一种基于统仓共配的订单分配模型及其建立与应用方法 专利技术说明

计算;推算;计数设备的制造及其应用技术1.本发明涉及物流订单分配技术领域，具体涉及一种基于统仓共配的订单分配模型及其建立与应用方法。背景技术：2.近年来，伴随网上购物平台的兴起和蓬勃发展，物流服务行业竞争环境也日益激烈，企业出于巩固和拓展市场的需求，需要在多个销售区域建立仓库，因此企业会逐渐形成多仓库的配送服务网络，即形成如图1所示的集货中心→rdc(协同仓)→门店仓(前置仓)→个人客户的四级供应链结构，商品在制造工厂生产完毕后，发到集货中心进行统一处理，通常针对某件商品全国有一两个集货中心；集货中心将商品运输至各城市配送中心rdc，即rdc的辐射范围为同城；rdc通过城市配送将商品送至各门店仓，门店仓的辐射范围为社区，个人消费者即c端客户通过app或微信小程序等途径下达订单；各门店仓、rdc会根据库存情况提出订货需求，对应着中外运以前的tob类业务，而个人消费者通过速易达小程序下达订单，即代表上述分析提出的拓展toc业务；接收订单后，根据订单内容和仓库库存情况进行订单分配，优先分配给距离最近的仓库，根据具体情况判断是否需要上级仓补发货；另外，如果考虑类似电商快递发货模式的货源仓直发式发货方式，则直接由货源仓(集货中心)负责发货；根据订单分配的结果规划后续物流环节的工作，经过仓库拣货、干线运输、区域配送等环节后，将货物交付给收货人；3.但在实际应用中，由于每个仓库地理位置、业务量、运营成本等方面存在差异，导致实际的仓库作业管理处于各仓独立的状态，即各仓划定各自的负责区域，以一个仓库的管辖部门为单位进行作业计划安排，通常以利益最大化或订单履行成本最小化为目标，按照仓库与订单收货地距离最近原则等简单规则安排配送任务；因此基于上述仓配原理，传统仓配模式在进行订单派送时，极易造成各仓之间的“信息孤岛”现象，物流资源也不能得到高效的调度和利用，如图2所示的传统仓配模式示意，由于配送区域划分的限制，可能出现图中所示的因为仓库缺货而导致的客户订单需求无法得到满足的情况；4.基于此，亟需设计一种基于统仓共配的订单分配模型，以实现统仓共配模式下的仓储资源协同调度，管理对象从传统仓配模式下的单一仓库拓展到整个供应链服务网络上各层级仓库构成的仓库群，仓储资源调度的过程也从集中于单个仓库变成群体式的更复杂的协同决策，进而提升订单完成率和仓储资源利用率，以解决上述现有技术存在的问题。技术实现要素：5.针对上述存在的问题，本发明旨在提供一种基于统仓共配的订单分配模型及其建立与应用方法，本方法通过对多渠道订单分配问题进行描述和求解要素分析，提出了一种基于统仓共配的订单分配模型，本模型能够在使用时有效提高订单完成率和仓储资源利用率，具有订单完成率、仓储资源利用率和客户满意度高，成本支出低的特点。6.为了实现上述目的，本发明所采用的技术方案如下：7.一种基于统仓共配的订单分配模型，8.(1)所述基于统仓共配的订单分配模型的目标函数为[0009][0010]其中，w为仓库集合，w＝{m，r，h}，m为门店仓集合，m＝{1，2，...，m}，r为rdc集合，r＝{1，2，...，r}，h为集货仓集合，h＝{1，2，...，h}；q为商品集合，q＝{1，2，...，q}；o为订单集合，o＝{1，2，...，o}；d为订单需求地集合，d＝{1，2，...