CN110245791A - 一种订单处理方法及*** - Google Patents

一种订单处理方法及*** Download PDF

Info

Publication number
CN110245791A
CN110245791A CN201910468017.2A CN201910468017A CN110245791A CN 110245791 A CN110245791 A CN 110245791A CN 201910468017 A CN201910468017 A CN 201910468017A CN 110245791 A CN110245791 A CN 110245791A
Authority
CN
China
Prior art keywords
order
service
engineer
wei
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910468017.2A
Other languages
English (en)
Other versions
CN110245791B (zh
Inventor
王燚
李凡东
王莹
汪成伟
魏鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Suning Logistics Co Ltd
Original Assignee
Jiangsu Suning Logistics Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Suning Logistics Co Ltd filed Critical Jiangsu Suning Logistics Co Ltd
Priority to CN201910468017.2A priority Critical patent/CN110245791B/zh
Publication of CN110245791A publication Critical patent/CN110245791A/zh
Application granted granted Critical
Publication of CN110245791B publication Critical patent/CN110245791B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/083—Shipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
    • G06Q30/0635—Processing of requisition or of purchase orders

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种订单处理方法及***，解决了的现有手动派单的低效和高成本，缩短了安维工程师的派送路径，提高派送效率。所述订单处理方法，包括：对订单进行分拣；根据所述分拣后的订单，匹配安维工程师，并生成计划排程单；根据所述计划排程单，通过服务模拟算法模型,生成订单的派送路线。

