梁金勝 汪洲 鄧賢發(fā)

關(guān)鍵詞：整車物流；業(yè)務(wù)場景；智能調(diào)度；Dijkstra 算法；路由規(guī)則

0 引言

整車物流過程當(dāng)中，運輸占十分重要的地位，其成本占整車物流總成本的80％左右。汽車整車物流在整個汽車銷售中占據(jù)重要地位，它是將整車經(jīng)由主機(jī)廠、配送中心和經(jīng)銷商，最終傳送到客戶的一系列活動和過程。它作為連接主機(jī)廠和銷售前端的4S店的紐帶，承擔(dān)著整車運輸、倉儲、搬運、包裝、暫存、集散和零部件配送等一系列與汽車銷售息息相關(guān)的核心業(yè)務(wù)[1]。本文主要結(jié)合某汽車生產(chǎn)制造企業(yè)整車物流調(diào)度系統(tǒng)的項目實踐，整體上介紹了如何滿足業(yè)務(wù)多場景、多規(guī)則并融合系統(tǒng)大數(shù)據(jù)調(diào)度算法的系統(tǒng)解決方案。

某汽車制造公司位于柳州、青島和重慶的“三地四廠”，年產(chǎn)銷汽車200 萬臺，借助布局全國的近30 個中轉(zhuǎn)倉儲網(wǎng)點輻射全國。原整車運輸管理系統(tǒng)及倉儲管理系統(tǒng)應(yīng)用多年，采用單機(jī)架構(gòu)，已無法滿足業(yè)務(wù)移動化、數(shù)字化與智能化的發(fā)展需要。為適應(yīng)和支持公司物流業(yè)務(wù)未來發(fā)展需求，支持大物流業(yè)務(wù)運作，2021 年2 月，該公司立項《智慧物流平臺建設(shè)項目——整車出廠物流系統(tǒng)重構(gòu)》。

1 項目目標(biāo)

該公司物流業(yè)務(wù)涉及四大基地，全國近30 個倉庫，3 000 家末端配送網(wǎng)點，年銷售發(fā)運整車規(guī)模達(dá)到200 萬臺。因?qū)嶋H業(yè)務(wù)涉及公鐵水多種運輸方式，細(xì)分場景多且復(fù)雜，影響調(diào)度決策因素眾多，如成本、時效、運力分布、緊急程度、供方份額和產(chǎn)品類型等。這種規(guī)模的物流發(fā)運，僅依靠人工分派無法滿足高效、準(zhǔn)確的調(diào)度需求。網(wǎng)絡(luò)雜、運量大，對于銷售的每一單，如何快速準(zhǔn)確選擇最優(yōu)路徑和最佳承運方是物流調(diào)度的根本問題。

本項目旨在研究出一套能綜合分析多種實際業(yè)務(wù)場景條件，基于數(shù)據(jù)算法的擇優(yōu)決策，快速、準(zhǔn)確并自動化地給出銷售訂單分派結(jié)果的智能調(diào)度系統(tǒng)。為保障業(yè)務(wù)需求方案的準(zhǔn)確實施，項目組在基于運籌學(xué)的“三環(huán)七步”智能化應(yīng)用框架基礎(chǔ)上[2]，按需求分析、系統(tǒng)設(shè)計、算法設(shè)計和測試驗證和運維五個階段進(jìn)行。

2 場景需求分析

在需求分析階段，結(jié)合對整車出廠物流業(yè)務(wù)的現(xiàn)場調(diào)研及總結(jié)，項目組總結(jié)分析出了除成本時效外的10 大主要場景需求。

場景1 ：基于不同維度和不同顆粒度緊急需求的場景。實際業(yè)務(wù)中，緊急訂單的需求既有來自于終端門店的需要，也有來自市場銷售部門的需要。同時，需要能兼顧基于商品車VSN 物料的不同層級，終端區(qū)域不同顆粒度的組合需求。

場景2 ：基于改裝車需求的場景。應(yīng)公司改裝車業(yè)務(wù)場景需求，商品車的改裝訂單需先調(diào)度進(jìn)入對應(yīng)改裝庫完成改裝，然后進(jìn)行二段及后續(xù)物流配送交付。

場景3 ：基于同時面向經(jīng)銷商和終端客戶的混合調(diào)度場景。應(yīng)終端客戶業(yè)務(wù)場景需求，系統(tǒng)需支持面向經(jīng)銷商和終端客戶的混合調(diào)度。終端客戶訂單不同于經(jīng)銷商的靜態(tài)收貨地址，需要系統(tǒng)支持任意收貨地址的調(diào)度。并且，在滿足一定場景條件下的終端客戶訂單需要先進(jìn)行經(jīng)銷商段調(diào)度運輸，至末段完成終端客戶的配送交付。經(jīng)銷商訂單可同時與終端客戶訂單進(jìn)行配車發(fā)運。

