CN109726968B

CN109726968B - 一种基于智能仓库的商品上架方法、设备及介质

Info

Publication number: CN109726968B
Application number: CN201910055909.XA
Authority: CN
Inventors: 仇晶; 田志宏; 殷丽华; 司亚琪; 顾钊铨; 李树栋; 李默涵; 方滨兴; 韩昊
Original assignee: Guangzhou University
Current assignee: Guangzhou University
Priority date: 2019-01-21
Filing date: 2019-01-21
Publication date: 2022-12-13
Anticipated expiration: 2039-01-21
Also published as: CN109726968A

Abstract

本发明公开了一种基于智能仓库的商品上架方法、终端设备及存储介质，所述方法包括获取历史订单数据，并根据设定的提取规则从所述历史订单数据中提取所有在同一订单出现的商品对；根据设定的共现频次阈值筛选所述商品对，并采用骨干度算法计算商品对之间的骨干度；根据设定的骨干度阈值筛选用于构建商品关系图的商品对，采用商品关系图公式构建商品关系图；根据所述商品关系图，采用社区发现模型进行商品排序，得到商品排序列表。本发明能够充分利用历史订单建立商品的全局关联关系图，并基于社区发现算法发现商品之间的关联，提高仓库的分拣效率。

Description

一种基于智能仓库的商品上架方法、设备及介质

技术领域

本发明涉及自动化技术领域，尤其涉及一种基于智能仓库的商品上架方法、设备及介质。

背景技术

近些年来，随着互联网的快速普及，电商平台飞速发展。目前中国境内存在上百个规模不等的电商平台。据不完全统计，像淘宝、京东这样的电商平台在一天时间内成交上亿个订单。因此，仓库管理如何高效的完成这些订单的筛检和发送成为了目前物流企业关注的问题。

如今，随着智能仓库的出现机器人在订单分拣系统的投入使用，订单分拣人员的一部分工作由机器人代替，形成了一套全新的订单分拣模式。在这种订单分拣系统中，人只关注他处理的订单，而商品则由机器人自动将包含商品的货架搬运过来。传统订单分拣过程中的一些约束问题在这种场景下发生了新的变化，比如商品在不同货架间的分布比同一个货架上商品的位置更能决定订单的处理效率，因此如何为由机器人参与的仓库制定合理的上架策略，使得订单的处理效率更快就成为亟待解决的问题。

发明内容

有鉴于此，本发明提出一种基于智能仓库的商品上架方法、设备及介质，能够充分利用历史订单建立全局关联关系图，基于社区发现算法发现商品之间的关联，提高仓库的分拣效率。

为实现上述目的，本发明的一个实施例提供一种基于智能仓库的商品上架方法，包括：

获取历史订单数据，并根据设定的提取规则从所述历史订单数据中提取所有在同一订单出现的商品对；

根据设定的共现频次阈值筛选所述商品对，并采用骨干度算法计算商品对之间的骨干度；

根据设定的骨干度阈值筛选用于构建商品关系图的商品对，采用商品关系图公式构建商品关系图；

根据所述商品关系图，采用社区发现模型进行商品排序，得到商品排序列表。

进一步地，所述的基于智能仓库的商品上架方法，还包括发送所述商品排序列表至基站进行商品派发处理。

进一步地，所述商品派发处理，具体为：

调度机器人根据商品订单将商品货架搬运至基站；

根据商品排序列表，将商品拣选到播种墙的料箱中；

当料箱中所有商品取出后，打包料箱返回至基站等待下一商品订单。

进一步地，所述智能仓库，包括若干个隔离区域；

其中，所述每个隔离区域布置有若干个货架、基站和机器人。

进一步地，所述基站包括显示屏和用于内置若干个料箱的播种墙。

进一步地，所述构建商品关系图，具体为：

将所述商品对均作为所述商品关系图的节点；

在判断商品对之间的骨干度大于设定的骨干度阈值时，则在该商品对之间构建一条无向的边。

进一步地，所述社区发现模型为NetWorkX模型。

进一步地，所述社区发现模型还包括社区发现算法，具体为：

输入：G,M

输出：list of goods

network＝co-occurrence pairs(G)

frequency_filter(network)

backbone_filter(network)

community detection＝networkx(network)

sorted_sequence＝sort(community detection)

groups＝divide(sorted_sequence,M)

返回：groups。

本发明的另一个实施例提供的一种基于智能仓库的商品上架的终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-8所述的基于智能仓库的商品上架方法。

本发明的又一个实施例提供的一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1-8所述的基于智能仓库的商品上架方法。

实施本发明实施例，具有如下有益效果：

本发明实施例提供的一种基于智能仓库的商品上架方法、终端设备及存储介质，所述方法包括获取历史订单数据，并根据设定的提取规则从所述历史订单数据中提取所有在同一订单出现的商品对；根据设定的共现频次阈值筛选所述商品对，并采用骨干度算法计算商品对之间的骨干度；根据设定的骨干度阈值筛选用于构建商品关系图的商品对，采用商品关系图公式构建商品关系图；根据所述商品关系图，采用社区发现模型进行商品排序，得到商品排序列表。本发明能够充分利用历史订单建立商品的全局关联关系图，并基于社区发现算法发现商品之间的关联，提高仓库的分拣效率。

附图说明

图1是本发明的一个实施例提供的基于智能仓库的商品上架方法的流程示意图；

图2是本发明的另一个实施例提供的智能仓库的结构示意图；

图3是本发明的一个实施例提供的商品关系图的简单示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-3。

如图1所示，本实施例提供的一种基于智能仓库的商品上架方法，包括：

S101、获取历史订单数据，并根据设定的提取规则从所述历史订单数据中提取所有在同一订单出现的商品对；

具体的，对于步骤S101，根据历史订单，提取所有在同一个订单中出现的商品对，这些商品对意味着这些商品之间存在着关联，例如商品A和B在同一订单中出现了多次，那么就认为A和B之间存在这关系，就将A和B这一对商品提取出来。

S102、根据设定的共现频次阈值筛选所述商品对，并采用骨干度算法计算商品对之间的骨干度；

具体的，对于步骤S102，考虑到某些商品对共现频次较低，两个商品之间的关系属于偶然关系，剔除一部分低频商品对。

S103、根据设定的骨干度阈值筛选用于构建商品关系图的商品对，采用商品关系图公式构建商品关系图；

具体的，如图3所示，对于步骤S103，在此基础上，考虑到商品之间关联稠密的情况下无法对商品进行划分，计算了商品对的骨干度，剔除了低骨干度的商品对，最终构建出了商品之间的关系图，有关联的商品之间会存在一条边。

S104、根据所述商品关系图，采用社区发现模型进行商品排序，得到商品排序列表。

具体的，对于步骤S104，社区发现结果中的每一个社区即是强关联的商品。最后把社区发现结果按商品个数排序，并将排序结果根据货架的容量进行上架。

在优选的实施例中，所述的基于智能仓库的商品上架方法，还包括，

S105、发送所述商品排序列表至基站进行商品派发处理。

在优选的实施例中，所述商品派发处理，具体为：

调度机器人根据商品订单将商品货架搬运至基站；

根据商品排序列表，将商品拣选到播种墙的料箱中；

具体的，基站处理订单的流程是：第一，系统调度机器人将包含24个订单中所有商品的货架搬运到基站；第二，由工作人员将商品拣选到播种墙的料箱中；第三，当有料箱内的商品全部取到后则将料箱打包并腾空给下一个订单使用。

不失一般性，认为仓库管理中，订单按照24个订单一组进行批处理，处理完一批订单以后再处理下一批。由于是人工在货架上进行拣货有工具辅助，商品在货架上的位置是无关紧要的，假设24个订单拣货的过程中员工在一个货架上拣货的时间是固定的。因此，系统处理一批订单的代价即为：在处理订单的过程中，机器人共搬运了多少次货架到基站。

在优选的实施例中，所述智能仓库，包括若干个隔离区域；

在优选的实施例中，所述基站包括显示屏和用于内置若干个料箱的播种墙。

具体的，如图2所示，所述智能仓库由多个隔离的区域构成，每个区域中有若干个货架，每个货架共有5层，其上存放着20种不同的商品；每个区域中有若干个人工控制的基站，并具有若干个可以并行运作的机器人，机器人可以同时搬运不同的货架供人工拣货；每个基站上有一个显示屏用来显示需要拣选的订单和商品，和一个包括24个料箱的播种墙，一个料箱盛放一个订单中所包含的商品；仓库管理系统会定时将收到的订单派发给基站进行处理，例如目前有200个订单，然后来了100个订单，通过随机选择24个或者按顺序选择24个订单发送给基站。

在优选的实施例中，所述构建商品关系图，具体为：

将所述商品对均作为所述商品关系图的节点；

在优选的实施例中，所述社区发现模型为NetWorkX模型。

在优选的实施例中，所述社区发现模型还包括社区发现算法，具体为：

输入：G,M

输出：list of goods

network＝co-occurrence pairs(G)//找到商品对

frequency_filter(network)//去掉低频次的商品对

backbone_filter(network)//去掉低骨干度的商品对

community detection＝networkx(network)//社区发现

sorted_sequence＝sort(community detection)//将社区发现的结果按商品数量排序

groups＝divide(sorted_sequence,M)//将排序好的序列放在货架上

返回：groups。

本实施例提供的一种基于智能仓库的商品上架方法、终端设备及存储介质，所述方法包括获取历史订单数据，并根据设定的提取规则从所述历史订单数据中提取所有在同一订单出现的商品对；根据设定的共现频次阈值筛选所述商品对，并采用骨干度算法计算商品对之间的骨干度；根据设定的骨干度阈值筛选用于构建商品关系图的商品对，采用商品关系图公式构建商品关系图；根据所述商品关系图，采用社区发现模型进行商品排序，得到商品排序列表。本发明能够充分利用历史订单建立商品的全局关联关系图，并基于社区发现算法发现商品之间的关联，在当前电子商务普及下的小订单、大订单量的业务背景下，提高仓库的分拣效率。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和变形，这些改进和变形也视为本发明的保护范围。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random AccessMemory，RAM)等。

Claims

1.一种基于智能仓库的商品上架方法，其特征在于，包括：

根据设定的共现频次阈值筛选所述商品对，以剔除低于共现频次阈值的商品对，并采用骨干度算法计算商品对之间的骨干度；

根据设定的骨干度阈值筛选用于构建商品关系图的商品对，以剔除低于骨干度阈值的商品对，采用商品关系图公式构建商品关系图；

根据所述商品关系图，采用社区发现模型进行商品排序，得到商品排序列表，并将商品排序列表根据货架的容量进行上架；

其中，所述社区发现模型为NetWorkX模型。

2.根据权利要求1所述的基于智能仓库的商品上架方法，其特征在于，还包括发送所述商品排序列表至基站进行商品派发处理。

3.根据权利要求2所述的基于智能仓库的商品上架方法，其特征在于，所述商品派发处理，具体为：

调度机器人根据商品订单将商品货架搬运至基站；

根据商品排序列表，将商品拣选到播种墙的料箱中；

4.根据权利要求1所述的基于智能仓库的商品上架方法，其特征在于，所述智能仓库，包括若干个隔离区域；

其中，每个隔离区域布置有若干个货架、基站和机器人。

5.根据权利要求4所述的基于智能仓库的商品上架方法，其特征在于，所述基站包括显示屏和用于内置若干个料箱的播种墙。

6.根据权利要求1所述的基于智能仓库的商品上架方法，其特征在于，所述构建商品关系图，具体为：

将所述商品对均作为所述商品关系图的节点；

7.一种基于智能仓库的商品上架的终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-6所述的基于智能仓库的商品上架方法。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1-6所述的基于智能仓库的商品上架方法。