Description

一种订单处理方法及***
技术领域
本发明属于物流领域，具体来说，涉及一种订单处理方法及***。
背景技术
随着售后业务发展的多元化，用户对安维工程师上门服务的时效要求日益增长。传统的网点信息员将服务订单手工指派给安维工程师的方式耗时长、工作量大、错误率高，安维工程师接单后，凭经验安排上门的路线，耗费在路上的时间长，用户的服务时效得不到保障。传统的派单上门的模式相对落后，已经远远不能满足高速发展的业务需求，以及用户对上门准时性的迫切要求。目前，同行业派单上门多为人为手工派单给安维工程师，安维工程师对当天上门的订单没有规划，上门时间随意，耗费大量时间在路途上，用户催单现象严重，上门时效性得不到保障。
发明内容
本发明提供一种订单处理方法及***，解决了的现有手动派单的低效和高成本，缩短了安维工程师的派送路径，提高派送效率。
为解决上述技术问题，本发明实施例采用以下技术方案：
第一方面，本发明实施例提供一种订单处理方法，所述方法包括：
对订单进行分拣；
根据所述分拣后的订单，匹配安维工程师，并生成计划排程单；
根据所述计划排程单，通过服务模拟算法模型,生成订单的派送路线。
结合第一方面，作为第一种可实施的技术方案，所述对订单进行分拣，包括：
根据订单的工序及作业计划，按照订单的作业日期及作业区域进行初步分拣，并根据订单服务资质对订单进行分类；
利用POI与逆地址解析方法，将订单进行地理信息化；
将所述地理信息化后的订单按照作业时间分拣；
将所述按照作业时间分拣后的订单，进行区块预处理，并进行订单编号。
结合第一方面，作为第二种可实施的技术方案，所述根据所述分拣后的订单，匹配安维工程师，包括：
根据用户历史服务订单，对订单用户进行用户画像，并根据所述用户画像对用户进行级别划分，获取用户权重；
采用服务模拟算法模型计算订单的属性权重；
根据所述用户权重与订单的属性权重，计算订单的综合权重，并对订单进行排序；
采用大数据算法与安维工程师评分，对安维工程师进行画像；
通过服务模拟算法模型，根据排序后的订单和所述画像后的安维工程师进行匹配，生成与所述订单相匹配的安维工程师。
结合第一方面第二种可实施的技术方案，作为第三种可实施的技术方案，所述通过服务模拟算法模型，根据排序后的订单和所述画像后的安维工程师进行匹配，生成与所述订单相匹配的安维工程师，包括：
查询与服务订单相匹配的服务网点；
分拣未来m天预约作业的服务订单；
对所述分拣的服务订单进行排序；
计算排序后的服务订单耗时；
将所述服务订单根据工程师画像、服务区域、订单耗时及热力系数，进行路线图划分，并将每个线图路中服务订单分配预约上门作业时间。
结合第一方面，作为第四种可实施的技术方案，所述根据所述计划排程单，通过服务模拟算法模型,生成派送订单的路线，包括：
根据订单的派送地址，计算前往订单派送地址的路程及时间,并分析所有订单类型的历史平均耗时；
计算由前一订单派送地址前往后一订单派送地址的路程及时间；
根据安维工程师移动终端LBS路程排序、每个订单类型的的历史平均耗时排序，计算得出当日安维工程师全部订单耗时排序；
将所述所有路线规划数据，结合订单的综合权重等级，通过最优算法对所有的距离进行排列组合，得出最优的派送路径。
结合第一方面，作为第五种可实施的技术方案，所述方法还包括：
接收待调订单，并动态修改所述待调订单的优先等级信息；
根据所述待调订单信息，通过服务模拟算法模型，将所述待调订单添加到计划排程单中。
第二方面，本发明实施例提供一种订单处理***，所述***包括：
分拣模块：用于对订单进行分拣；
匹配模块：用于根据所述分拣后的订单，匹配安维工程师，并生成计划排程单；
生成模块：用于根据所述计划排程单，通过服务模拟算法模型,生成订单的派送路线。
结合第二方面，作为第一种可实施的技术方案，所述分拣模块，包括：
第一分拣单元：用于根据订单的工序及作业计划，按照订单的作业日期及作业区域进行初步分拣，并根据订单服务资质对订单进行分类；
信息化单元：用于利用POI与逆地址解析方法，将订单进行地理信息化；
第二分拣单元：用于分拣将所述地理信息化后的订单按照作业时间分拣；
预处理单元：用于将所述按照作业时间分拣后的订单，进行区块预处理，并进行订单编号。
结合第二方面，作为第二种可实施的技术方案，所述匹配模块，包括：
获取单元：用于根据用户历史服务订单，对订单用户进行用户画像，并根据所述用户画像对用户进行级别划分，获取用户权重；
第一计算单元：用于采用服务模拟算法模型计算订单的属性权重；
第二计算单元：用于根据所述用户权重与订单的属性权重，计算订单的综合权重，并对订单进行排序；
画像单元：用于采用大数据算法与安维工程师评分，对安维工程师进行画像；
生成单元：用于通过服务模拟算法模型，根据排序后的订单和所述画像后的安维工程师进行匹配，生成与所述订单相匹配的安维工程师。
结合第二方面第二种可实施的技术方案，作为第三种可实施的技术方案，所述生成单元，包括：
查询子单元：用于查询与服务订单相匹配的服务网点；
分拣子单元：用于分拣未来m天预约作业的服务订单；
排序子单元：用于对所述分拣的服务订单进行排序；
计算子单元：用于计算排序后的服务订单耗时；
划分子单元：用于将所述服务订单根据工程师画像、服务区域、订单耗时及热力系数，进行路线图划分，并将每个线图路中服务订单分配预约上门作业时间。
结合第二方面，作为第四种可实施的技术方案，所述生成模块，包括：
第三计算单元，用于根据订单的派送地址，计算前往订单派送地址的路程及时间,并分析所有订单类型的历史平均耗时；
第四计算单元，用于计算由前一订单派送地址前往后一订单派送地址的路程及时间；
