CN108876080A - 信息处理方法和装置 - Google Patents

Abstract

本申请公开了信息处理方法和装置。该方法的一具体实施方式包括：获取信息处理模型以及仓库中的拣选人员拣选的物品所属订单的订单信息；利用信息处理模型对订单信息进行处理，确定拣选人员的工作量；信息处理模型通过以下确定步骤得到：获取多个拣选人员拣选的多个订单的订单信息；根据订单信息，确定每个订单中各种物品的物品标识、每种物品的数量以及每种物品的拣选开始时间和拣选完成时间；根据拣选开始时间和拣选完成时间，确定每种物品的拣选时间；利用每种物品的拣选时间及数量训练预设的信息处理模型；基于训练后的信息处理模型，确定信息处理模型。该实施方式实现了合理地衡量拣选人员的工作量，能够更真实的反映拣选人员的工作水平。

Description

信息处理方法和装置

技术领域

本申请涉及计算机技术领域，具体涉及数据处理领域，尤其涉及一种信息处理方法和装置。

背景技术

随着20世纪互联网技术的崛起，电商行业迎来了迅猛的发展。由于电商行业的仓库取消了顾客和门店之间的购买关系，用户可直接利用互联网确认订单，就可直接在收货地址收货。这样，物品自仓库中的拣选人员拣选后直接运送到用户手中。

由于用户所需的物品的体积、重量都各不相同，各拣选人员在拣选物品时所付出的工作量也不相同。因此，如何合理的衡量拣选人员的工作量成为一个急需解决的问题。

发明内容

本申请的目的在于提出一种信息处理方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种信息处理方法，上述方法包括：获取信息处理模型以及仓库中的拣选人员拣选的物品所属订单的订单信息；利用上述信息处理模型对上述订单信息进行处理，确定上述拣选人员的工作量；其中，上述信息处理模型通过以下确定步骤得到：获取多个拣选人员拣选的多个订单的订单信息；根据上述订单信息，确定每个订单中各种物品的物品标识、每种物品的数量以及每种物品的拣选开始时间和拣选完成时间；根据上述拣选开始时间和上述拣选完成时间，确定每种物品的拣选时间；利用每种物品的拣选时间及数量训练预设的信息处理模型；基于训练后的信息处理模型，确定上述信息处理模型。

在一些实施例中，上述订单信息包括每种物品的体积和重量；以及上述利用每种物品的拣选时间及数量训练预设的信息处理模型，包括：根据每种物品的体积和重量，对各种物品进行分类；对于每类物品，根据各种物品的拣选时间，确定该类物品的最小拣选时间以及平均拣选时间；根据上述最小拣选时间及上述平均拣选时间，确定该类物品中各种物品的拣选系数；利用每种物品的拣选时间、拣选系数以及数量训练预设的信息处理模型。

在一些实施例中，上述仓库包括拣选区和复核区，上述拣选人员在拣选完成每个订单后，将拣选的物品自上述拣选区运输至上述复核区；以及上述基于训练后的信息处理模型，确定上述信息处理模型，包括：确定上述拣选人员自上述拣选区至上述复核区的运输时间；根据上述训练后的信息处理模型及上述运输时间，确定上述信息处理模型。

在一些实施例中，上述订单信息还包括复核时间；以及上述确定上述拣选人员自上述拣选区至上述复核区的运输时间，包括：从上述多个订单中提取出只包含一种物品的至少一个订单；对于每个订单，根据该订单的复核时间和拣选完成时间，确定上述运输时间。

在一些实施例中，上述确定步骤还包括：去除上述多个订单中满足预设条件的订单，其中，上述预设条件包括以下至少一项：相邻拣选顺序的两种物品的拣选完成时间之差大于预设时间、订单信息存在缺失、每种物品的拣选时间小于预设平均拣选时间。