，d}；为仓库i的固定派车成本，i∈w；xij为0-1决策变量，表示如果由节点i向节点j运输商品，则xij＝1，否则xij＝0，i∈w，j∈d，dij为节点i到节点j的距离，i∈w，j∈w∪d；为仓库i的车辆单位距离行驶成本，i∈w；co为订单o因拆单数带来的客户满意度损失，o∈o；pwq为仓库w商品q每日销售额，w∈w，q∈q；tw为仓库w在一个补货周期内缺货的天数，w∈w；bow表示0-1决策变量，表示如果订单o被分配至仓库w，则bow＝1，否则bow＝0，o∈o，w∈w；[0011](2)基于统仓共配的订单分配模型的目标函数的约束条件为：[0012][0013][0014][0015][0016][0017][0018]其中，noq为订单o对商品q的需求量，o∈o，q∈q；[0019]式(1)为以总成本最小为目标，考虑派车成本、配送成本、拆单数带来的客户满意度损失和缺货损失目标函数；[0020]式(2)约束了每个订单至少分配给一个仓库；[0021]式(3)约束了最大拆单数不得超过规定值；[0022]式(4)约束了订单中每种商品总数不超过集货仓库存；[0023]式(5)约束了对于每个订单中的每类商品，不能由超过一个仓库配送；[0024]式(6)和(7)是对0-1决策变量bow、xij的约束。[0025]一种基于统仓共配的订单分配模型的建立方法，包括步骤[0026]s1.设定模型的建立条件[0027](1)四级供应链结构：集货仓→rdc→门店仓→个人客户；[0028](2)tob业务主要包括由集货仓向rdc运输和rdc向门店仓城配，以及少量集货仓到rdc的c2f直发；[0029](3)toc业务主要是门店仓向客户的配送；[0030](4)三级仓库仓储资源共享，库存水平统一管理；[0031](5)每个仓库储存多种sku商品，且仓库间存在sku交叉的情况；[0032](6)对于c类订单，只发生门店仓和rdc商品品类不足的缺货；对于b类订单，只发rdc商品品类不足的缺货，即任意单个集货仓一定可以覆盖订单需求；[0033](7)仓库的数量、位置、库存水平已知；[0034](8)每个仓库到收货点的距离已知；[0035](9)订单的商品信息、时间窗等条件已知，每个订单包含一至多种sku；[0036](10)订单被拆分后，客户时间窗不变；[0037](11)只考虑品类拆单；[0038](12)运力资源无限制；[0039]s2.设定模型中的变量参数和变量含义；[0040]s3.建立基于统仓共配的订单分配模型。[0041]优选的，经步骤s3所建立的基于统仓共配的订单分配模型的目标函数为[0042][0043]该目标函数的约束条件为：[0044][0045][0046][0047][0048][0049][0050]其中，式(1)为以总成本最小为目标，考虑派车成本、配送成本、拆单数带来的客户满意度损失和缺货损失目标函数；[0051]式(2)约束了每个订单至少分配给一个仓库；[0052]式(3)约束了最大拆单数不得超过规定值；[0053]式(4)约束了订单中每种商品总数不超过集货仓库存；[0054]式(5)约束了对于每个订单中的每类商品，不能由超过一个仓库配送；[0055]式(6)和(7)是对0-1决策变量bow、xij的约束。[0056]优选的，所述建立方法还包括步骤[0057]s4.利用遗传算法对统仓共配模式下的订单分配模型进行求解[0058]s4.1.编码，采用整数编码，以仓库编号组成染色体；[0059]s4.2.选择；[0060]s4.3.交叉，采用双点交叉算子，在选择出的两条父代染色体随机生成两个交叉位，交换两条父代染色体交叉位之间的片段，得到两条子代染色体；[0061]s4.4.变异，采用单点变异算子，随机生成一个变异位，将此染色体变异位上的元素进行替换；替换后进行染色体有效性检验，若染色体无效则不采纳此次变异；[0062]s4.5.计算染色体适应度[0063]根据总目标函数计算种群适应度，将计算的派车成本、配送成本、拆单数带来的客户满意度损失和缺货损失组成的总成本取倒数作为适应度；[0064]s4.6.判断是否满足要求[0065]如果达到规定的最大种群代数则输出结果，否则继续下一次新种群的生成。