第五计算单元，用于根据安维工程师移动终端LBS路程排序、每个订单类型的的历史平均耗时排序，计算得出当日安维工程师全部订单耗时排序；
第六计算单元，用于将所述所有路线规划数据，结合订单的综合权重等级，通过最优算法对所有的距离进行排列组合，得出最优的派送路径。
与现有技术相比，本发明实施例的订单处理方法及***，解决了的现有手动派单的低效和高成本，缩短了安维工程师的派送路径，提高派送效率。本实施例的订单处理方法，包括：对订单进行分拣；根据所述分拣后的订单，匹配安维工程师；根据所述订单和匹配的安维工程师，通过服务模拟算法模型,生成订单的派送路径。本实施例的方法自动实现订单分拣、安维工程师匹配和生成派送路径，解决了人为手工分单问题，节约了时间、人力和经济成本，同时为安维工程师推荐最优派送路径。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例应用的架构图；
图2是本发明实施例的方法的流程图；
图3是本发明实施例的方法中步骤S10的流程图；
图4是本发明实施例的***结构框图。
具体实施方式
为使本领域技术人员更好地理解本发明的技术方案，下面结合附图和具体实施方式对本发明作进一步详细描述。下文中将详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
下面结合附图，对本发明的技术方案进行详细的说明。
本实施例的订单处理方法可应用在如图1所示的架构中。该架构包括订单服务器、智能服务器和派工终端。订单服务器用于生成订单。用户根据自身需求，在网页下单，订单自动保存在订单服务器中。订单服务器将订单传送到智能服务器中。智能服务器对接收的订单进行处理，匹配合适的安维工程师，并选择最优的派送路径。同时，智能服务器将订单信息发送至派工终端。
如图2所示，本发明实施例的一种订单处理方法，所述方法包括：
S10对订单进行分拣；
S20根据所述分拣后的订单，匹配安维工程师；
S30根据所述订单和匹配的安维工程师，通过服务模拟算法模型,生成订单的派送路径。
上述实施例中，***自动进行订单处理。其中，在对订单进行分拣后，自动匹配安维工程师。现有技术常见的方式为人工派工。与现有技术相比，本实施例的方法，自动进行订单派工。这提高了派工的工作效率。同时，本实施例的方法中，通过服务模拟算法模型自动测算订单的派送路径。安维工程师每次派送不可能只派送一件。面对多个订单，选择最优派送路径，可以缩短配送时间，提高派送效率。
本实施例的方法，通过智能分拣算法服务及路径排程算法服务，将订单进行指派安维工程师，并推荐安维工程师最优上门路线。
智能分拣算法服务，是对订单进行智能分拣并推荐，利用大数据算法、基于地图POI技术，构建分拣算法服务引擎。智能分拣算法服务可包括四个模块：首先通过订单的工序、时间、区域及所要求的能力资质等因素对订单进行精细化智能分拣。再利用安维工程师画像、用户画像构建一套精准的安维工程师智能推荐引擎，将订单推荐给安维工程师，并生成计划排程单。在过程中，***自动对于遇紧急插单等突发场景，实时动态调整排程单。
通过精细化分拣算法，将服务订单分派到安维工程师，再通过路径排程算法服务，对安维工程师当天上门的所有订单进行路径的规划。将路线规划数据结合作业单权重等级，通过最优算法对所有的距离进行排列组合，将耗时最少、路线最近、最大程度满足用户诉求的路线组合起来，得出最优的路径规划。
本实施例将传统的网点信息员手工派单给安维工程师，安维工程师凭经验对当天需上门作业的订单进行排序上门的作业模式，改为***自动分派，自动规划派送路径。同时，本实施例打破了原有网点与安维工程师的绑定关系，转变为综合考虑用户的地址、用户期望上门时间、安维工程师画像、订单优先级，生成最优派送路径。这不仅解放了网点信息员人力，降低人力成本，同时将订单分配给了更加合理的安维工程师，缩短了订单的服务时长，也提升了用户购物体验。
作为优选例，如图3所示，所述步骤S10，对订单进行分拣，具体包括：
S101根据订单的工序及作业计划，按照订单的作业日期及作业区域进行初步分拣，并根据订单服务资质对订单进行分类。
作业计划是服务订单的预计交期。作业日期是服务订单的上门服务日期。服务资质是指空调安装资质、空调维修资质、燃气热水器安装资质。例如，服务订单到售后***是已知用户期望的服务时间和订单需要的服务资质，那可以将同时间和同服务资质的订单进行归类分拣。
S102利用POI与逆地址解析方法，将订单进行地理信息化。例如，已知服务订单的服务地址的省、市、区、街道及详细地址，根据此服务地址调用高德地图提供的接口进行地理信息的解析得到具体的经纬度。
S103将所述地理信息化后的订单按照作业时间分拣。例如，将订单进行作业时间分拣，并按用户期望服务时间段划分为上午分拣与下午分拣。
S104将所述按照作业时间分拣后的订单，进行区块预处理并进行订单编号。例如：每日时段分为上午、下午两个时段，上午(9:00-13:00)和下午(13:00-18:00)。上午(9:00-13:00)区块内有300单，则将300单进行1到300依次编号。
上述优选例中，对订单进行分拣，将订单归类，以便于后续处理。该优选例中，基于大数据技术，利用地图POI技术将订单进行区域画像，确定订单作业区域，结合LBS与大数据算法，构建精细化分拣算法服务引擎，用于提升作业智能排程的准确性，减少人力成本和人为划分订单随意性，提升作业效率和用户体验。精细化分拣算法服务引擎是指整个售后智能排程精确派工到人的算法实现。
作为优选例，所述步骤S20，匹配安维工程师，具体包括：