在一些实施例中，上述订单信息还包括每种物品在上述仓库中所处的位置；以及上述基于训练后的信息处理模型，确定上述信息处理模型，包括：确定上述拣选人员自拣选完成一种物品运动至另一种物品所处位置的第一运动时间，得到多个第一运动时间；根据各上述第一运动时间，确定上述拣选人员拣选完成上述订单中的各种物品所需的第二运动时间；根据上述训练后的信息处理模型、上述第二运动时间及上述运输时间，确定上述信息处理模型。

第二方面，本申请实施例提供了一种信息处理装置，上述装置包括：获取单元，用于获取信息处理模型以及仓库中的拣选人员拣选的物品所属订单的订单信息；处理单元，用于利用上述信息处理模型对上述订单信息进行处理，确定上述拣选人员的工作量；其中，上述信息处理模型通过模型确定单元得到，上述模型确定单元包括：获取模块，用于获取多个拣选人员拣选的多个订单的订单信息；信息确定模块，用于根据上述订单信息，确定每个订单中各种物品的物品标识、每种物品的数量以及每种物品的拣选开始时间和拣选完成时间；拣选时间确定模块，用于根据上述拣选开始时间和上述拣选完成时间，确定每种物品的拣选时间；模型训练模块，用于利用每种物品的拣选时间及数量训练预设的信息处理模型；模型确定模块，用于基于训练后的信息处理模型，确定上述信息处理模型。

在一些实施例中，上述订单信息包括每种物品的体积和重量；以及上述模型训练模块进一步用于：根据每种物品的体积和重量，对各种物品进行分类；对于每类物品，根据各种物品的拣选时间，确定该类物品的最小拣选时间以及平均拣选时间；根据上述最小拣选时间及上述平均拣选时间，确定该类物品中各种物品的拣选系数；利用每种物品的拣选时间、拣选系数以及数量训练预设的信息处理模型。

在一些实施例中，上述仓库包括拣选区和复核区，上述拣选人员在拣选完成每个订单后，将拣选的物品自上述拣选区运输至上述复核区；以及上述模型确定模块进一步用于：确定上述拣选人员自上述拣选区至上述复核区的运输时间；根据上述训练后的信息处理模型及上述运输时间，确定上述信息处理模型。

在一些实施例中，上述订单信息还包括复核时间；以及上述模型确定模块进一步用于：从上述多个订单中提取出只包含一种物品的至少一个订单；对于每个订单，根据该订单的复核时间和拣选完成时间，确定上述运输时间。

在一些实施例中，上述模型确定单元还包括去除模块，用于：去除上述多个订单中满足预设条件的订单，其中，上述预设条件包括以下至少一项：相邻拣选顺序的两种物品的拣选完成时间之差大于预设时间、订单信息存在缺失、每种物品的拣选时间小于预设平均拣选时间。

在一些实施例中，上述订单信息还包括每种物品在上述仓库中所处的位置；以及上述模型确定模块进一步用于：确定上述拣选人员自拣选完成一种物品运动至另一种物品所处位置的第一运动时间，得到多个第一运动时间；根据各上述第一运动时间，确定上述拣选人员拣选完成上述订单中的各种物品所需的第二运动时间；根据上述训练后的信息处理模型、上述第二运动时间及上述运输时间，确定上述信息处理模型。

第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现上述任一实施例所描述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一实施例所描述的方法。

本申请提供的信息处理方法和装置，通过获取多个拣选人员的多个订单的订单信息，然后对订单信息进行处理，得到每种物品的数量以及每种物品的拣选完成时间和拣选开始时间，然后确定每种物品的拣选时间，再利用每种物品的拣选时间和数量训练预设的信息处理模型，最后基于训练后的信息处理模型得到信息处理模型，再利用上述信息处理模型对拣选人员的拣选完成的物品所属订单的订单信息进行处理，确定拣选人员的工作量。上述实施例实现了合理地衡量拣选人员的工作量，能够更真实的反映拣选人员的工作水平。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是根据本申请的信息处理方法的一个实施例的流程图；

