一种分货方法、装置、介质及计算机设备制造方法及图纸

本发明专利技术提供一种分货方法、装置、介质及计算机设备，方法包括：确定分货决策变量；基于分货决策变量创建分货目标函数及约束条件；基于约束条件及目标函数输出分货策略；分货目标函数包括：如此，先通过确定分货决策变量，分货决策变量综合考虑了影响分货的全局因素，因此可以提高分货目标函数的分货精度；并且本采用随机优化建模算法，对门店的销量预测分布进行离散化处理，生成对应的目标销售水平场景s，每个销售水平场景对应一个发生概率，这样即使实际销量与预测销量有不同程度偏差，也可基于概率提升整体分货的稳定性，提高分货目标函数的精度，在各门店销量不确定的情况下，也可精准兼顾不同门店的补货量。门店的补货量。门店的补货量。

【技术实现步骤摘要】
一种分货方法、装置、介质及计算机设备


[0001]本专利技术属于智能分货
，尤其涉及一种分货方法、装置、介质及计算机设备。

技术介绍

[0002]在常见的零售供应链场景中，工厂生产出的产品往往不会直接送往末端门店，而是首先通过物流网络运输到区域大仓，再由区域大仓分配发货到所对应的销售门店。
[0003]由于门店商品的补货都存在一定的补货周期范围，且门店的到货需要一定的时间提前量，门店的每次补货量都需要满足未来一段时间的销售需求。同时由于不同商品在不同门店不同时期的销量水平不同，每次分货门店所需分货量亦不相同。若出现补货不足则会直接影响销量，若补货过量则会造成商品积压，增加库存额外成本。
[0004]传统的人工分货方法通常是从局部出发，先依据人工经验或历史补货数据的简单拟合来估算未来的补货需求，再按照既定的门店优先级排序逐个满足其补货需求。但是这样无法从全局考虑所有门店需求的满足，只是局部满足而非全局优化，容易造成在分货总量不充足的情况下，优先级低的门店完全不分货同时优先级高的门店补货过量的情况，分货精度严重不足，无法满足在各门店销量不确定的情况下，兼顾不同门店的补货。