S201根据用户历史订单及用户行为，对订单用户进行用户画像，并根据所述用户画像对用户进行级别划分，获取用户权重。
作为实例，用户历史订单及用户行为包括：用户历史预约服务的类型、评价、投诉、活跃度。作为实例，用户画像包括服务满意度高、注重细节、3个月无投诉。用户画像级别可分为：普通用户、好评用户、易投诉用户、VIP用户、黄牛用户。用户权重根据用户画像级别、使用行为、好评率、投诉率综合计算得出。
S202采用服务模拟算法模型计算订单的属性权重。服务模拟算法模型根据订单品类、品牌、作业项目、质保标识等维度，计算订单的属性权重。
服务模拟算法模型根据服务订单的服务地址、商品类目、服务资质维度进行订单的属性权重划分。例如：服务订单空调安装服务地址在“江苏省南京市江宁区麒麟门街道东郊小镇X单元XX室”，***根据历史发生在此小区的订单计算得出平均服务时长(从上门签到到服务完成耗时)为2.5小时，该小区的平均服务时长超过正常空调安装服务时间属于异常小区，并根据历史服务订单工程师反馈的小区情况，得知此小区房屋设计空调井狭窄、安装难度大，那么这类订单的属性权重则高，需要指派经验丰富的工程师。
S203根据用户权重与订单的属性权重，计算订单的综合权重。根据用户权重、服务订单平均服务时长、服务地址所在小区难易程度，综合计算订单的综合权重。对订单进行排序。按照订单的综合权重，对订单进行排序。
S204采用大数据算法与安维工程师评分，对安维工程师进行画像。安维工程师评分可以依据安维工程师服务评分***综合评分，具体可依据安维工程师的从业年限、日常作业行为、专属区域、好评率、投诉率、服务技能等级、嘉奖次数进行工程师等级评定(例如：金牌工程师、高级工程师、中级工程师、普通工程师、见习工程师)。
S205通过服务模拟算法模型，根据排序后的订单和所述画像后的安维工程师进行匹配，生成与所述订单相匹配的安维工程师。
所述步骤S205具体包括：
S2051查询与服务订单相匹配的服务网点。例如，通过服务订单的服务地址与网点的服务范围、合同签署的约束，匹配到与服务订单相匹配的服务网点。
S2052分拣未来m天预约作业的服务订单。例如，根据当前***时间，取出未来两天目标预约作业日期的服务订单，并根据服务资质对服务订单进行分拣归类。
S2053对所述分拣的服务订单进行排序。例如，对根据服务资质归类的服务订单，进行服务地址经纬度与网点区域起点经纬度距离计算，按距离由近到远顺序，进行订单排序。
S2054计算排序后的服务订单耗时。例如，每个服务订单耗时＝高德导航路程预计时间+历史平均服务时长。
S2055将所述服务订单根据工程师画像、服务区域、订单耗时及热力系数，进行路线图划分，并将每个线图路中服务订单分配预约上门作业时间。若服务订单由前期改约到当日的优先享有提前作业权利。热力系数是指根据工程师历史上门服务工单分析出工程师所覆盖的作业区域、作业资质评分、工程师综合服务评分信息。
该优选例中，基于服务模拟算法模型，通过售后***海量的服务订单画像信息，围绕用户行为数据，进行用户画像，构建精准的安维工程师智能推荐引擎，为用户自动匹配合适的安维工程师，提升售后服务质量。
例如：服务评分***综合评分：RY00000001工人有空调安装0.98、黑电安装0.66、清洗保养0.55的资质。RY00000002工人有空调安装0.97、黑电安装0.6、清洗保养0.44的资质。RY00000003工人有黑电安装0.7、清洗保养0.61的资质。
当区域内发生空调安装15单，黑电安装20单，清洗保养5单，那么按当前服务订单预约作业日期的服务周期统筹计划为基础，如预约作业日期为4月16日，根据服务周期统筹计划所得作业时间9:00～13:00、14:00～18:00，根据工人服务综合评分排序从高就低原则进行服务订单分配。通过计算得出得出：
RY00000001工人分得空调安装10单；RY00000002工人分得空调安装5单、黑电安装5单；RY00000003工人分得黑电安装12单、清洗保养8单。
作为优选例，所述步骤S30，根据所述订单和匹配的安维工程师，通过服务模拟算法模型,测算所述安维工程师完成派送订单的路线，具体包括：
S301根据订单的派送地址，计算前往订单派送地址的路程及时间,并分析所有订单类型的历史平均耗时。其中，计算前往订单派送地址的路程及时间,可以采用订单的派送地址的经纬与工程师起点的经纬度及工程师使用的交通工具，调用高德地图SDK模块计算得到。订单类型指在售后作业***中的服务订单类型，如新机安装单、上门维修单、上门清洗单、送修单、寄修单等。
S302计算由前一订单派送地址前往后一订单派送地址的路程及时间。该步骤计算工程师每天一单服务完成后，从上一单到下一单的所需的路程及时间，用于确认下一单的上门预计时间。
S303根据安维工程师移动终端LBS路程排序、每个订单类型的的历史平均耗时排序，计算得出当日安维工程师全部订单耗时排序。
S304将所有路线规划数据，结合订单的综合权重等级，通过最优算法对所有的距离进行排列组合，得出最优的派送路径。
路线规划数据包括工人从出发点前往第一单导航距离及预估前往时间、服务订单的平均作业时长、前往下一单的导航距离及预估前往时间。如：工程师的每日工作的起点为紫峰大厦，根据高德地图解析紫峰大厦的经纬度为(118.782781,32.061262)，服务订单的服务地址解析经纬度有(A、B、C、D、E、F、G、)7个经纬度点，通过高德地图计算，从紫峰大厦出发前7个点得出前往G的路程和时间最短，那么G点的订单为第一单，在以G点的经纬度为起点计算前往下一个点的最短路程和时间得到A点，以此类推的得出，最优的派送路径为G、A、D、E、F、C、B。
