CN107545381A - 管理仓库库存的方法和仓库管理系统 - Google Patents

Abstract

本发明实施例提供的管理仓库库存的方法，包括：获取订单数据，所述订单数据包括商品信息和所属仓库信息；根据订单数据计算任意两个商品的关联性；以及根据商品的关联性和所述仓库信息调整所述仓库库存。通过本发明实施例提供的关联树/关联图的算法可高效的挖掘单品与单品之间最真实的关联性，指导电子商务企业布局自身商品库存，打破旧有单一的按品类划分方式，最大程度降低“高拆单率”给企业运营带来的成本。本发明同时提供一种仓库管理系统。

Description

管理仓库库存的方法和仓库管理系统

技术领域

本发明涉及物流仓储领域，具体涉及一种管理仓库库存的方法和仓库管理系统。

背景技术

电商在发展过程中，随着销售品类的不断丰富，仓储规模的不断拓展，运营生产体系的负担越来越重，生产成本也不断攀升。在运营生产成本计算中有一个重要的指标：拆单率。例如，一个用户订单有N件商品，分别存放在M(M≤N)个仓库，完成该订单的仓储生产与配送需要M倍生产成本。以上过程中，若M>1，则需要”拆单”。即，一个用户订单，拆分为多个子订单，公式为：拆单订单数量/总订单数量＝拆单率。

高拆单率意味着高成本。因为当一个用户订单被拆分为M个子订单后，电商不支付的仓储生产与配送为M，但客户只支付1个成本费用。

目前电商在规划仓储库存存放时，比较普遍的做法是尽可能将相同品类商品放在同一个仓库中。在只涉及少量仓库时，按品类管理仍然可以保持高效低成本的生产。但随着电商的增长，仓库的数量越来越多，单仓中存储的商品品类越来越少，随之拆单所增加的成本在管理运营成本中所占比例越来越高，已成为不容忽视的问题。例如，如图1所示，某电商在相同品类的仓储方式下，仓库包括商品仓、大货仓、3cA仓、图书仓、母婴仓和服装仓，矩形框11、12、13、14、15分别表示一个用户订单。订单11涉及到食品仓和大货仓，订单12涉及到大货仓和3cA仓，订单15涉及到3cA仓、图书仓和母婴仓，因此加起来需要经过4次拆单才能完成上述订单的生产。

因此，需要一种降低拆单率的仓库管理方法，以满足日益增长的电商仓储的需求。

发明内容

有鉴于此，本发明提供一种管理仓库库存的方法和仓库管理系统，通过订单数据计算商品的关联性，通过关联性规划仓库库存分布。

根据本发明的第一方面，提供一种管理仓库库存的方法，包括：获取订单数据，所述订单数据包括商品信息和所属仓库信息；根据订单数据计算任意两个商品的关联性；以及根据商品的关联性和所述仓库信息调整所述仓库库存。

优选地，还包括：在计算商品的关联性前，清洗所述订单数据中的无效数据。

优选地，还包括：在计算商品的关联性前，将所述订单数据中的子订单合并。

优选地，还包括：在计算商品的关联性前，按时间维度或空间维度对所述订单数据进行分类，以及在分类的订单数据计算所述商品的关联性。

优选地，所述计算任意两个商品的关联性包括：计算所述订单集合中每个商品出现的次数；针对所述订单集合，按照每个商品出现的次数对所有订单进行排序；根据排序后的订单将所述订单集合表示为关联树或关联图，根据关联树或关联图能获取到任意两个商品同时出现的次数；以及根据任意两个商品同时出现的次数计算所述关联矩阵，其中所述关联矩阵的每一项表示两个商品同时购买的概率。

优选地，还包括：将所述关联矩阵中的数值大于设定阈值的两个商品调整到同一个仓库中。

优选地，还包括：将所述关联性进行可视化显示。

根据本发明的第二方面，提供一种仓库管理系统，包括：数据抽取模块，用于获取所述订单数据，所述订单数据包括商品信息和所属仓库信息；关联性计算模块，用于根据所述订单数据计算商品的关联性；显示模块，用于将所述关联性进行可视化显示。

