CN109840648A - 用于输出储位信息的方法和装置 - Google Patents

用于输出储位信息的方法和装置 Download PDF

Info

Publication number
CN109840648A
CN109840648A CN201711205350.1A CN201711205350A CN109840648A CN 109840648 A CN109840648 A CN 109840648A CN 201711205350 A CN201711205350 A CN 201711205350A CN 109840648 A CN109840648 A CN 109840648A
Authority
CN
China
Prior art keywords
restocking
product
storage space
task
cost
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.)
Granted
Application number
CN201711205350.1A
Other languages
English (en)
Other versions
CN109840648B (zh
Inventor
蒋士淼
赵迎光
武海龙
刘旭
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.)
Beijing Jingbangda Trade Co Ltd
Beijing Jingdong Zhenshi Information Technology Co Ltd
Original Assignee
Beijing Jingdong Century Trading Co Ltd
Beijing Jingdong Shangke Information 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 Beijing Jingdong Century Trading Co Ltd, Beijing Jingdong Shangke Information Technology Co Ltd filed Critical Beijing Jingdong Century Trading Co Ltd
Priority to CN201711205350.1A priority Critical patent/CN109840648B/zh
Priority to US16/756,865 priority patent/US11367044B2/en
Priority to PCT/CN2018/081957 priority patent/WO2019100637A1/zh
Publication of CN109840648A publication Critical patent/CN109840648A/zh
Application granted granted Critical
Publication of CN109840648B publication Critical patent/CN109840648B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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
    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G06N20/20—Ensemble learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Software Systems (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Warehouses Or Storage Devices (AREA)

Abstract

本申请实施例公开了用于输出储位信息的方法和装置。该方法的一具体实施方式包括：接收上架任务；根据待上架产品在预设属性集合中每种属性下的属性信息生成预设维数的特征向量，将所生成的特征向量导入预先训练的当期出库量预测模型，得到待上架产品的预测当期出库量；根据待上架产品的当前库存量、待上架数量、待上架产品的体积和待上架产品的预测当期出库量，确定上架任务的上架成本；根据上架任务的上架成本、预先确定的产品上架成本表和预先确定的储位上架路径长度表，确定上架任务的中心储位；基于中心储位的储位信息和目标仓库中可用储位的储位信息，生成并输出与上架任务对应的推荐储位信息集合。该实施方式实现了有效输出储位信息。

Description

用于输出储位信息的方法和装置
技术领域
本申请实施例涉及计算机技术领域，具体涉及物流技术领域，尤其涉及用于输出储位信息的方法和装置。
背景技术
目前在仓储领域，对于存储大件商品主要存在分类存储、随机存储和关联性仓储布局三种技术方案。分类存储是按产品属性将同品类商品放在同一个仓库。分类存储便于定位产品位置，有助于按货品属性布置存储环境等。随机存储是对于新入库的商品直接上架到就近或者随机的可用货架位上。关联性仓储布局是将经常同时出库的产品就近放置，关联性越强，放置的位置越接近。
发明内容
本申请实施例提出了一种用于输出储位信息的方法和装置。
第一方面，本申请实施例提供了一种用于输出储位信息的方法，该方法包括：接收上架任务，上架任务用于将待上架数量个待上架产品上架到目标仓库；根据待上架产品在预设属性集合中每种属性下的属性信息生成预设维数的特征向量，并将所生成的特征向量导入预先训练的当期出库量预测模型，得到待上架产品的预测当期出库量，其中，当期出库量预测模型用于表征预设维数的特征向量与当期出库量的对应关系；根据待上架产品在目标仓库的当前库存量、待上架数量、待上架产品的体积和待上架产品的预测当期出库量，确定上架任务的上架成本，其中，上架任务的上架成本与待上架产品的预测当期出库量负相关且与当前库存量、待上架数量和待上架产品的体积均正向关；根据上架任务的上架成本、预先确定的产品上架成本表和预先确定的储位上架路径长度表，确定上架任务的中心储位，产品上架成本表用于表征产品标识和产品上架成本之间的对应关系，储位上架路径长度表用于表征储位标识和储位上架路径长度之间的对应关系，其中，储位上架路径长度用于表征仓库的各个仓库门到储位标识所指示的储位之间的最短路径中的最小值；基于中心储位的储位信息和目标仓库中可用储位的储位信息，生成并输出与上架任务对应的推荐储位信息集合。