[0066]优选的，步骤s4.2所述的选择过程包括设已知有n个个体，个体xi(i＝1，2，...，n)的适应度值为f(xi)，设个体被选中的概率为p(xi)，累计概率为q(xi)，轮盘赌选择法的具体步骤如：[0067]1)计算每个个体的被选中概率p(xi)[0068][0069]2)计算每个部分的累积概率q(xi)[0070][0071]3)随机生成一个数组m，数组中的元素取值范围在0和1之间，并将其按从小到大的方式进行排序；若累积概率q(xi)大于数组中的元素m[i]，则个体xi被选中，若小于m[i]，则比较下一个个体xi+1直至选出一个个体为止；[0072]4)若需要选择n个个体，则将步骤3)重复n次。[0073]一种基于统仓共配的订单分配模型的应用方法，所述的基于统仓共配的订单分配模型用于进行合同物流发货方式的物流方案规划以及货源地直发式物流方案规划。[0074]优选的，所述的合同物流发货方式的方案规划类型包括c类订单和b类订单。[0075]优选的，所述的利用基于统仓共配的订单分配模型进行c类订单物流方案规划的具体步骤包括[0076]step1.对订单进行预处理，排除单仓可覆盖和需要上级仓补发货的订单[0077]①对订单集合o进行遍历，将门店仓按照与订单收货地的距离由近到远进行排序；[0078]②若存在某个门店仓可以覆盖订单需求，记录订单号和相应门店仓号；否则，判断通过多仓协同配送是否可以满足订单需求；[0079]③若通过拆单也无法解决，记录需要上级仓补发货的订单号；[0080]④对剩下的需要进行统仓共配的订单执行step2；[0081]step2.对需要进行统仓共配的订单进行处理；[0082]step3.对时间节点进行控制[0083]根据step1和step2生成的物流方案，考虑距离、车速和客户时间窗进行时间节点的确定，生成最终的下游物流方案。[0084]优选的，所述的利用基于统仓共配的订单分配模型进行b类订单物流方案规划的具体步骤包括[0085]step1.b类订单分类[0086]按照订单的需求方将b类订单分为门店仓订单和rdc订单；[0087]step2.门店仓订单的分配[0088]①对订单集合o进行遍历，将rdc按照与订单收货地的距离由近到远进行排序；[0089]②若存在某个rdc可以覆盖订单需求，记录订单号和相应rdc号；否则，记录需要集货仓补发货的订单号；[0090]step3.rdc订单的方案规划[0091]根据rdc订单内容确定集货仓的发货方案；[0092]step4.时间节点的控制[0093]根据step2和step3生成的物流方案，考虑距离、车速和客户时间窗进行时间节点的确定，生成最终的线下物流方案。[0094]优选的，所述的利用基于统仓共配的订单分配模型进行货源地直发式物流方案规划的具体步骤包括[0095]客户下达订单后，订单需求直接交由货源仓处理和负责，按照订单内容安排发货工作，经由各物流中转节点的转运后，到达最终配送点，完成货物交付。[0096]本发明的有益效果是：本发明公开了一种基于统仓共配的订单分配模型及其建立与应用方法，与现有技术相比，本发明的改进之处在于：[0097]1.针对多渠道订单的分配问题，本发明通过对多渠道订单分配问题进行描述和求解要素分析，提出了一种基于统仓共配的订单分配模型，本模型能够在使用时能够实现各仓资源和数据共享、不划分配送区域、责任和风险共担的功能，进而有效提高订单完成率和仓储资源利用率，具有订单完成率、仓储资源利用率和客户满意度高，成本支出低的优点；[0098]2.同时，本发明在基于统仓共配的订单分配模型的基础上，设计出了针对不同类型发货方式和业务类型的物流方案规划解决方案，实现了以总成本最小为总目标，考虑订单拆分、跨区域协同配送的线下物流方案的设计，有效提升了具有订单完成率和仓储资源的利用率。