个人网站怎么做代码,河北移动端网站制作,网站改版意见方案,网络小说网站建设2024年MathorCup数模竞赛C题 题目 物流网络分拣中心货量预测及人员排班背景求解问题 解题思路问题一问题二问题三问题四 本次竞赛的C题是对物流网络分拣中心的货量预测及人员排班问题进行规划。整个问题可以分为两个部分#xff0c;一是对时间序列进行预测#xff0c;二是对人… 2024年MathorCup数模竞赛C题 题目 物流网络分拣中心货量预测及人员排班背景求解问题 解题思路问题一问题二问题三问题四 本次竞赛的C题是对物流网络分拣中心的货量预测及人员排班问题进行规划。整个问题可以分为两个部分一是对时间序列进行预测二是对人员的排班优化。 题目 物流网络分拣中心货量预测及人员排班
背景
电商物流网络在订单履约中由多个环节组成图1是一个简化的物流网络示意图。其中分拣中心作为网络的中间环节需要将包裹按照不同流向进行分拣并发往下一个场地最终使包裹到达消费者手中。分拣中心管理效率的提升对整体网络的履约效率和运作成本起着十分重要的作用。
分拆中心的货量预测是电商物流网络重要的研究问题对分中心货量的精准预测是后续管理及决策的基础如果管理者可以提前预知之后一段时间各个分拆中心需要操作的货量便可以提前对资源进行安排。在此场景下的货量预测目标一般有两个:一是根据历史货量、物流网络配置等信息预测每个分拣中心每天的货量:二是根据历史货量小时数据预测每个分拣中心每小时的货量。
分拣中心的货量预测与网络的运输线路有关通过分析各线路的运输货量可以得出各分拣中心之间的网络连接关系。当线路关系调整时可以参考线路的调整信息得到各分拣中心货量更为准确的预测。
基于分拣中心货量预测的人员排班是接下来要解决的重要问题分拣中心的人员包含正式工和临时工两种:正式工是场地长期雇佣的人员工作效率较高;临时工是根据货量情况临时招募的人员每天可以任意增减但工作效率相对较低、雇佣成本较高。根据货量预测结果合理安排人员旨在完成工作的情况下尽可能降低人员成本。针对当前物流网络其人员安排班次及小时人效指标情况如下:
1)对于所有分拣中心每天分为6个班次分别为:00:00-08:0005:00-13:0008:00-16:00,12:00-20:00,14:00-22:00,16:00-24:00,每个人员(正式工或临时工)每天只能出勤一个班次;
2)小时人效指标为每人每小时完成分拣的包裹量(包裹量即货量)正式工的最高小时人效为 25 包裹/小时临时工的最高小时人效为 20包裹/小时。
求解问题
该物流网络包括57个分拣中心每个分拣中心过去4个月的每天货量如附件1所示过去 30 天的每小时货量如附件2所示。基于以上数据请完成以下问题: 问题 1:建立货量预测模型对57 个分拣中心未来 30 天每天及每小时的货量进行预测将预测结果写入结果表1和表2中。 问题2:过去 90 天各分拣中心之问的各运输线路平均货量如附件3所示。若未来 30 天分拣中心之问的运输线路发生了变化,具体如附件4所示。根据附件 1-4,请对57个分拣中心未来 30 天每天及每小时的货量进行预测,并将预测结果写入结果表3和表4中。 问题3:假设每个分拣中心有60名正式工在人员安排时将优先使用正式工若需额外人员将使用临时工。请基于问题2的预测结果建立模型给出未来 30 天每个分拣中心每个班次的出勤人数并写入结果表5中。要求在每天的货量处理完成的基础上安排的人天数(例如30天每天出200名员工则总人天数为 6000)尽可能少且每天的实际小时人效尽量均衡。 问题4:研究特定分拣中心的排班问题这里不妨以SC60为例假设分拆中心 SC60 当前有 200名正式工请基于问题2的预测结果建立模型确定未来 30 天每名正式工及临时工的班次出勤计划即给出未来 30 天每天六个班次中每名正式工将在哪些班次出勤每个班次需要雇佣多少临时工并写入结果表6中。每名正式工的出勤率(出的天数除以总天数30)不能高于 85%且连续出勤天数不能超过7天。要求在每天货量处理完成的基础上安排的人天数尽可能少每天的实际小时人效尽量均衡且正式工出勤率尽量均衡。 注:上面四个问题中除了正常完成论文外每个问题的输出结果表请一起压缩为“结果,zip”压缩包格式并单独上传至竞赛平台。 解题思路
问题一
在问题一中题目要求我们对57个分拣中心未来30天每天及每小时的货量进行预测。在附件1中给出了每天每个分拣中心的货量而在附件2中给出了57个分拣中心每小时的货量故分别利用这两个数据集进行预测。在对未来30天的货量进行预测时可以建立一系列的混合预测模型例如混合ARIMA-LSTM以提高精度然后预测未来30天每小时的货量时可以先用建立的混合模型进行预测然后在此基础上基于以天为单位的货量预测对以小时为单位的货量预测进行模糊修正。
问题二
在问题二中题目要求我们在考虑运输线路改变的前提下分别对未来30天每天及每小时的货量进行预测。在这一问中可以考虑建立神经网络模型以运输线路改变前后的值作为输入以最终的货量作为输出。在这一问中还可以考虑基于聚类算法对各个分拣中心的货量进行分级。
问题三
在第三问中假设有60名正式工要求给出未来30天每个分拣中心每个班次的出勤人数在这一分钟主要有两个目标一个是人天数尽量少第二个是每天每小时的人效要均衡。决策变量是每天每个时段安排几个正式工和几个临时工。对于这一问可以建立线性规划模型并基于启发式的规则进行求解。
问题四
在第四问中与第三问一致同样是要安排人员的出勤差别在于优化目标变为了三个。目标一是人天数要尽量少目标二是每天每小时人效要均衡而目标三要求了正式工的出勤率要尽量均衡。这进而导致决策变量变成了正式工i在j天的k时段是否出勤以及j天的k时段要雇佣多少临时工。对于这个三目标优化问题可以建立混合整数线性规划模型并基于NSGA-Ⅱ等元启发式算法进行求解。 后续Rose学姐还会更新数据、论文以及模型代码大家持续关注哦~有任何问题点击下方咨询
