CN109523314B - 一种基于ai技术的供应链管控方法及其系统和存储介质 - Google Patents

一种基于ai技术的供应链管控方法及其系统和存储介质 Download PDF

Info

Publication number
CN109523314B
CN109523314B CN201811339618.5A CN201811339618A CN109523314B CN 109523314 B CN109523314 B CN 109523314B CN 201811339618 A CN201811339618 A CN 201811339618A CN 109523314 B CN109523314 B CN 109523314B
Authority
CN
China
Prior art keywords
commodity
replenishment
cabinet
supply chain
store
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.)
Expired - Fee Related
Application number
CN201811339618.5A
Other languages
English (en)
Other versions
CN109523314A (zh
Inventor
程宏达
位海博
张慧
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.)
Shenzhen Yunxing Intelligent Technology Co ltd
Original Assignee
Shenzhen Yunxing Intelligent Technology 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 Shenzhen Yunxing Intelligent Technology Co ltd filed Critical Shenzhen Yunxing Intelligent Technology Co ltd
Priority to CN201811339618.5A priority Critical patent/CN109523314B/zh
Publication of CN109523314A publication Critical patent/CN109523314A/zh
Application granted granted Critical
Publication of CN109523314B publication Critical patent/CN109523314B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
    • G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities

Landscapes

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

Abstract

本发明公开了一种基于AI技术的供应链管控方法及其系统和存储介质，方法包括以下步骤：S1:利用AI视觉识别技术对柜端库存实时读取，得到柜端信息；S2:计算商品面积、柜端单体商品最大入柜数Fi；S3:计算得到层架利用率Bi、层架空闲率Ci、商品可补货数量Di；S4:获取预设的层架利用率阈值Ei以及商品可补货数量阈值Gi；S5:若Bi≤Ei且Di≤Gi，则将本柜端门店添加至待补货门店列表；S6:对待补货门店列表进行排序；S7：执行补货。本发明采用的供应链管理策略可根据柜机各商品品类的剩余数量及历史动销数据测算可维持销售时长，维持销售时长低于设定值的即触发补货指令，减少了补货频次及人为预测的主观性。

