一种前置仓选仓选品方法技术

本发明专利技术公开了一种前置仓选仓选品方法，包括：第一步、数据准备：获取自然环境、地理、产品需求以及运输条件；第二步、参数设置：包括城市选址、RDC个数、必须RDC、不送省份以及RDC排除省份；第三步、选仓模型：以前置仓到覆盖到各省市的运费最优作为目标，约束条件为取出合适的城市作为RDC实现该目标最优；第四步、选品模型：以前置仓所覆盖城市的过往商品销售频繁度、稳定度这两个维度为标准；第五步、补货模型：通过补货算法逻辑对前置仓的管理人员进行库存预警、补货提醒以及补货量的建议；第六步、继续学习：通过后续产生的产品数据补充到算法模型中，持续输出第四与第五步模型结果。本发明专利技术能降低人工干预以及提高产品的铺货、降低破损和紧缺等。损和紧缺等。损和紧缺等。

【技术实现步骤摘要】
一种前置仓选仓选品方法


[0001]本专利技术涉及药品销售前置仓选仓选品
，具体涉及一种前置仓选仓选品方法。

技术介绍

[0002]零售商品生产企业为了提高产品铺货速度、响应速度、降低破损率、降低因天气或极端情况导致产品紧缺等，会在全国选择合适的前置仓，提前将产品运送到该前置仓来提高产品响应速度、铺货率以及降低紧缺。目前的选仓模型大多数是针对零售行业，解决的最后一公里的问题或产品前置。这些模型并不适用于医药生产企业的，首先是频率问题，医药生产企业与零售之间，医药生产企业的数据相对于零售行业而言更新频率更低，基本上是以周或者月为单位，而零售是小时为单位；其次是成本考量，零售需要精细到城市的某个区甚至是街道，一个城市有多个，门店就是小型的前置仓，达到即卖即存储的功能，而医药生产企业基本上到城市，一个城市最多只会建立一个前置仓，需要有较大的位置去仓储，需要考虑仓储成本、运输成本、破损成本等取合适的地理位置。目前大多数医药生产企业通过人工的调查判断来决定，而不是通过一套选仓模型方案来解决。因此，选仓方案结合天气数据、物流费用数据、仓储费用数据、历史销售数据等算出适合该企业的选仓数量、选仓地址以及成本、该仓所适合的产品。