优选地，还包括：调整模块，用于根据所述关联性调整所述仓库库存；

优选地，还包括：订单数据预处理模块，用于清洗所述订单数据以及合并订单中的子订单。

优选地，所述关联性计算模块包括：第一计算单元，用于计算订单集合中每个商品出现的次数；排序模块，用于针对订单集合，按照每个商品出现的次数对所有订单进行排序；创建模块，用于根据排序后的订单将订单集合表示为关联树或关联图，根据关联树或关联图能获取到任意两个商品同时出现的次数；关联矩阵计算模块，用于根据关联树或关联图计算所述关联矩阵，其中所述关联矩阵的每一项表示两个商品同时购买的概率。

本发明实施例提供的管理仓库库存的方法，包括：获取订单数据，所述订单数据包括商品信息和所属仓库信息；根据订单数据计算任意两个商品的关联性；以及根据商品的关联性和所述仓库信息调整所述仓库库存。通过本发明实施例提供的关联树/关联图的算法可高效的挖掘单品与单品之间最真实的关联性，指导电子商务企业布局自身商品库存，打破旧有单一的按品类划分方式，最大程度降低“高拆单率”给企业运营带来的成本。本发明同时提供一种仓库管理系统。

附图说明

通过参照以下附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：

图1是根据现有技术中的仓库和订单对应关系的示意图；

图2a是根据本发明实施例的管理仓库库存的方法的流程图；

图2b是根据本发明实施例的计算商品的关联性的流程图；

图3是根据本发明实施例的仓库管理系统的示意图；

图4a-4c是根据本发明实施例的关联树的示意图；

图4d是根据本发明实施例的关联图的示意图。

具体实施方式

以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质，公知的方法、过程、流程没有详细叙述。另外附图不一定是按比例绘制的。

附图中的流程图、框图图示了本发明实施例的系统、方法、装置的可能的体系框架、功能和操作，流程图和框图上的方框可以代表一个模块、程序段或仅仅是一段代码，所述模块、程序段和代码都是用来实现规定逻辑功能的可执行指令。也应当注意，所述实现规定逻辑功能的可执行指令可以重新组合，从而生成新的模块和程序段。因此附图的方框以及方框顺序只是用来更好的图示实施例的过程和步骤，而不应以此作为对发明本身的限制。

图1是根据现有技术中的仓库和订单对应关系的示意图，包括步骤200-202。

在步骤200中，获取订单数据。

订单数据里包括商品的属性信息，如商品品类、sku码和商品所属仓库等。业务系统的原始订单数据中不包括商品所属的仓库信息，通过仓储系统对订单根据进行拆分获得每个商品所属的仓库。将父订单拆分成若干子订单，保证子订单里包含的商品属于同一个仓库。因此，为了分析用户订单的拆弹率，在本步骤中获取的订单数据，必要时将拆分后的子订单重新组合为一个订单，并保留商品所属的仓库信息。如订单A包括子订单A1和子订单A2，其中A1订单包括商品(a，b，c)，A2订单包括商品(d，e)，即A{A1{a，b，c}，A2{d，e}}。整合后订单A为A{a，b，c，d，e}。其中a，b，c，d，e包含商品sku码或品类和所属仓库信息。商品sku码和品类编码都用于唯一标识商品分类。

在步骤201中，根据订单数据计算任意两个商品的关联性。

商品的关联性在本发明实施例中表现为任意两个商品出现在同一个订单的概率。出现在同一个订单中次数愈多，说明两者的关联性越强。在一个优选的实施例中，主要通过关联树和关联图对商品的关联性进行分析。

在步骤202中，根据关联性调整仓库库存。依据关联性较高的商品应该存储到一个仓库的原则对仓库的库存进行调整。

在一个优选的实施例中，步骤201具体包括以下步骤：

在步骤2012中，计算订单集合中每个商品出现的次数。

为了便于说明，将时间周期T内的订单集合表示为O(T)，则O(T)＝{order1,order2,order3,order4}，其中order1-order4为订单示例。order1-包括商品A，B，C和D。

如前述的订单集合表示为O(T)＝{{C,A,B},{B,A},{D,A},{A,C}，}其中，A、B、C、D为商品单品。计算A、B、C、D出现在订单中的次数，生成集合P＝{＜A:4＞,＜B:2＞,＜C:2＞,＜D:1＞}。