技术实现思路

[0005]针对现有技术存在的问题，本专利技术实施例提供了一种分货方法、装置、介质及计算机设备，用于解决现有技术中在对各门店进行分货时，分货精度不足，进而无法全局兼顾不同门店精准补货的技术问题。
[0006]本专利技术的第一方面，提供一种分货方法，所述方法包括：
[0007]确定分货决策变量；
[0008]基于所述分货决策变量创建分货目标函数及约束条件；
[0009]基于所述约束条件及所述目标函数输出分货策略；所述分货策略为各所述分货决策变量的最优值；其中，
[0010]所述i为目标门店，所述j为目标大仓，所述wh
costi,j
为目标门店i从目标大仓j补货的物流成本；所述X
i,j
为目标门店i从目标大仓j补货的数量；所述emergent
i
为所述目标门店i的补货紧急度权重因子；所述penalty
slack
为门店缺货量的惩罚因子；所述Xs
i,s
为所述目标门店i在目标销售水平场景s下补货后的缺口补货量；所述prob
s
为目标销售水平场景s对应的发生概率；所述Yo
i,j
为所述目标门店i从大仓j补货时的补货标识变量；所述penalty
outofstock
为对缺货门店的惩罚因子；所述Yk
i,s
为目标门店i在目标销售水平场景s下补货后仍缺货的标识变量；所述penalty
order_min
为对小量补货订单的惩罚因子，所述小量补货订单为小于补货数量阈值的补货订单；所述Ym
i,j
为目标门店i从目标大仓j的补货量低于补货量阈值的标识变量；所述Yo
i,j
为目标门店i从目标大仓j补货时的补货标识变量；所述penalty
order_store
为对补货门店数量的惩罚因子，所述Ys
i
为目标门店i从任一大仓补货时的
补货标识变量；所述penalty
inv_slack
为门店补货后超出店存限制数量的惩罚因子，所述Xkl
i
所述目标门店i补货后店内总货量低于店内最小存货量的第一松弛变量；所述Xku
i
所述目标门店i补货后店内总货量高于店内最大存货量的第二松弛变量。
[0011]可选的，当所述约束条件为目标门店i从各大仓的订货总量不小于所述目标门店i在目标销售水平场景s下的预测补货量时，所述约束条件包括：
[0012][0013]当所述约束条件为大仓对不同门店的供货量不大于所述大仓的总备货量时，所述约束条件包括：
[0014]其中，其中，s为任一销售水平场景，所述X
i,j
为目标门店i从大仓j补货的数量，所述Xs
i,s
为所述目标门店i在目标销售水平场景s下补货后的缺口补货量；所述demand
i,s
为目标门店i在销售水平场景s下的预测补货量；所述i为目标门店，所述Xc
j
为补货后目标大仓j剩余的分货余量，所述capacity
j
为目标大仓j的总备货量。
[0015]可选的，当所述约束条件为统计目标门店i是否从目标大仓j补货时，所述约束条件包括：
[0016]X
i,j
≤M
·
Yo
i,j
，X
i,j
≥Yo
i,j
；
[0017]当所述约束条件为统计目标门店i从目标大仓j的补货量是否低于不补货量阈值时，所述约束条件包括：
[0018]X
i,j
≤m
i
·
Ym
i,j
+M
·
(1
‑
Ym
i,j
)，X
i,j
≥m
i
·
(1
‑
Ym
i,j
)；
[0019]当所述约束条件为统计目标门店i是否在目标销售水平场景下补货后仍缺货时，所述约束条件包括：
[0020]Xs
i,s
≤β
·
demand
i,s
+M
·
Yk
i,s
；其中，
[0021]其中所述X
i,j
为目标门店i从大仓j补货的数量，所述M为bigM参数，所述Yo
i,j
为目标门店i从目标大仓j补货时的补货标识变量，所述m
i
为目标门店i的预设补货量阈值；所述Ym
i,j
为目标门店i从目标大仓j的补货量低于补货量阈值的标识变量，若目标门店i从目标大仓j的补货量低于补货量阈值时，所述Ym
i,j
为1；若目标门店i从目标大仓j的补货量不低于补货量阈值时，所述Ym
i,j
为0；所述Xs
i,s
为目标门店i在目标销售水平场景s下补货后的缺口补货量；所述β为目标门店i被认为缺货的阈值因子；所述demand
i,s
为目标门店i在销售水平场景s下的预测补货量；当所述目标门店i从目标大仓j补货时，所述Yo
i,j
为1；当所述目标门店i未从目标大仓j补货时，所述Yo
i,j
为0；所述Yk
i,s
为目标门店i在目标销售水平场景s下补货后仍缺货的标识变量。
[0022]可选的，当所述约束条件为统计每家门店可同时订货的大仓数目时，所述约束条件包括：
[0023][0024]当所述约束条件为统计订货门店的数量时，所述约束条件包括：
