社区团购生鲜仓库按照配送时间窗口规划配置方法

摘要

本发明公开了社区团购生鲜仓库按照配送时间窗口规划配置方法，所述构建评价矩阵包括如下步骤：S1、构造梯形矩阵，采用梯形模糊数来描述评价信息；S2、规范化矩阵，对于效益型准则，保持不变，对于成本性准则，利用逆运算对初始评价矩阵进行规范化处理；S3、确定最优和最差的方案，分别计算每个准则下的最优和最差方案；S4、计算各方案到相对最优和最差理想方案的距离，利用定梯形模糊数的汉明距离公式，计算各方案到相对最优和最差理想方案的距离，解决社区团购生鲜仓库基于配送时间窗口要求的合理配置的问题，能够技能满足交付时间窗的要求，又能够使得社区团购整体仓配成本最低，提高社区团购的效率，便于更好的对于社区团购进行推广。

说明书

技术领域

本发明涉及大数据技术领域，具体为社区团购生鲜仓库按照配送时间窗口规划配置方法。

背景技术

社区团购作为一种新型的网络购物模式，近年来发展十分迅速，随着市场规模不断扩大，社区团购是在传统的O2O模式上的升级，主要依托于微信、QQ等社交平台获取流量，通过团长这一稳定KOL，将小区内用户与互联网平台进行深度链接，通过“单品爆款+预售”的轻资产运作方式，来满足社区用户高频、快消的刚性需求；

对于社区团购来说，仓库作为物流网络的节点，连接上游的供货点和下游的需求点，在整个社区团购系统中起着承上启下的作用，仓库位置选择的恰当与否，直接关系到整个配送的效率，物流成本以及顾客满意度；

毋庸置疑，对于社区团购来讲正确的仓库配置能够有效的控制风险，降低成本，提升顾客满意度，社区团购业务大部分以生鲜为主，对于配送时效性的要求都比较高，例如蔬菜，一般凌晨四五点进行采摘，一旦配送超过6个小时，就会导致菜品质量下降，从而给终端客户带来不良体验，基于以上原因生鲜仓库的配置尤其需要合理的配置，生鲜货品的配送时间窗口约束更加苛刻。

发明内容

本发明提供社区团购生鲜仓库按照配送时间窗口规划配置方法，可以有效解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：社区团购生鲜仓库按照配送时间窗口规划配置方法，包括如下步骤：

S1、利用时空计算引擎进行城市地图加载；

S2、团长详细位置导入，将团长的具体位置导入时空计算引擎；

S3、生鲜订单数据导入，将各团的生鲜订单数据导入时空计算引擎；

S4、生成地理格网，通过空间区域统计将每个格网团长数据和生鲜订单数据进行分析，并且实现关联；

S5、对仓库进行分级，并且定义每个级别的仓库的存储量，平均分拣效率，装车效率；同时定义每个仓库的运营成本；

S6、对运输车辆进行分类，定义每个类型车辆的装载量，平均运费；

S7、定义决策变量，仓库数量及级别，车辆数量及类型；

S8、目标函数定义为最低的仓储和运输成本；

S9、模型求解，尝试线性、非线性、神经网络规划模型，通过尝试寻找最优的解的TOP10；

S10、将模型求解到的生鲜仓库数量及所处的网格加载到时空计算引擎，通过专家评审并且利用TOPSIS来选择最优的方案。

根据上述技术方案，所述S8中约束条件定义为能够按照生鲜产品的交付时间窗口按时交付，时间窗口约束包括交付的起始时间约束和截止时间约束，模型初始参数假设每个城市有20个生鲜仓库。

根据上述技术方案，所述S10中利用选择最优方案，利用专家访谈法获取专家对于每个配送中心备选方案在每个准则下的评价值，为了合理的刻画评价者的模糊性，采用梯形模糊数来描述评价信息，并且构建评价矩阵。