附图说明[0099]图1为传统订单履行过程的工作原理图。[0100]图2为传统仓配模式的工作原理图。[0101]图3为本发明统仓共配模式的工作原理图。[0102]图4为本发明示例染色体的编码原理图。[0103]图5为本发明双点交叉操作的编码原理图。[0104]图6为本发明单点变异操作的编码原理图。[0105]图7为本发明实施例2程序运行结果截图。[0106]图8为本发明实施例2c类订单仓配方案类型及解决方法原理图。[0107]图9为本发明实施例2程序生成物流方案部分截图。[0108]图10为本发明实施例2c类订单物流方案的平台界面图。[0109]图11为本发明实施例2b类订单仓配方案类型及解决方法原理图。[0110]图12为本发明实施例2算例部分数据截图。[0111]图13为本发明实施例2程序运行结果截图。[0112]图14为本发明实施例2b类订单物流方案的平台界面图。[0113]图15为本发明实施例2货源地直接发货模式的原理图。具体实施方式[0114]为了使本领域的普通技术人员能更好的理解本发明的技术方案，下面结合附图和实施例对本发明的技术方案做进一步的描述。[0115]实施例1：参照附图1-15所示的一种基于统仓共配的订单分配模型，本模型在统仓共配模式下进行订单分配，即[0116]统仓共配模式下的仓储资源协同调度，管理对象从传统仓配模式下的单一仓库拓展到整个供应链服务网络上各层级仓库构成的仓库群，仓储资源调度的过程也从集中于单个仓库变成群体式的更复杂的协同决策；由于统仓共配模式下的各仓处于相互连接的供应链服务网络中，在一定区域内不划分配送界线，形成以企业为主体的利益共同体，所以各仓需要在资源和信息共享的条件下，以提高客户满意度、降低企业成本、提高仓储资源利用率为共同目标进行订单的分配和执行；图3为统仓共配模式示意，可以看出当各仓不再划分负责的配送区域，允许针对订单进行多仓协同配送后，原本在传统仓配模式下出现的发生缺货而无法提供服务的客户需求点得到了满足，订单完成率和仓储资源利用率得到了提升；[0117]统仓共配模式的特点在与：[0118]根据以上传统仓配模式和统仓共配模式的介绍，可以得出如表1所示的两种仓配模式的对比；[0119]表1：统仓共配模式与传统仓配模式对比[0120][0121]总结出统仓共配模式的特点和优势如下：[0122](1)各仓资源和数据共享[0123]以互联网技术为重要基础，融合大数据、云计算等技术，以此实现供应链服务网络中各仓之间的资源和数据共享，有效提高仓储资源利用率和企业管理水平；通过数字化管理平台可以实时查看各仓库存、环境等数据，以及出库、入库操作情况，实现多仓统一、透明化管理；这样的管理和运作模式，从仓库方角度提升了订单完成能力和仓储资源利用效率，从企业角度也可以在更大范围内进行仓储资源调度，有利于降低成本，提高竞争力；[0124](2)不划分配送区域[0125]当求解订单分配和路径规划问题时涉及的问题规模较大时，常见的做法是首先根据仓库和配送点的服务能力等约束，利用相关理论将复杂的大规模配送网络划分为若干小的配送区域，然后在这些小规模区域进行问题求解；配送区域划分后虽然降低了问题求解的难度，但也容易造成不同区域业务量不平衡、物流资源利用率不高的情况；由于在物流方案生成的过程中允许拆单和多仓协同配送存在，且各仓之间资源和数据共享，统仓共配模式下的一定范围内不划分配送区域，在更大范围内进行更加灵活的仓储资源调度；[0126](3)责任和风险共担[0127]在提供物流服务的过程中，各仓按照相关协定承担对货物损坏或灭失负赔偿责任的风险、未按时交货的责任风险、法律责任风险以及缺货风险等责任风险；统仓共配模式下由多仓共同承担相关责任风险，可降低各仓因为缺货或服务能力限制造成的违约成本；[0128]所述基于统仓共配的订单分配模型的建立过程包括步骤[0129]s1.