图2是本申请可以应用于其中的示例性系统架构图；

图3是根据本申请的信息处理方法的确定信息处理模型的流程图；

图4是根据本申请的信息处理方法的训练预设的信息处理模型的流程图；

图5是根据本申请的信息处理装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了根据本申请的信息处理方法的一个实施例的流程200。本实施例的信息处理方法，包括以下步骤：

步骤201，获取信息处理模型以及仓库中的拣选人员拣选的物品所属订单的订单信息。

本实施例中，信息处理模型可以是根据各种机器学习算法构建的模型，也可以是根据各种拟合算法构建的模型。上述模型可以包含订单信息与处理该订单的拣选人员的工作量的对应关系。也就是说，将一订单信息输入上述信息处理模型中，就可以得到工作量的确定结果。上述工作量可以包括以下至少一项：工作时间、工作时所需拣选的物品的数量及重量、工作过程中所需移动的距离等。

上述仓库可以是存储所需拣选的物品的仓库，其可以包括拣选区和复核区，还可以包括其它需要的区域(例如备货区、打包区等)。其中，拣选区可以包括多个货架，货架上存放有多种物品。各个货架上可以设置有货架标识，用以区分不同的货架。仓库中设置有一个或多个拣选人员，这些拣选人员会根据用户确认的订单来拣选各种物品。拣选人员在不同货架间移动以拣选不同种类的物品，并在拣选完成一个订单后，将拣选的物品自拣选区运输至复核区。

拣选人员所处理的订单可以不同于用户通过互联网确认的订单，其可以包含一种物品，但涉及多个用户(即有多个用户都购买了此物品)；也可以包含多种物品，但只涉及到少量的用户。

在拣选过程中，拣选人员可以利用PDA(Personal Digital Assistant，个人数字助手)输入个人标识(例如工号)，并利用PDA来记录所要处理的订单的标识(例如扫描订单上的条形码)，还可以利用PDA来记录所要拣选的物品所处的货架的标识以及所要拣选的物品的物品标识(例如扫描货架上的条形码及物品外包装上的条形码)，上述记录的信息可以作为订单的订单信息。

本实施例的信息处理方法，一般由终端或服务器执行，上述终端或服务器可以与数据库连接(数据库中存储有各订单信息)，也可以与多个PDA通信连接。终端或服务器在获取上述订单信息时，可以直接从各PDA的存储装置中获取，也可以从数据库中获取。

本实施例中，当服务器需要从各PDA中获取订单信息时，其对应的系统架构图如图2所示，图2中，系统架构200可以包括PDA 201、网络202和服务器203。网络202用以在PDA201和服务器203之间提供通信链路的介质。网络202可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

PDA 201上可以设置有条形码扫描器，用以扫描物品或货架上的条形码；还可以设置有键盘或触摸屏等输入装置，用以供拣选人员输入个人标识；还可以设置有计时装置，用以记录拣选物品的过程中的各种时间，例如拣选开始时间、拣选完成时间等。

服务器203可以是提供各种服务的服务器，例如对PDA 201上记录的订单信息进行处理的后台服务器，后台服务器可以获取上述订单信息，并进行处理后输出拣选人员的工作量。

应该理解，图2中的PDA、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的PDA、网络和服务器。

返回图1，在步骤102，利用信息处理模型对订单信息进行处理，确定拣选人员的工作量。

在获取到上述信息处理模型和订单信息后，可以利用信息处理模型对订单信息进行处理，来确定拣选人员的工作量。本实施例中，拣选人员的工作量可以与拣选人员的拣选时间正相关。

其中上述信息处理模型是通过图3中示出的步骤301～步骤305得到的。图3为根据本申请的信息处理方法的确定信息处理模型的流程示意图300。

步骤301，获取多个拣选人员拣选的多个订单的订单信息。

在确定上述信息处理模型时，首先要获取多个拣选人员拣选的多个订单的订单信息。上述订单信息可以包括订单标识、物品标识、每种物品的数量、每种物品的拣选开始时间和拣选完成时间以及拣选人员的标识。可以理解的是，上述拣选开始时间可以由拣选人员利用PDA扫描货架标识确定，上述拣选完成时间可以由拣选人员利用PDA扫描物品标识确定。

