CN105354641A - 拣货路径优化方法及拣货路径优化装置 - Google Patents

Abstract

本发明涉及一种拣货路径优化方法及拣货路径优化装置。拣货路径优化方法包括：步骤(S1)，从历史拣货数据中提取储位到储位之间的拣货时间；步骤(S2)，根据存储有多个订单的订单池中的订单数据，用所述拣货时间来衡量订单商品储位之间拣货时间上的距离；步骤(S3)，根据所述订单商品储位之间拣货时间上的距离，寻找与其他储位之间拣货时间短、且在局部储位集合中总体拣货时间最短的储位作为局部中心点；以及步骤(S4)，根据与所寻找到的所述局部中心点的所述距离来生成用于在该局部中心点处集中拣货的集合单。

Description

拣货路径优化方法及拣货路径优化装置

技术领域

本发明涉及一种拣货路径优化方法及拣货路径优化装置，特别涉及基于储位之间拣货时间最短的拣货路径优化方法及拣货路径优化装置。

背景技术

电商库房，海量订单、大量SKU、业务模式多样化，拣货时间约占生产时间30％。拣货作为生产关键环节，优化拣货路线，提升拣货效率，意义重大。WMS拣货系统存在以下问题，一定程度上，限制了库房生产能力提升。

全场拣货，效率低下。实际运作中，为了保证订单生产尤其是211(提供的物流配送服务，即上午11:00前下单，当日送达；晚上11:00前下单，次日送达)等这样的特制订单，经常全场拣货，效率低，成本高，人力和物力大量耗费。

公司业务快速增长，运营管理水平提升，日均百万订单生产能力，要求尽快优化拣货作业。

现有的拣货路径优化方法大多基于广度优先遍历的贪心算法。该算法首先通过对一定数量的订单进行物理位置上的分类，将局部区域的订单集中在一起，形成基于单个拣货通道的初始簇，然后通过算法生成当前最优的拣货任务，对于不满足拣货任务生成条件的初始簇，通过一定的合并规则生成拣货任务，从而达到订单密集生产的目的。

图5是现有拣货路径优化方法的结构示意图。图6是现有拣货路径优化方法的步骤流程图。具体而言，如图5及图6所示，首先，按订单属性分类(步骤SA1)；接着，按订单位置分布进行分类(步骤SA2)；经过两层分类后，形成一系列的初始簇，每一个初始簇的订单都有一定的密度，统称集中度(步骤SA3)；然后，以初始簇为基础，根据任务策略和规则信息，采用递归算法，按集中度轮询初始簇，生成路径最短的拣货任务(步骤SA4)。

但是，上述的现有拣货路径优化方法是按照通道生成拣货任务，这就会无法达到最优的拣货效率的提升，因为其只考虑到通道的集中度，通过通道的集中度和通道合并无法实现局部区域的集中度最高。而且，现有拣货路径优化方法基本上都是靠规则实现，受人为制定的影响，缺乏一定客观性。

另外，上述的现有拣货路径优化方法只考虑到空间的布局，对于拣货通道一头堵死，但是在另外一条通道的一头可能在空间距离上和堵死的那条通道的一头距离比较近，但是，拣货员(也可以为拣货机器人)是无法穿越直接拣货的，这时，拣货员(也可以为拣货机器人)需要重新返回通道的另一头，然后再到另一个通道进行拣货，实际行走的距离很远，现有拣货路径优化方法是无法解决这个问题的。

图7是现有拣货路径优化方法存在的问题的一个例示图。如图7所示，现有技术会认为A9和D8两个储位比较近，在空间距离上这两个储位确实比较近，但是，拣货员(也可以为拣货机器人)是无法通道1的尽头直接去D8储位拣货的，这时候拣货员需要从通道1返回，再到通道2的尽头进行拣货，实际上拣货员(也可以为拣货机器人)走的距离非常远。

