一种基于规则引擎的配置化汽配调度方法技术

本发明专利技术公开一种基于规则引擎的配置化汽配调度方法，属于互联网技术领域，针对业务场景配置可发货仓列表决策策略；针对业务场景配置不同的决策因子和优先级，实现可发货仓列表中最优仓决策。不仅能做到仓库列表中筛选出最优的仓库作为订单的最佳发货仓，同时能够对可选择的仓库列表进行路由配置，基于中大型规模公司复杂多变的订单渠道，订单标签等不同业务场景实现全面配置又能灵活支持运营的调度策略，在节省物流成本，提高发货时效的同时又能兼顾到业务层面多样化的需求，节省开发运营的成本压力，同时决策因子的设定交于系统的不断尝试，最终找出能使发货成本最小的决策因子。

【技术实现步骤摘要】
一种基于规则引擎的配置化汽配调度方法
本专利技术属于互联网
，具体涉及一种基于规则引擎的配置化汽配调度方法。
技术介绍
电商系统中，供应商为了实现最好的配送时效和客户体验，更低的物流成本，通常会在全国设置多个中心仓，在核心城市设置前置仓，在区县设置区域仓和门店仓。用户在线上下单后，由哪个仓库发货才是最合理的，较近的仓库不能满足用户订单时，是拆分成多个包裹发货还是从较远可满足订单的仓库发货，调度就是解决上述问题的一个系统。然而现有的调度方式不仅调度系统复杂，且不能满足实时性的要求，对于订单渠道复杂多变的中大型规模公司，不能实现物流成本低，实时性高的要求。
技术实现思路
本专利技术解决的技术问题：提供一种自动配置决策因子和优先级，实现发货成本最低的既能够满足实时性的要求，又能降低系统复杂度的基于规则引擎的配置化汽配调度方法。技术方案：为了解决上述技术问题，本专利技术采用的技术方案如下：一种基于规则引擎的配置化汽配调度方法，包括：针对业务场景配置可发货仓列表决策策略；针对业务场景配置不同的决策因子和优先级，实现可发货仓列表中最优仓决策，最优仓决策策略中，加载业务场景定义的决策因子和优先级，通过贪心算法，按优先级依次执行决策因子并收敛得到最优发货仓。作为优选，所述业务场景根据订单属性确定，订单属性包括订单渠道、订单标签、是否拆单以及是否跨时效。作为优选，所述可发货仓列表决策策略配置中，首先设置调度配置属性的类，类的数据结构中包含的字段有：是否拆单、是否需要跨区域发货的判断、以及需要配置的仓库调度属性。作为优选，针对每种业务场景上调度的具体需求，分别采取不同的仓库策略算法，去获取对应的仓库列表，如果在使用时需要新增一种仓库的策略，则增加一个仓库策略的处理器。作为优选，决策因子的值的设定由系统自动判断，通过库存调度模块分析计算优先级和决策因子的设值；在设定决策因子之前，采用预估打分系统根据以下方法计算出当前决策因子中最佳的调度路径：TScore=scoreWN*weightWN+scoreDI*weightDI+scoreP*weightP上式中：TScore表示总加权分数；scoreWN表示仓库数指标的分数；scoreDI表示距离指标的分数；scoreP表示省份数指标的分数；weightWN表示仓库数这项指标的权重；weightDI表示距离指标的权重；weightP表示省份数指标的权重。作为优选，针对决策因子的权重，库存调度模块针对每个订单制定订单调度分析计划表，定期分析因为调度过程中决策因子的权重变更是否使得物流成本增加。作为优选，库存调度模块自动调整决策因子的权重，使物流成本最低；步骤如下：S1:获取订单相关数据，初始根据业务人员的经验设定决策因子；S2:系统自动分析各种比例决策因子以及对应的物流成本，重新得到预判的决策因子：S3:针对系统设定的预判决策因子数据，微量调整之后进行数据分析；S4:针对步骤S3中调整的数据，进行再次调整，找出最优比例的决策因子。有益效果：与现有技术相比，本专利技术具有以下优点：本专利技术的基于规则引擎的配置化汽配调度方法，不仅能做到仓库列表中筛选出最优的仓库作为订单的最佳发货仓，同时能够对可选择的仓库列表进行路由配置，基于中大型规模公司复杂多变的订单渠道，订单标签等不同业务场景实现全面配置又能灵活支持运营的调度策略，在节省物流成本，提高发货时效的同时又能兼顾到业务层面多样化的需求，节省开发运营的成本压力，同时决策因子的设定交于系统的不断尝试，最终找出能使发货成本最小的决策因子。附图说明图1是基于规则引擎的配置化汽配调度方法可发货仓列表决策模块ER图；图2是基于规则引擎的配置化汽配调度方法业务场景选择页面；图3是基于规则引擎的配置化汽配调度方法可发货仓列表决策配置页面。具体实施方式下面结合具体实施例，进一步阐明本专利技术，实施例在以本专利技术技术方案为前提下进行实施，应理解这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围。一种基于规则引擎的配置化汽配调度方法，包括：针对业务场景配置可发货仓列表决策策略；针对业务场景配置不同的决策因子和优先级，实现可发货仓列表中最优仓决策。本专利技术的调度过程分解成可发货仓库列表决策和发货仓列表中最优仓决策两步，即第一步是为了找到所有可以发货的仓库集合，第二步是从可发货仓库集合中找到最优的发货仓。调度系统要求非常高的实时性，在用户下单过程中，就得计算出最优发货仓，并锁定库存防止超卖；同时，调度系统包含了复杂的业务规则，且规则复杂度会随着业务发展而增长，例如：可发货仓列表决策考虑因素主要包括：（1）气门嘴发货仓必须与轮胎发货仓一致；（2）是否强制指定仓调度；（3）是否允许协同仓发货；（4）是否允许跨区域调度；（5）是否允许拆单（6）不同渠道的业务需要不同类型的仓库发货；（7）不同订单标签的业务有的时候只允许某种类型的仓库发货；（8）业务上面在某种发货仓列表调度失败的情况下，能否继续调度其他的仓库。发货仓列表中最优仓决策的主要考虑因素包括：（1）最快时效优先；（2）最小距离优先；（3）最少包裹数优先（最小仓）；（4）最低运费成本优先。首先确定业务场景，业务场景根据订单属性确定，订单属性包括订单渠道、订单标签、是否拆单以及是否跨时效等等。越来越多的仓库选择规则随着业务的发展会添加到库存调度中来，为了更好的支持业务定制化调度规则，将每个订单的共性抽取出来，比如每个订单中包含订单渠道，订单标签，是否拆单，是否跨时效等属性，这些属性共同决策出一种业务场景。如图1所示，进行调度参数配置，通过勾选订单的属性就可以定义出一种业务场景。对业务场景，可以分别配置可发货仓列表决策策略和最优仓决策策略。针对业务场景，配置不同的可发货仓列表决策策略，示例如下：示例：场景scenario1策略：根据订单收货地址区域ID查询可发货仓列表数据：订单收货地址：浙江省杭州市余杭区仓库列表：[W1,W2,W3,W4,W5]仓库覆盖范围：W1:湖北、湖南、安徽、江西、浙江、江苏、福建；W2:浙江、江苏、福建、上海；W3:浙江、江苏、福建、上海；W4:湖北、湖南、安徽、江西；W5:湖北、湖南、安徽、江西；执行过程：W1,W2,W3均可发货到浙江省；执行结果：[W1,W2,W3]。针对业务场景，发货仓列表中最优仓决策配置不同的决策因子和优先级，通过贪心算法，快速收敛。配置页面如图2所示，示例如下：示例：场景scenario2决策因子:最小包裹数-优先级1，最小距离-优先级2（优先级数值越小，优先级越高）。数据：可发货仓列表为[W1,W2,W3]，W1地址：湖北省武汉市洪山区；W2地址：浙江省杭州市余杭区；W3地址：浙江省杭州市余杭区。订单商品列表为:[sku1本文档来自技高网...