上述优选例中，服务模拟算法模型是指服务订单权重算法模型。安维工程师接收订单后，利用VOIP联系用户，跟用户确认期望的派送时间，将同一天需上门的所有作业单进行排程。凭借BI提供的算法优化，提高准确性与派工效率，提高整体作业自动化程度，降低人工负担。
当用户遇到特殊情况或紧急情况，需要改变派送时间时，将此订单作为待调订单。作为优选例，所述方法还包括：
接收待调订单，并动态修改所述待调订单的优先等级信息；
根据所述待调订单信息，通过服务模拟算法模型，将所述待调订单添加到计划排程单中。
该优选例中，将待调订单添加到计划排程单中。当用户需要调整派送时间时，***接收用户需求信息，调整订单在排程单中的位置。这使得调整后的订单派送时间能够满足用户需求，提升服务体验。
本实施例的方法，根据加权后的订单资质、兴趣点、客户期望时间通过大数据算法(安维工程师资质、历史作业记录、安维工程师排班、安维工程师等级等)分析推荐最合适的安维工程师。然后通过VOIP电联用户，确认服务时段，并与推荐安维工程师匹配进行派工安排。大数据算法根据已派工到安维工程师工单加权排序并编号。接着，进行订单耗时排序。随后，进行派送路径由推荐，将上述所有路线规划数据结合作业单权重等级，通过最优算法对所有的距离进行排列组合，将耗时最少、路线最近、最大程度满足用户诉求的路线组合起来，得出最优的路径规划。同时，大数据可提供多套最优上门路径供安维工程师参考选择，大数据凭借该安维工程师的历史服务轨迹，推荐最符合安维工程师习惯的路径规划。
在处理过程中，可能发生异常情况。对订单改约进行时区锁定及提醒不允许手动调配，***限制时段与排程算法保持一致，防止安维工程师随意更改作业时间，影响智能排程执行效果。***发起订单取消、改派，并进行提醒及安维工程师路由更新推荐，手持客户端即时推送更新消息，所有排程更改有消息中心历史记录可查。对临时来单进行重新路由计算，大数据算法评估排序，并主动刷新手持客户端当天作业排程计划，对时效有特殊要求的订单类型限制临时排程更改。
本实施例结合了安维工程师画像、用户画像、服务作业时长、路径距离、订单属性等，确保算法的准确率高。
如图4所示，本发明实施例还提供一种订单处理***，包括：
分拣模块：用于对订单进行分拣；
匹配模块：用于根据所述分拣后的订单，匹配安维工程师，并生成计划排程单；
生成模块：用于根据所述计划排程单，通过服务模拟算法模型,生成订单的派送路线。
上述实施例中，***自动进行订单处理。其中，利用分拣模块对订单进行分拣后，利用匹配模块自动匹配安维工程师。现有技术常见的方式为人工派工。与现有技术相比，本实施例的***，自动进行订单派工。这提高了派工的工作效率。同时，本实施例的***中，通过生成模块自动测算订单的派送路径。安维工程师每次派送不可能只派送一件。面对多个订单，选择最优派送路径，可以缩短配送时间，提高派送效率。
优选的，所述分拣模块，包括：
第一分拣单元：用于根据订单的工序及作业计划，按照订单的作业日期及作业区域进行初步分拣，并根据订单服务资质对订单进行分类；
信息化单元：用于利用POI与逆地址解析方法，将订单进行地理信息化；
第二分拣单元：用于分拣将所述地理信息化后的订单按照作业时间分拣；
预处理单元：用于将所述按照作业时间分拣后的订单，进行区块预处理，并进行订单编号。
优选的，所述匹配模块，包括：
获取单元：用于根据用户历史服务订单，对订单用户进行用户画像，并根据所述用户画像对用户进行级别划分，获取用户权重；
第一计算单元：用于采用服务模拟算法模型计算订单的属性权重；
第二计算单元：用于根据所述用户权重与订单的属性权重，计算订单的综合权重，并对订单进行排序；
画像单元：用于采用大数据算法与安维工程师评分，对安维工程师进行画像；
生成单元：用于通过服务模拟算法模型，根据排序后的订单和所述画像后的安维工程师进行匹配，生成与所述订单相匹配的安维工程师。
优选的，所述生成单元，包括：
查询子单元：用于查询与服务订单相匹配的服务网点；
分拣子单元：用于分拣未来m天预约作业的服务订单；
排序子单元：用于对所述分拣的服务订单进行排序；
计算子单元：用于计算排序后的服务订单耗时；
划分子单元：用于将所述服务订单根据工程师画像、服务区域、订单耗时及热力系数，进行路线图划分，并将每个线图路中服务订单分配预约上门作业时间。
优选的，所述生成模块，包括：
第三计算单元，用于根据订单的派送地址，计算前往订单派送地址的路程及时间,并分析所有订单类型的历史平均耗时；
第四计算单元，用于计算由前一订单派送地址前往后一订单派送地址的路程及时间；
第五计算单元，用于根据安维工程师移动终端LBS路程排序、每个订单类型的的历史平均耗时排序，计算得出当日安维工程师全部订单耗时排序；
第六计算单元，用于将所述所有路线规划数据，结合订单的综合权重等级，通过最优算法对所有的距离进行排列组合，得出最优的派送路径。
优选的，所述***还包括：
修改模块：用于接收待调订单，并动态修改所述待调订单的优先等级信息；
添加模块：用于根据所述待调订单信息，通过服务模拟算法模型，将所述待调订单添加到计划排程单中。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。
本领域技术人员应该知晓，实现上述实施例的方法或者***，可以通过计算机程序指令来实现。该计算机程序指令装载到可编程数据处理设备上，例如计算机，从而在可编程数据处理设备上执行相应的指令，用于实现上述实施例的方法或者***实现的功能。
本领域技术人员依据上述实施例，可以对本申请进行非创造性的技术改进，而不脱离本发明的精神实质。这些改进仍应视为在本申请权利要求的保护范围之内。