发明内容

本发明是鉴于现有拣货路径优化方法的已经没有可以提升的空间、且其主要以规则为主而缺乏一定客观性的问题而做出的，其目的在于提供一种利用大数据的基于储位之间拣货时间最短的拣货路径优化方法，以使消除空间距离的限制，避免出现储位空间距离很近，拣货员(也可以为拣货机器人)实际走的距离很远的情况出现，且更加准确的体现需要拣货的商品分布的密集程度，准确找到局部的中心商品以及与它距离最近的商品生成集合单，以达到拣货效率的提升，缩短仓库整体拣货的时间。

其中，所谓储位之间拣货时间复杂网络是指：拣货员(也可以为拣货机器人)在从一个储位到另一个储位拣货会有一个时间间隔，通过历史一段时间的数据累积，任意两个储位之间都会有一个或者多个时间间隔的记录，拣货员(也可以为拣货机器人)从一个储位到另一个储位拣货的次数代表了这两个储位之间的频繁度，如此，两两储位之间的拣货时间和拣货频次就会形成一个复杂的网络。

所谓局部聚合是指：将需要拣货的订单在仓库的分布看成一张散点图，从该散点图中找出局部密集的区域，并找出局部密集区域的中心点，以寻找离中心点最近的订单生成集合单，这种将局部密集区域的订单聚合在一起生成集合单的过程称为局部聚合。

所谓集合单是指：按照一定的订单数量，生成一个拣货的订单集合，拣货员(也可以为拣货机器人)获取到这个订单集合后开始出发拣货，拣完这些订单后，拣货员(也可以为拣货机器人)把这些订单给到打包处进行打包。

所谓通道是指：一排储位和另外一排储位之间会有一个行走的通道，拣货员(也可以为拣货机器人)通过此通道进行拣货。

所谓储位是指：仓库中货架上存放商品的一个位置。

所谓储柜是指：一个竖排的货架，一般会有几层，每层为一个储位。

本发明的一个方面的拣货路径优化方法，包括：步骤(S1)，从历史拣货数据中提取储位到储位之间的拣货时间；步骤(S2)，根据存储有多个订单的订单池中的订单数据，用所述拣货时间来衡量订单商品储位之间拣货时间上的距离；步骤(S3)，根据所述订单商品储位之间拣货时间上的距离，寻找与其他储位之间拣货时间短、且在局部储位集合总体拣货时间最短的储位作为局部中心点；以及步骤(S4)，根据距所寻找到的所述局部中心点的所述距离来生成用于在该局部中心点处集中拣货的集合单。

根据本发明的一个方面的拣货路径优化方法，在所述步骤(S1)中，从历史拣货数据中还提取储位到储位之间的拣货频次，在所述步骤(S2)中，根据所述订单数据，用所述拣货时间和所述拣货频次来衡量所述订单商品储位之间拣货时间上的距离。

根据本发明的一个方面的拣货路径优化方法，在所述步骤(S2)中，将所述拣货频次作为储位之间的关联度，且取所述关联度的倒数作为权重，并用该权重乘以所述拣货时间来衡量所述订单商品储位之间拣货时间上的距离。

根据本发明的一个方面的拣货路径优化方法，在所述步骤(S2)中，按照所述订单商品储位之间拣货时间上的距离的正序进行排列，而生成两两储位间的距离衡量指标表。

根据本发明的一个方面的拣货路径优化方法，在所述步骤(S3)中，从所述距离衡量指标表中提取topN的两两储位，且统计每个储位出现的频次，并进行倒序排列，将现频次较高的topN的储位作为初始局部中心点，以所述初始局部中心点为中心，寻找离该初始局部中心点最近的N个储位来计算所述局部储位集合总体拣货时间，将所述局部储位集合总体拣货时间最短的初始局部中心点选定为所述局部中心点，其中N是大于等于1的整数。

根据本发明的一个方面的拣货路径优化方法，在所述步骤(S1)中，当所述历史拣货数据中的某两个储位之间有多次拣货时，计算该两个储位之间的平均拣货时间作为该两个储位之间的所述拣货时间。

