Are you sure you want to delete this task? Once this task is deleted, it cannot be recovered.
liuxinchen3 6c8a726b84 | 1 year ago | |
---|---|---|
ItemOptimization | 1 year ago | |
.DS_Store | 1 year ago | |
README.md | 1 year ago | |
model.lp | 1 year ago |
代码入口:ItemOptimization/output/model.py
品类在仓群间的库存摆放会影响拆单和仓储资源利用率等。当前的品类规划依赖于人工决策,运营人员在综合考虑仓库能力和供应商配送体验的条件下对仓库储备品类进行规划。人工方法存在品类规划耗时时间长、规划精度低、人力成本高等问题。
同时,人工决策无法考虑品类摆放所造成的拆单影响,以及通过品类销售和备货特点对仓储资源利用率的优化和平衡。
因此,我们构建了一个考虑品类关联性和仓储资源计划的智能品类分仓模型。基于历史订单结构挖掘品类关联度,通过建立混合整数规划模型综合考虑品类关联度及品类销售及备货特点,最终实现拆单率和仓储资源利用率的优化,实现数智化的品类分仓优化逻辑。
在进行智能品类分仓规划中,包含仓上限约束和品类需求约束两类。其中仓上限约束由历史数据获取;品类需求数据由历史同期数据及历史大促数据预测得到。
模型以最大化品类关联度和最小化品类分仓程度为目标,考虑大促时规划品类不超过仓储资源(储能、产能、体积、宽度)上限、日常时规划品类的储能及产能资源利用率不低于一定下限、三级品类不分仓。
最终输出最优的仓与品类对应关系。
通过对比现状拆单率和搬仓后拆单率,该模型可实现拆单率1.5%的优化;在品类聚合度方面,该方法可以实现三级品类不分仓,二级品类平均分仓数降低74%。一级品类平均分仓数降低68%的运营管理目标;在仓储资源利用率方面,该方法可以实现冗余仓退租,进而提升仓日常利用率。
本项目构建了一个考虑品类关联性和仓储资源计划的智能品类分仓模型。基于历史订单结构挖掘品类关联度,通过建立混合整数规划模型综合考虑品类关联度及品类销售及备货特点,最终实现拆单率和仓储资源利用率的优化,实现数智化的品类分仓优化逻辑。
Python
Dear OpenI User
Thank you for your continuous support to the Openl Qizhi Community AI Collaboration Platform. In order to protect your usage rights and ensure network security, we updated the Openl Qizhi Community AI Collaboration Platform Usage Agreement in January 2024. The updated agreement specifies that users are prohibited from using intranet penetration tools. After you click "Agree and continue", you can continue to use our services. Thank you for your cooperation and understanding.
For more agreement content, please refer to the《Openl Qizhi Community AI Collaboration Platform Usage Agreement》