【技术保护点】
1. 一种基于规则引擎的配置化汽配调度方法，其特征在于，包括：针对业务场景配置可发货仓列表决策策略；针对业务场景配置不同的决策因子和优先级，实现可发货仓列表中最优仓决策, 最优仓决策策略中，加载业务场景定义的决策因子和优先级，通过贪心算法，按优先级依次执行决策因子并收敛得到最优发货仓。/n

【技术特征摘要】
1.一种基于规则引擎的配置化汽配调度方法，其特征在于，包括：针对业务场景配置可发货仓列表决策策略；针对业务场景配置不同的决策因子和优先级，实现可发货仓列表中最优仓决策,最优仓决策策略中，加载业务场景定义的决策因子和优先级，通过贪心算法，按优先级依次执行决策因子并收敛得到最优发货仓。


2.根据权利要求1所述的基于规则引擎的配置化汽配调度方法，其特征在于：所述业务场景根据订单属性确定，订单属性包括订单渠道、订单标签、是否拆单以及是否跨时效。


3.根据权利要求1所述的基于规则引擎的配置化汽配调度方法，其特征在于：所述可发货仓列表决策策略配置中，首先设置调度配置属性的类，类的数据结构中包含的字段有：是否拆单、是否需要跨区域发货的判断、以及需要配置的仓库调度属性。


4.根据权利要求3所述的基于规则引擎的配置化汽配调度方法，其特征在于：针对每种业务场景上调度的具体需求，分别采取不同的仓库策略算法，去获取对应的仓库列表，如果在使用时需要新增一种仓库的策略，则增加一个仓库策略的处理器。


5.根据权利要求1所述的基于规则引擎的配置化汽配调度方法，其特征在于：决策因子的值的设定由系统自动判断，通过库存调度模块分析计算优先级和决策因子的设值；在设定决策...

【专利技术属性】
技术研发人员：范贵贵，江伟维，
申请(专利权)人：江苏康众汽配有限公司，
类型：发明
国别省市：江苏;32