表1示例性的示出了订单信息中包含的数据，本实施例中的订单信息可以如下表所示：

表1 订单信息中包含的数据

在本实施例的一些可选的实现方式中，在获取了上述订单信息后，还可以对上述订单信息进行过滤，去除多个订单中满足预设条件的订单。上述预设条件可以包括以下至少一项：相邻拣选顺序的两种物品的拣选完成时间之差大于预设时间、订单信息存在缺失、每种物品的拣选时间小于预设平均拣选时间。

其中，相邻拣选顺序的两种物品是指同一订单中拣选时间不重合，且在前一物品的拣选完成时间与后一物品的拣选开始时间中没有其他进行其它物品的拣选的两种物品。例如，上述订单信息中，“洗发水1”与“沐浴露2”属于相邻拣选顺序的两种物品，而“沐浴露2”与“花露水3”不属于相邻拣选顺序的两种物品，因为二者不属于同一订单。当相邻拣选顺序的两种物品的拣选完成时间之差过大时，认为拣选人员的工作时间不连续(可能存在休息时间)，需要将此部分订单信息去除。

订单信息存在缺失时，运行本实施例的信息处理方法的电子设备不能从订单信息中提取有效的信息来训练预设的信息处理模型，导致训练后的信息处理模型不准确。

每种物品的拣选时间小于预设平均拣选时间时，说明拣选人员的工作效率较低，通常这部分拣选人员属于临时雇佣人员或新入职员工，这部分拣选人员的工作稳定性较低。在训练预设的信息处理模型时，需要将这部分拣选人员产生的订单信息去除，以提高训练后的信息处理模型的准确性。

步骤302，根据订单信息，确定每个订单中各种物品的物品标识、每种物品的数量以及每种物品的拣选开始时间和拣选完成时间。

根据上述订单信息，可以确定每个订单中各种物品的物品标识、每种物品的数量以及每种物品的拣选开始时间和拣选完成时间。

步骤303，根据拣选开始时间和拣选完成时间，确定每种物品的拣选时间。

本实施例中，可以通过计算拣选完成时间与拣选开始时间之间的时间差来确定每种物品的拣选时间。

步骤304，利用每种物品的拣选时间及数量训练预设的信息处理模型。

在确定了每种物品的拣选时间后，可以利用每种物品的拣选时间及每种物品的数量来训练预设的信息处理模型。在训练上述预设的信息处理模型时，可以根据训练后的结果与实际的结果之间的误差来终止训练，也可以根据上述拣选时间和数量的迭代次数来终止训练。

在本实施例的一些可选的实现方式中，上述预设的信息处理模型可以是曲线拟合模型，也可以是线性拟合模型。

步骤305，基于训练后的信息处理模型，确定信息处理模型。

在对上述信息处理模型训练完成后，可以基于训练后的信息处理模型确定步骤101中的信息处理模型。例如可以根据训练后的信息处理模型输出的工作量以及预设的工作量平均值，确定拣选人员可以获得的额外工作量，上述额外工作量可以作为对拣选人员的工作奖励等。

本申请的上述实施例提供的信息处理方法，通过获取多个拣选人员的多个订单的订单信息，然后对订单信息进行处理，得到每种物品的数量以及每种物品的拣选完成时间和拣选开始时间，然后确定每种物品的拣选时间，再利用每种物品的拣选时间和数量训练预设的信息处理模型，最后基于训练后的信息处理模型得到信息处理模型，再利用上述信息处理模型对拣选人员的拣选完成的物品所属订单的订单信息进行处理，确定拣选人员的工作量。上述实施例实现了合理地衡量拣选人员的工作量，能够更真实的反映拣选人员的工作水平。

继续参考图4，其示出了根据本申请的信息处理方法的训练预设的信息处理模型的流程400。如图4所示，本实施例中可以通过步骤401～步骤404来训练预设的信息处理模型。本实施例中，订单信息还可以包括每种物品的体积和重量。

