【技术实现步骤摘要】
一种基于亚马逊FBA仓库的补调货方法、设备和存储介质
[0001]本申请涉及仓储物流
,尤其涉及基于亚马逊FBA仓库的补调货方法、设备和存储介质。
技术介绍
[0002]在亚马逊平台开店是一种很流行的跨境电商形式,中国商家在亚马逊开设经营店铺,将国内商品发送到亚马逊备货FBA(Fulfillment by Amazon)仓库,如果美国消费者购买这些商品,亚马逊平台会从FBA仓直接发货到消费者手中,商家只需要自主决定应该发多少货到FBA仓,而不需要关注如何将货物从FBA仓发送到消费者手中。
[0003]应该在FBA仓存放多少商品是供应链履约环节中的库存优化问题,也称为FBA补货问题,针对这个问题有很多的解决的方法,比如根据过去的销售数据、补货提前期等来设置安全库存,使用定期(比如每周补一次货)或定量(每天检查库存,每次补货量相同)等,也有部分方法是使用运筹优化算法,结合安全库存、销量预测来计算最优补货量,等等。
[0004]但是,常见的FBA补货问题的解决方法,其存在几个明显问题,(1)现有技术只考虑一个国内仓的情况,没有考虑多仓调拨的情况,多仓调调拨在集团公司的供应链中比较常见,一般不同的仓对应不同的渠道(FBA、独立站、EBAY等),在特殊情况下也可以相互共享库存。特别的,没有考虑下单
‑
国内仓(含调拨仓)
‑
海外FBA仓的供应链三节点的补货问题。(2)现有技术并没有考虑物流时效的影响。在跨境物流中,有很多的物流商可以选择,因此可以根据销售的紧急情况来选择不 ...
【技术保护点】
【技术特征摘要】
1.一种亚马逊FBA仓库的补调货方法,所述方法应用于具有A仓和B仓的供应链体系,所述A仓被定义为主要及优先对FBA仓库补充发货;所述B仓被定义为当A仓货物不足,且B仓除满足自身销售外还有多余库存的情况下,从B仓向所述FBA仓调拨发货;其特征在于,该补调货方法包括如下步骤:获得决策时的已知变量;所述已知变量包括:全部在途货货物数量;在途货货物到达剩余天数;A仓、B仓、FBA仓库现有库存数量;所述A、B仓和FBA仓库之间的物流渠道、物流成本、物流有效天数;所述FBA仓库的存储成本、单个商品预期利润、未来n天的商品销售数量预测;设定需要决策的未知变量;所述未知变量包括:A仓需要向生产商下单数量、需要从B仓调拨的数量,需要从A仓补货的数量,A仓或B仓发货到FBA仓的最佳物流渠道;用粒子群算法得到需要决策的未知变量最优解;该步骤具体包括:将需要决策的未知变量定义为粒子位置向量,所述粒子的适应度函数以FBA仓库的补货消耗库存数量曲线模型为基础,以未来n天的商品销售总体收益为函数,根据总体收益最大化为条件获得需要决策的未知变量最优解;所述总体收益与未来n天商品预期销售利润、缺货导致的利润损失、FBA仓库成本,以及从A仓库或B仓库补调货的渠道成本相关。2.根据权利要求1所述的补调货方法,其特征在于,获得决策时的已知变量包括:Y1:上次下单生产未到达A仓的在途库存数量;Y2:上次从B仓发货未到达FBA仓的在途库存数量;Y3:上次从A仓发货未到达FBA仓的在途库存数量;S1:A仓可发货的在库库存数量;S2:B仓可发货的在库库存数量;S3:FBA仓可销售库存数量;DAY1:Y1库存到达FBA仓剩余天数;DAY2:Y2库存到达FBA仓剩余天数;DAY3:Y3库存到达FBA仓剩余天数;SALE_PRED:商品未来n天每天的销量数量预测值;CHANNEL_COST_i:物流渠道i的单位成本;CHANNEL_DAY_i:物流渠道i的从国内运输到国外FBA仓需要的天数;FBA_COST:FBA仓单位存储每天成本;上述获得决策时的已知变量被用以初始化粒子群算法的算法参数;设定需要决策的未知变量包括:X1:需要向供货商下单生产的数量;X2:需要从B仓调拨发货的数量;X3:需要从A仓发货的数量;C1:X1到达A仓后发货到FBA仓的最佳物流渠道;C2:X2调拨发货到FBA仓的最佳物流渠道;C3:X3发货到FBA仓的最佳物流渠道;
C4:Y1到达A仓后再发往FBA仓的最佳物流渠道。3.根据根据权利要求2所述的补调货方法,其特征在于,所述未来n天的商品销售总体收益公式如下:其中,maxZ为未来n天的商品销售总体收益;profile为商品单位利润;为未来n天的预期销售利润;为未来n天由于缺货导致的预期销售利润损失;为未来n天FBA仓存储成本;为向供货商下单X1数量到达A仓后再发FBA仓这一路径下的可选渠道的物流成本;为需要从B仓调拨发货X2数量到FBA仓这一路径下的可选渠道的物流成本;为...
【专利技术属性】
技术研发人员:苏振裕,欧文祥,马庆吉,李筱玥,甘建明,马兴国,
申请(专利权)人:南京希音电子商务有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。