根据上述技术方案，所述构建评价矩阵包括如下步骤：

S1、构造梯形矩阵，采用梯形模糊数来描述评价信息；

S2、规范化矩阵，对于效益型准则，保持不变，对于成本性准则，利用逆运算对初始评价矩阵进行规范化处理；

S3、确定最优和最差的方案，分别计算每个准则下的最优和最差方案；

S4、计算各方案到相对最优和最差理想方案的距离，利用定梯形模糊数的汉明距离公式，计算各方案到相对最优和最差理想方案的距离。

根据上述技术方案，所述S4中计算各方案到相对最优和最差理想方案的距离分别如下：

评价指数

优配送中心备选方案，根据公式中获得的各个方案的综合评价指数，对每个配送中心备选方案进行排序，综合评价指数越大，方案离相对最优理想方案的距离越短，因此，该方案也越优，最终选出最满意的仓库位置。

与现有技术相比，本发明的有益效果：本发明结构科学合理，使用安全方便，解决社区团购生鲜仓库基于配送时间窗口要求的合理配置的问题，能够技能满足交付时间窗的要求，又能够使得社区团购整体仓配成本最低，提高社区团购的效率，便于更好的对于社区团购进行推广。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

在附图中：

图1是本发明的方法步骤结构示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

实施例：如图1所示，本发明提供技术方案，社区团购生鲜仓库按照配送时间窗口规划配置方法，包括如下步骤：

S1、利用时空计算引擎进行城市地图加载；

S2、团长详细位置导入，将团长的具体位置导入时空计算引擎；

S3、生鲜订单数据导入，将各团的生鲜订单数据导入时空计算引擎；

S4、生成地理格网，通过空间区域统计将每个格网团长数据和生鲜订单数据进行分析，并且实现关联；

S5、对仓库进行分级，并且定义每个级别的仓库的存储量，平均分拣效率，装车效率；同时定义每个仓库的运营成本；

S6、对运输车辆进行分类，定义每个类型车辆的装载量，平均运费；

S7、定义决策变量，仓库数量及级别，车辆数量及类型；

S8、目标函数定义为最低的仓储和运输成本；

S9、模型求解，尝试线性、非线性、神经网络规划模型，通过尝试寻找最优的解的TOP10；

S10、将模型求解到的生鲜仓库数量及所处的网格加载到时空计算引擎，通过专家评审并且利用TOPSIS来选择最优的方案。

根据上述技术方案，S8中约束条件定义为能够按照生鲜产品的交付时间窗口按时交付，时间窗口约束包括交付的起始时间约束和截止时间约束，模型初始参数假设每个城市有20个生鲜仓库。

根据上述技术方案，S10中利用选择最优方案，利用专家访谈法获取专家对于每个配送中心备选方案在每个准则下的评价值，为了合理的刻画评价者的模糊性，采用梯形模糊数来描述评价信息，并且构建评价矩阵。

根据上述技术方案，构建评价矩阵包括如下步骤：

S1、构造梯形矩阵，采用梯形模糊数来描述评价信息；

S2、规范化矩阵，对于效益型准则，保持不变，对于成本性准则，利用逆运算对初始评价矩阵进行规范化处理；

S3、确定最优和最差的方案，分别计算每个准则下的最优和最差方案；

S4、计算各方案到相对最优和最差理想方案的距离，利用定梯形模糊数的汉明距离公式，计算各方案到相对最优和最差理想方案的距离。

根据上述技术方案，S4中计算各方案到相对最优和最差理想方案的距离分别如下：

评价指数

优配送中心备选方案，根据公式中获得的各个方案的综合评价指数，对每个配送中心备选方案进行排序，综合评价指数越大，方案离相对最优理想方案的距离越短，因此，该方案也越优，最终选出最满意的仓库位置。

与现有技术相比，本发明的有益效果：本发明结构科学合理，使用安全方便，解决社区团购生鲜仓库基于配送时间窗口要求的合理配置的问题，能够技能满足交付时间窗的要求，又能够使得社区团购整体仓配成本最低，提高社区团购的效率，便于更好的对于社区团购进行推广。

最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。