在一些实施例中，预设属性集合包括以下至少一项：品类、品牌、当前月份、最近一周出库量、最近两周出库量、预设最大库存量、上期预设时刻库存量和当前库存量。
在一些实施例中，当期出库量预测模型是通过如下训练步骤训练得到的：获取初始当期出库量预测模型和预先确定的样本数据集合，其中，样本数据集合中每个样本数据包括产品在预设属性集合中各种属性下的属性信息集合和该产品对应的历史当期出库量；对于样本数据集合中的每个样本数据，生成与该样本数据中的属性信息集合对应的预设维数的特征向量；利用机器学习方法，以样本数据集合中的每个样本数据中的属性信息集合对应的预设维数的特征向量作为输入数据，以该样本数据中的历史当期出库量作为相应的输出数据，训练初始当期出库量预测模型；将训练后的初始当期出库量预测模型确定为预先训练的当期出库量预测模型。
在一些实施例中，根据待上架产品在目标仓库的当前库存量、待上架数量、待上架产品的体积和待上架产品的预测当期出库量，确定上架任务的上架成本，包括：计算待上架产品在目标仓库的当前库存量与待上架数量的和；计算计算所得的和与待上架产品的体积的积；将计算所得的积与待上架产品的预测当期出库量的比值确定为上架任务的上架成本。
在一些实施例中，储位上架路径长度表按照储位上架路径长度从小到大的顺序排序；以及根据上架任务的上架成本、预先确定的产品上架成本表和预先确定的储位上架路径长度表，确定上架任务的中心储位，包括：将各个低上架成本产品的期望占用储位数之和确定为第一储位数之和，其中，低上架成本产品是产品上架成本表中产品上架成本小于上架任务的上架成本的各个产品标识所指示的产品；将对待上架产品的期望占用储位数与预设比值的乘积进行向下取整后所得到的数目确定为第一数目，其中，预设比值为大于等于0且小于等于1的数值；将第一储位数之和与第一数目的和确定为与上架任务对应的中心储位位置；将储位上架路径长度表中排序为中心储位位置的储位标识所指示的储位确定为上架任务的中心储位。
在一些实施例中，预先确定的产品上架成本表是通过如下步骤得到的：对于与目标仓库对应的产品标识集合中的每个产品标识，执行以下上架成本确定操作：根据该产品标识所指示的产品在预设属性集合中每种属性下的属性信息生成预设维数的特征向量，并将所生成的特征向量导入当期出库量预测模型，得到该产品标识所指示的产品的预测当期出库量；根据该产品标识所指示的产品在目标仓库的当前库存量、该产品的体积以及该产品标识所指示的产品的预测当期出库量确定该产品标识所指示的产品的上架成本，其中，该产品标识所指示的产品的上架成本与该产品标识所指示的产品的预测当期出库量负相关且与该产品标识所指示的产品在目标仓库的当前库存量以及该产品的体积均正相关。根据与目标仓库对应的产品标识集合中的每个产品标识和该产品标识所指示的产品的上架成本，生成产品上架成本表。
在一些实施例中，预先确定的储位上架路径长度表是通过如下步骤得到的：获取与目标仓库对应的有向图，其中，有向图的各个顶点分别对应目标仓库中各个储位和目标仓库中各个仓库门，有向图中的有向边用于表征存在该有向边的起点对应的储位或者仓库门到该有向边的终点对应的储位或者仓库门二者之间的有向巷道且该二者相邻；对于目标仓库中的每个储位，执行以下储位上架路径长度确定操作：对于目标仓库的各个仓库门中的每个仓库门，根据有向图，确定从该仓库门到该储位的最短路径长度；将目标仓库的各个仓库门中从仓库门到该储位的最短路径长度中的最小值，确定为该储位的储位上架路径长度；根据目标仓库中的每个储位的储位标识和该储位的储位上架路径长度，生成储位上架路径长度表。
在一些实施例中，基于中心储位和目标仓库中的可用储位，生成并输出与上架任务对应的推荐储位信息集合，包括：将对待上架数量与待上架产品在目标仓库的单位储位容纳产品数的比值进行向上取整所得的数目确定为子任务数目；将上架任务拆分成子任务数目个子任务；新建空的推荐储位信息集合；对于子任务数目个子任务中的每个子任务，执行以下推荐储位确定操作：查找目标仓库的各个储位中与中心储位路径最短的可用储位；将所找到的可用储位的储位信息添加到推荐储位信息集合中；以及将所找到的可用储位标记为非可用储位；输出推荐储位信息集合。
第二方面，本申请实施例提供了一种用于输出储位信息的装置，该装置包括：上架任务接收单元，配置用于接收上架任务，上架任务用于将待上架数量个待上架产品上架到目标仓库；当期出库量确定单元，配置用于根据待上架产品在预设属性集合中每种属性下的属性信息生成预设维数的特征向量，并将所生成的特征向量导入预先训练的当期出库量预测模型，得到待上架产品的预测当期出库量，其中，当期出库量预测模型用于表征预设维数的特征向量与当期出库量的对应关系；上架成本确定单元，配置用于根据待上架产品在目标仓库的当前库存量、待上架数量、待上架产品的体积和待上架产品的预测当期出库量，确定上架任务的上架成本，其中，上架任务的上架成本与待上架产品的预测当期出库量负相关且与当前库存量、待上架数量和待上架产品的体积均正向关；中心储位确定单元，配置用于根据上架任务的上架成本、预先确定的产品上架成本表和预先确定的储位上架路径长度表，确定上架任务的中心储位，产品上架成本表用于表征产品标识和产品上架成本之间的对应关系，储位上架路径长度表用于表征储位标识和储位上架路径长度之间的对应关系，其中，储位上架路径长度用于表征仓库的各个仓库门到储位标识所指示的储位之间的最短路径中的最小值；生成与输出单元，配置用于基于中心储位的储位信息和目标仓库中可用储位的储位信息，生成并输出与上架任务对应的推荐储位信息集合。
在一些实施例中，预设属性集合包括以下至少一项：品类、品牌、当前月份、最近一周出库量、最近两周出库量、预设最大库存量、上期预设时刻库存量和当前库存量。
在一些实施例中，当期出库量预测模型是通过如下训练步骤训练得到的：获取初始当期出库量预测模型和预先确定的样本数据集合，其中，样本数据集合中每个样本数据包括产品在预设属性集合中各种属性下的属性信息集合和该产品对应的历史当期出库量；对于样本数据集合中的每个样本数据，生成与该样本数据中的属性信息集合对应的预设维数的特征向量；利用机器学习方法，以样本数据集合中的每个样本数据中的属性信息集合对应的预设维数的特征向量作为输入数据，以该样本数据中的历史当期出库量作为相应的输出数据，训练初始当期出库量预测模型；将训练后的初始当期出库量预测模型确定为预先训练的当期出库量预测模型。
在一些实施例中，上架成本确定单元，包括：第一计算模块，配置用于计算待上架产品在目标仓库的当前库存量与待上架数量的和；第二计算模块，配置用于计算计算所得的和与待上架产品的体积的积；第一确定模块，配置用于将计算所得的积与待上架产品的预测当期出库量的比值确定为上架任务的上架成本。