場景4 ：基于多承運方運力彈性的場景?？紤]整車運輸具有公鐵水等不同運輸類型、“公鐵聯(lián)運”和“鐵水聯(lián)運”等多種運輸方案。同一訂單，往往也由多家單位參與承運，需要兼顧承運方線路運力彈性，即滿足不同承運方不同時間線路，其對應(yīng)運力變化的適配性問題。

場景5 ：基于中轉(zhuǎn)網(wǎng)點彈性的場景。某汽車生產(chǎn)制造企業(yè)布局全國的近30 個中轉(zhuǎn)網(wǎng)點庫容能力不一，在應(yīng)對汽車供應(yīng)鏈風(fēng)險沖擊、整車產(chǎn)銷業(yè)務(wù)波動等方面影響時，需要考慮網(wǎng)點彈性的場景，滿足臨時增加、減少或變更網(wǎng)點，支持快速調(diào)整物流訂單的需求。

場景6 ：基于臨時合同調(diào)度的場景。部分訂單基于臨時合同需求，滿足部分時間或線路范圍的場景，需要支持系統(tǒng)調(diào)度和結(jié)算。

場景7 ：基于非常規(guī)運輸調(diào)度的場景。由于承接了非常規(guī)商品車的運輸業(yè)務(wù)，如廣告車、測試車等，需要滿足任何出發(fā)庫至全國任意收貨地的運輸調(diào)度需求。

場景8 ：基于經(jīng)銷商自提業(yè)務(wù)的場景。針對部分經(jīng)銷商自提的訂單，系統(tǒng)需要設(shè)置對應(yīng)規(guī)則，采用自提的路由和指定自提承運方完成運輸交付。

場景9 ：基于總成本和總時效約束下的場景。對于訂單的總成本和總時效控制條件下的需求，也需進(jìn)行系統(tǒng)化調(diào)度支持。

場景10：基于全天候自動化審核的場景。系統(tǒng)取代人工調(diào)度，需要滿足7 天×24 h 全天候自動化審核的場景，確保分單的準(zhǔn)確以及可靠、可記錄和可修正。

基于10 大場景需求分析，進(jìn)一步按基礎(chǔ)影響因子和邏輯條件拆分歸類為：成本、時效、線路、承運方、車輛、司機(jī)和運輸點等系列基礎(chǔ)主數(shù)據(jù)，以及緊急時效、成本優(yōu)先、改裝、自提、黑名單和承運方份額等系列底層規(guī)則（圖1）。

3 系統(tǒng)設(shè)計

基于常規(guī)的數(shù)據(jù)分析方法（圖2），按照知識驅(qū)動和數(shù)據(jù)驅(qū)動決策的整體設(shè)計導(dǎo)向，在調(diào)度系統(tǒng)架構(gòu)設(shè)計上，按照底層數(shù)據(jù)規(guī)則、中層算法邏輯和上層決策方案的三大層次進(jìn)行設(shè)計。底層包括各類基礎(chǔ)主數(shù)據(jù)如合同數(shù)據(jù)、商品車主數(shù)據(jù)和經(jīng)銷商主數(shù)據(jù)等，以及不同的調(diào)度規(guī)則，如自提規(guī)則、改裝規(guī)則、緊急規(guī)則和靜態(tài)路由規(guī)則等。不同調(diào)度規(guī)則分別對應(yīng)不同業(yè)務(wù)場景需求。對基礎(chǔ)主數(shù)據(jù)和調(diào)度規(guī)則的底層設(shè)計和部署，構(gòu)建了多維度規(guī)則參數(shù)化設(shè)計，可較好地滿足實際業(yè)務(wù)場景對柔性化、動態(tài)化的發(fā)展需求。

中間層由算法和模型構(gòu)成。在路由規(guī)劃算法選擇方面，主要基于Dijkstra 算法，快速有效地求解滿足一定約束條件下的最短路徑。在自動化分單審核模型方面，創(chuàng)造性設(shè)計了基于白名單知識庫的自動審核方案（圖3），形成基于知識驅(qū)動的自動化決策模型。借助歷史審核數(shù)據(jù)的知識，不斷豐富白名單知識庫。系統(tǒng)分單后通過對標(biāo)白名單后自動審核執(zhí)行，有效保障了分單結(jié)果100% 的準(zhǔn)確控制。

上層由決策方案組成?；诘讓訑?shù)據(jù)規(guī)則，經(jīng)過中間算法模型，獲取滿足決策需求的系統(tǒng)化方案，如成本最優(yōu)決策、時效最優(yōu)決策等。

