[发明专利]一种租赁设备仓储管理系统及方法

说明书

本发明提供了一种租赁设备仓储管理系统及方法，包括智能寻仓选仓模块、动态库存预测模块和最佳发货仓组合算法模块。本发明的有益效果在于：通过智能分析推荐最合适的仓库位置，帮助企业节约成本，扩大竞争优势；通过结合大数据技术，对数据分析计算预测未来库存，帮助客户预定下单占库，为企业制定采购计划提供指导；通过算法计算获取最优的供货仓组合，为客户节约运费成本。

技术领域

本发明涉及仓储管理技术领域，尤其涉及一种租赁设备仓储管理系统及方法。

背景技术

企业随着业务扩张，其设备会不断增加，因此，在运营管理的过程中，其仓储管理会出现以下痛点：1.设备增加势必需要增加仓库存放，但是仓库选址如果不够科学会导致成本大幅上升，竞争力大幅下降；2.由于是租赁行业，设备的库存影响因素诸多，无法确定未来某天库存的真实情况，从而导致客户预约下单但无法保证在客户要求的时间正常发货；3.客户下单后，如果单仓不能满足要求，需要组合发货时，无法快速搭配最合理、最高效、最经济的发货组合。

仓库选址密切关系着后续业务的开展，但仓库的位置影响因子诸多，例如：附近工程覆盖率、在租工程数、在租设备数、交通、配套、运费、安全限制、法律法规等等，通过人工选择的仓库不能直观的感受其合理性，因此，迫切需要系统推荐仓库位置或者帮助评分，以供决策，为解决上述痛点问题，智能仓库系统应运而生。

发明内容

为解决上述问题，本发明公开了一种租赁设备仓储管理系统及方法，从寻仓选仓到仓库基本信息管理、库存管理到智能调度，提供了仓储完整的端到端服务。

具体方案如下：一种租赁设备仓储管理系统，其特征在于，包括智能寻仓选仓模块、动态库存预测模块和最佳发货仓组合算法模块。

作为本发明的进一步改进，所述智能寻仓选仓模块的方法为：

步骤1，对仓库选址的影响因子建立模型及评分机制；

步骤2，定义新仓库覆盖的城市并提交；

步骤3，通过地图SDK查询覆盖城市及周边N公里内的道路、桥梁及桥梁承重、公交、物流园、汽配城、汽车修理厂、加油站、化工厂等影响因子；

步骤4，通过爬虫获取覆盖城市内的工程信息预估用车台量；

步骤5，利用决策树在多因子模型中的应用，决策树分支结点所包含的样本类别会逐渐趋于一致，决策树算法追求的目标，就是寻找最有效的特征进行划分，即节点分裂时要使得节点分裂后的信息增益最大，这里列出决策树中判断信息量增减，其中，信息熵和基尼系数的计算公式分别为，

其中t为给定的节点，i为标签的任意分类，p(i|t)为标签分类i在节点t上所占的比例；依据上述算法使用AI建模，并预测仓库选址合理的前10个区域；

步骤6，利用大数据计算前10个区域中的点位按仓库选址评分模型计算出点位的分数，给出前10个的高分位置，供业务选择。

作为本发明的进一步改进，当业务人员选择了几个仓库位置时，需要系统给出评分供决策，为达到上述选仓目的，智能寻仓选仓模块的方法为：

步骤1，提交新仓库覆盖的城市和待选择的几个仓库位置；

步骤2，通过地图SDK查询覆盖城市及周边N公里内的道路、桥梁及桥梁承重、公交、物流园、汽配城、汽车修理厂、加油站、化工厂等影响因子；

步骤3，通过爬虫获取覆盖城市内的工程信息预估用车台量；

步骤4，计算出几个仓库地址按仓库选址评分模型累加的分数，并给出推荐。