Description

一种基于AI技术的供应链管控方法及其系统和存储介质
技术领域
本发明涉及一种供应链管控方法，尤其是指一种基于AI技术的供应链管控方法及其系统和存储介质。
背景技术
现阶段无人值守零售终端的货损、配送成本居高不下，究其原因主要集中在以下几点：
(1)、柜机容量较小，补货周期短、频次高；
(2)、柜端库存失真、补货数量失真导致内部人员盗损、货损高；
(3)、门店集中化程度不高，点位较零散导致补货效率低；
为解决以上行业痛点，本发明在运营过程中创新思路，利用AI视觉识别技术实现对柜端库存实时管控，有效解决货损及配送成本的运营弊端。提出了一种基于AI技术的供应链管控方法及其系统和存储介质。
发明内容
为了满足上述要求，本发明的一个目的在于提供一种基于AI技术的供应链管控方法，该方法可以实现对柜端库存实时管控，有效解决货损及配送成本高的运营弊端。
本发明的第二个目的在于提出一种基于AI技术的供应链管控系统。
本发明的第三个目的在于提出另一种基于AI技术的供应链管控系统。
本发明的第四个目的在于提出一种非临时性计算机可读存储介质，其上存储有计算机程序。
为了实现上述目的，本发明采用以下技术方案：
一种基于AI技术的供应链管控方法，包括以下步骤：
S1:利用AI视觉识别技术对柜端库存实时读取，得到柜端现有商品数Hi、所有层架的现有商品单体尺寸、层架可用长、层架可用宽；
S2:计算商品面积、柜端单体商品最大入柜数Fi；
S3:根据所述现有商品数、商品面积、层架可用长、层架可用宽、单体商品最大入柜数计算得到层架利用率Bi、层架空闲率Ci、商品可补货数量Di；
S4:获取预设的层架利用率阈值Ei以及商品可补货数量阈值Gi；
S5:若Bi≤Ei且Di≤Gi，则将本柜端门店添加至待补货门店列表；
S6:根据补货效率最优、补货商品返仓率最低的原则对待补货门店列表进行排序，获得补货门店顺序执行表；
S7：根据所述补货门店顺序执行表联动仓库ERP系统，执行补货，所述ERP 系统预测采购需求。
优选地，所述方法还包括：
所述商品面积＝长*宽，所述长与宽为层架现有商品单体尺寸中的长之和与宽之和；
所述单体商品最大入柜数
Figure GDA0002597927450000021
所述单体商品最大入柜数Fi先进行向下取整得到整数再参与计算。
优选地，所述方法还包括：
所述商品配置率为变量，其取值范围为0％-100％，其计算逻辑为：
1、通过处理器统计每个门店的用户群体的消费习惯，结合消费周期进行商品销售预测，得到销售预测值；
2、通过所述的销售预测值与现有商品的比较，同时兼顾层架可用长、层架可用宽、层架形状，商品单体尺寸、形状，以及多商品组合时的互相影响，得出商品不重叠情况下柜机最大利用率的最优解。
优选地，所述方法还包括：
所述层架利用率
Figure GDA0002597927450000031
所述空闲率Ci＝1-Bi；
所述商品可补货数量Di＝Fi-Hi。
优选地，所述方法还包括：
若Bi≤Ei与Di≤Gi不同时满足，则对柜端重复执行S1-S4。
优选地，所述方法还包括：
所述步骤S6还包括根据散补逻辑对补货门店的优先顺序进行滚动测算、对门店的支线路径进行字段埋点及规划。
优选地，所述方法还包括：
所述补货门店顺序执行表包括门店地址、柜端设备号、商品可补货数量Di。
本发明还公开了一种基于AI视觉识别的供应链智能管控系统，包括AI 终端、服务器和用户的终端，其中，所述服务器执行上述方法任一项所述的基于 AI技术的供应链管控方法。
本发明还公开了另一种基于AI视觉识别的供应链智能管控系统，包括AI 终端、服务器和用户的终端，其中，所述服务器包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的供应链管控程序，其中，所述供应链管控程序被所述处理器执行时实现如上述方法任一项所述的基于AI技术的供应链管控方法。
本发明还公开了一种非临时性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如上述方法中任一项所述的基于AI技术的供应链管控方法。
相比于现有技术,本发明的有益效果在于：本发明采用的供应链管理策略可根据柜机各商品品类的剩余数量及历史动销数据测算可维持销售时长，维持销售时长低于设定值的即触发补货指令，减少了补货频次及人为预测的主观性。真正实现柜端库存的实时性及补货数量的精准性，有效控制商品盗损问题及补货剩余量的精确返仓管控。其次，本方法还可以根据不同商品在不同门店的补货数量、下货数量，按整箱拆包的逻辑测算补货门店顺序，并对补货人员的支线进场路径、搬运工具等进行指导以提高补货效率。可以满足指导采购人员优化采购需求、采购周期，保证仓库商品周转率。
下面结合附图和具体实施例对本发明作进一步描述。
附图说明
图1是本发明一种基于AI技术的供应链管控方法流程方框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，下面结合附图和具体实施方式对本发明作进一步详细说明。
如图1所示的流程方框图中，介绍的是一种基于AI技术的供应链管控方法，包括以下步骤：
S1:利用AI视觉识别技术对柜端库存实时读取，得到柜端现有商品数Hi、所有层架的现有商品单体尺寸、层架可用长、层架可用宽。其中AI为英文缩写，人工智能(ArtificialIntelligence)。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是计算机科学的一个分支，在现有技术中已经生产出许多种类的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。在本方法中，利用AI的图像识别与计数功能，获得商品数量、商品以及层架的尺寸和面积。
S2:计算商品面积、柜端单体商品最大入柜数Fi。此步骤的计算主要通过处理器实现，将上述所测的数据输入公式中，得到所需的结果。
S3:根据所述现有商品数、商品占用面积、层架可用长、层架可用宽、单体商品最大入柜数计算得到层架利用率Bi、层架空闲率Ci、商品可补货数量Di。获得这一部分的结果在于实时获取柜端库存量，以便于实时判断是否需要进行补货。
S4:获取预设的层架利用率阈值Ei以及商品可补货数量阈值Gi。该步骤获得的阈值量为判断是否进行补货的关键常量，在一般情况下，该常量为根据每个门店的用户群体的消费习惯，以及销售预测值与现有商品的比较，同时兼顾层架可用长、层架可用宽、层架形状，商品单体尺寸、形状，以及多商品组合时的互相影响，得出的商品不重叠情况下柜机阈值最佳值。
