a Multi-Stage Supply Chain Network with Considering Operational Production Planning" Truck Loading System and Transportation Network | |
Aloui et al. | Enhancing logistics operations sustainability through resource sharing: The case of French agri-food SMEs | |
Wang et al. | Improving automotive garage operations by categorical forecasts using a large number of variables | |
Gutenschwager et al. | Retail | |
CN117436718B (zh) | 一种基于多维引擎的智能数据管理平台 | |
CN117649116B (zh) | 一种大数据物流管理系统 |
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 |