步骤401，根据每种物品的体积和重量，对各种物品进行分类。

本实施例中，考虑到拣选不同体积不同重量的物品，拣选人员所花费的体力不同，为了更合理的衡量拣选人员的工作量，可以首先根据每种物品的体积和重量，对各种物品进行分类。在分类时，可以采用桶排序的方法对每种物品进行排序，也可以首先根据物品的体积进行排序，再对相同体积不同重量的各种物品进行二次排序，最后根据排序将相同体积相同重量的物品划分到同一类别中。则得到的多个类别中，每个类别包括至少一种物品。

步骤402，对于每类物品，根据各种物品的拣选时间，确定该类物品的最小拣选时间以及平均拣选时间。

由于每个类别包括至少一种物品，每种物品的拣选时间已确定，因此可以确定每个类别中各种物品的最小拣选时间，也可以确定每个类别的平均拣选时间。

步骤403，根据最小拣选时间及平均拣选时间，确定该类物品中各种物品的拣选系数。

本实施例中，可以根据最小拣选时间及平均拣选时间来确定该类物品中每种物品的拣选系数。具体的，可以通过计算平均拣选时间与最小拣选时间的比值来确定该类物品中每种物品的拣选系数。可以理解的是，本实施例中，每类物品中的各种物品的拣选系数相同。

步骤404，利用每种物品的拣选时间、拣选系数以及数量训练预设的信息处理模型。

本实施例中，上述预设的信息处理模型可以是曲线拟合模型，其可以采用如下公式来表示：

t＝a(n*r)^b+c；

其中，t为拣选人员拣选订单中每种物品的拣选时间，n为每种物品的数量，r为每种物品的拣选系数，a、b、c为通过训练待确定的系数。可以理解的是，由于不同的仓库一般存储不同品类的物品，例如部分仓库存储生鲜果品，部分仓库存储家用电器，部分仓库存储服装等等，所以不同仓库中物品的体积和重量有很大差异，所以不同仓库的a、b、c等系数各不相同。

本实施例中，以拣选人员的拣选时间来衡量拣选人员的工作量。

在本实施例的一些可选的实现方式中，由于拣选人员在拣选完成每个订单后，会将拣选的物品自仓库中的拣选区运输至复核区，以为后续的物品打包做进一步的确认。因此，可以将拣选人员自拣选区值复核区的运输时间也作为衡量拣选人员工作量的一个因素。则上述流程400还可以包括图4中未示出的以下步骤：

确定拣选人员自拣选区至复核区的运输时间；根据训练后的信息处理模型及运输时间，确定信息处理模型。

本实现方式中，可以首先确定拣选人员自拣选区值复核区的运输时间，然后根据训练后的信息处理模型及上述运输时间，确定步骤101中的信息处理模型。

在本实现方式中，订单信息中还可以包括复核时间。则可以根据以下步骤来确定上述运输时间：

从多个订单中提取出只包含一种物品的至少一个订单；对于每个订单，根据该订单的复核时间和拣选完成时间，确定运输时间。

本实现方式中，可以首先从获取的多个订单中提取出只包含一种物品的至少一个订单，然后对于提取出的每个订单，根据订单的复核时间和拣选完成时间，来确定上述运输时间。

在确定了运输时间后，上述预设的信息处理模型可以采用如下表达式来表示：

其中，n为拣选完成订单中包含的物品种类的数量，j表示第j种物品，n_j表示拣选的第j种物品的数量，r_j表示第j种物品的拣选系数，t₁为运输时间。

在本实施例的一些可选的实现方式中，上述订单信息还可以包括每种物品在仓库中所处的位置。当一个订单中包含多种物品时，拣选人员在拣选完成一种物品时，需要移动到下一种物品所在的货架，因此，可以将拣选人员在货架之间的运动时间也作为衡量拣选人员工作量的一个因素。则上述流程400还可以包括图4中未示出的以下步骤：

