Overview
“Split Shipment Logic 引擎分析传入的订单，这些订单要么超过单个运输的阈值，要么包含来自不同库存池的商品。它会生成一个优化的运输计划，该计划在最小化成本和满足服务水平协议（SLAs）之间取得平衡，从而确保没有商品会因遵守承运商的限制而延误。”
Implementation Steps
库存可用性评估
查询区域仓库数据库，以确定订单中所有SKU的库存水平，并排除库存为零或不足的商品。
约束评估
分析承运商的服务级别协议（SLAs）以及物理限制，例如每包裹的最大重量和禁止运输的区域。
路由算法执行
应用贪心算法或动态规划算法来对订单列表进行划分，将可以一起运输的商品分组，同时尽可能地减少总估计成本。
运营商分配与验证
根据运输速度要求和地理位置，将每个生成的运输段与最合适的承运人进行匹配，然后验证路线是否存在潜在的延误。
该路线图侧重于从基于确定性规则的分而化异，转向适应性、预测性的编排，从而在成本、速度和环境影响之间取得平衡。
Primary
这个模块充当多地点订单处理的核心调度器。它接收订单数据，评估不同区域枢纽中的SKU可用性，检查承运商的容量限制（重量、尺寸、禁止区域），并构建一系列部分运输。然后，系统为每一步运输分配特定的承运商，并实时更新库存水平，以防止超售。
动态阈值调整
根据承运商的实时容量变化，自动重新计算单个货运订单的最大订单尺寸。
时间分割优化
安排分批次发货，使其按顺序到达，而不是同时到达，从而减少高峰日期的订单量，并提高客户体验。
处理载波故障
自动将失败的运输段重新路由到备用承运人或地点，无需人工干预。
统一的入场流程
将所有订单来源整合到一个统一的 OMS（订单管理系统）入口流程中。
模式规范化
将针对特定渠道的负载转换为一个统一的运营模型。
94.2%
平均分割效率
98.5%
SLA 遵守率
< 0.5%
手动干预频率
System Roadmap Architecture
“Split Shipment Logic”函数的 inmediato objetivo es estabilizar las reglas de automatización existentes，消除手动干预，并减少处理延迟。我们将审核现有的触发器，以确保在所有承运商集成中进行准确的分裂计算，并修复当前导致订单碎片化错误的边缘情况。这项基础性的清理工作为未来的改进奠定了可靠的基础。在中期阶段，我们将引入动态分配算法，这些算法将考虑实时库存水平和承运商的容量限制。 这一转变使系统能够自动优化送货路线，而无需依赖静态阈值，从而显著提高最后一公里的效率。 此外，长期策略包括构建一个自适应机器学习模型，该模型可以根据历史绩效数据预测最佳的分裂场景。 通过持续从结果中学习，系统将主动调整逻辑参数，从而最大限度地减少浪费并提高客户满意度，而无需人工干预。 这一转变将一个僵化的规则集转变为一个能够自我优化的物流卓越引擎。
连接器容错性改进
加强源端可靠性的重试、健康检查和死信处理。
自适应验证配置文件
通过频道和账户上下文进行调音验证，以减少误判。
异常智能
优先处理对运营恢复影响最大的故障，以便更快地恢复。
Strategic Use Cases
多区域订单处理
< 4 小时允许从三个不同的仓库同时处理单个客户订单，从而确保所有商品在承诺的时间范围内送达。
承运能力管理
< 每一次分割，重量变动不超过 2%防止特定承运人因途中卡车达到重量限制而导致订单超载。
库存平衡
15% 缺货率降低通过在商品需求量高时，优先将这些商品运送到最近可用的仓库，从而减少区域内的缺货情况。