根据本发明的一个方面的拣货路径优化方法，还包括：

步骤(S5)，从用于寻找所述局部中心点的数据中去除所述集合单的数据；以及步骤(S6)，判断去除所述集合单的数据之后的数据是否为空，当为空时，处理结束，当不为空时，返回所述步骤(S3)继续下一个局部中心点的寻找。

本发明的另一个方面的拣货路径优化装置，包括：历史数据预处理单元，从历史拣货数据中提取储位到储位之间的拣货时间；订单数据时间距离衡量单元，根据存储有多个订单的订单池中的订单数据，用所述拣货时间来衡量订单商品储位之间拣货时间上的距离；局部中心点寻找单元，根据所述订单商品储位之间拣货时间上的距离，寻找与其他储位之间拣货时间短、且在局部储位集合总体拣货时间最短的储位作为局部中心点；以及集合单生成单元，根据距所寻找到的所述局部中心点的所述距离来生成用于在该局部中心点处集中拣货的集合单。

根据本发明的另一个方面的拣货路径优化装置，还包括：集合单数据去除单元，从用于寻找所述局部中心点的数据中去除所述集合单的数据；以及订单拣货完毕判定单元，判断去除所述集合单的数据之后的数据是否为空，当为空时，处理结束，当不为空时，返回所述局部中心点寻找单元继续下一个局部中心点的寻找。

根据本发明的一个方面的拣货路径优化方法及拣货路径优化装置，当一个储柜中集中有多个储位时，将该储柜视为一个储位。

综上所述，根据本发明的拣货路径优化方法及拣货路径优化装置的上述技术方案，突破了真实空间分布的限制，不需要实际测量储位之间的距离和储位的分布，不受行走路线的限制，利用大数据解决了实际中难于解决的间题，提升了仓库拣货员(也可以为拣货机器人)的拣货效率，缩短了整体拣货时间。

附图说明

图1是本发明的拣货路径优化方法的流程图。

图2是本发明的拣货路径优化方法的以储位间时间间隔来近似储位间距离的示意图。

图3(A)是本发明的拣货路径优化方法的订单商品储位间距离衡量指标表T1的示意图。

图3(B)是本发明的拣货路径优化方法的订单商品初始局部中心点选取表T2的示意图。

图3(C)是本发明的拣货路径优化方法的订单商品最终局部中心点选取表T3的示意图。

图4是本发明的拣货路径优化方法的以所选定的局部中心点为中心来生成集合单M的示意图。

图5是现有拣货路径优化方法的结构示意图。

图6是现有拣货路径优化方法的步骤流程图。

图7是现有拣货路径优化方法存在的间题的一个例示图。

图8是本发明的拣货路径优化装置100的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进行详细说明。

(实施例)

图1是本发明的拣货路径优化方法的整体构架示意图。

如图1所示，在本发明的拣货路径优化方法中，首先，进行历史拣货数据预处理(步骤S1)。在该步骤S1中，选取历史一段时间的拣货数据，计算任意两个储位之间拣货时长P，如果两个储位之间有多次拣货，计算两个储位之间的平均拣货时长作为两个储位之间的拣货时长P，两个储位之间的拣货频次作为储位之间的关联度R。这样，任意两个储位之间都会生成一个拣货时长P和一个关联度R。

图2是本发明的拣货路径优化方法的以储位间时间间隔来近似储位间距离的示意图。

如图2所示，示意性表示了拣货员(也可以为拣货机器人)一个整个拣货流程行走的路径，拣货员(也可以为拣货机器人)从储位B1开始拣货，然后到A2拣货，B1和A2之间有一个时间间隔(时间1)，随后又到B4储位拣货，A2和B4之间也形成一个时间间隔(时间2)，同样，B4和A6、A6和B7、B7和A9之间都形成一个时间间隔(时间3、时间4、时间5)，于是，就用这个储位与储位之间的时间间隔来近似代替储位之间的距离。