设定模型在四级供应链结构下的建立条件[0130](1)四级供应链结构：集货仓→rdc(协同仓)→门店仓(前置仓)→个人客户；[0131](2)tob业务主要是由集货仓向rdc运输和rdc向门店仓城配，以及少量集货仓到rdc的c2f直发；[0132](3)toc业务主要是门店仓向客户的配送；[0133](4)三级仓库仓储资源共享，库存水平统一管理；[0134](5)每个仓库储存多种sku商品，且仓库间存在sku交叉的情况；[0135](6)对于c类订单，只发生门店仓和rdc商品品类不足的缺货；对于b类订单，只发rdc商品品类不足的缺货，即任意单个集货仓一定可以覆盖订单需求；[0136](7)仓库的数量、位置、库存水平已知；[0137](8)每个仓库到收货点的距离已知；[0138](9)订单的商品信息、时间窗等条件已知，每个订单包含一至多种sku；[0139](10)订单被拆分后，客户时间窗不变；[0140](11)只考虑品类拆单；[0141](12)运力资源无限制；[0142]s2.设定模型中的变量参数和变量含义；[0143]其中，基于统仓共配的订单分配模型中的参数和变量含义如表2所述；[0144]表2：参数和变量含义[0145][0146][0147]s3.建立基于统仓共配的订单分配模型[0148](1)建立基于统仓共配的订单分配模型的目标函数为：[0149][0150](2)基于统仓共配的订单分配模型的目标函数的约束条件为：[0151][0152][0153][0154][0155][0156][0157]其中，式(1)为目标函数，以总成本最小为目标，考虑派车成本、配送成本、拆单数带来的客户满意度损失和缺货损失；式(2)约束了每个订单至少分配给一个仓库，即订单必须完成；式(3)约束了最大拆单数不得超过规定值；式(4)约束了订单中每种商品总数不超过集货仓库存，即集货仓不发生缺货；式(5)约束了对于每个订单中的每类商品，不能由超过一个仓库配送，即不发生数量拆单；式(6)(7)是对0-1决策变量bow、xij的约束；[0158]s4.利用遗传算法对统仓共配模式下的订单分配模型进行求解[0159]遗传算法是一种通过模拟自然进化过程搜索最优解的方法；该算法通过数学的方式，利用计算机仿真运算，将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程；针对步骤s3中提出的订单分配模型，利用遗传算法进行求解的具体步骤包括[0160]s4.1.编码[0161]采用整数编码，以仓库编号组成染色体，以图4为例介绍染色体构成；[0162]在图4中的9位的染色体中，对于订单1：仓库1负责配送商品1和商品2，仓库2负责配送商品3；对于订单2：仓库1负责配送商品1、2和3；[0163]s4.2.选择[0164]采用轮盘赌选择法，又称比例选择方法，其基本思想是每个个体被选中的概率与其适应度大小成正比；假设已知有n个个体，个体xi(i＝1，2，...，n)的适应度值为f(xi)，设该个体被选中的概率为p(xi)，累计概率为q(xi)，轮盘赌选择法的具体步骤如下：[0165]1)计算每个个体的被选中概率p(xi)[0166][0167]2)计算每个部分的累积概率q(xi)[0168][0169]3)随机生成一个数组m，数组中的元素取值范围在0和1之间，并将其按从小到大的方式进行排序；若累积概率q(xi)大于数组中的元素m[i]，则个体xi被选中，若小于m[i]，则比较下一个个体xi+1直至选出一个个体为止；[0170]4)若需要选择n个个体，则将步骤3)重复n次；[0171]s4.3.交叉[0172]采用双点交叉算子，在选择出的两条父代染色体随机生成两个交叉位，交换两条父代染色体交叉位之间的片段，得到两条子代染色体；交叉操作示意如图5；[0173]s4.4.