S5:若Bi≤Ei且Di≤Gi，则将本柜端门店添加至待补货门店列表。通过判断条件判断是否进入下一步进行补货。
S6:根据补货效率最优、补货商品返仓率最低的原则对待补货门店列表进行排序，获得补货门店顺序执行表。进行排序时需要考虑到从仓库达到门店的成本、效率、距离、交通情况等因素，在均满足最优情况或综合所产生的效果最佳情况方可产生顺序执行表。
S7：根据所述补货门店顺序执行表联动仓库ERP系统，执行补货，所述ERP 系统预测采购需求。所述仓库ERP系统为管理仓库商品的系统，当需要门店补货，仓库商品则需要出货，此时ERP系统进行相应操作，提醒使用者该对仓库填货。
优选地，所述方法还包括：在步骤S2，在处理器计算所需计算的结果时，需要依据相应的公式。其中所述商品面积＝长*宽，所述长与宽为层架现有商品单体尺寸中的长之和与宽之和；AI视觉识别装置识别到的商品单体尺寸实际为一个数组，其中包括若干个商品的尺寸参数。
所述单体商品最大入柜数
Figure GDA0002597927450000061
所述单体商品最大入柜数Fi先进行向下取整得到整数再参与计算，可以有效避免计算出的结果带有小数，而商品数是整数，保证了准确性。
优选地，所述方法还包括：
所述商品配置率为变量，其取值范围为0％-100％，其计算逻辑为：
1、通过处理器统计每个门店的用户群体的消费习惯，结合消费周期进行商品销售预测，得到销售预测值；
2、通过所述的销售预测值与现有商品的比较，同时兼顾层架可用长、层架可用宽、层架形状，商品单体尺寸、形状，以及多商品组合时的互相影响，得出商品不重叠情况下柜机最大利用率的最优解。并且该数值会随季节、天气、节假日等外部因素进行修正。
所述商品配置率与计算公式相关联，当调用相关公式时，也调用该数值。
优选地，所述方法还包括：所述步骤S3中，要计算的结果计算公式 如下，所述层架利用率
Figure GDA0002597927450000062
由于所述层架可用长、层架可用宽均为数组，因此必须进行叠加操作，而且其中每一次叠加中的所述层架对应该层架的层架可用长与层架可用宽。
所述空闲率Ci＝1-Bi；
所述商品可补货数量Di＝Fi-Hi。
优选地，所述方法还包括：步骤S5本质为一个判断步骤，当判断为符合条件，则进入下一步骤，不符合即Bi≤Ei与Di≤Gi不同时满足，则对柜端重复执行S1-S4，进入一个循环，直至满足判断条件。
优选地，所述方法还包括：
所述步骤S6还包括根据散补逻辑对补货门店的优先顺序进行滚动测算、对门店的支线路径进行字段埋点及规划，该步骤由于依靠人工计算较为困难，在具体操作中采用处理器建立模型的方式，首先输入仓库、各个柜端、仓库至柜端的路径等，并在此模型中加入运输费用、运输效率、读取到的实时交通情况，得出各个因素下的最优顺序列表。
优选地，所述方法还包括：
所述补货门店顺序执行表包括门店地址、柜端设备号、商品可补货数量Di。所述的门店地址、柜端设备号、商品可补货数量Di均与所属门店对应。一个门店经常不止一个柜端设备，为使补货过程便于实施，在补货门店顺序执行表中具备需补货的具体信息可以为使用者带来指引，提升效率。
在其它实施例中，由于在补货过程中会出现返仓现象，因此，在步骤S6测算优先顺序时，还需要在模型中加入返仓概率作为求最优顺序表的修正因素。
在其它实施例中，所述方法从S1执行至S7之后任然会继续运行，从S7返回至步骤S1，重新识别柜端商品情况。零售行业流转速度很高，因此需要保持该方法的时效性，在需要进行补货时及时通知使用者，以达到供应链智能管控的目的。
本发明还公开了一种基于AI视觉识别的供应链智能管控系统，包括AI 终端、服务器和用户的终端，其中，所述服务器执行上述方法任一项所述的基于 AI技术的供应链管控方法。所述AI终端设置在门店柜端以便于对柜端库存进行实时读取，所述用户的终端包括但不限于计算机、移动电子设备，用户可在计算机或电子设备处获得补货门店顺序执行表。
本发明还公开了另一种基于AI视觉识别的供应链智能管控系统，包括AI 终端、服务器和用户的终端，其中，所述服务器包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的供应链管控程序，其中，所述供应链管控程序被所述处理器执行时实现如上述方法任一项所述的基于AI技术的供应链管控方法。存储器可以是只读存储器(read-only memory，ROM)或可存储静态信息和指令的其它类型的静态存储设备，随机存取存储器(random access memory， RAM))或者可存储信息和指令的其它类型的动态存储设备，也可以是电可擦可编程只读存储器(Electrically Erasable Programmable Read-OnlyMemory， EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其它光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其它磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其它介质，但不限于此。存储器可以是独立存在，通过通信总线与处理器相连接。存储器也可以和处理器集成在一起。
本发明还公开了一种非临时性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如上述方法中任一项所述的基于AI技术的供应链管控方法。所述存储介质可以是前述服务器的内部存储单元，例如服务器的硬盘或内存。所述存储介质也可以是所述设备的外部存储设备，例如所述设备上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，所述存储介质还可以既包括所述设备的内部存储单元也包括外部存储设备。
综上所述，本发明采用的供应链管理策略可根据柜机各商品品类的剩余数量及历史动销数据测算可维持销售时长，维持销售时长低于设定值的即触发补货指令，减少了补货频次及人为预测的主观性。真正实现柜端库存的实时性及补货数量的精准性，有效控制商品盗损问题及补货剩余量的精确返仓管控。其次，本方法还可以根据不同商品在不同门店的补货数量、下货数量，按整箱拆包的逻辑测算补货门店顺序，并对补货人员的支线进场路径、搬运工具等进行指导以提高补货效率。可以满足指导采购人员优化采购需求、采购周期，保证仓库商品周转率。
对本领域的技术人员来说，可根据以上描述的技术方案以及构思，做出其他各种相应的改变以及形变，而所有的这些改变以及形变应该属于本发明权利要求的保护范围之内。

