一种卷烟直接前置仓随机干扰下的动态补货方法与流程

本发明涉及仓储物流信息化，尤其涉及一种卷烟直接前置仓随机干扰下的动态补货方法。

背景技术：

1、烟草行业卷烟供应链的行业特点是：按月进行码段下发、组织生产、集中调拨、货源分配。在这样的行业背景下，烟草商业企业基于压缩库存量的目的，月初通常会集中向工业企业发出调拨需求，这迫使工业企业每月首周对省外商业企业的调拨量占比较大，导致工业段码月内难以均衡分配，进而引发生产节奏的波动。在这种情况下，为快速响应市场，以备货式生产的工业企业往往需要外租仓库，应对调拨需求。而与此同时，商业企业仓库利用率降低，仓储资源时常闲置。如何借助数据科学与技术，在码段约束前提下，对工商库存进行科学有效的整合和再分配，协同一致地满足消费市场的需求，成为数据驱动模式下烟草行业库存管理亟须解决的问题。针对于此，行业提出了前置仓模式，结合工业生产计划、商业市场预测、在途运输周期、动态可用库存、产销链整体成本等因素，有效管控卷烟前置仓库存总量。其中一个关键问题，就是在市场需求随机波动、在途运输时间受到随机因素干扰时，如何根据不同产品的购销协议、销量等历史数据，对前置仓库的库存量进行动态补货以确保供应。

2、现有技术中，卷烟前置仓模式包括直接前置仓和集散式前置仓模式，其中直接前置仓指的是某个地市烟草公司其销量较大的卷烟牌号的生产企业中烟公司直接将其生产的卷烟运至该地市烟草公司的物流中心仓库，地市烟草公司物流中心提供仓储库位并代为保管，每个配送工作日，地市烟草公司根据前日汇总的订单形成出库单，向中烟公司发出订货请求、签订购销合同、办理准运证等手续，并出库分拣和配送。集散式前置仓指的是在某省销量较小的卷烟牌号的生产企业中烟公司先将其生产的卷烟运至该省的集散中心仓库存放，再由集散中心向该省各个地市烟草公司送货，集散中心提供仓储库位并代为保管和送货，各地市烟草公司根据销售情况向集散中心提出补货需求并与中烟公司办理购销手续，这些卷烟有两级库存：集散中心和各地市烟草公司物流中心。这两种前置仓模式的库存控制策略的相同之处是在保证供应的前提下，都希望运输车次少、满载率高、库存量小。区别在于：直接前置仓模式是卷烟直接从生产企业运至地市物流中心，而集散前置仓模式是先从卷烟生产企业运至集散中心，再由集散中心运至各地市物流中心，运输时间不同、送货流程不同，因而库存控制策略不同。因此，针对直接前置仓模式需要单独制定随机干扰下的库动态补货策略。

技术实现思路

1、为了解决上述问题，本发明的目的是提供一种卷烟直接前置仓模式下，在市场需求随机波动、送货运输受到随机干扰时，既要保证市场供应，又要降低运输费用和库存量的前置仓动态补货方法。

2、一种卷烟直接前置仓随机干扰下的动态补货方法，包括如下步骤：

3、s1)通过局域网连接卷烟物流中心数据库服务器,将前y年的出库单历史数据ckab(y,m,r,w)导入到计算机中，ckab(y,m,r,w)是供应商a中烟公司的b牌号卷烟在第y年m月r日星期号为w这天的出库数量；y＝1,2,……,y，a＝1,2,……,j，j是前置仓模式中烟公司总数；b＝1,2,……,pa，pa是a中烟公司供应的卷烟牌号总数；

4、s2)按星期号即周一、周二、周三、周四、周五、周六、周日将ckab(y,m,r,w)中出库单数据取出并去除0值数据，分别为ckab(y,m,r,1)、ckab(y,m,r,2)、ckab(y,m,r,3)、ckab(y,m,r,4)、ckab(y,m,r,5)、ckab(y,m,r,6)、ckab(y,m,r,7)；将ckab(y,m,r,6)、ckab(y,m,r,7)按照当时的调休通知插入到ckab(y,m,r,1)或ckab(y,m,r,2)、……、或ckab(y,m,r,5)对应的序列中，并将表示其星期号的数字6或7替换为调休的星期号1，……，5中对应的数字；