在步骤2013中，针对所述订单集合，按照每个商品出现的次数对所有订单进行排序。

前述订单集合为O(T)＝{{C,A,B},{B,A},{D,A},{A,C}}，根据商品出现在订单内的次数排序，排序后的订单集合O'＝{{A,B,C},{A,B},{A,D},{A,C}。}

在步骤2014中，将排序后的订单集合表示为关联树或关联图。

例如，上述O'分别表示为如图4a所示的关联树和如图4b所示的关联图。有连接关系的两个商品表示在同一个订单中出现过。在图4c所示的复杂关联树中，图中每一个椭圆代表一个商品，不同颜色表示商品所属的不同仓库。椭圆中第一行代表商品编号，第二行代表下单次数。同一枝干上商品被同时购买过。在图4d所示的复杂关联图中，图中每一个椭圆代表一个商品，不同颜色代表不同仓库。椭圆中第一行代表单品编号，第二行代表下单次数。实线代表两个单品被同时购买过且两个单品在同一仓库，虚线代表两个单品被同时购买过但两个单品不在同一仓库。每个连接线上的数字表示两个商品被同时下单的次数。

在步骤2015中，计算关联矩阵。在本步骤中，根据任意两个商品同时出现的次数计算关联矩阵，关联矩阵中的每一项表示两个商品同时购买的概率。

对于简单的情况，使用关联树如图4c所示即可分析。图4c中树根部商品与其他商品均不在同一仓库(椭圆颜色不同)，且其他单品均在同一库中(椭圆颜色相同)，所以树根部商品应移入其他商品所代表的仓库中。

对于复杂情况，需要使用关联图生成关联矩阵。分析时根据关联图生成关联矩阵R，r_ij代表商品i，j同时购买的概率，通过两个商品出现在同一订单中的次数除以总订单数得到该值。r_ij和r_ji的值相同，因此关联矩阵R为对称矩阵(如下表所示)。此后，求取R^m,m≥2，如果r'_ij＞θ，则认为单品i，j关联性极高，属于同一个种群，将属于同一种群的单品放在同一库房。

本发明实施例提供的管理仓库库存的方法，通过订单数据计算单品关联性，从而将关联性高的单品存储到同一个仓库中，实现拆单导致的运营成本下降。其中，总成本可下降＝∑”订单集合”中每一个单品组合可节约的成本。

在一个优选的实施例中，还包括：在计算商品的关联性前，按时间维度或空间维度对订单数据进行分类，以及在分类的订单数据计算商品的关联性。用户购买商品的行为有地域特点和时间特点，比如，东北地区经常在冬天来临时在网上购买羽绒服等保暖衣服，这个就是一个订单的地域特点。掌握这些特点，可以据此将数据进行初次分类，使用于计算光联性的订单数据之间的关联性更强，可以进行针对性强的分析。

图3是根据本发明实施例的仓库管理系统的示意图，包括数据读取301、关联性计算模块303和显示模块304。

数据读取模块301用于获取订单数据。订单数据里包括商品的属性信息，如商品品类、sku码和商品所属仓库等。这些订单数据是原始订单数据经过仓储系统经过分仓之后获得订单数据。如果获得的订单数据已经经过拆单，则需要将子订单合并为父订单，并保留订单中的商品所属仓库信息。

关联性计算模块303用于订单数据计算商品的关联性。商品的关联性在本发明实施例中表现为任意两个商品出现在同一个订单的概率。出现在同一个订单中次数愈多，说明两者的关联性越强。关联性的计算方法已经在前面的实施例中详细描述，这里就不在赘述。

显示模块304用于将关联性进行可视化显示。例如，图4c中通过关联树表示一个订单集合的关联关系，图4d通过关联图表示另一个订单集合的关联关系。通过将关联关系通过图表形式呈现给仓储分析人员，使他们能够对仓库库存的分布进行综合判断和权衡，并据此进行库存调整。

在可选的实施例中，上述仓库管理系统还包括：数据预处理302和调整模块(图未示)。数据预处理302用于清洗无效订单，合并子订单。调整模块是根据显示模块304的图示的关联树或关联图，或者根据关联性计算模块303计算的关联矩阵调整仓库库存。根据关联性强的商品尽量存储在一个仓库的原则，进行调整。