确定拣选人员自拣选完成一种物品运动至另一种物品所处位置的第一运动时间，得到多个第一运动时间；根据各第一运动时间，确定拣选人员拣选完成订单中的各种物品所需的第二运动时间；根据训练后的信息处理模型、第二运动时间及运输时间，确定信息处理模型。

本实现方式中，可以根据前一种物品所在的货架与后一种物品所在的货架之间的距离以及预设的行走速度来确定拣选人员自拣选完成一种物品运动至另一种物品所处的位置的第一运动时间。然后根据拣选完成每两种物品所需的各第一运动时间，确定拣选人员拣选完成订单中的各种物品所需的第二运动时间。可以理解的是，第二运动时间可以为各第一运动时间的和。然后根据训练后的信息处理模型、上述第二运动时间以及运输时间，来确定步骤101中的信息处理模型。

则本实现方式的预设的信息处理模型可以采用如下表达式来表示：

其中，m为拣选完成订单中包含的物品种类所需的第一运动时间的数量，i表示第i个第一运动时间，t_i表示第i个第一运动时间的值。可以理解的是，在上述表达式中n和m满足：m＜n。

本申请的上述实施例提供的信息处理方法，通过根据物品的体积和重量对同一订单中的各种物品进行分类，然后根据每种物品的拣选时间确定每种物品的拣选系数，最后结合上述拣选时间与拣选系数来衡量拣选人员的工作量，从而能够更真实的反映拣选人员的工作水平。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种信息处理装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的信息处理装置500包括获取单元501、处理单元502以及模型确定单元503。

其中，获取单元501，用于获取信息处理模型以及仓库中的拣选人员拣选的物品所属订单的订单信息。

处理单元502，用于利用信息处理模型对订单信息进行处理，确定拣选人员的工作量。

上述信息处理模型通过模型确定单元503得到，模型确定单元503包括获取模块5031、信息确定模块5032、拣选时间确定模块5033、模型训练模块5034以及模型确定模块5035。

其中，获取模块5031，用于获取多个拣选人员拣选的多个订单的订单信息。

信息确定模块5032，用于根据订单信息，确定每个订单中各种物品的物品标识、每种物品的数量以及每种物品的拣选开始时间和拣选完成时间。

拣选时间确定模块5033，用于根据拣选开始时间和拣选完成时间，确定每种物品的拣选时间。

模型训练模块5034，用于利用每种物品的拣选时间及数量训练预设的信息处理模型。

模型确定模块5035，用于基于训练后的信息处理模型，确定信息处理模型。

在本实施例的一些可选的实现方式中，上述订单信息包括每种物品的体积和重量。则上述模型训练模块5034可以进一步用于：根据每种物品的体积和重量，对各种物品进行分类；对于每类物品，根据各种物品的拣选时间，确定该类物品的最小拣选时间以及平均拣选时间；根据最小拣选时间及平均拣选时间，确定该类物品中各种物品的拣选系数；利用每种物品的拣选时间、拣选系数以及数量训练预设的信息处理模型。

在本实施例的一些可选的实现方式中，上述仓库包括拣选区和复核区，拣选人员在拣选完成每个订单后，将拣选的物品自拣选区运输至复核区。则模型确定模块5035可以进一步用于：确定拣选人员自拣选区至复核区的运输时间；根据训练后的信息处理模型及运输时间，确定信息处理模型。

在本实施例的一些可选的实现方式中，上述订单信息还包括复核时间。则模型确定模块5035可以进一步用于：从多个订单中提取出只包含一种物品的至少一个订单；对于每个订单，根据该订单的复核时间和拣选完成时间，确定运输时间。

在本实施例的一些可选的实现方式中，上述模型确定单元503还包括去除模块，用于：去除多个订单中满足预设条件的订单，其中，上述预设条件包括以下至少一项：相邻拣选顺序的两种物品的拣选完成时间之差大于预设时间、订单信息存在缺失、每种物品的拣选时间小于预设平均拣选时间。