5、取现年即y＝y+1年元旦后第一个配送工作日对应的星期号w11，在序列{ckab(y,m,r,w11)}中取出历年元旦后第一个w11星期号的出库单ckab(y,1,r,w11)，y＝1,2,……,y，对y作线性回归，得到即所有卷烟牌号总数个回归方程：

6、xckab(y,1,r,w11)＝dfab(1,r,w11)*y+dbab(1,r,w11)，

7、然后分别将y+1带入，求出

8、xckab(y+1,1,r,w11)＝dfab(1,r,w11)*(y+1)+dbab(1,r,w11)，a＝1,2,……,j，b＝1,2,……,pa；

9、同样方法，以现年即y＝y+1年元旦后第二、三、四、五个配送工作日对应的星期号w12、w13、w14、w15，取出历年元旦后第一个w12、w13、w14、w15星期号的出库单ckab(y,1,r,w12)、ckab(y,1,r,w13)、ckab(y,1,r,w14)、ckab(y,1,r,w15)，y＝1,2,……,y，分别对y作线性回归，得到回归方程：

10、xckab(y,1,r,w12)＝dfab(1,r,w12)*y+dbab(1,r,w12)，

11、xckab(y,1,r,w13)＝dfab(1,r,w13)*y+dbab(1,r,w13)，

12、xckab(y,1,r,w14)＝dfab(1,r,w14)*y+dbab(1,r,w14)，

13、xckab(y,1,r,w15)＝dfab(1,r,w15)*y+dbab(1,r,w15)，

14、然后分别求出xckab(y+1,1,r,w12)、xckab(y+1,1,r,w13)、xckab(y+1,1,r,w14)、xckab(y+1,1,r,w15)，a＝1,2,……,j，b＝1,2,……,pa；从而得到元旦后第一轮配送的五个配送工作日的出库量初步预测值；

15、同样方法，对于春节前倒数第一轮，即倒数第一、二、三、四、五个配送工作日，找出对应的星期号wc1、wc2、wc3、wc4、wc5，取出历年春节前倒数第一个wc1、wc2、wc3、wc4、wc5星期号的出库单ckab(y,c,r,wc1)、ckab(y,c,r,wc2)、ckab(y,c,r,wc3)、ckab(y,c,r,wc4)、ckab(y,c,r,wc5)，y＝1,2,……,y，分别对y作线性回归，得到回归方程：

16、xckab(y,c,r,wc1)＝dfab(c,r,wc1)*y+dbab(c,r,wc1)，

17、xckab(y,c,r,wc2)＝dfab(c,r,wc2)*y+dbab(c,r,wc2)，

18、xckab(y,c,r,wc3)＝dfab(c,r,wc3)*y+dbab(c,r,wc3)，

19、xckab(y,c,r,wc4)＝dfab(c,r,wc4)*y+dbab(c,r,wc4)，

20、xckab(y,c,r,wc5)＝dfab(c,r,wc5)*y+dbab(c,r,wc5)，

21、然后分别求出xckab(y+1,c,r,wc1)、xckab(y+1,c,r,wc2)、xckab(y+1,c,r,wc3)、xckab(y+1,c,r,wc4)、xckab(y+1,c,r,wc5)，a＝1,2,……,j，b＝1,2,……,pa；从而得到春节前倒数第一轮连续五个配送工作日的出库量初步预测值；

22、同样方法，求出春节后第一轮连续五个配送工作日的出库量初步预测值；

23、同样方法，求出五一节前倒数第一轮连续五个配送工作日的出库量初步预测值；求出五一节后第一轮连续五个配送工作日的出库量初步预测值；求出六月三十日前倒数第一轮连续五个配送工作日的出库量初步预测值；求出六月三十日后第一轮连续五个配送工作日的出库量初步预测值；求出国庆节前倒数第一轮连续五个配送工作日的出库量初步预测值；求出国庆节后第一轮连续五个配送工作日的出库量初步预测值；求出清明节前倒数第一轮连续五个配送工作日的出库量初步预测值；求出清明节后第一轮连续五个配送工作日的出库量初步预测值；求出端午节前倒数第一轮连续五个配送工作日的出库量初步预测值；求出端午节后第一轮连续五个配送工作日的出库量初步预测值；求出中秋节前倒数第一轮连续五个配送工作日的出库量初步预测值；求出中秋节后第一轮连续五个配送工作日的出库量初步预测值；