在一些实施例中，储位上架路径长度表按照储位上架路径长度从小到大的顺序排序；以及中心储位确定单元，包括：第二确定模块，配置用于将各个低上架成本产品的期望占用储位数之和确定为第一储位数之和，其中，低上架成本产品是产品上架成本表中产品上架成本小于上架任务的上架成本的各个产品标识所指示的产品；第三确定模块，配置用于将对待上架产品的期望占用储位数与预设比值的乘积进行向下取整后所得到的数目确定为第一数目，其中，预设比值为大于等于0且小于等于1的数值；第四确定模块，配置用于将第一储位数之和与第一数目的和确定为与上架任务对应的中心储位位置；第五确定模块，配置用于将储位上架路径长度表中排序为中心储位位置的储位标识所指示的储位确定为上架任务的中心储位。
在一些实施例中，预先确定的产品上架成本表是通过如下步骤得到的：对于与目标仓库对应的产品标识集合中的每个产品标识，执行以下上架成本确定操作：根据该产品标识所指示的产品在预设属性集合中每种属性下的属性信息生成预设维数的特征向量，并将所生成的特征向量导入当期出库量预测模型，得到该产品标识所指示的产品的预测当期出库量；根据该产品标识所指示的产品在目标仓库的当前库存量、该产品的体积以及该产品标识所指示的产品的预测当期出库量确定该产品标识所指示的产品的上架成本，其中，该产品标识所指示的产品的上架成本与该产品标识所指示的产品的预测当期出库量负相关且与该产品标识所指示的产品在目标仓库的当前库存量以及该产品的体积均正相关；根据与目标仓库对应的产品标识集合中的每个产品标识和该产品标识所指示的产品的上架成本，生成产品上架成本表。
在一些实施例中，预先确定的储位上架路径长度表是通过如下步骤得到的：获取与目标仓库对应的有向图，其中，有向图的各个顶点分别对应目标仓库中各个储位和目标仓库中各个仓库门，有向图中的有向边用于表征存在该有向边的起点对应的储位或者仓库门到该有向边的终点对应的储位或者仓库门二者之间的有向巷道且该二者相邻；对于目标仓库中的每个储位，执行以下储位上架路径长度确定操作：对于目标仓库的各个仓库门中的每个仓库门，根据有向图，确定从该仓库门到该储位的最短路径长度；将目标仓库的各个仓库门中从仓库门到该储位的最短路径长度中的最小值，确定为该储位的储位上架路径长度；根据目标仓库中的每个储位的储位标识和该储位的储位上架路径长度，生成储位上架路径长度表。
在一些实施例中，生成与输出单元，包括：第六确定模块，配置用于将对待上架数量与待上架产品在目标仓库的单位储位容纳产品数的比值进行向上取整所得的数目确定为子任务数目；任务拆分模块，配置用于将上架任务拆分成子任务数目个子任务；新建模块，配置用于新建空的推荐储位信息集合；第七确定模块，配置用于对于子任务数目个子任务中的每个子任务，执行以下推荐储位确定操作：查找目标仓库的各个储位中与中心储位路径最短的可用储位；将所找到的可用储位的储位信息添加到推荐储位信息集合中；以及将所找到的可用储位标记为非可用储位；输出模块，配置用于输出推荐储位信息集合。
第三方面，本申请实施例提供了一种服务器，该服务器包括：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时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。
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，其中，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的用于输出储位信息的方法和装置，通过根据待上架产品在预设属性集合中每种属性下的属性信息生成预设维数的特征向量，并将所生成的特征向量导入预先训练的当期出库量预测模型，得到待上架产品的预测当期出库量；再根据待上架产品在目标仓库的当前库存量、待上架数量、待上架产品的体积和待上架产品的预测当期出库量，确定上架任务的上架成本；接着，根据上架任务的上架成本、预先确定的产品上架成本表和预先确定的储位上架路径长度表，确定上架任务的中心储位；最后，基于中心储位和目标仓库中的可用储位，生成并输出与上架任务对应的推荐储位信息集合。从而，综合待上架产品的上架成本以及产品上架成本表、储位上架路径长度表所生成的上架任务的中心储位，是上架待上架产品的最优储位，将该中心储位周围的可用储位作为推荐储位可以减少上架任务的上架成本。即，实现了有效的储位信息输出。
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是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的用于输出储位信息的方法的一个实施例的流程图；
图3是根据本申请的用于输出储位信息的方法的一个应用场景的示意图；
图4是根据本申请的用于输出储位信息的装置的一个实施例的结构示意图；
图5是适于用来实现本申请实施例的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示出了可以应用本申请的用于输出储位信息的方法或用于输出储位信息的装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如物流类应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的物流类应用提供支持的后台服务器。后台服务器可以对接收到的上架任务等数据进行分析等处理，并将处理结果(例如推荐储位信息集合)反馈给终端设备。
需要说明的是，本申请实施例所提供的用于输出储位信息的方法一般由服务器105执行，相应地，用于输出储位信息的装置一般设置于服务器105中。
应该理解，图1中的终端设备、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终端设备、网络和服务器。
继续参考图2，其示出了根据本申请的用于输出储位信息的方法的一个实施例的流程200。该用于输出储位信息的方法，包括以下步骤：
步骤201，接收上架任务。
在本实施例中，用于输出储位信息的方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式从与上述电子设备网络连接的其他电子设备(例如图1所示的终端设备)接收上架任务，其中，上述上架任务用于将待上架数量个待上架产品上架到目标仓库。这里，上述其他电子设备可以是执行上架任务的工作人员的手持电子设备，比如，PDA(Personal Digital Assistant，个人数字助手)、平板电脑、智能手机等等。当然，上述其他电子设备也可以是执行上架任务的机器人。
步骤202，根据待上架产品在预设属性集合中每种属性下的属性信息生成预设维数的特征向量，并将所生成的特征向量导入预先训练的当期出库量预测模型，得到待上架产品的预测当期出库量。