在本实施例的一些可选的实现方式中，上述订单信息还包括每种物品在所述仓库中所处的位置。则模型确定模块5035可以进一步用于：确定拣选人员自拣选完成一种物品运动至另一种物品所处位置的第一运动时间，得到多个第一运动时间；根据各第一运动时间，确定拣选人员拣选完成订单中的各种物品所需的第二运动时间；根据训练后的信息处理模型、第二运动时间及运输时间，确定信息处理模型。

本申请的上述实施例提供的信息处理模型，通过获取模块获取多个拣选人员的多个订单的订单信息，然后信息确定模块对订单信息进行处理，得到每种物品的数量以及每种物品的拣选完成时间和拣选开始时间，然后拣选时间确定模块确定每种物品的拣选时间，模型训练模块再利用每种物品的拣选时间和数量训练预设的信息处理模型，最后模型确定模块基于训练后的信息处理模型得到信息处理模型，处理单元再利用上述信息处理模型对拣选人员的拣选完成的物品所属订单的订单信息进行处理，确定拣选人员的工作量。上述实施例实现了合理地衡量拣选人员的工作量，能够更真实的反映拣选人员的工作水平。

下面参考图6，其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统600的结构示意图。图6示出的终端设备/服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在机器可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、处理单元和模型确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取信息处理模型以及仓库中的拣选人员拣选的物品所属订单的订单信息的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当所述一个或者多个程序被该装置执行时，使得该装置：获取信息处理模型以及仓库中的拣选人员拣选的物品所属订单的订单信息；利用信息处理模型对订单信息进行处理，确定拣选人员的工作量；其中，信息处理模型通过以下确定步骤得到：获取多个拣选人员拣选的多个订单的订单信息；根据订单信息，确定每个订单中各种物品的物品标识、每种物品的数量以及每种物品的拣选开始时间和拣选完成时间；根据拣选开始时间和拣选完成时间，确定每种物品的拣选时间；利用每种物品的拣选时间及数量训练预设的信息处理模型；基于训练后的信息处理模型，确定信息处理模型。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (14)

1.一种信息处理方法，其特征在于，所述方法包括：

获取信息处理模型以及仓库中的拣选人员拣选的物品所属订单的订单信息；

利用所述信息处理模型对所述订单信息进行处理，确定所述拣选人员的工作量；

其中，所述信息处理模型通过以下确定步骤得到：

获取多个拣选人员拣选的多个订单的订单信息；

根据所述订单信息，确定每个订单中各种物品的物品标识、每种物品的数量以及每种物品的拣选开始时间和拣选完成时间；

根据所述拣选开始时间和所述拣选完成时间，确定每种物品的拣选时间；

利用每种物品的拣选时间及数量训练预设的信息处理模型；

基于训练后的信息处理模型，确定所述信息处理模型。

2.根据权利要求1所述的方法，其特征在于，所述订单信息包括每种物品的体积和重量；以及

所述利用每种物品的拣选时间及数量训练预设的信息处理模型，包括：

根据每种物品的体积和重量，对各种物品进行分类；

对于每类物品，根据各种物品的拣选时间，确定该类物品的最小拣选时间以及平均拣选时间；

根据所述最小拣选时间及所述平均拣选时间，确定该类物品中各种物品的拣选系数；

利用每种物品的拣选时间、拣选系数以及数量训练预设的信息处理模型。

3.根据权利要求1所述的方法，其特征在于，所述仓库包括拣选区和复核区，所述拣选人员在拣选完成每个订单后，将拣选的物品自所述拣选区运输至所述复核区；以及

所述基于训练后的信息处理模型，确定所述信息处理模型，包括：

确定所述拣选人员自所述拣选区至所述复核区的运输时间；

根据所述训练后的信息处理模型及所述运输时间，确定所述信息处理模型。

4.根据权利要求3所述的方法，其特征在于，所述订单信息还包括复核时间；以及

所述确定所述拣选人员自所述拣选区至所述复核区的运输时间，包括：

从所述多个订单中提取出只包含一种物品的至少一个订单；

对于每个订单，根据该订单的复核时间和拣选完成时间，确定所述运输时间。

5.根据权利要求4所述的方法，其特征在于，所述确定步骤还包括：

去除所述多个订单中满足预设条件的订单，其中，所述预设条件包括以下至少一项：相邻拣选顺序的两种物品的拣选完成时间之差大于预设时间、订单信息存在缺失、每种物品的拣选时间小于预设平均拣选时间。