在一个优选的实施例中，关联性计算模块303包括：第一计算单元，用于计算订单集合中每个商品出现的次数；排序模块，用于针对订单集合，按照每个商品出现的次数对所有订单进行排序；创建模块，用于根据排序后的订单将订单集合表示为关联树或关联图，根据关联树或关联图能获取到任意两个商品同时出现的次数；以及关联矩阵计算模块，用于根据关联树或关联图计算所述关联矩阵，其中所述关联矩阵的每一项表示两个商品同时购买的概率。

通过本发明实施例提供的关联树/关联图的算法可高效的挖掘单品与单品之间最真实的关联性，指导电子商务企业布局自身商品库存，打破旧有单一的按品类划分方式，最大程度降低“高拆单率”给企业运营带来的成本。

系统的各个模块或单元可以通过硬件、固件或软件实现。软件例如包括采用JAVA、C/C++/C#、SQL等各种编程语言形成的编码程序。虽然在方法以及方法图例中给出本发明实施例的步骤以及步骤的顺序，但是所述步骤实现规定的逻辑功能的可执行指令可以重新组合，从而生成新的步骤。所述步骤的顺序也不应该仅仅局限于所述方法以及方法图例中的步骤顺序，可以根据功能的需要随时进行调整。例如将其中的某些步骤并行或按照相反顺序执行。

根据本发明的系统和方法可以部署在单个或多个服务器上。例如，可以将不同的模块分别部署在不同的服务器上，形成专用服务器。或者，可以在多个服务器上分布式部署相同的功能单元、模块或系统，以减轻负载压力。所述服务器包括但不限于在同一个局域网以及通过Internet连接的多个PC机、PC服务器、刀片机、超级计算机等。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种管理仓库库存的方法，包括：

获取订单数据，所述订单数据包括商品信息和所属仓库信息；

根据所述订单数据计算任意两个商品的关联性；以及

根据所述关联性和所述仓库信息调整所述仓库库存。

2.根据权利要求1所述的方法，还包括：在计算商品的关联性前，清洗所述订单数据中的无效数据。

3.根据权利要求1所述的方法，还包括：在计算商品的关联性前，将所述订单数据中的子订单合并。

4.根据权利要求1所述的方法，还包括：在计算商品的关联性前，按时间维度或空间维度对所述订单数据进行分类，以及在分类的订单数据计算所述商品的关联性。

5.根据权利要求1所述的方法，其中，所述计算任意两个商品的关联性包括：

计算所述订单集合中每个商品出现的次数；

针对所述订单集合，按照每个商品出现的次数对所有订单进行排序；

根据排序后的订单将所述订单集合表示为关联树或关联图，根据关联树或关联图能获取到任意两个商品同时出现的次数；以及

根据任意两个商品同时出现的次数计算所述关联矩阵，其中所述关联矩阵的每一项表示两个商品同时购买的概率。

6.根据权利要求5所述的方法，还包括：将所述关联矩阵中的数值大于设定阈值的两个商品调整到同一个仓库中。

7.根据权利要求1所述的方法，还包括：将所述关联性进行可视化显示。

8.一种仓库管理系统，包括：

数据读取模块，用于获取所述订单数据，所述订单数据包括商品信息和所属仓库信息；

关联性计算模块，用于根据所述订单数据计算商品的关联性；

显示模块，用于将所述关联性进行可视化显示。

9.根据权利要求8所述的仓库管理系统，还包括：调整模块，用于根据所述关联性调整所述仓库库存。

10.根据权利要求8所述的仓库管理系统，还包括：订单数据预处理模块，用于清洗所述订单数据以及合并订单中的子订单。

11.根据权利要求8所述的仓库管理系统，其中，所述关联性计算模块包括：

第一计算单元，用于计算订单集合中每个商品出现的次数；

排序模块，用于针对订单集合，按照每个商品出现的次数对所有订单进行排序；

创建模块，用于根据排序后的订单将订单集合表示为关联树或关联图，根据关联树或关联图能获取到任意两个商品同时出现的次数；

关联矩阵计算模块，用于根据关联树或关联图计算所述关联矩阵，其中所述关联矩阵的每一项表示两个商品同时购买的概率。