24、其中，如出现节假日连休的情形，则计算连休假前后五个配送工作日的出库量初步预测值；

25、求出十二月三十一日前倒数第一轮连续五个配送工作日的出库量初步预测值；

26、除了上述节假日前后配送工作日外，对于其他的配送工作日，分别将每个序列{ckab(y,m,r,w)}对m和r求和后除以52，w＝1,2,……,5，记为ckpab(y,w)，y＝1,2,……,y；对每个w、a、b，用ckpab(y,w)对y作线性回归，得到个回归方程：xckpab(y,w)＝dfpab(w)*y+dbpab(w),然后分别求出ckpab(y+1,w)，w＝1,2,……,5，a＝1,2,……,j，b＝1,2,……,pa；用xckpab(y+1,w)作为除上述法定节假日及六月三十日前后一轮配送工作日外的、对应w星期号的其他配送工作日出库量的初步预测值；

27、对每个a、b、w，将上述出库量初步预测值，按照日期顺序排列，得到按日期顺序排列的五个初步预测值序列：{xckab(y+1,m,r,w)}，w＝1，……，5，记为{ckab(k,w)}，w＝1，……，5；其中k表示从元旦后开始的、每轮为连续五个配送工作日的第k轮配送循环；

28、s3)用步骤s2)求出的元旦后、春节后、五一节后、六月三十日后、国庆节后、清明节后、端午节后、中秋节后第一轮连续五个配送工作日的出库量回归方程；春节前、五一节前、六月三十日前、国庆节前、清明节前、端午节前、中秋节前、十二月三十一日前倒数第一轮连续五个配送工作日的出库量回归方程xckab(y,x,r,w)＝dfab(x,r,w)*y+dbab(x,r,w)，除了上述节假日前后配送工作日外其他配送工作日的平均出库量回归方程xckpab(y,w)＝dfpab(w)*y+dbpab(w)，带入y计算出每一年的每个配送工作日的回归方程计算值与相应的配送工作日出库量实际值的差值，

29、δxckab(y,x,r,w)＝xckab(y,x,r,w)-ckab(y,x,r,w)和

30、δxckpab(y,w)＝xckpab(y,w)-xckpab(y,w)，

31、对每个a、b、w，将上述出库量差值，按照年度及日期顺序排列，得到按日期顺序排列的出库量差值序列，记为{δxckab(y,k,w)}，y＝1,2,……,y，w＝1，……，5；其中k表示从元旦后开始的、每轮为连续五个配送工作日的第k轮配送循环；

32、计算每个配送工作日出库量差值的均值μckab(k,w)和方差

33、

34、

35、s4)导入今年已生成的配送工作日出库单数据cksab(y+1,m,r,w)，按星期号即周一、周二、周三、周四、周五、周六、周日将cksab(y+1,m,r,w)中数据取出，分别为cksab(y+1,m,r,1)、cksab(y+1,m,r,2)、cksab(y+1,m,r,3)、cksab(y+1,m,r,4)、cksab(y+1,m,r,5)、cksab(y+1,m,r,6)、cksab(y+1,m,r,7)；将cksab(y+1,m,r,6)、cksab(y+1,m,r,7)按调休通知插入到cksab(y+1,m,r,1)、cksab(y+1,m,r,2)、……、cksab(y+1,m,r,5)对应的序列中，并将表示其星期号的数字6或7替换为调休的星期号1，……，5中对应的数字；为叙述方便，将五个按日期顺序排列的序列{cksab(y+1,m,r,w)}，w＝1，……，5，记为{cksab(k,w)}，w＝1，……，5；

36、s5)当今天是配送工作日，导入今天的出库单，即今年已生成的出库单序列中日期最后的一张出库单cksab(k0,w0)，导入今天零点日清日结后的库存数据cab(k0,w0)，导入今天预计完成的入库数据crab(k0,w0)，计算下一个配送工作日的库存量

37、cab(k0,w0+1)＝cab(k0,w0)-cksab(k0,w0)+crab(k0,w0)，当w0<5时；

38、或cab(k0+1,1)＝cab(k0,w0)-cksab(k0,w0)+crab(k0,w0)，当w0＝5时；

39、当w0<5时，在初步预测值ckab(k0,w0+1)，……，ckab(k0,5)，ckab(k0+1,1)，……，ckab(k0+1,w0)的基础上，计算(k0,w0)日的后续五个配送工作日的出库量预测值yckab(k0,w0+1)，……，yckab(k0,5)，及yckab(k0+1,1)，……，yckab(k0+1,w0)：