6.根据权利要求3所述的方法，其特征在于，所述订单信息还包括每种物品在所述仓库中所处的位置；以及

所述基于训练后的信息处理模型，确定所述信息处理模型，包括：

确定所述拣选人员自拣选完成一种物品运动至另一种物品所处位置的第一运动时间，得到多个第一运动时间；

根据各所述第一运动时间，确定所述拣选人员拣选完成所述订单中的各种物品所需的第二运动时间；

根据所述训练后的信息处理模型、所述第二运动时间及所述运输时间，确定所述信息处理模型。

7.一种信息处理装置，其特征在于，所述装置包括：

获取单元，用于获取信息处理模型以及仓库中的拣选人员拣选的物品所属订单的订单信息；

处理单元，用于利用所述信息处理模型对所述订单信息进行处理，确定所述拣选人员的工作量；

其中，所述信息处理模型通过模型确定单元得到，所述模型确定单元包括：

获取模块，用于获取多个拣选人员拣选的多个订单的订单信息；

信息确定模块，用于根据所述订单信息，确定每个订单中各种物品的物品标识、每种物品的数量以及每种物品的拣选开始时间和拣选完成时间；

拣选时间确定模块，用于根据所述拣选开始时间和所述拣选完成时间，确定每种物品的拣选时间；

模型训练模块，用于利用每种物品的拣选时间及数量训练预设的信息处理模型；

模型确定模块，用于基于训练后的信息处理模型，确定所述信息处理模型。

8.根据权利要求7所述的装置，其特征在于，所述订单信息包括每种物品的体积和重量；以及

所述模型训练模块进一步用于：

根据每种物品的体积和重量，对各种物品进行分类；

对于每类物品，根据各种物品的拣选时间，确定该类物品的最小拣选时间以及平均拣选时间；

根据所述最小拣选时间及所述平均拣选时间，确定该类物品中各种物品的拣选系数；

利用每种物品的拣选时间、拣选系数以及数量训练预设的信息处理模型。

9.根据权利要求7所述的装置，其特征在于，所述仓库包括拣选区和复核区，所述拣选人员在拣选完成每个订单后，将拣选的物品自所述拣选区运输至所述复核区；以及

所述模型确定模块进一步用于：

确定所述拣选人员自所述拣选区至所述复核区的运输时间；

根据所述训练后的信息处理模型及所述运输时间，确定所述信息处理模型。

10.根据权利要求9所述的装置，其特征在于，所述订单信息还包括复核时间；以及

所述模型确定模块进一步用于：

从所述多个订单中提取出只包含一种物品的至少一个订单；

对于每个订单，根据该订单的复核时间和拣选完成时间，确定所述运输时间。

11.根据权利要求10所述的装置，其特征在于，所述模型确定单元还包括去除模块，用于：去除所述多个订单中满足预设条件的订单，其中，所述预设条件包括以下至少一项：相邻拣选顺序的两种物品的拣选完成时间之差大于预设时间、订单信息存在缺失、每种物品的拣选时间小于预设平均拣选时间。

12.根据权利要求9所述的装置，其特征在于，所述订单信息还包括每种物品在所述仓库中所处的位置；以及

所述模型确定模块进一步用于：

确定所述拣选人员自拣选完成一种物品运动至另一种物品所处位置的第一运动时间，得到多个第一运动时间；

根据各所述第一运动时间，确定所述拣选人员拣选完成所述订单中的各种物品所需的第二运动时间；

根据所述训练后的信息处理模型、所述第二运动时间及所述运输时间，确定所述信息处理模型。

13.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。