工作描述:1. 物流大数据模型建立:收集供应商运输车辆信息,包括车辆到达时间、送货模式(供应商直送、第三方承运)、车型(小型厢式车、侧帘车、升降尾板车)、车型匹配的卸货方式(电动叉车、电动托盘搬运车、手动托盘搬运车)和卸货优先级别(如ICU订单,血液运输为最高级别),按日期录入Excel,导入Java 卸货口分配决策数学模型。
2. 卸货口智能分配软件开发:以最小化入库车辆排队用时、最小化车辆等待卸货用时为目标,以次日供应商到货计划和运输车辆信息为模型输入,在满足6个卸货口装卸车辆类型要求、车辆卸货优先级别要求下,对到达车辆的卸货口分配决策建立数学模型,并使用Java语言编写遗传算法求得最优解。将所得最优解输入Excel,呈现智能确定的次日运输车辆卸货口分配计划,减少每日车辆等待总时长平均40分钟。
3. 分拣出库作业信息流改善:利用Excel对皇家北岸医院近半年的4万多条采购订单数据进行分析,基于订货频次对400多家供应商进行ABC分类,每周高于10频次的定为A类。建议平台调度经理与A类供应商30家进行协商,发货前在物流外箱上标明采购科室,以减少70%的分拣查询工序,提高分拣出库效率。