4 運籌算法選擇與應(yīng)用

在路由規(guī)劃與選擇的系統(tǒng)算法上，綜合考慮物流常用的如遺傳算法、退貨算法等的優(yōu)劣[3]，結(jié)合本項目需求和架構(gòu)設(shè)計，最終項目組采用了Dijkstra 算法。該算法是目前交通網(wǎng)絡(luò)圖在單源最短路徑問題上運用最普遍、完善的算法之一，也是目前公認(rèn)在非負(fù)權(quán)重值，且所有的權(quán)重大于等于零時，尋求最短路問題最好的算法[4]。

Dijkstra 算法是一種解決單源最短路徑問題的貪心算法，其作用主要表現(xiàn)在解決有向圖中的最短路徑問題方面（圖4）。Dijkstra 算法采用廣度優(yōu)先搜索思想，它的主要特點是選定起始點后，一個點一個點地求取最短距離，并通過鄰點逐步擴(kuò)展，不斷更新，直至求出起始點到目標(biāo)點的最短距離后才停止[5]。

商品車經(jīng)生產(chǎn)制造后下線進(jìn)入基地物流倉庫，在經(jīng)銷商完成分車下單后，將由基地倉庫采用直發(fā)或多式聯(lián)運方式，將商品車發(fā)運至經(jīng)銷商需求地址。項目組利用Dijkstra 算法，結(jié)合合同線路、里程成本、訂單時效，首先定制設(shè)計了一套成本時效綜合最優(yōu)的路由規(guī)劃算法（圖5）。該算法簡要邏輯為：通過將基于訂單的所有可能路由組合的成本ΣCost 和時效ΣTime 進(jìn)行測算對比，選擇并輸出最優(yōu)結(jié)果。

在成本時效綜合最優(yōu)的基礎(chǔ)算法上，進(jìn)一步納入黑名單線路、分?jǐn)傄蜃拥纫?guī)則，進(jìn)行路線選擇和承運方預(yù)選。最后，通過自提規(guī)則、承運方份額規(guī)則等進(jìn)行承運方修正，綜合選擇出了最佳物流線路和承運方。

5 測試與驗證

系統(tǒng)方案設(shè)計完成后，歷時近3 個月完成了開發(fā)上線。為驗證大批量訂單同時調(diào)度的系統(tǒng)穩(wěn)定性和準(zhǔn)確性，在完成壓力測試后，項目組利用歷史訂單數(shù)據(jù)進(jìn)行了仿真調(diào)度測試。即一次性下發(fā)近10 萬條歷史銷售訂單，將系統(tǒng)調(diào)度結(jié)果與歷史實際結(jié)果進(jìn)行了對比分析。驗證系統(tǒng)自動分單率超過99%，一次自動分單結(jié)果與歷史人工分單吻合率高達(dá)86%，證實了系統(tǒng)整體設(shè)計方案和算法的有效性（圖6）。

2021 年11 月，該物流系統(tǒng)正式上線，并于2022 年7 月完成智能調(diào)度的系統(tǒng)優(yōu)化。系統(tǒng)上線后，隨著系統(tǒng)調(diào)度訂單量的積累，白名單知識庫也不斷完善。僅1 個月左右時間，自動分單審核率從30% 快速提升超過80%（圖7）。

6 結(jié)束語

整車物流領(lǐng)域，常見的研究方向多是單一場景的調(diào)度模型[6]。該公司首次構(gòu)建了基于大數(shù)據(jù)的智能調(diào)度決策算法模型，綜合成本、時效、運力配置、產(chǎn)品屬性、訂單屬性等多維度、多場景規(guī)則，自動決策選擇綜合最優(yōu)分單方案，實現(xiàn)了整車出廠物流的智能調(diào)度。當(dāng)前基于多場景算法融合的整車物流智能調(diào)度已全面應(yīng)用于某汽車生產(chǎn)制造企業(yè)各基地整車發(fā)運。

該系統(tǒng)通過智能調(diào)度決策模型，打破人工經(jīng)驗主義及地理范疇的調(diào)度依賴，更符合合同成本維度的調(diào)度決策。經(jīng)過實際運營驗證，該系統(tǒng)能夠降低物流運輸成本超過1 000 萬元/ 年；通過自動化調(diào)度審核，減少4 人崗的人工操作，降低人工成本超過60 萬元/ 年。同時，基于時效最優(yōu)的路由組合，7 天×24 h 全天候的自動化分派，提高商品車整體發(fā)運效率8% 以上。該系統(tǒng)可作為汽車物流行業(yè)整車物流智能調(diào)度系統(tǒng)的參考范例，也作為物流數(shù)字化轉(zhuǎn)型實踐的代表，具有很強(qiáng)的指導(dǎo)意義。