40、

41、

42、当w0＝5时，在初步预测值ckab(k0+1,1)，……，ckab(k0+1,5)的基础上，计算(k0,5)日的后续五个配送工作日的出库量预测值yckab(k0+1,1)，……，yckab(k0+1,5)：

43、

44、其中，当k0为1时，取vabcd(0,w)＝0；当k0≤m时，取

45、相应的δckab(j,w0+q)＝yckab(j,w0+q)-cksab(j,w0+q)，或δckab(j,h)＝yckab(j,h)-cksab(j,h)；

46、

47、这个式子里的(k,w)相应地替换为前面式子中对应的(k0-1,w0+q)或(k0,h)；在该式中，m是事先指定的关于δckab(j,w)的移动窗口宽度，n是事先指定的关于预测误差平方和的移动窗口宽度；vabcd(k,w)是权重系数，a＝1,2,……,j，b＝1,2,……,pa；c＝1,2,……,j，d＝1,2,……,pc；

48、s6)导入各中烟公司到本物流中心之间送货时间，即“装车+运输+卸车+入库”所用时间的历史数据tsa(j)，a＝1,……,j，j＝1,……,ntsa，ntsa是a中烟公司送货时间历史数据的条数，对每个中烟公司求tsa(j)的均值μtsa和方差

49、

50、

51、s7)对步骤s5)计算的(k0,w0)日的后续五个配送工作日的出库量预测值进行修正，当μtsa<5时，

52、当w0<5时，yckab(k0,w0+q)修正后的出库量预测值为仍记为yckab(k0,w0+q)，即

53、

54、其中，bb2为μtsa取整加1，z是对指定置信度在国家标准《统计分布数值表正态分布(gb/t 4086.1-1983)》中查表得到的对应的标准差个数；q＝1,……,5-w0；

55、或yckab(k0+1,h)修正后的出库量预测值为仍记为或yckab(k0+1,h)，即

56、

57、当w0＝5时，yckab(k0+1,h)修正后的出库量预测值为仍记为yckab(k0+1,h)，即

58、

59、s8)以(k0,w0)日为基准时间节点，建立动态优化命题，

60、目标函数：min{na，kzla，zhca}，a＝1,……,j；

61、其中，为从a中烟公司发车，(k0,w0)日之后五个配送工作日中到达本物流中心的车次总数，na(k,w)为(k,w)∈{(k0,w0+1),……,(k0,5),(k0+1,1),……,(k0+1,w0)}的各日到达车次数；

62、为空载率之和，为(k,w)日第n车的车辆空载率；mza为车辆装载容量，单位为件；{shab(k,w,n)，b＝1,……,pa，n＝1,……,na(k,w)}为(k,w)日到达的第n车装载的各牌号卷烟数量，单位为件；{shab(k,w,n)}为优化命题的决策变量；(k,w)日的入库量

63、为(k0,w0)日之后五个配送工作日a中烟公司的卷烟库存量之和；其中，

64、当w0<5时，

65、cab(k0,w0+1)＝cab(k0,w0)-cksab(k0,w0)+crab(k0,w0)；

66、或cab(k0,w0+q+1)＝cab(k0,w0+q)-yckab(k0,w0+q)+crab(k0,w0+q)，当q＝1,……,4-w0时；这里的yckab(k0,w0+q)是步骤s7)修正后的出库量预测值；

67、或cab(k0+1,1)＝cab(k0,5)-yckab(k0,5)+crab(k0,5)；这里的yckab(k0,5)是步骤s7)修正后的出库量预测值；

68、或cab(k0+1,h+1)＝cab(k0,h)-yckab(k0,h)+crab(k0,h)，当h＝1,……,w0-1时；这里的yckab(k0,h)是步骤s7)修正后的出库量预测值；

69、当w0＝5时，

70、cab(k0+1,1)＝cab(k0,w0)-cksab(k0,w0)+crab(k0,w0)；

71、或cab(k0+1,h+1)＝cab(k0,h)-yckab(k0,h)+crab(k0,h)，当h＝1,……,4时；这里的yckab(k0,h)是步骤s7)修正后的出库量预测值；

