下载链接：http://www.zgglkx.com/CN/Y2023/V31/I3/38
成果快照｜医药电商考虑信息动态更新和最小化拆单率的订单重分配优化研究
01 研究背景
医药电商为确保药品配送时效，常拆分订单，导致配送成本增加、用户满意度下降。为提升电商物流效率、满足药品即时配送需求，本文建立了医药电商订单动态分配模型，在考虑库存信息动态更新的同时，也考虑了订单信息更新重分配优化策略。
目前国内外学者对拆单的研究主要分为三个方面：
l 一是将拆单问题转化为多仓选品问题。拆单的根本原因在于一个仓库无法满足多品订单的需求，因此优化仓库选品也可达到降低拆单率的目的。
l 二是订单在途合并问题。
l 三是在线零售订单的分配问题。根据订单中SKU在多个仓库中的存储情况，对一单多品的订单进行分配以达到最小化拆单率和配送成本的目的。
本文设计了库存信息动态更新（DIIO）算法与信息更新双重优化（DIDO）算法。在缓解小型医疗机构的库存压力的同时，也提升了医药电商的物流效率，达到多方共赢的目的。
02 拟解决问题
在用户下单到出库之间存在订单处理时间。由于订单随机到达，仓库的品类丰富度和库存水平会影响新订单的分配。为提高处理效率，订单分配中心会集中分配一段时间的订单。时间间隔越长，累计订单越多，分配效率越高，拆单可能性越低。但药品订单具有时效性，时间间隔并非越长越好。因此，本文针对具有时效性和动态到达的订单分配问题，同时决策SKU的分配和配送数量，以降低拆单率。
03 模型与方法
一．考虑动态库存的拆单优化模型
本文考虑了动态库存情况下的订单分配问题。动态库存主要体现在两个方面：
l 一是平台的补货行为。
l 二是用户突然变更请求的情况，如用户取消订单的行为。
式（１）为模型的目标函数，表示所有订单配送总次数最小，即拆单率最低；式（２）表示配送的SKU 数量不少于需求量，式（３)表示配送的SKU数量不高于仓库的供应量；式（４）表示变量ｘ与ｙ之间的逻辑关系；式（５）表示决策变量ｙ的取值范围。
二．考虑订单更新的拆单优化模型
订单处理中心在分配订单时会多次运行系统，将订单分配到仓库进行拣选。若订单未开始处理，下次运行时会被重新分配。
在[0，H]内分布C个决策点，由平台经验决定（淡季C小，旺季C大）。每个决策点tℎ处，根据当前信息求解静态优化问题。第h阶段为第h-1和第h个决策点间的时段。假设在tℎ−1处已经获得优化解Rℎ−1，订单分配系统将该阶段订单分配到仓库，工作人员按顺序拣货。到下一个决策点tℎ处，部分订单可能已完成拣选，标记为已锁定订单合集Vℎ−1（Vℎ−1⊂Rℎ−1），对应有未锁定订单合集Uℎ−1，待分配的订单Pℎ中包括上一阶段未锁定的订单Uℎ−1和［tℎ−1，tℎ］内新增的订单O。
式（７）为模型的目标函数，表示所有订单配送总次数最小，即拆单率最低；式（８）表示配送的SKU数量不少于需求量，其中式（９）表示配送的SKU数量不高于仓库的供应量；式（10）表示变量ｘ与ｙ之间的逻辑关系；式（11）表示订单的出库完成时间；式（12）表示任意一个订单从下单到出库完成的时间限制；式（13）表示决策变量ｙ的取值范围。
04 算法设计
一、考虑库存信息更新的拆单优化（DIIO）算法设计
步骤：（1）对订单分类。分为单、多SKU订单集合
（2）按订单完成时间初始化排序
（3）单SKU订单锁定SKU库存
（4）为多SKU订单分配能够完全满足其需求的单个仓库。
（5）基于SKU丰富度的多订单分配
（6）重复步骤5，直到多订单中的SKU种类均被满足。
（7）分析中的所有订单的可能优化方案。
（8）基于当前可用库存，对多订单进行重分配，得到总拆单数最优解完成决策点的决策。
（9）若在新的决策点到达时，上个决策点内的订单未锁定，那么将参与新决策点处订单的分配，否则直接出库。
（10）更新订单信息和库存信息。重复步骤1～步骤9，直到完成最后一个决策点。
二、考虑订单信息更新的重分配优化算法（DIDO）设计
05 算例分析
随着规划周期的增加，该算法的订单处理水平与优化效果会逐步趋于稳定，证明了算法的有效性与稳定性。
在进行订单重分配后，DIDO算法能够显著减少仓库发货货单数。通过用户信息更新，对订单进行重分配时，算法在每个重分配时间节点均有明显的优化效果。
算法有着最优的规划周期间隔，过长或过短的间隔都将降低优化效率，规划周期区间对优化效果的影响分析应根据数据的特性选择合适的规划周期区间，以保证最优优化效率。
用户下单频次对AIO算法并无影响。用户下单频次越高，DIDO算法的优化效果越好，该算法能够较好地适用于单用户多频次下单的医药电商平台。
06 研究结论
1.本文提出的模型结合了传统的订单拆分与分配问题，加入了信息更新因素，并提出了两种启发式算法，降低了订单拆单率和仓库发货货单数。
2.在算法设计阶段，将动态问题分割成多个静态子问题，采用贪婪算法生成初始解，再采用整数规划模型求得最优解。构造初始解时，通过订单分类，将单订单的SKU需求转化为库存，提高多订单分配的优化空间。
3.通过递归遍历多订单的更优分配结果，求得精确解。本文提出的DIIO算法能显著降低拆单率，订单规模增加不影响算法运行效率。
作者：王思语