以下，利用图1继续说明本发明的拣货路径优化方法的流程。

在进行了历史拣货数据预处理(步骤S1)之后，进入步骤S2。在该步骤S2中，从存储有需要拣货的大量订单的订单池DB中读取订单数据，订单数据是由商品数据组成，商品会分布在仓库不同的储位中，这样订单池中的所有订单都会分配在仓库中的储位中，以由上述历史拣货数据预处理(步骤S1)所生成的储位和储位之间的拣货时长P来衡量储位之间的距离，形成订单分布的一个网络，将经上述历史拣货数据预处理(步骤S1)所生成的储位之间的关联度R的倒数作为权重，用权重乘以上述储位和储位之间的拣货时长P作为衡量储位之间距离的新的指标，且对订单池中商品对应的任意两两储位之间的距离指标进行正序排列，从而生成订单商品储位间距离衡量指标表T1。

图3(A)是本发明的拣货路径优化方法的订单商品储位间距离衡量指标表T1的示意图。如该图3(A)的表T1所示，排在最前面的就是距离最近的两个储位。

在生成订单商品储位间距离衡量指标表T1之后，进入步骤S3。在该步骤S3中，设定一个规定的阈值，从由上述步骤2所生成的订单商品储位间距离衡量指标表T1中提取topN(即，排位最靠前的N个)的两两储位，统计每个储位出现的频次，并进行倒序排列，取出现频次较高的topN的储位作为初始局部中心点，即生成订单商品初始局部中心点表T2。

图3(B)是本发明的拣货路径优化方法的订单商品初始局部中心点选取表T2的示意图。如该图3(B)的表T2所示，例如，出现频次较高的两个储位A1和B1被选定为初始局部中心点。

接着，在该步骤S3中，以初始局部中心点(例如，A1和B1)为中心，寻找离它最近的N个储位计算总体拣货时长(其中，N是大于等于1的整数)，再以总体拣货时长最短的那个初始局部中心点为最终的局部中心点。

图3(C)是本发明的拣货路径优化方法的订单商品最终局部中心点选取表T3的示意图。如该图3(C)的表T3所示，例如，总体拣货时长较短的储位B1被选定为最终局部中心点。

这样，就将所选定的该最终局部中心点作为局部中心点，从而寻找局部中心点的处理结束，进入下一步骤S4。

在步骤S4中，以由上述步骤S3所选定的局部中心点为中心，寻找离它较近的订单商品来生成集合单M，从而使拣货员(也可以为拣货机器人)一次性完成该集合单M的拣货作业。

图4是本发明的拣货路径优化方法的以所选定的局部中心点为中心来生成集合单M的示意图。如该图4所示，由离局部中心点较近的订单商品来生成集合单M。

然后，进行步骤S5。在该步骤S5中，从上述订单商品储位间距离衡量指标表T1中去除所生成的集合单M的数据。

接着，进入步骤S6。在该步骤S6中，判定去除了所生成的集合单M的数据之后的订单商品储位间距离衡量指标表T1中数据是否为空。当数据不为空时，返回上述步骤S3，继续下一个局部中心点的寻找。当数据为空时，订单池的拣货处理结束。

这样，根据本发明的上述实施例这样的拣货路径优化方法，利用拣货员(也可以为拣货机器人)从储位到储位之间的拣货时间来衡量储位之间的距离，储位和储位之间根据拣货时间和拣货频次形成一张复杂的网络，根据储位之间拣货时间短、且储位局部集合中总体拣货时间最短来寻找局部中心点，依据离局部中心点的时间距离来生成集合单，从而突破了真实空间分布的限制，不需要实际测量储位之间的距离和储位的分布，不受行走路线的限制，利用大数据解决了实际中难于解决的现有技术中存在的间题。

另外，在上述实施例中，是计算了储位和储位之间的拣货时间，但是实际上一个竖的储柜会有几个储位，这几个储位只是高低位置不同，有在一层的，有在二层的，有在三层的，有在四层的，如果把这四个储位合成一个储位来看，因为拣货员(也可以为拣货机器人)从其他储位到达这四个储位的时间是相等的，也就是说，只要计算一个竖的储柜和另一个竖的储柜的之间的拣货时间即可，这样可以减少数据量并节省计算时间。

