TW201807629A - 車輛自動派工方法 - Google Patents

Abstract

本創作提供了一種車輛自動派工方法，包括下列步驟：a. 提供一計算模組、複數個車輛以及複數個物流資料，該計算模組具有一演算法，各該車輛分別具有一最大載貨量，各該物流資料包括貨物參數以及複數個限制條件。b. 利用該演算法計算各該物流資料規劃出一最佳運送方式，該最佳運送方式符合該限制條件且不超過該車輛的該最大載貨量。c. 分派該最佳運送方式給各該車輛。d. 根據該最佳運送方式自動計算運費及薪資。根據上述方法，本創作提供一種車輛自動派工方法，利用演算法自動計算物流任務，規劃出最有效率的車次及運送方法。此外，還可以自動計算運費或薪資，可節省人工計算的時間及避免計算錯誤。

Description

車輛自動派工方法

本發明關於一種車輛自動派工方法，特別是指一種利用演算法自動計算物流任務，規劃出最有效率的車次及運送方法。

隨著網上購物的逐漸普及，消費者慢慢習慣於網上採購商品，網上購物要依賴於物流將商品派送到消費者手中，隨著網上消費規模的逐漸擴大，消費者對物流的使用也越來越多。在物流的派案作業，多是依照運送地點來指派運送任務給各物流車輛，故送貨員根據當天需要派送的包裹地址規劃派送路徑，按照既往路線派送包裹。

在實際物流作業中，由於送貨員的主觀決定的派送路徑可能並不一定是最高效的路徑，導致派送效率較低。並且，傳統的物流派案作業常常忽略掉貨物間的互斥以及行使路段的限制，例如巷弄狹小貨車進出不易等，造成送貨員在運送上有諸多不變，甚至發生意外。

本創作的目的在於提供一種車輛自動派工方法，利用演算法自動計算物流任務，規劃出最有效率的車次及運送方法。

為了達到上述目的，本創作係採取以下之技術手段予以達成，其中，本創作提供一種車輛自動派工方法，包括下列步驟：a. 提供一計算模組、複數個車輛以及複數個物流資料，該計算模組具有一演算法，各該車輛分別具有一最大載貨量，各該物流資料包括貨物參數以及複數個限制條件。b. 利用該演算法計算各該物流資料規劃出一最佳運送方式，該最佳運送方式符合該限制條件且不超過該車輛的該最大載貨量。c. 分派該最佳運送方式給各該車輛。

為達成上述目的及功效，本創作所採用之技術手段及構造，茲繪圖就本創作較佳實施例詳加說明其特徵與功能如下，俾利完全了解，但須注意的是，該等內容不構成本發明的限定。

請同時參閱圖1及圖2所示。本創作提供一種車輛自動派工方法，包括有下列步驟：

步驟110：提供一計算模組 3、複數個車輛 (1,1a,1b..)以及複數個物流資料 2。該計算模組 3具有一演算法 31，各該車輛 (1,1a,1b..)分別具有一最大載貨量 (11,11a,11b..)。每一該物流資料 2皆代表一個物流訂單，其包括貨物參數以及複數個限制條件，該貨物參數包括：客戶地點、路網距離、運送費率、薪資獎金、貨物體積以及貨品重量。該限制條件包括：車輛載重上限、車輛容積上限、時窗限制、貨物互斥限制、行使路段限制。

步驟120：利用該演算法 31計算各該物流資料 2規劃出一最佳運送方式 4。請更加參閱圖3至圖7所示，該演算法 31的演算流程如下：一、 該演算法 31將相同地址的該物流資料 2集合為「訂單組」，使得同一地址盡量由同一車輛 1前往服務。若單一「訂單組」總重量或總材積超過最大型車輛上限，則以最大型車輛的材積上限或載重上限為一「訂單組」，其餘再進行組合。二、 該演算法 31使用最小生成樹分群法，將最遠的或是時限最嚴苛，必須第一站前往的客戶點 A，做為群組中的第一點，再找離此群中心點最近的客戶點 B、第二近的客戶點 C，加入群組中，並以此列推。三、加入新的客戶於群組時，檢查群組中所有客戶訂單組的總材積重量是否超過該車輛 1容積重量上限，若超過，則換加入其他客戶的訂單組。四、若不超過材積重量上限，則將此訂單加入群中，並以窮舉法試算，在各種不同抵達客戶點順序下，何一順序的繞行距離最短，且各客戶的時窗限制均不違反。若已有3個客戶在一群，則抵達三個客戶的順序，有3!個組合，即3*2*1=6種，如下所示： 1. 起點à1à2à3à終點 2. 起點à1à3à2à終點 3. 起點à2à1à3à終點 4. 起點à2à3à1à終點 5. 起點à3à1à2à終點 6. 起點à3à2à1à終點

其中，該最佳運送方式 4符合該限制條件且不超過該車輛 1的該最大載貨量 11，較佳的，該最大載貨量 11還包括了送貨員的當日最長工時。舉例來說，在20噸的貨車上，若已裝載15噸，則不能再將8噸的訂單組合於同一部車；若每個送貨員每日最高工時為10小時，則已派給8小時任務的人員，不能再分派一件4小時的工作。

步驟130：分派該最佳運送方式 4給各該車輛 (1,1a,1b..)。

步驟140：根據該最佳運送方式 4自動計算運費及薪資。該演算法 31依事先定義的物流資料 2運費，計算各客戶應付運費，以及依事先定義的薪資獎金計算方式，計算各車輛(1,1a,1b..)或送貨員的薪資獎金。

綜合上述，可以看出本創作揭示了一種車輛自動派工方法，其利用演算法自動計算物流任務，規劃出最有效率的車次及運送方法。此外，還可以自動計算運費或薪資，可節省人工計算的時間及避免計算錯誤。

經過上述的詳細說明，已充分顯示本創作具有實施的進步性，且為前所未見的新創作，完全符合發明專利要件，爰依法提出申請。惟以上所述僅為本創作的較佳實施例而已，當不能用以限定本創作實施的範圍，亦即依本創作專利範圍所作的均等變化與修飾，皆應屬於本發明專利涵蓋的範圍內。

1,1a,1b‧‧‧車輛
11,11a,11b‧‧‧最大載貨量
2‧‧‧物流資料
3‧‧‧計算模組
31‧‧‧演算法
4‧‧‧最佳運送方式
110～140‧‧‧步驟
A,B,C‧‧‧客戶點

圖1為本創作較佳實施例之方法流程圖； 圖2為本創作較佳實施例之架構示意圖； 圖3至圖7為本創作較佳實施例之流程示意圖一至五。

110~140‧‧‧步驟

Claims (3)

1. 一種車輛自動派工方法，包括下列步驟： a. 提供一計算模組、複數個車輛以及複數個物流資料，該計算模組具有一演算法，各該車輛分別具有一最大載貨量，各該物流資料包括貨物參數以及複數個限制條件； b. 利用該演算法計算各該物流資料規劃出一最佳運送方式，該最佳運送方式符合該限制條件且不超過該車輛的該最大載貨量；以及 c. 分派該最佳運送方式給各該車輛。
2. 如申請專利範圍第1項所述的車輛自動派工方法，其中該貨物參數包括：客戶地點、路網距離、運送費率、薪資獎金、貨物體積以及貨品重量；該限制條件包括：車輛載重上限、車輛容積上限、時窗限制、貨物互斥限制、行使路段限制。
3. 如申請專利範圍第1項所述的車輛自動派工方法，其中該方法更包括一步驟d：根據該最佳運送方式自動計算運費及薪資。