在本实施例中，上述电子设备(例如图1所示的服务器)可以首先获取待上架产品在预设属性集合中每种属性下的属性信息。然后，根据所获取的属性信息生成预设维数的特征向量。再将所生成的预设维数的特征向量导入预先训练的当期出库量预测模型，得到待上架产品的预测当期出库量。此处，所得到的待上架产品的预测当期出库量可以用于指示预测当前预设周期内(例如，当天)待上架产品在目标仓库的出库量，待上架产品的预测当期出库量可以是一个正整数。
在本实施例中，产品的属性可以包括产品本身的属性以及产品附带属性。例如，产品本身的属性可以包括但不限于：一级品类、二级品类、三级品类、品牌、型号，产品附带属性可以包括但不限于：当前月份、最近一周出库量、最近两周出库量、预设最大库存量、上期预设时刻库存量(例如，昨天晚上八点时的库存量)和当前库存量。其中，待上架产品的最近一周出库量、最近两周出库量、预设最大库存量、上期预设时刻库存量和当前库存量均为待上架产品在目标仓库的最近一周出库量、最近两周出库量、预设最大库存量、上期预设时刻库存量和当前库存量。
需要说明的是，上述当期出库量预测模型用于表征预设维数的特征向量与当期出库量的对应关系。
作为示例，当期出库量预测模型可以是技术人员基于对大量的预设维数的特征向量和当期出库量的统计而预先制定的、存储有多个预设维数的特征向量与当期出库量的对应关系的对应关系表；也可以是技术人员基于对大量数据的统计而预先设置并存储至上述电子设备中的、对预设维数的特征向量中的一个或多个数值进行数值计算以得到用于表征当期出库量的计算结果的计算公式。
在本实施例的一些可选的实现方式中，上述当期出库量预测模型可以是通过如下训练步骤训练得到的：
首先，可以获取初始当期出库量预测模型和预先确定的样本数据集合。这里，上述样本数据集合中每个样本数据包括产品在预设属性集合中各种属性下的属性信息集合和该产品对应的历史当期出库量。这里，产品的历史当期出库量可以是该产品在目标仓库的历史上某个预设周期(例如，一天)内的出库量。例如，这里预设属性集合可以包括但不限于产品的品类、品牌、当前月份、最近一周出库量、最近两周出库量、预设最大库存量、上期预设时刻库存量和当前库存量。
需要指出的是，上述初始当期出库量预测模型可以包括但不限于梯度提升决策树(GDBT，Gradient Boosting Decision Tree)、神经网络(NN，Neural Network)、支持向量机(SVM，Support Vector Machine)、AdaBoost、随机森林(Random Forest)、以及其他现在已知或将来开发的适用于监督学习的机器学习模型。获取初始当期出库量预测模型即获取初始当期出库量预测模型的模型类型以及模型参数的参数初始值。
然后，可以对于上述样本数据集合中的每个样本数据，生成与该样本数据中的属性信息集合对应的预设维数的特征向量。这里，可以采用各种实现方式生成特征向量，本申请对此不作具体限定。
作为示例，设C＝{ci|1≤i≤p}为目标仓库中可以存储的产品所属的p个三级品类集合，B＝{bij|1≤i≤p,1≤j≤10}为以年为维度统计的品类i下出库量前10的品牌；m为当前月份，m为1到12之间的正整数；对产品标识k所指示的产品，该产品的品类为ck、品牌为bk、体积为vk、最近一周出库量为最近两周出库量为上期预设时刻库存量为当前库存量为sk、预设最大库存量为则可以按照如下步骤生成与产品标识k所指示的产品对应的样本数据中的属性信息集合对应的预设维数的特征向量：
第一、计算品牌分fbk，如果fbk为1，否则fbk为0；
第二、计算备货比srk，
第三、构建特征向量
其中，特征向量即为所生成的预设维数的特征向量。
接着，可以利用机器学习方法，以样本数据集合中的每个样本数据中的属性信息集合对应的预设维数的特征向量作为输入数据，以该样本数据中的历史当期出库量作为相应的输出数据，训练初始当期出库量预测模型。
需要说明的是，训练适用于监督学习的机器学习模型的各种方法是目前广泛研究和应用的公知技术，在此不再赘述。可以理解的是，由于初始当期出库量预测模型的模型类型的不同，相应的模型训练方法也会有所不同。
目前而言，大部分模型训练的过程可以包括：将输入数据按照模型的当前参数进行计算，得到输出结果，然后计算所得到的输出结果与输出数据之间的差异，再按照预设的优化目标，根据计算得到的差异调整模型的当前参数。
可选地，也可以在达到预设优化目标的情况下，提前结束训练，从而减少训练时间。例如，预设的优化目标可以是输出结果与输出数据之间的差异小于预设差异阈值。
最后，可以将训练后的初始当期出库量预测模型确定为预先训练的当期出库量预测模型。
步骤203，根据待上架产品在目标仓库的当前库存量、待上架数量、待上架产品的体积和待上架产品的预测当期出库量，确定上架任务的上架成本。
在本实施例中，用于输出储位信息的方法运行于其上的电子设备可以首先获取待上架产品在目标仓库的当前库存量以及待上架产品的体积。
然后，上述电子设备可以采用各种实现方式，根据待上架产品在目标仓库的当前库存量、待上架数量、待上架产品的体积和待上架产品的预测当期出库量，确定上架任务的上架成本。
在本实施例中，如果待上架产品的预测当期出库量较大，表明当期(例如，当天)就会将待上架产品出库，为此，需要将待上架产品上架至与目标仓库的仓库门之间的最短路径长度较近的储位，以便当期进行出库操作。而且，待上架产品的预测当期出库量越大，就应该将待上架产品上架至距离目标仓库的仓库门越近的储位，即，待上架产品的预测当期出库量与待上架至的储位与仓库门之间的最短路径长度负相关。
在本实施例中，为减少出库成本，正常会将上架成本较低的上架任务所涉及的待上架产品上架至与目标仓库的仓库门之间的最短路径长度较近的储位，以及将上架成本较高的上架任务所涉及的待上架产品上架至距离目标仓库的仓库门较远的储位。即，上架任务的上架成本与待上架至的储位与仓库门之间的最短路径长度正相关。
在本实施例中，由于待上架产品的预测当期出库量与待上架至的储位与仓库门之间的最短路径长度负相关，而上架任务的上架成本与待上架至的储位与仓库门的最短路径长度正相关，因而，上架任务的上架成本与待上架产品的预测当期出库量负相关，即待上架产品的预测当期出库量越大，上架任务的上架成本越低，待上架产品的预测当期出库量越小，上架任务的上架成本越高。
在本实施例中，待上架产品在目标仓库的当前库存量越大，表明将待上架产品上架后，目标仓库中的待上架产品数量就会增加越多。为了减少出库成本，仓库中数量越多的产品越应该上架至与仓库门之间的最短路径长度较远的储位，即，待上架产品在目标仓库的当前库存量与待上架至的储位与仓库门之间的最短路径长度正相关。而由上面描述可知，上架任务的上架成本是与待上架至的储位与仓库门之间的最短路径长度正相关，从而，上架任务的上架成本与待上架产品在目标仓库的当前库存量也应正相关，即待上架产品在目标仓库的当前库存量越大，上架任务的上架成本越高，待上架产品在目标仓库的当前库存量越小，上架任务的上架成本越低。