另外，在上述实施例中，虽然对以储位与储位之间的拣货时间和拣货频次来衡量储位之间的距离的情形进行了说明，但本领域技术人员可以理解，仅以储位与储位之间的拣货时间来衡量储位之间的距离，也同样可以基本实现本发明所要实现的技术效果。上述实施例作为优选实施例，而进一步考虑将拣货时间和拣货频次相结合。

以上，针对本发明的拣货路径优化方法的技术方案，以实施例为例进行了详细说明。虽然在上述的实施例中是通过软件流程的方式进行了说明，但就本领域技术人员而言，这些技术方案的一部分或全部均可以由硬件、软件或硬件与软件的组合来实现，这是不言而喻的。

以下，作为变形例，参照附图来分别说明对应于本发明的上述实施例的拣货路径优化方法的拣货路径优化装置的结构。

(变形例)

图8是本发明的拣货路径优化装置100的结构示意图。如图8所示，拣货路径优化装置100包括：历史数据预处理单元101；订单数据时间距离衡量单元102；局部中心点寻找单元103；以及集合单生成单元104。

在历史数据预处理单元101中，选取历史一段时间的拣货数据，计算任意两个储位之间拣货时长P，如果两个储位之间有多次拣货，计算两个储位之间的平均拣货时长作为两个储位之间的拣货时长P，两个储位之间的拣货频次作为储位之间的关联度R。这样，任意两个储位之间都会生成一个拣货时长P和一个关联度R。

在订单数据时间距离衡量单元102中，从存储有需要拣货的大量订单的订单池DB中读取订单数据，订单数据是由商品数据组成，商品会分布在仓库不同的储位中，这样订单池中的所有订单都会分配在仓库中的储位中，以由上述历史数据预处理单元101所生成的储位和储位之间的拣货时长P来衡量储位之间的距离，形成订单分布的一个网络，将经上述历史数据预处理单元101所生成的储位之间的关联度R的倒数作为权重，用权重乘以上述储位和储位之间的拣货时长P作为衡量储位之间距离的新的指标，且对订单池中商品对应的任意两两储位之间的距离指标进行正序排列，从而生成如图3(A)所示的订单商品储位间距离衡量指标表T1。

在局部中心点寻找单元103中，设定一个规定的阈值，从由上述订单数据时间距离衡量单元102所生成的订单商品储位间距离衡量指标表T1中提取topN(即，排位最靠前的N个)的两两储位，统计每个储位出现的频次，并进行倒序排列，取出现频次较高的topN的储位作为初始局部中心点，即生成如图3(B)所示的订单商品初始局部中心点表T2。

接着，在局部中心点寻找单元103中，以初始局部中心点(例如，A1和B1)为中心，如图3(C)所示的表T3所示，寻找离它最近的N个储位计算总体拣货时长(其中，N是大于等于1的整数)，再以总体拣货时长最短的那个初始局部中心点为最终的局部中心点。

在集合单生成单元104中，如图4所示，以由上述步骤S3所选定的局部中心点为中心，寻找离它较近的订单商品来生成集合单M，从而使拣货员(也可以为拣货机器人)一次性完成该集合单M的拣货作业。

此外，虽然图8并未示出，但与上述实施例同样，拣货路径优化装置100可以还包括集合单数据去除单元和订单拣货完毕判定单元。

在上述集合单数据去除单元中，从图3(A)所示的上述订单商品储位间距离衡量指标表T1中去除所生成的集合单M的数据。

接着，在上述订单拣货完毕判定单元中，判定去除了所生成的集合单M的数据之后的订单商品储位间距离衡量指标表T1中数据是否为空。当数据不为空时，返回上述局部中心点寻找单元103，继续下一个局部中心点的寻找。当数据为空时，订单池的拣货处理结束。