Claims (11)

1.一种订单处理方法，其特征在于，所述方法包括：
对订单进行分拣；
根据所述分拣后的订单，匹配安维工程师，并生成计划排程单；
根据所述计划排程单，通过服务模拟算法模型,生成订单的派送路线。
2.按照权利要求1所述的方法，其特征在于，所述对订单进行分拣，包括：
根据订单的工序及作业计划，按照订单的作业日期及作业区域进行初步分拣，并根据订单服务资质对订单进行分类；
利用POI与逆地址解析方法，将订单进行地理信息化；
将所述地理信息化后的订单按照作业时间分拣；
将所述按照作业时间分拣后的订单，进行区块预处理，并进行订单编号。
3.按照权利要求1所述的订单智能排程的方法，其特征在于，所述根据所述分拣后的订单，匹配安维工程师，包括：
根据用户历史服务订单，对订单用户进行用户画像，并根据所述用户画像对用户进行级别划分，获取用户权重；
采用服务模拟算法模型计算订单的属性权重；
根据所述用户权重与订单的属性权重，计算订单的综合权重，并对订单进行排序；
采用大数据算法与安维工程师评分，对安维工程师进行画像；
通过服务模拟算法模型，根据排序后的订单和所述画像后的安维工程师进行匹配，生成与所述订单相匹配的安维工程师。
4.按照权利要求3所述的订单智能排程的方法，其特征在于，所述通过服务模拟算法模型，根据排序后的订单和所述画像后的安维工程师进行匹配，生成与所述订单相匹配的安维工程师，包括：
查询与服务订单相匹配的服务网点；
分拣未来m天预约作业的服务订单；
对所述分拣的服务订单进行排序；
计算排序后的服务订单耗时；
将所述服务订单根据工程师画像、服务区域、订单耗时及热力系数，进行路线图划分，并将每个线图路中服务订单分配预约上门作业时间。
5.按照权利要求1所述的方法，其特征在于，所述根据所述计划排程单，通过服务模拟算法模型,生成派送订单的路线，包括：
根据订单的派送地址，计算前往订单派送地址的路程及时间,并分析所有订单类型的历史平均耗时；
计算由前一订单派送地址前往后一订单派送地址的路程及时间；
根据安维工程师移动终端LBS路程排序、每个订单类型的的历史平均耗时排序，计算得出当日安维工程师全部订单耗时排序；
将所述所有路线规划数据，结合订单的综合权重等级，通过最优算法对所有的距离进行排列组合，得出最优的派送路径。
6.按照权利要求1所述的方法，其特征在于，所述方法还包括：
接收待调订单，并动态修改所述待调订单的优先等级信息；
根据所述待调订单信息，通过服务模拟算法模型，将所述待调订单添加到计划排程单中。
7.一种订单处理***，其特征在于，所述***包括：
分拣模块：用于对订单进行分拣；
匹配模块：用于根据所述分拣后的订单，匹配安维工程师，并生成计划排程单；
生成模块：用于根据所述计划排程单，通过服务模拟算法模型,生成订单的派送路线。
8.按照权利要求7所述的***，其特征在于，所述分拣模块，包括：
第一分拣单元：用于根据订单的工序及作业计划，按照订单的作业日期及作业区域进行初步分拣，并根据订单服务资质对订单进行分类；
信息化单元：用于利用POI与逆地址解析方法，将订单进行地理信息化；
第二分拣单元：用于分拣将所述地理信息化后的订单按照作业时间分拣；
预处理单元：用于将所述按照作业时间分拣后的订单，进行区块预处理，并进行订单编号。
9.按照权利要求7所述的***，其特征在于，所述匹配模块，包括：
获取单元：用于根据用户历史服务订单，对订单用户进行用户画像，并根据所述用户画像对用户进行级别划分，获取用户权重；
第一计算单元：用于采用服务模拟算法模型计算订单的属性权重；
第二计算单元：用于根据所述用户权重与订单的属性权重，计算订单的综合权重，并对订单进行排序；
画像单元：用于采用大数据算法与安维工程师评分，对安维工程师进行画像；
生成单元：用于通过服务模拟算法模型，根据排序后的订单和所述画像后的安维工程师进行匹配，生成与所述订单相匹配的安维工程师。
10.按照权利要求9所述的***，其特征在于，所述生成单元，包括：
查询子单元：用于查询与服务订单相匹配的服务网点；
分拣子单元：用于分拣未来m天预约作业的服务订单；
排序子单元：用于对所述分拣的服务订单进行排序；
计算子单元：用于计算排序后的服务订单耗时；
划分子单元：用于将所述服务订单根据工程师画像、服务区域、订单耗时及热力系数，进行路线图划分，并将每个线图路中服务订单分配预约上门作业时间。
11.按照权利要求7所述的***，其特征在于，所述生成模块，包括：
第三计算单元，用于根据订单的派送地址，计算前往订单派送地址的路程及时间,并分析所有订单类型的历史平均耗时；
第四计算单元，用于计算由前一订单派送地址前往后一订单派送地址的路程及时间；
第五计算单元，用于根据安维工程师移动终端LBS路程排序、每个订单类型的的历史平均耗时排序，计算得出当日安维工程师全部订单耗时排序；
第六计算单元，用于将所述所有路线规划数据，结合订单的综合权重等级，通过最优算法对所有的距离进行排列组合，得出最优的派送路径。
CN201910468017.2A 2019-05-31 2019-05-31 一种订单处理方法及*** Active CN110245791B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910468017.2A CN110245791B (zh) 2019-05-31 2019-05-31 一种订单处理方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910468017.2A CN110245791B (zh) 2019-05-31 2019-05-31 一种订单处理方法及***