72、约束条件：

73、cab(k0,w0+q)≥yckab(k0,w0+q)，当q＝1,……,5-w0时；或cab(k0+1,h)≥yckab(k0+1,h)，当h＝1,……,w0时；即保证供应约束；这里的yckab(k0,w0+q)、yckab(k0+1,h)，是步骤s7)修正后的出库量预测值；

74、即车辆不超载约束；

75、shab(k,w,n)≥0；shab(k,w,n)为整数；即非负整数约束；

76、即到货数量与入库数量物料平衡约束；

77、当w0<5时，cab(k0,w0+1)＝cab(k0,w0)-cksab(k0,w0)+crab(k0,w0)；或cab(k0,w0+q+1)＝cab(k0,w0+q)-yckab(k0,w0+q)+crab(k0,w0+q)，当q＝1,……,4-w0时；或cab(k0+1,1)＝cab(k0,5)-yckab(k0,5)+crab(k0,5)；或cab(k0+1,h+1)＝cab(k0,h)-yckab(k0,h)+crab(k0,h)，当h＝1,……,w0-1时；当w0＝5时，cab(k0+1,1)＝cab(k0,w0)-cksab(k0,w0)+crab(k0,w0)；或cab(k0+1,h+1)＝cab(k0,h)-yckab(k0,h)+crab(k0,h)，当h＝1,……,4时；即动态库存差分方程约束；这里的yckab(·,·)是步骤s7)修正后的出库量预测值；a＝1,……,j；b＝1,……,pa；n＝1,……,na(k,w)；(k,w)∈{(k0,w0+1),……,(k0,5),(k0+1,1),……,(k0+1,w0)}；

78、s9)采用多目标优化算法求解步骤s8)建立的动态优化命题，得到满足约束条件并使目标函数最小的最佳到货决策{shab*(k,w,n)，n＝1,……,na*(k,w)}；将(k,w)日向前递推μtsa日，记为(kf,wf)，得到最佳的发货决策{shab*(kf,wf,n)，n＝1,……,na*(kf,wf)}，并发送给a中烟公司；na*(kf,wf)是a中烟公司(kf,wf)日的最佳发车次数，shab*(kf,wf,n)是其中第n次发车所装载的各牌号卷烟数量，单位为件，n＝1,……,na*(kf,wf)；其中，μtsa<5；a＝1,2,……,j，b＝1,2,……,pa；(k,w)∈{(k0,w0+1),……,(k0,5),(k0+1,1),……,(k0+1,w0)}；

79、s10)返回s4)步骤。

80、作为优选方案，步骤s8)所述的优化命题决策变量{shab(k,w,n)}，在所有前置仓模式中烟公司中，即在a＝1，……，j中，分为两部分a＝1，……，s，s+1，……，j，其中a＝1，……，s为散件装车运输，此时按步骤s8)计算；a＝s+1，……，j为托盘装车运输；当a∈{s+1，……，j}时，约束条件变为g为每托盘承载的卷烟件数，thab(k,w,n)为b牌号卷烟装车的托盘数量；shab(k,w,n)应取g的整数倍；将shab(k,w,n)/g＝非负整数添加到约束条件中；在步骤s9)中计算得到的shab*(k,w,n)＝g*thab(k,w,n)，thab(k,w,n)为非负整数。

81、作为优选方案，步骤s9)所述的最佳到货决策是在μtsa<5的情形下，当5≤μtsa<10时，按照s5)步骤计算(k0,w0)日之后十个配送工作日的出库量预测值，按照s7)步骤对出库量预测值进行修正，在s8)步骤用修正后的出库量预测值建立(k0,w0)日之后针对十个配送工作日的动态优化命题，并在s9)步骤求出相应的最佳发货决策。

82、本发明与现有技术相比，具有以下优点：

83、本发明一种卷烟直接前置仓随机干扰下的动态补货方法，通过卷烟物流中心出库单历史数据计算初步预测值，计算每个配送工作日的回归模型预测值与实际值的差值，求出预测值差值的均值和方差，使用今年已经生成的出库单与初步预测值之差修正初步预测值，得到后续五个配送工作日的出库量预测值，计算出每个中烟公司送货时间的均值和方差，对出库量预测值进行修正，从而预测各牌号卷烟的库存量动态，在需求随机波动和送货时间受随机干扰的情况下，在保证供应的前提下，求出最少运输次数、最小总库存量的动态补货策略，从而有效降低卷烟产销链的物流总成本。