技术实现思路

[0003]本专利技术的目的在于提供了一种前置仓选仓选品方法，结合天气数据、物流费用数据、仓储费用数据、历史销售数据等算出适合该企业的选仓数量、选仓地址以及成本、该仓所适合的产品，降低人工干预以及提高产品的铺货、降低破损和紧缺等。
[0004]为实现上述目的，本专利技术提供如下技术方案：第一步、候选前置仓数据集准备，获取筛选条件，包括各省份的自然环境条件、前置仓所处的地理位置的地理条件、产品需求数据分布情况以及运输条件，筛选出符合筛选条件的初选前置仓；
[0005]第二步、设置模型参数，根据模型参数筛选出符合模型参数的前置仓候选城市，模型参数包括城市选址、前置仓个数、必须前置仓、不送省份以及前置仓排除省份；
[0006]第三步、以前置仓到覆盖到各省市的运费最优作为目标，约束条件为取出合适的前置仓候选城市作为前置仓实现该目标最优，包括：
[0007]S1，将所有可能的m个候选位置都设为前置仓；
[0008]S2，分配每个客户给k个的前置仓，计算每个客户到每个前置仓以及每个前置仓到工厂的运费，若第i个客户到第j个前置仓再到工厂的运费最低，则第i个客户作为第j个前置仓所覆盖的客户，并求出工厂到k个前置仓及各前置仓到所覆盖的各客户的总运输费用；
[0009]S3，如果已经选择的前置仓数量等于可以建立的前置仓数量，输出结果并结束；
[0010]S4，如果已经选择的前置仓数量大于可建立的前置仓数量，则逐个从已选择的前置仓中移除一个，并将该前置仓覆盖的客户指派给距离最近的前置仓，计算新的总运输费
用；
[0011]S5，找出新的总运输费用与旧的总运输费用之间的最小差值，然后从候选前置仓集合中删除最小差值对应的前置仓；
[0012]S6，重复上述步骤，直到前置仓的数量达到可建立的数量；
[0013]第四步、以前置仓所覆盖城市的过往商品销售频繁度、销售稳定度这两个维度为标准，形成二维矩阵选品算法模型，再结合ABC商品分类，选择各个前置仓所对应的商品以及对应的数量，所两个维度通过近12个月的销售频率和离散系数这两个指；
[0014]第五步、将收集到的订单数据推送至前置仓后，通过补货算法逻辑，对前置仓的管理人员进行库存预警、补货提醒以及补货量的建议，将货物提前补充至前置仓，完成流程的闭环；
[0015]第六步、通过后续产生的产品的数据补充到选品模型和补货模型算法模型中去，持续输出第四步和第五步模型结果。
[0016]可选地，所述自然环境条件包括气象条件，根据气象条件数据来剔除有极端天气的省份，包括东北三省黑龙江、吉林、辽宁；
[0017]所述地理条件包括前置仓所处的地理位置与各个配送需求点之间的距离；
[0018]所述产品需求条件包括药企过往的终端销售数据以及终端现在的分布情况，来自客户提供的销售数据；
[0019]所述运输条件包括公共的物流运费数据以及客户自身的配送数据，客户自身的配送数据来自用户导入，公共的物流运费数据则来自传世般若四方云平台的费用报价数据。
[0020]可选地，模型参数包括：
[0021]城市选址是否必须为省会城市；
[0022]前置仓个数，即在全国要选多少个前置仓；
[0023]必选前置仓即中心仓所在的位置；
[0024]不送省份，即前置仓不配送的省份；
[0025]前置仓排除省份，即RDC不考虑的省份。
[0026]可选地，所述二维矩阵选品算法模型输出商品分类，分别为短尾、销售中尾、长尾商品；所述ABC商品分类是指按商品销售量计算出累计销售额占比，根据二八原则，占比前20％的为A类商品，剩余按一定的范围规则划分B类和C类商品；所述对应商品为需求短尾和中尾的A类商品；
[0027]公式如下：
[0028]商品的离散系数＝销售数量的标准差/对应的平均值；
[0029]商品的需求频率＝销售数量大于0的个数；
[0030]商品的销售占比＝商品销售额/总销售额；
[0031]累计销售占比＝按照商品销售占比降排序后，依次累加；
[0032]短尾：离散系数≤0.5，且近一年中11～12个月需求频率均值不小于1；
[0033]销售中尾：0.5＜离散系数，且近一年中9～12个月需求频率均值不小于1；
[0034]长尾商品：1＜离散系数，且近一年中1～8个月需求频率均值不小于1。
[0035]可选地，所述补货算法逻辑包括：
[0036]安全库存＝Z值*标准差；
[0037]标准差＝[(L/FP*需求预测标准差^2)+(平均需求预测量*补货周期的标准差)^2]^1/2；
[0038]参数说明：
[0039]L：为补货周期，默认为7，即一周的补充周期；
[0040]FP：需求预测周期对应的天数，如果需求预测的是按周，则是7天，如果是按月则为30天；
[0041]Z值：需求稳定且相对比较频繁的服从正态分布，通过服务水平，设置为95％，Z值即为95％所对应的Z值。
[0042]与现有技术相比，本专利技术的有益效果是：
[0043]1.专门用于医药生产企业的选仓选品模型方案；
[0044]2.结合了天气数据、近3～5年的销售数据、全国各城市间的物流费用、仓储费用等，选择合适的仓以及产品，降低人工干预以及提高产品的铺货、降低破损和紧缺等；
[0045]3.模型的结果简单容易理解，便于人员对结果进行调整。
附图说明
[0046]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0047]图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种前置仓选仓选品方法，其特征在于，所述方法包括：第一步、候选前置仓数据集准备，获取筛选条件，包括各省份的自然环境条件、前置仓所处的地理位置的地理条件、产品需求数据分布情况以及运输条件，筛选出符合筛选条件的初选前置仓；第二步、设置模型参数，根据模型参数筛选出符合模型参数的前置仓候选城市，模型参数包括城市选址、前置仓个数、必须前置仓、不送省份以及前置仓排除省份；第三步、以前置仓到覆盖到各省市的运费最优作为目标，约束条件为取出合适的前置仓候选城市作为前置仓实现该目标最优，包括：S1，将所有可能的m个候选位置都选中为前置仓；S2，分配每个客户给k个的前置仓，计算每个客户到每个前置仓以及每个前置仓到工厂的运费，若第i个客户到第j个前置仓再到工厂的运费最低，则第i个客户作为第j个前置仓所覆盖的客户，并求出工厂到k个前置仓及各前置仓到所覆盖的各客户的总运输费用；S3，如果已经选择的前置仓数量等于可以建立的前置仓数量，输出结果并结束；S4，如果已经选择的前置仓数量大于可建立的前置仓数量，则逐个从已选择的前置仓中移除一个，并将该前置仓覆盖的客户指派给与客户距离最近的前置仓，计算新的总运输费用；S5，找出新的总运输费用与旧的总运输费用之间的最小差值，然后从候选前置仓集合中删除最小差值对应的前置仓；S6，令k＝k
‑
1，重复步骤S2，直到前置仓的数量达到可建立的前置仓数量；第四步、以前置仓所覆盖城市的过往商品销售频繁度、销售稳定度这两个维度为标准，形成二维矩阵选品算法模型，再结合ABC商品分类，选择各个前置仓所对应的商品以及对应的数量，所两个维度通过近12个月的销售频率和离散系数这两个指；第五步、将收集到的订单数据推送至前置仓后，通过补货算法逻辑，对前置仓的管理人员进行库存预警、补货提醒以及补货量的建议，将货物提前补充至前置仓，完成流程的闭环；第六步、通过后续产生的产品的数据补充到选品模型和补货模型算法模型中去，持续输出第四步和第五步模型结果。2.根据权利要求1所述的前置仓选仓选品方法，其特征在于，所述自然环境...

【专利技术属性】
技术研发人员：蘧勇，张学鹏，赵莎，
申请(专利权)人：武汉链享供应链科技有限公司，
类型：发明
国别省市：