Publications (2)

Publication Number Publication Date
CN110245791A true CN110245791A (zh) 2019-09-17
CN110245791B CN110245791B (zh) 2022-09-02

Family

ID=67885634

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910468017.2A Active CN110245791B (zh) 2019-05-31 2019-05-31 一种订单处理方法及***

Country Status (1)

Country Link
CN (1) CN110245791B (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111027867A (zh) * 2019-12-12 2020-04-17 蚁安居(天津)网络技术有限公司 一种上门服务自动排单***及订单跟踪***
CN112184388A (zh) * 2020-10-12 2021-01-05 上海燕汐软件信息科技有限公司 一种家装服务单分配方法、装置及存储介质
CN112184365A (zh) * 2020-09-08 2021-01-05 深圳市道旅旅游科技股份有限公司 一种异常订单状态工单的处理方法及装置
CN112307379A (zh) * 2020-07-15 2021-02-02 长沙市到家悠享家政服务有限公司 页面生成方法、装置及设备
CN112509164A (zh) * 2020-10-30 2021-03-16 长沙市到家悠享网络科技有限公司 一种出勤打卡方法、装置、设备和存储介质
CN112990807A (zh) * 2019-12-18 2021-06-18 顺丰科技有限公司 物品派送耗时分析方法、装置、计算机设备和存储介质
CN113191664A (zh) * 2021-05-18 2021-07-30 绍兴鹿鸣网络科技有限公司 一种服装供应链管理方法和***
CN113191509A (zh) * 2021-05-27 2021-07-30 广州广电运通智能科技有限公司 基于维修人员画像的智能派单方法、设备、介质及产品
CN113222689A (zh) * 2021-04-26 2021-08-06 北京京东拓先科技有限公司 服务订单的处理方法、装置、设备、介质及程序产品
CN113505904A (zh) * 2021-07-30 2021-10-15 杭州智果科技有限公司 一种维修工单分配***
CN113516262A (zh) * 2021-07-30 2021-10-19 杭州智果科技有限公司 一种维修工单计费***
CN114118868A (zh) * 2021-12-08 2022-03-01 福寿康(上海)医疗养老服务有限公司 一种排程***及方法
CN114418471A (zh) * 2022-03-31 2022-04-29 广州平云小匠科技有限公司 一种上门工单的智能规划与可视化管理的方法及***

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220789A (zh) * 2017-05-15 2017-09-29 浙江仟和网络科技有限公司 一种物流配送调度方法及***
CN109146346A (zh) * 2017-06-19 2019-01-04 苏宁云商集团股份有限公司 一种订单派送方法及***

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107220789A (zh) * 2017-05-15 2017-09-29 浙江仟和网络科技有限公司 一种物流配送调度方法及***
CN109146346A (zh) * 2017-06-19 2019-01-04 苏宁云商集团股份有限公司 一种订单派送方法及***