Claims (9)

1.一种基于AI技术的供应链管控方法，其特征在于，包括以下步骤：
S1:利用AI视觉识别技术对柜端库存实时读取，得到柜端现有商品数Hi、所有层架的现有商品单体尺寸、层架可用长、层架可用宽；
S2:计算单个商品面积、柜端单体商品最大入柜数Fi；
S3:根据所述现有商品数、商品面积、层架可用长、层架可用宽计算得到层架利用率Bi、层架空闲率Ci、商品可补货数量Di；
S4:获取预设的层架利用率阈值Ei以及商品可补货数量阈值Gi；
S5:若Bi≤Ei且Di≤Gi，则将本柜端门店添加至待补货门店列表；
S6:根据补货效率最优、补货商品返仓率最低的原则对待补货门店列表进行排序，获得补货门店顺序执行表；
S7：根据所述补货门店顺序执行表联动仓库ERP系统，执行补货，所述ERP系统预测采购需求；
其中，所述层架利用率
Figure FDA0002985749470000011
所述空闲率Ci＝1-Bi；
所述商品可补货数量Di＝Fi-Hi。
2.根据权利要求1所述的方法，其特征在于，还包括：
计算单体商品最大入柜数
Figure FDA0002985749470000012
所述单体商品最大入柜数Fi先进行向下取整得到整数再参与计算。
3.根据权利要求2所述的方法，其特征在于，还包括：
所述商品配置率为变量，其取值范围为0％-100％，其计算逻辑为：
①、通过处理器统计每个门店的用户群体的消费习惯，结合消费周期进行商品销售预测，得到销售预测值；
②、通过所述的销售预测值与现有商品的比较，同时兼顾层架可用长、层架可用宽、层架形状，商品单体尺寸、形状，以及多商品组合时的互相影响，得出商品不重叠情况下柜机最大利用率的最优解。
4.根据权利要求1所述的方法，其特征在于，还包括：
若Bi≤Ei与Di≤Gi不同时满足，则对柜端重复执行S1-S4。
5.根据权利要求1所述的方法，其特征在于，还包括：
所述步骤S6还包括根据散补逻辑对补货门店的优先顺序进行滚动测算、对门店的支线路径进行字段埋点及规划。
6.根据权利要求1所述的方法，其特征在于，还包括：
所述补货门店顺序执行表包括门店地址、柜端设备号、商品可补货数量Di。
7.一种基于AI视觉识别的供应链智能管控系统，其特征在于，包括AI终端、服务器和用户的终端，其中，所述服务器执行如权利要求1-6中任一项所述的基于AI技术的供应链管控方法。
8.一种基于AI视觉识别的供应链智能管控系统，其特征在于，包括AI终端、服务器和用户的终端，其中，所述服务器包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的供应链管控程序，其中，所述供应链管控程序被所述处理器执行时实现如权利要求1-6中任一项所述的基于AI技术的供应链管控方法。
9.一种非临时性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中任一项所述的基于AI技术的供应链管控方法。
CN201811339618.5A 2018-11-12 2018-11-12 一种基于ai技术的供应链管控方法及其系统和存储介质 Expired - Fee Related CN109523314B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811339618.5A CN109523314B (zh) 2018-11-12 2018-11-12 一种基于ai技术的供应链管控方法及其系统和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811339618.5A CN109523314B (zh) 2018-11-12 2018-11-12 一种基于ai技术的供应链管控方法及其系统和存储介质