在本实施例中，如果待上架数量越大，表明将待上架产品上架后，目标仓库中的待上架产品数量就会增加越多，为了减少出库成本，仓库中数量越多的产品越应该上架至与仓库门之间的最短路径长度较远的储位，即，待上架数量与待上架至的储位与之间的最短路径长度正相关。而由上面描述可知，上架任务的上架成本与待上架至的储位与仓库门之间的最短路径长度正相关，从而，上架任务的上架成本与待上架数量也应正相关，即待上架数量越大，上架任务的上架成本越高，待上架数量越小，上架任务的上架成本越低。
在本实施例中，如果待上架产品的体积越大，表明上架待上架产品上架后，待上架产品在目标仓库中所占用的空间就会越大，为了减少出库成本，仓库中占据空间越大的产品越应该上架至与仓库门之间的最短路径长度较远的储位，即，待上架产品的体积与待上架至的储位与仓库门之间的最短路径长度正相关。而由上面描述可知，上架任务的上架成本是与待上架至的储位与仓库门之间的最短路径正相关，从而，上架任务的上架成本与待上架产品的体积也应正相关，即待上架产品的体积越大，上架任务的上架成本越高，待上架产品的体积越小，上架任务的上架成本越低。
本申请对于确定上架任务的上架成本的具体实现方式不做具体限定，只要上架任务的上架成本与待上架产品的预测当期出库量负相关且与待上架产品在目标仓库的当前库存量、待上架数量和待上架产品的体积均正向关即可。
在本实施例的一些可选的实现方式中，上述电子设备可以按照如下公式计算上架任务的上架成本：
其中：
i为待上架产品的产品标识；
outi为待上架产品i的预测当期出库量；
stoi为待上架产品i在目标仓库的当前库存量；
oni为待上架数量；
voli为待上架产品i的体积；
costi为计算所得的上架任务的上架成本。
由上述公式可以看出，上架任务的上架成本与待上架产品的预测当期出库量负相关且与待上架产品在目标仓库的当前库存量、待上架数量和待上架产品的体积均正向关。
步骤204，根据上架任务的上架成本、预先确定的产品上架成本表和预先确定的储位上架路径长度表，确定上架任务的中心储位。
在本实施例中，首先，上述电子设备可以获取预先确定的产品上架成本表和预先确定的储位上架路径长度表。
在本实施例中，产品上架成本表用于表征产品标识和产品上架成本之间的对应关系。即，上述产品上架成本表中存储了目标仓库中所存储的或者可以存储入目标仓库的各种产品的产品标识与该产品标识所指示的产品在目标仓库的上架成本之间的对应关系。作为示例，目标仓库可以为用于存储体积较大的产品的大件仓库，则大件产品可以存储到目标仓库，例如洗衣机、电视、冰箱、空调、空气净化器、抽油烟机、燃气灶等，而小件产品则不可以存储到目标仓库中，例如化妆品、衣服、鞋帽、日用品、办公用品等等。
实践中，可以为目标仓库设置对应的产品标识集合，所设置的产品标识集合中每个产品标识所指示的产品可以存储到目标仓库中。
作为示例，产品上架成本表可以是技术人员基于对目标仓库对应的产品标识集合中每个产品标识，基于该产品标识所指示的产品在目标仓库的历史入库记录和历史出库记录的统计而预先制定的、存储有产品标识与产品上架成本的对应关系的对应关系表。
在本实施例的一些可选的实现方式中，预先确定的产品上架成本表可以是通过如下步骤得到的：
首先，可以对于目标仓库对应的产品标识集合中的每个产品标识，执行以下上架成本确定操作：
第一，根据该产品标识所指示的产品在预设属性集合中每种属性下的属性信息生成预设维数的特征向量。
第二，将所生成的特征向量导入当期出库量预测模型，得到该产品标识所指示的产品的预测当期出库量。
第三，根据该产品标识所指示的产品在目标仓库的当前库存量、该产品的体积以及上述计算得到的该产品标识所指示的产品在目标仓库的预测当期出库量确定该产品标识所指示的产品在目标仓库的上架成本，其中，该产品标识所指示的产品在目标仓库的上架成本与该产品标识所指示的产品在目标仓库的预测当期出库量负相关且与该产品标识所指示的产品在目标仓库的当前库存量以及该产品的体积均正相关。
可选地，可以按照如下公式计算该产品标识所指示的产品在目标仓库的上架成本：
其中：
j为该产品标识；
outj为产品j的预测当期出库量；
stoj为产品j在目标仓库的当前库存量；
volj为产品j的体积；
costj为计算所得的产品j在目标仓库的上架成本。
然后，可以根据与目标仓库对应的产品标识集合中每个产品标识和该产品标识所指示的产品的上架成本，生成产品上架成本表。
在本实施例中，预先确定的储位上架路径长度表用于表征目标仓库中储位的储位标识和该储位的储位上架路径长度之间的对应关系，其中，目标仓库中储位的储位上架路径长度用于表征目标仓库的各个仓库门到该目标仓库的储位之间的最短路径长度中的最小值。作为示例，储位上架路径长度表可以是技术人员基于对目标仓库对应的电子地图数据而预先制定的、存储有储位标识与储位上架路径长度的对应关系的对应关系表。
在本实施例的一些可选的实现方式中，预先确定的储位上架路径长度表可以是通过如下步骤得到的：
首先，可以获取与目标仓库对应的有向图。
这里，上述有向图的各个顶点分别对应目标仓库中的各个储位和目标仓库中的各个仓库门，上述有向图中的有向边用于表征存在该有向边的起点对应的储位或者仓库门到该有向边的终点对应的储位或者仓库门二者之间的有向巷道且该二者相邻；
然后，可以对于目标仓库中的每个储位，执行以下储位上架路径长度确定操作：
第一，对于目标仓库的各个仓库门中的每个仓库门，根据所获取的目标仓库对应的有向图，确定从该仓库门到该储位的最短路径长度。
这里，可以采用各种确定有向图中两顶点之间最短路径的算法，本申请不做具体限定。例如，迪克斯特拉算法(Dijkstra's Algorithm)，A*算法(A-star Algorithm)等。
第二，将目标仓库的各个仓库门中从仓库门到该储位的最短路径长度中的最小值，确定为该储位的储位上架路径长度。
最后，可以根据目标仓库中的每个储位的储位标识和该储位的储位上架路径长度，生成储位上架路径长度表。
这里，可以直接以目标仓库中的每个储位的储位标识和该储位的储位上架路径长度形成储位上架路径长度表。
这里，也可以首先将目标仓库中各个储位的储位上架路径长度进行归一化，然后再以目标仓库中的每个储位的储位标识和该储位的归一化后的储位上架路径长度形成储位上架路径长度表。本申请对归一化的方法不做具体限定。作为示例，可以按照如下公式对储位的储位上架路径长度进行归一化：
其中：
k是目标仓库中储位的储位标识；
dk是目标仓库的储位k在归一化之前的储位上架路径长度；
D是目标仓库的各个储位在归一化之前的储位上架路径长度集合；
dmin是目标仓库的各个储位在归一化之前储位上架路径长度中的最小值；
dmax是目标仓库的各个储位在归一化之前储位上架路径长度中的最大值；