变异[0174]采用单点变异算子，随机生成一个变异位，将此染色体变异位上的元素进行替换；替换后进行染色体有效性检验，若染色体无效则不采纳此次变异；变异操作示意如图6所示；[0175]s4.5.计算染色体适应度[0176]根据总目标函数计算种群适应度，为方便后续选择操作，将计算的派车成本、配送成本、拆单数带来的客户满意度损失和缺货损失组成的总成本取倒数作为适应度；[0177]s4.6.判断是否满足要求[0178]如果达到规定的最大种群代数则输出结果，否则继续下一次新种群的生成。[0179]实施例2：与实施例1不同的是，为验证如实施例1所述的基于统仓共配的订单分配模型的可行性，设计本实施例所述算例对其进行验证；[0180]参考企业真实运营数据，部分数据合理假设，以此构成上述基于统仓共配的订单分配模型的演示案例；[0181]1.假设在集货仓→rdc(协同仓)→门店仓(前置仓)→个人客户的四级供应链网络中，有一个集货中心，两个rdc，10个门店仓，每个门店仓负责5个个人客户点，现产生30个个人订单，涉及20种商品；算例数据大部分采用中外运实际运营订单数据，部分合理假设，数据来源说明如表3所示；[0182]表3：算例数据来源[0183][0184][0185]2.算例结果分析[0186]根据以上数据，利用matlab软件进行求解，得到图7所示结果；[0187]分析运行结果，发现订单2到订单30均可由单个门店仓发货，订单1需要进行统仓共配，拆单后由仓库8和仓库10协同配送；[0188]3.针对全渠道订单的物流方案规划[0189]在上述统仓共配模式的背景下，对多渠道订单制定相应的物流方案规划方法；按照发货方式分为合同物流发货方式的物流方案规划以及类似电商模式的货源地直发式物流方案规划，并将合同物流的方案规划按照业务类型分为toc业务订单(以下简称c类订单)和tob业务订单(以下简称b类订单)两大类；[0190]3.1.合同物流toc订单方案规划[0191](1)c类订单方案规划类型及解决思路[0192]针对个人客户提出的c类订单，首先判断单个门店仓是否可以覆盖订单需求，如果有唯一门店仓可以满足，则直接由该门店仓发货，如果有多个门店仓可以满足订单，则按照距离最近原则指定发货仓；当单仓无法满足订单需求时，如果无法通过多仓协同解决缺货问题，由上级仓补发货，若通过订单拆分可以多仓协同配送，则根据上面介绍的统仓共配下的订单分配模型，利用算法求解使得总成本最低的协同配送方案；c类订单仓配方案类型及解决方法如图8，通过定性分配原则和算法寻优相结合的方式，降低了大量订单分配的复杂度；[0193]根据以上思路，c类订单物流方案规划的具体步骤为：[0194]step1.对订单进行预处理，排除单仓可覆盖和需要上级仓补发货的订单[0195]①对订单集合o进行遍历，将门店仓按照与订单收货地的距离由近到远进行排序；[0196]②若存在某个门店仓可以覆盖订单需求，记录订单号和相应门店仓号；否则，判断通过多仓协同配送是否可以满足订单需求；[0197]③若通过拆单也无法解决，记录需要上级仓补发货的订单号；[0198]④对剩下的需要进行统仓共配的订单执行step2；[0199]step2.对需要进行统仓共配的订单进行处理；[0200]step3.对时间节点进行控制；[0201]根据step1和step2生成的物流方案，考虑距离、车速和客户时间窗等进行时间节点的确定，生成最终的下游物流方案；[0202](2)算例演示[0203]利用步骤1中使用的算例，在生成的订单分配结果基础上，进行后续物流环节的节点时间规划，最终生成图9所示物流方案；[0204]将程序运行的结果整理后得到如表4单仓发货订单的物流方案和表5统仓共配订单的物流方案；[0205]表4：单仓发货订单的物流方案[0206][0207]表5：统仓共配订单的物流方案[0208][0209]方案生成后，管理人员可通过平台查看相应订单的物流方案，图10为c类订单物流方案对应的平台界面；[0210]3.2.