以上所述的具体实施例及变形例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体示例而已，并不用于限制本发明。凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种拣货路径优化方法，包括：

步骤(S1)，从历史拣货数据中提取储位到储位之间的拣货时间；

步骤(S2)，根据存储有多个订单的订单池中的订单数据，用所述拣货时间来衡量订单商品储位之间拣货时间上的距离；

步骤(S3)，根据所述订单商品储位之间拣货时间上的距离，寻找与其他储位之间拣货时间短、且在局部储位集合总体拣货时间最短的储位作为局部中心点；以及

步骤(S4)，根据距所寻找到的所述局部中心点的所述距离来生成用于在该局部中心点处集中拣货的集合单。

2.根据权利要求1所述的拣货路径优化方法，其特征在于，

在所述步骤(S1)中，从历史拣货数据中还提取储位到储位之间的拣货频次，

在所述步骤(S2)中，根据所述订单数据，用所述拣货时间和所述拣货频次来衡量所述订单商品储位之间拣货时间上的距离。

3.根据权利要求2所述的拣货路径优化方法，其特征在于，

在所述步骤(S2)中，将所述拣货频次作为储位之间的关联度，且取所述关联度的倒数作为权重，并用该权重乘以所述拣货时间来衡量所述订单商品储位之间拣货时间上的距离。

4.根据权利要求3所述的拣货路径优化方法，其特征在于，

在所述步骤(S2)中，按照所述订单商品储位之间拣货时间上的距离的正序进行排列，而生成两两储位间的距离衡量指标表。

5.根据权利要求4所述的拣货路径优化方法，其特征在于，

在所述步骤(S3)中，从所述距离衡量指标表中提取topN的两两储位，且统计每个储位出现的频次，并进行倒序排列，将现频次较高的topN的储位作为初始局部中心点，

以所述初始局部中心点为中心，寻找离该初始局部中心点最近的N个储位来计算所述局部储位集合总体拣货时间，将所述局部储位集合总体拣货时间最短的初始局部中心点选定为所述局部中心点，

其中N是大于等于1的整数。

6.根据权利要求1至5中任一项所述的拣货路径优化方法，其特征在于，

在所述步骤(S1)中，当所述历史拣货数据中的某两个储位之间有多次拣货时，计算该两个储位之间的平均拣货时间作为该两个储位之间的所述拣货时间。

7.根据权利要求1至5中任一项所述的拣货路径优化方法，其特征在于，

还包括：

步骤(S5)，从用于寻找所述局部中心点的数据中去除所述集合单的数据；以及

步骤(S6)，判断去除所述集合单的数据之后的数据是否为空，当为空时，处理结束，当不为空时，返回所述步骤(S3)继续下一个局部中心点的寻找。

8.根据权利要求1至5中任一项所述的拣货路径优化方法，其特征在于，

当一个储柜中集中有多个储位时，将该储柜视为一个储位。

9.一种拣货路径优化装置，包括：

历史数据预处理单元，从历史拣货数据中提取储位到储位之间的拣货时间；

订单数据时间距离衡量单元，根据存储有多个订单的订单池中的订单数据，用所述拣货时间来衡量订单商品储位之间拣货时间上的距离；

局部中心点寻找单元，根据所述订单商品储位之间拣货时间上的距离，寻找与其他储位之间拣货时间短、且在局部储位集合总体拣货时间最短的储位作为局部中心点；以及

集合单生成单元，根据距所寻找到的所述局部中心点的所述距离来生成用于在该局部中心点处集中拣货的集合单。

10.根据权利要求9所述的拣货路径优化装置，其特征在于，

还包括：

集合单数据去除单元，从用于寻找所述局部中心点的数据中去除所述集合单的数据；以及

订单拣货完毕判定单元，判断去除所述集合单的数据之后的数据是否为空，当为空时，处理结束，当不为空时，返回所述局部中心点寻找单元继续下一个局部中心点的寻找。