wk是目标仓库的储位k在归一化之后的储位上架路径长度；
W是计算所得的归一化之后的目标仓库的各个储位的储位上架路径长度集合。
由上述关于产品上架成本表和储位上架路径长度表的描述可知，产品上架成本表中记录了目标仓库中可以存储的产品中每种产品的上架成本。而储位上架路径长度表中记录了目标仓库中每个储位到目标仓库的各个仓库门中的最短路径长度中的最小值。为了减少出库成本，实践中，可以按照上架成本越低的产品上架至距离仓库门越近的储位，而上架成本越高的产品上架至距离仓库门越远的储位。上架任务的中心储位用于表征将待上架数量个待上架产品上架到该中心储位周围会尽可能减少出库成本。因此，低上架成本产品所在的储位对应的储位上架路径长度应尽量小于上架任务的中心储位对应的储位上架路径长度，高上架成本产品所在的储位对应的储位上架路径长度应尽量大于上架任务的中心储位对应的储位上架路径长度，其中，低上架成本产品是产品上架成本表中上架成本小于上架任务的上架成本的各个产品标识所指示的产品，高上架成本产品是产品上架成本表中上架成本大于上架任务的上架成本的各个产品标识所指示的产品。按照上述原则，上述电子设备可以在获取到预先确定的产品上架成本表和预先确定的储位上架路径长度表之后，采用各种实现方式，根据步骤202中计算所得的上架任务的上架成本、上述所获取的产品上架成本表和储位上架路径长度表，确定上架任务的中心储位。
在本实施例的一些可选的实现方式中，上述储位上架路径长度表按照储位上架路径长度从小到大的顺序排序，则步骤204可以如下进行：
首先，可以将各个低上架成本产品的期望占用储位数之和确定为第一储位数之和，其中，低上架成本产品是产品上架成本表中上架成本小于上架任务的上架成本的各个产品标识所指示的产品。这里，产品的期望占用储位数为该产品在目标仓库的期望库存量与该产品在目标仓库的单位储位容纳产品数的乘积。作为示例，可以为每个产品设置在目标仓库的期望库存量，这样可以直接获取产品在目标仓库的期望库存量。也可以为每个产品设置在目标仓库的预设最大库存量和预设最小库存量，这样也可以将产品在目标仓库的预设最大库存量和预设最小库存量的平均值作为该产品在目标仓库的期望库存量。
然后，可以将对待上架产品的期望占用储位数与预设比值的乘积进行向下取整后所得到的数目确定为第一数目，其中，上述预设比值为大于等于0且小于等于1的数值。例如，预设比值可以为0.5。
接着，可以将第一储位数之和与第一数目的和确定为与上架任务对应的中心储位位置。
最后，可以将储位上架路径长度表中排序为上述中心储位位置的储位标识所指示的储位确定为上架任务的中心储位。
作为示例，可以按照如下公式确定上架任务的中心储位：
其中：
p为目标仓库中可以存储的产品中低上架成本产品的个数；
i为1到p之间的正整数；
pi为第i个低上架成本产品的产品标识；
为产品pi的预设最大库存量；
为产品pi的预设最小库存量；
为产品pi在目标仓库的单位储位容纳产品数；
on为待上架产品的产品标识；
为待上架产品的预设最大库存量；
为待上架产品的预设最小库存量；
ton为待上架产品在目标仓库的单位储位容纳产品数；
ceil()为向下取整函数；
为计算所得的各个低上架成本产品的期望占用储位数之和；
为计算所得的待上架数量个待上架产品期望占用的储位数除以2，其中，除以2代表取一半，也即取中间、取中心的意义；
j为计算所得的中心储位的储位标识按照储位上架路径长度从小到大的顺序在储位上架路径长度中的排序。
步骤205，基于中心储位的储位信息和目标仓库中可用储位的储位信息，生成并输出与上架任务对应的推荐储位信息集合。
在本实施例中，步骤204中已经确定了上架任务的中心储位，即，将待上架数量个待上架产品上架至中心储位周围是比较节省出库成本的。因此，可以在目标仓库的各个可用储位中，采取各种实现方式，尽量选取与中心储位的最短路径长度较小的储位作为推荐储位，并用所选取的各个推荐储位储位信息生成推荐储位信息集合。最后，将所生成的推荐储位信息输出。
在本实施例的一些可选的实现方式中，可以在上述电子设备中(例如，上述电子设备的显示屏幕中)呈现所生成的推荐储位信息。
在本实施例的一些可选的实现方式中，上述电子设备也可以将上述所生成的推荐储位信息发送给与上述电子设备网络连接的其他电子设备中，以供上述其他电子设备接收并呈现上述所生成的推荐储位信息。
在本实施例的一些可选的实现方式中，步骤205可以如下进行：
第一，可以将对待上架数量与待上架产品在目标仓库的单位储位容纳产品数的比值进行向上取整所得的数目确定为子任务数目。
第二，可以将上架任务拆分成子任务数目个子任务。
第三，可以新建空的推荐储位信息集合。
第四，可以对于子任务数目个子任务中的每个子任务，执行以下推荐储位确定操作：查找目标仓库的各个储位中与中心储位路径最短的可用储位；将所找到的可用储位的储位信息添加到推荐储位信息集合中；以及将所找到的可用储位标记为非可用储位。
第五，输出推荐储位信息集合。
继续参见图3，图3是根据本实施例的用于输出储位信息的方法的应用场景的一个示意图。在图3的应用场景中，首先，服务器302从终端设备301接收到上架任务303；之后，服务器301根据上架任务303中待上架产品在预设属性集合中每种属性下的属性信息，生成预设维数的特征向量304，再将特征向量304导入预先训练的当期出库量预测模型305，得到待上架产品的预测当期出库量306；接着，服务器301根据待上架产品的当前库存量307、上架任务303中的待上架数量、待上架产品的体积308和待上架产品的预测当期出库量306，确定上架任务的上架成本309；根据上架任务的上架成本309、预先确定的产品上架成本表310和预先确定的储位上架路径长度表311，确定上架任务的中心储位312；基于中心储位312的储位信息和目标仓库中可用储位的储位信息313，生成并输出与上架任务对应的推荐储位信息集合314。
本申请的上述实施例提供的方法通过预测待上架产品的预测当期出库量，再根据待上架产品的当前库存量、待上架数量、待上架产品的体积和待上架产品的预测当期出库量，确定上架任务的上架成本，接着根据上架任务的上架成本、预先确定的产品上架成本表和预先确定的储位上架路径长度表，确定上架任务的中心储位，最后基于中心储位的储位信息和目标仓库中可用储位的储位信息，生成并输出与上架任务对应的推荐储位信息集合。实现了有效输出储位信息。