Publications (2)

Publication Number Publication Date
CN109523314A CN109523314A (zh) 2019-03-26
CN109523314B true CN109523314B (zh) 2021-07-09

Family

ID=65773405

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811339618.5A Expired - Fee Related CN109523314B (zh) 2018-11-12 2018-11-12 一种基于ai技术的供应链管控方法及其系统和存储介质

Country Status (1)

Country Link
CN (1) CN109523314B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109993487A (zh) * 2019-04-12 2019-07-09 湖南长螺节能科技有限公司 基于工程项目确定仓库中物料补给方案的方法及装置
CN110633401A (zh) * 2019-07-26 2019-12-31 苏宁云计算有限公司 一种门店数据的预测模型及其建立方法
CN113450037A (zh) * 2020-03-25 2021-09-28 北京旷视机器人技术有限公司 仓库的补货方法、装置及系统
CN114154786A (zh) * 2021-10-25 2022-03-08 多点生活(成都)科技有限公司 一种新零售行业卖场数字化补货任务分配方案

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002251657A (ja) * 2001-02-21 2002-09-06 Nagase & Co Ltd 自動販売機における商品の収容数を維持するための方法
JP2007039113A (ja) * 2005-08-05 2007-02-15 Kyoto Seisakusho Co Ltd 空袋供給装置
JP2015042587A (ja) * 2013-08-26 2015-03-05 株式会社ダイフク 物品保管設備

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002251657A (ja) * 2001-02-21 2002-09-06 Nagase & Co Ltd 自動販売機における商品の収容数を維持するための方法
JP2007039113A (ja) * 2005-08-05 2007-02-15 Kyoto Seisakusho Co Ltd 空袋供給装置
JP2015042587A (ja) * 2013-08-26 2015-03-05 株式会社ダイフク 物品保管設備

Also Published As

Publication number Publication date
CN109523314A (zh) 2019-03-26

Similar Documents

Publication Publication Date Title
CN109523314B (zh) 一种基于ai技术的供应链管控方法及其系统和存储介质
Chen et al. A tabu search algorithm for the relocation problem in a warehousing system
Rahdar et al. A tri-level optimization model for inventory control with uncertain demand and lead time
CN115423217B (zh) 一种基于供应链信息协同共享的交易方法及系统
CN106934577B (zh) 货物布局方法和装置
CN105631936A (zh) 点云修补方法及系统
CN110766194A (zh) 订单处理方法及装置、仓储系统、计算机设备和存储介质
CN112396368A (zh) 配送路线的规划方法及系统、服务端设备
CN109636298A (zh) 用于仓储管理的控制系统及仓库
Kapalka et al. Retail inventory control with lost sales, service constraints, and fractional lead times
CN116128408A (zh) 智能补货方法、系统以及计算机可读介质
Yücel et al. Optimizing two-dimensional vehicle loading and dispatching decisions in freight logistics
CN113762859B (zh) 库存分仓方法、装置、系统和存储介质
CN109359905A (zh) 一种自动化无人仓货位分配方法、装置和存储介质
CN116451981B (zh) 一种基于区域定位信息的物流穿梭车识别管理方法
Jaggi et al. Impact of trade credit on inventory models for Weibull distribution deteriorating items with partial backlogging in two-warehouse environment
CN117236824A (zh) 一种用于农产品在线交易平台的物流调度方法
CN110633924A (zh) 用于将商品分仓间存储的方法和系统
Kumar et al. Two-warehouse inventory model of deteriorating items with three-component demand rate and time-proportional backlogging rate in fuzzy environment
Klug A hybrid push/pull design of kanban systems during production ramp-up phase
Dong et al. Part supply method for mixed-model assembly lines with decentralized supermarkets
CN115700672A (zh) 货物运输模式确定方法、装置、设备及存储介质
CN112069976A (zh) 商品补货控制方法、装置、蒸箱和存储介质
JP2005089060A (ja) 物流拠点決定装置、物流拠点決定方法及びそのプログラム
Mohammed Adel et al. Dual cycle time modelling and design optimisation for the bidirectional flow-rack AS/RS

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
CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20210709

Termination date: 20211112