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分货方法，其特征在于，所述方法包括：确定分货决策变量；基于所述分货决策变量创建分货目标函数及约束条件；基于所述约束条件及所述目标函数输出分货策略；所述分货策略为各所述分货决策变量的最优值；其中，所述分货目标函数包括：其中，所述i为目标门店，所述j为目标大仓，所述wh
costi,j
为目标门店i从目标大仓j补货的物流成本；所述X
i,j
为目标门店i从目标大仓j补货的数量；所述emergent
i
为所述目标门店i的补货紧急度权重因子；所述penalty
slack
为门店缺货量的惩罚因子；所述Xs
i,s
为所述目标门店i在目标销售水平场景s下补货后的缺口补货量；所述prob
s
为目标销售水平场景s对应的发生概率；所述Yo
i,j
为所述目标门店i从大仓j补货时的补货标识变量；所述penalty
outofstock
为对缺货门店的惩罚因子；所述Yk
i,s
为目标门店i在目标销售水平场景s下补货后仍缺货的标识变量；所述penalty
order_min
为对小量补货订单的惩罚因子，所述小量补货订单为小于补货数量阈值的补货订单；所述Ym
i,j
为目标门店i从目标大仓j的补货量低于补货量阈值的标识变量；所述Yo
i,j
为目标门店i从目标大仓j补货时的补货标识变量；所述penalty
order_store
为对补货门店数量的惩罚因子，所述Ys
i
为目标门店i从任一大仓补货时的补货标识变量；所述penalty
inv_slack
为门店补货后超出店存限制数量的惩罚因子，所述Xkl
i
所述目标门店i补货后店内总货量低于店内最小存货量的第一松弛变量；所述Xku
i
所述目标门店i补货后店内总货量高于店内最大存货量的第二松弛变量。2.如权利要求1所述的方法，其特征在于，当所述约束条件为目标门店i从各大仓的订货总量不小于所述目标门店i在目标销售水平场景s下的预测补货量时，所述约束条件包括：当所述约束条件为大仓对不同门店的供货量不大于所述大仓的总备货量时，所述约束条件包括：其中，其中，s为任一销售水平场景，所述X
i,j
为目标门店i从大仓j补货的数量，所述Xs
i,s
为所述目标门店i在目标销售水平场景s下补货后的缺口补货量；所述demand
i,s
为目标门店i在销售水平场景s下的预测补货量；所述i为目标门店，所述Xc
j
为补货后目标大仓j剩余的分货余量，所述capacity
j
为目标大仓j的总备货量。3.如权利要求1所述的方法，其特征在于，当所述约束条件为统计目标门店i是否从目标大仓j补货时，所述约束条件包括：X
i,j
≤M
·
Yo
i,j
，X
i,j
≥Yo
i,j
；
当所述约束条件为统计目标门店i从目标大仓j的补货量是否低于补货量阈值时，所述约束条件包括：X
i,j
≤m
i
·
Ym
i,j
+M
·
(1
‑
Ym
i,j
)，X
i,j
≥m
i
·
(1
‑
Ym
i,j
)；当所述约束条件为统计目标门店i是否在目标销售水平场景下补货后仍缺货时，所述约束条件包括：Xs
i,s
≤β
·
demand
i,s
+M
·
Yk
i,s
；其中，所述X
i,j
为目标门店i从大仓j补货的数量，所述M为bigM参数，所述Yo
i,j
为目标门店i从目标大仓j补货时的补货标识变量，所述m
i
为目标门店i的预设补货量阈值；所述Ym
i,j
为目标门店i从目标大仓j的补货量低于补货量阈值的标识变量，若目标门店i从目标大仓j的补货量低于补货量阈值时，所述Ym
i,j
为1；若目标门店i从目标大仓j的补货量不低于补货量阈值时，所述Ym
i,j
为0；所述Xs
i,s
为所述目标门店i在目标销售水平场景s下补货后的缺口补货量；所述β为所述目标门店i被认为缺货的阈值因子；所述demand
i,s
为目标门店i在销售水平场景s下的预测补货量；当所述目标门店i从目标大仓j补货时，所述Yo
i,j
为1；当所述目标门店i未从目标大仓j补货时，所述Yo
i,j
为0；所述Yk
i,s
为目标门店i在目标销售水平场景s下补货后仍缺货的标识变量。4.如权利要求1所述的方法，其特征在于，当所述约束条件为统计每家门店可同时订货的大仓数目时，所述约束条件包括：当所述约束条件为统计订货门店的数量时，所述约束条件包括：当所述约束条件为统计是否满足门店的补货规格要求时，所述约束条件包括：m
i
·
Xo
i,j
＝X
i,j
；其中，所述Yo
i,j
为目标门店i从目标大仓j补货时的补货标识变量，所述J为大仓集合，所述orders为目标门店i可同时调货的大仓数目；所述Ys
i
为目标门店i从任一大仓补货时的补货标识变量；所述m
i
目标门店i的预设补货量阈值；所述Xo
i,j
为目标门店i从目标大仓j补货的预设补货量阈值倍数，所述X
i,j
为目标门店i从目标大仓j补货的数量。...

【专利技术属性】
技术研发人员：高季尧，
申请(专利权)人：上海杉数网络科技有限公司杉数科技苏州有限公司深圳市杉智科技有限公司，
类型：发明
国别省市：