合同物流tob订单方案规划[0211](1)b类订单方案规划类型及解决思路[0212]对于门店仓或rdc提出的b类订单，rdc的订单直接由集货中心干线运输进行履行，门店仓的订单需要根据实际情况分类考虑，若同城范围存在一个rdc或由于政策、地理等因素导致rdc无法参与统仓共配，则直接由唯一rdc负责发货，物流方案重点完成时间节点规划；如果存在多个rdc且可以进行统仓共配，则按照与c类订单相类似的思路进行处理；图11为b类订单仓配方案类型及相应解决方法；[0213]由于考虑多个rdc的情况与c类订单的处理思路类似，且后文算例参考的企业数据为同城范围一个rdc，因此以考虑一个rdc的情况为例说明b类订单物流方案规划的具体步骤；[0214]step1.b类订单分类[0215]按照订单的需求方将b类订单分为门店仓订单(转step2)和rdc订单(转step3)；[0216]step2.门店仓订单的分配[0217]①对订单集合o进行遍历，将rdc按照与订单收货地的距离由近到远进行排序；[0218]②若存在某个rdc可以覆盖订单需求，记录订单号和相应rdc号；否则，记录需要集货仓补发货的订单号；[0219]step3.rdc订单的方案规划[0220]根据rdc订单内容确定集货仓的发货方案；[0221]step4.时间节点的控制[0222]根据step2和step3生成的物流方案，考虑距离、车速和客户时间窗进行时间节点的确定，生成最终的线下物流方案；[0223](2)算例演示[0224]采取企业实际运营数据和假设(步骤1中使用的算例)生成相结合的方式，得到算例所需的数据，部分数据截图如图12所示；[0225]根据算例数据，程序运行得到图13所示结果；[0226]将程序运行结果整理后得到表6所示最终物流方案；[0227]表6：b类订单算例最终生成方案[0228][0229]b类订单物流方案平台界面如图14所示；[0230]3.3.货源地直发式物流方案规划[0231](1)货源地直发式物流方案规划思路[0232]随着合同物流由以tob业务为主逐渐向c端延伸的趋势，以及考虑到某些门店不愿支持线上订单，除了上述传统合同物流根据订单生成点逐级寻仓发货的模式，同时也考虑逐渐拓展类似快递业务的货源地直接发货模式；图15为货源地直接发货模式的示意；[0233]个人客户下达订单后，订单需求直接交由货源仓处理和负责，按照订单内容安排发货工作，经由各物流中转节点的转运后，到达最终配送点，完成货物的交付；不同于合同物流的库存安排策略，货源仓直发式的模式下，只有货源仓持有库存，其他物流中转点都只拥有货物集散中转的功能，即零库存状态；[0234]货源地直接发货模式的物流方案生成，主要是根据客户收货时间窗要求、途经中间节点的时间以及各节点的装配处理速度，来制定出各节点的收发货计划和时间节点控制；[0235](2)算例演示[0236]以一个个人客户下达的订单为例，订单内容包含所需商品信息、收货地址、收货时间窗等信息，此外，还需要途径各中转点间所需时间；算例用到的相关数据如表7；[0237]表7：算例相关数据[0238][0239]根据算例数据，得出最终物流方案如表8所示；[0240]表8：最终生成方案[0241][0242]通过上述实例可以看出，本发明实施例1所设计的基于统仓共配的订单分配模型能够有效提升订单完成率和仓储资源利用率，进而提高客户满意度、降低企业成本和提高仓储资源利用率。[0243]以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!