进一步参考图4，作为对上述各图所示方法的实现，本申请提供了一种用于输出储位信息的装置的一个实施例，该装置实施例与图2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4所示，本实施例的用于输出储位信息的装置400包括：上架任务接收单元401、当期出库量确定单元402、上架成本确定单元403、中心储位确定单元404和生成与输出单元405。其中，上架任务接收单元401，配置用于接收上架任务，上述上架任务用于将待上架数量个待上架产品上架到目标仓库；当期出库量确定单元402，配置用于根据上述待上架产品在预设属性集合中每种属性下的属性信息生成预设维数的特征向量，并将所生成的特征向量导入预先训练的当期出库量预测模型，得到上述待上架产品的预测当期出库量，其中，上述当期出库量预测模型用于表征上述预设维数的特征向量与当期出库量的对应关系；上架成本确定单元403，配置用于根据上述待上架产品在上述目标仓库的当前库存量、上述待上架数量、上述待上架产品的体积和上述待上架产品的预测当期出库量，确定上述上架任务的上架成本，其中，上述上架任务的上架成本与上述待上架产品的预测当期出库量负相关且与上述当前库存量、上述待上架数量和上述待上架产品的体积均正向关；中心储位确定单元404，配置用于根据上述上架任务的上架成本、预先确定的产品上架成本表和预先确定的储位上架路径长度表，确定上述上架任务的中心储位，上述产品上架成本表用于表征产品标识和产品上架成本之间的对应关系，上述储位上架路径长度表用于表征储位标识和储位上架路径长度之间的对应关系，其中，储位上架路径长度用于表征仓库的各个仓库门到储位标识所指示的储位之间的最短路径中的最小值；而生成与输出单元405，配置用于基于上述中心储位的储位信息和上述目标仓库中可用储位的储位信息，生成并输出与上述上架任务对应的推荐储位信息集合。
在本实施例中，用于输出储位信息的装置400的上架任务接收单元401、当期出库量确定单元402、上架成本确定单元403、中心储位确定单元404和生成与输出单元405的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203、步骤204和步骤205的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，上述预设属性集合可以包括以下至少一项：品类、品牌、当前月份、最近一周出库量、最近两周出库量、预设最大库存量、上期预设时刻库存量和当前库存量。
在本实施例的一些可选的实现方式中，上述当期出库量预测模型是可以通过如下训练步骤训练得到的：获取初始当期出库量预测模型和预先确定的样本数据集合，其中，上述样本数据集合中每个样本数据包括产品在上述预设属性集合中各种属性下的属性信息集合和该产品对应的历史当期出库量；对于上述样本数据集合中的每个样本数据，生成与该样本数据中的属性信息集合对应的上述预设维数的特征向量；利用机器学习方法，以上述样本数据集合中的每个样本数据中的属性信息集合对应的上述预设维数的特征向量作为输入数据，以该样本数据中的历史当期出库量作为相应的输出数据，训练上述初始当期出库量预测模型；将训练后的上述初始当期出库量预测模型确定为上述预先训练的当期出库量预测模型。
在本实施例的一些可选的实现方式中，上述上架成本确定单元403可以包括：第一计算模块4031，配置用于计算上述待上架产品在上述目标仓库的当前库存量与上述待上架数量的和；第二计算模块4032，配置用于计算计算所得的和与上述待上架产品的体积的积；第一确定模块4033，配置用于将计算所得的积与上述待上架产品的预测当期出库量的比值确定为上述上架任务的上架成本。
在本实施例的一些可选的实现方式中，上述储位上架路径长度表按照储位上架路径长度从小到大的顺序排序；以及上述中心储位确定单元404可以包括：第二确定模块4041，配置用于将各个低上架成本产品的期望占用储位数之和确定为第一储位数之和，其中，低上架成本产品是上述产品上架成本表中产品上架成本小于上述上架任务的上架成本的各个产品标识所指示的产品；第三确定模块4042，配置用于将对上述待上架产品的期望占用储位数与预设比值的乘积进行向下取整后所得到的数目确定为第一数目，其中，上述预设比值为大于等于0且小于等于1的数值；第四确定模块4043，配置用于将上述第一储位数之和与上述第一数目的和确定为与上述上架任务对应的中心储位位置；第五确定模块4044，配置用于将上述储位上架路径长度表中排序为上述中心储位位置的储位标识所指示的储位确定为上述上架任务的中心储位。
在本实施例的一些可选的实现方式中，上述预先确定的产品上架成本表可以是通过如下步骤得到的：对于与上述目标仓库对应的产品标识集合中的每个产品标识，执行以下上架成本确定操作：根据该产品标识所指示的产品在预设属性集合中每种属性下的属性信息生成上述预设维数的特征向量，并将所生成的特征向量导入上述当期出库量预测模型，得到该产品标识所指示的产品的预测当期出库量；根据该产品标识所指示的产品在上述目标仓库的当前库存量、该产品的体积以及该产品标识所指示的产品的预测当期出库量确定该产品标识所指示的产品的上架成本，其中，该产品标识所指示的产品的上架成本与该产品标识所指示的产品的预测当期出库量负相关且与该产品标识所指示的产品在目标仓库的当前库存量以及该产品的体积均正相关；根据与上述目标仓库对应的产品标识集合中的每个产品标识和该产品标识所指示的产品的上架成本，生成上述产品上架成本表。
在本实施例的一些可选的实现方式中，上述预先确定的储位上架路径长度表可以是通过如下步骤得到的：获取与上述目标仓库对应的有向图，其中，上述有向图的各个顶点分别对应上述目标仓库中各个储位和上述目标仓库中各个仓库门，上述有向图中的有向边用于表征存在该有向边的起点对应的储位或者仓库门到该有向边的终点对应的储位或者仓库门二者之间的有向巷道且该二者相邻；对于上述目标仓库中的每个储位，执行以下储位上架路径长度确定操作：对于上述目标仓库的各个仓库门中的每个仓库门，根据上述有向图，确定从该仓库门到该储位的最短路径长度；将上述目标仓库的各个仓库门中从仓库门到该储位的最短路径长度中的最小值，确定为该储位的储位上架路径长度；根据上述目标仓库中的每个储位的储位标识和该储位的储位上架路径长度，生成上述储位上架路径长度表。
在本实施例的一些可选的实现方式中，上述生成与输出单元405可以包括：第六确定模块4051，配置用于将对上述待上架数量与上述待上架产品在目标仓库的单位储位容纳产品数的比值进行向上取整所得的数目确定为子任务数目；任务拆分模块4052，配置用于将上述上架任务拆分成上述子任务数目个子任务；新建模块4053，配置用于新建空的推荐储位信息集合；第七确定模块4054，配置用于对于上述子任务数目个子任务中的每个子任务，执行以下推荐储位确定操作：查找上述目标仓库的各个储位中与上述中心储位路径最短的可用储位；将所找到的可用储位的储位信息添加到上述推荐储位信息集合中；以及将所找到的可用储位标记为非可用储位；输出模块4055，配置用于输出上述推荐储位信息集合。