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111027867A (zh) * 2019-12-12 2020-04-17 蚁安居(天津)网络技术有限公司 一种上门服务自动排单***及订单跟踪***
CN112990807B (zh) * 2019-12-18 2023-04-07 顺丰科技有限公司 物品派送耗时分析方法、装置、计算机设备和存储介质
CN112990807A (zh) * 2019-12-18 2021-06-18 顺丰科技有限公司 物品派送耗时分析方法、装置、计算机设备和存储介质
CN112307379A (zh) * 2020-07-15 2021-02-02 长沙市到家悠享家政服务有限公司 页面生成方法、装置及设备
CN112307379B (zh) * 2020-07-15 2023-07-28 长沙市到家悠享家政服务有限公司 页面生成方法、装置及设备
CN112184365A (zh) * 2020-09-08 2021-01-05 深圳市道旅旅游科技股份有限公司 一种异常订单状态工单的处理方法及装置
CN112184365B (zh) * 2020-09-08 2023-12-08 深圳市道旅旅游科技股份有限公司 一种异常订单状态工单的处理方法及装置
CN112184388A (zh) * 2020-10-12 2021-01-05 上海燕汐软件信息科技有限公司 一种家装服务单分配方法、装置及存储介质
CN112184388B (zh) * 2020-10-12 2024-02-13 上海燕汐软件信息科技有限公司 一种家装服务单分配方法、装置及存储介质
CN112509164A (zh) * 2020-10-30 2021-03-16 长沙市到家悠享网络科技有限公司 一种出勤打卡方法、装置、设备和存储介质
CN113222689A (zh) * 2021-04-26 2021-08-06 北京京东拓先科技有限公司 服务订单的处理方法、装置、设备、介质及程序产品
CN113191664A (zh) * 2021-05-18 2021-07-30 绍兴鹿鸣网络科技有限公司 一种服装供应链管理方法和***
CN113191509A (zh) * 2021-05-27 2021-07-30 广州广电运通智能科技有限公司 基于维修人员画像的智能派单方法、设备、介质及产品
CN113516262A (zh) * 2021-07-30 2021-10-19 杭州智果科技有限公司 一种维修工单计费***
CN113505904A (zh) * 2021-07-30 2021-10-15 杭州智果科技有限公司 一种维修工单分配***
CN114118868A (zh) * 2021-12-08 2022-03-01 福寿康(上海)医疗养老服务有限公司 一种排程***及方法
CN114418471A (zh) * 2022-03-31 2022-04-29 广州平云小匠科技有限公司 一种上门工单的智能规划与可视化管理的方法及***

Also Published As

Publication number Publication date
CN110245791B (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN110245791A (zh) 一种订单处理方法及***
An et al. Battery-swapping facility planning for electric buses with local charging systems
Bie et al. Optimization of electric bus scheduling considering stochastic volatilities in trip travel time and energy consumption
Alasseri et al. A review on implementation strategies for demand side management (DSM) in Kuwait through incentive-based demand response programs
CN107176041B (zh) 插电式电动车辆的优化充放电
Alizadeh et al. Optimal pricing to manage electric vehicles in coupled power and transportation networks
CN102377220B (zh) 电动汽车的充电控制方法、充电监视控制中心及车载导航装置
Guihaire et al. Transit network design and scheduling: A global review
CN105719221A (zh) 针对多任务的路径协同规划方法和装置
Abdalrahman et al. A survey on PEV charging infrastructure: Impact assessment and planning
JP2016151940A (ja) カーシェアリングシステムの運用計画作成支援システム
Shen et al. Public transit planning and scheduling based on AVL data in China
Noursalehi et al. Predictive decision support platform and its application in crowding prediction and passenger information generation
Li et al. Coordination of last train transfers using automated fare collection (AFC) system data
Leffler et al. Simulation of fixed versus on-demand station-based feeder operations
Yan et al. Optimally locating electric scooter battery swapping stations and battery deployment
Ramoliya et al. ML-Based Energy Consumption and Distribution Framework Analysis for EVs and Charging Stations in Smart Grid Environment
Mahmoudi et al. Sustainability in the evaluation of bus rapid transportation projects considering both managers and passengers perspectives: A triple-level efficiency evaluation approach
Ning et al. Robust and resilient equilibrium routing mechanism for traffic congestion mitigation built upon correlated equilibrium and distributed optimization
Liu et al. Modeling the effects of population density on prospect theory-based travel mode-choice equilibrium
Staudt et al. Behavioral studies in energy economics: A review and research framework
Guo et al. Research on the combinatorial optimization of EBs departure interval and vehicle configuration based on uncertain bi-level programming
La Rocca et al. Heuristics for electric taxi fleet management at Teo Taxi
CN111178948B (zh) 一种共享汽车动态借车实现方法
Chen et al. A model for taxi pooling with stochastic vehicle travel times

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant