24年MathorCup大数据一等奖金奖作品.pdfVIP

物流网络分拣中心货量预测及人员排班的研究

摘要

本文针对物流网络分拣中心的货量预测及人员排班的问题展开研究，依据ARIMA

模型、随机整数规划模型等方法，通过MATLAB、SPSS及Lingo等软件求解了各分拣

中心未来30天每天及每小时的货量预测值，依据计算的货量预测值对各分拣中心未来

30天每个班次的值班人员进行统计，最后以SC60为例，确定了该分拣中心未来30天

正式工及临时工的班次出勤计划，为电商物流企业提供了宝贵的决策支持和理论参考。

首先，针对附件1-4共计33281条供货量数据，提取时发现原始数据集存在部分缺

失的货量信息。因此，本文先对原始数据集进行探索，对类别型特征、数值型特征及

其缺失值分析，根据不同的情况采用分箱、特殊插值等方法处理，对分类变量进行编

码，并对数据进行替补缺失值处理，以此提高后续算法求解的速度以及模型的泛化能

力。处理后的数据分别进行分类识别并预测其效果，并作为本文最终的采样数据。

针对问题一，基于物流网络各分拣中心的货量预测问题。首先，采用时间序列

ARIMA模型对货量预测进行各阶段初步求解分析。同时使用指数平滑对模型进行优化

处理，考虑历史货量、物流风络及配置信息，预测各分拣中心每天及每小时的货量，

最终得出未来30天各分拣中心货量预测结果见表10。

针对问题二，在问题一货量预测结果的基础上，考虑未来30天各分拣中心之间运

输线路的变化，采用季节性自回归移动平均模型（SARIMA）对各分拣中心未来30天

每天及每小时的货量进行预测。通过SPSS对SARIMA模型的检验结果见表11，其中

p=0.05

R方为0.562，Q统计量为56.781，且值为0.1036大于显著性水平（），所以

此处无法拒绝原假设，认为残差就是白噪声，即模型能够很好的识别。最终得出各分

拣中心未来30天每天及每小时的货量预测结果见表12。

针对问题三，基于物流网络各分拣中心人员排班的问题。以满足各分拣中心配置

人数最少和各分拣中心承担任务量最小（即货量最小）为优化目标。同时根据各员工

每天最多出勤1次、正式工和临时工的最高小时人效、优先选用60名正式工以及各员

工实际小时人效尽量均衡等作为约束条件。然后建立随机整数规划模型对未来30天各

分拣中心各班次的出勤人员进行编排，在编排结果表13中，通过随机整数规划得到的

排班计划相较于人为添加冗余度的排班方式，人员供给的鲁棒性相近，人力成本更低。

针对问题四，在问题3随机整数规划模型的基础上，以SC60分拣中心为例，首先

调整正式工的人数为200名，其次引入弹性用工机制的精益排班方案，以添加每名正式

工在未来30天的出勤次数不得高于25和连续出勤天数不能超过7天的约束条件，建立

弹性用工机制排班模型。最终确定SC60未来30天各员工的排班出勤计划见表14。结

果呈现出货量相近的几天，随着人员精准投放，工作人员降低幅度相对较大，对现场

带来的人效增长较为明显。

关键词：货量预测；ARIMA；SARIMA；人员排班；随机整数规划；SPSS

目录

1问题重述1

1.1问题背景1

1.2文献综述1

1.3题目已知信息1

1.4研究的问题2

2研究思路2

2.1问题1的分析2

2.2问题2的分析2

2.3问题3的分析2

2.4问题4的分析3

3模型假设4

4符号说明4

5数据的预处理5

5.1样本数据的处理5

5.2缺失异常值探索8

6问题1：基于ARIMA模型的物流货量预测8

6.1模型建立与求解8

6.2模型优化处理13

6.3结果分析13

7问题2：基于SARIMA对物流网络货量预测14

7.1模型建立与求解1