下面参考图5，其示出了适于用来实现本申请实施例的服务器的计算机系统500的结构示意图。图5示出的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5所示，计算机系统500包括中央处理单元(CPU，Central Processing Unit)501，其可以根据存储在只读存储器(ROM，Read Only Memory)502中的程序或者从存储部分508加载到随机访问存储器(RAM，Random Access Memory)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM502以及RAM 503通过总线504彼此相连。输入/输出(I/O，Input/Output)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT，Cathode Ray Tube)、液晶显示器(LCD，Liquid Crystal Display)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN(局域网，Local AreaNetwork)卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，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510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508。
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，其包括承载在计算机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509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501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：一种处理器包括上架任务接收单元、当期出库量确定单元、上架成本确定单元、中心储位确定单元和生成与输出单元。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，上架任务接收单元还可以被描述为“接收上架任务的单元”。
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，当上述一个或者多个程序被该装置执行时，使得该装置：接收上架任务，上架任务用于将待上架数量个待上架产品上架到目标仓库；根据待上架产品在预设属性集合中每种属性下的属性信息生成预设维数的特征向量，并将所生成的特征向量导入预先训练的当期出库量预测模型，得到待上架产品的预测当期出库量，其中，当期出库量预测模型用于表征预设维数的特征向量与当期出库量的对应关系；根据待上架产品在目标仓库的当前库存量、待上架数量、待上架产品的体积和待上架产品的预测当期出库量，确定上架任务的上架成本，其中，上架任务的上架成本与待上架产品的预测当期出库量负相关且与当前库存量、待上架数量和待上架产品的体积均正向关；根据上架任务的上架成本、预先确定的产品上架成本表和预先确定的储位上架路径长度表，确定上架任务的中心储位，产品上架成本表用于表征产品标识和产品上架成本之间的对应关系，储位上架路径长度表用于表征储位标识和储位上架路径长度之间的对应关系，其中，储位上架路径长度用于表征仓库的各个仓库门到储位标识所指示的储位之间的最短路径中的最小值；基于中心储位的储位信息和目标仓库中可用储位的储位信息，生成并输出与上架任务对应的推荐储位信息集合。
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 (11)

1.一种用于输出储位信息的方法，包括：
接收上架任务，所述上架任务用于将待上架数量个待上架产品上架到目标仓库；
根据所述待上架产品在预设属性集合中每种属性下的属性信息生成预设维数的特征向量，并将所生成的特征向量导入预先训练的当期出库量预测模型，得到所述待上架产品的预测当期出库量，其中，所述当期出库量预测模型用于表征所述预设维数的特征向量与当期出库量的对应关系；
根据所述待上架产品在所述目标仓库的当前库存量、所述待上架数量、所述待上架产品的体积和所述待上架产品的预测当期出库量，确定所述上架任务的上架成本，其中，所述上架任务的上架成本与所述待上架产品的预测当期出库量负相关且与所述当前库存量、所述待上架数量和所述待上架产品的体积均正向关；
根据所述上架任务的上架成本、预先确定的产品上架成本表和预先确定的储位上架路径长度表，确定所述上架任务的中心储位，所述产品上架成本表用于表征产品标识和产品上架成本之间的对应关系，所述储位上架路径长度表用于表征储位标识和储位上架路径长度之间的对应关系，其中，储位上架路径长度用于表征仓库的各个仓库门到储位标识所指示的储位之间的最短路径中的最小值；
基于所述中心储位的储位信息和所述目标仓库中可用储位的储位信息，生成并输出与所述上架任务对应的推荐储位信息集合。
2.根据权利要求1所述的方法，其中，所述预设属性集合包括以下至少一项：品类、品牌、当前月份、最近一周出库量、最近两周出库量、预设最大库存量、上期预设时刻库存量和当前库存量。
3.根据权利要求2所述的方法，其中，所述当期出库量预测模型是通过如下训练步骤训练得到的：
获取初始当期出库量预测模型和预先确定的样本数据集合，其中，所述样本数据集合中每个样本数据包括产品在所述预设属性集合中各种属性下的属性信息集合和该产品对应的历史当期出库量；
对于所述样本数据集合中的每个样本数据，生成与该样本数据中的属性信息集合对应的所述预设维数的特征向量；
利用机器学习方法，以所述样本数据集合中的每个样本数据中的属性信息集合对应的所述预设维数的特征向量作为输入数据，以该样本数据中的历史当期出库量作为相应的输出数据，训练所述初始当期出库量预测模型；
将训练后的所述初始当期出库量预测模型确定为所述预先训练的当期出库量预测模型。
4.根据权利要求3所述的方法，其中，所述根据所述待上架产品在所述目标仓库的当前库存量、所述待上架数量、所述待上架产品的体积和所述待上架产品的预测当期出库量，确定所述上架任务的上架成本，包括：
计算所述待上架产品在所述目标仓库的当前库存量与所述待上架数量的和；
计算计算所得的和与所述待上架产品的体积的积；
将计算所得的积与所述待上架产品的预测当期出库量的比值确定为所述上架任务的上架成本。
5.根据权利要求4所述的方法，其中，所述储位上架路径长度表按照储位上架路径长度从小到大的顺序排序；以及
所述根据所述上架任务的上架成本、预先确定的产品上架成本表和预先确定的储位上架路径长度表，确定所述上架任务的中心储位，包括：
将各个低上架成本产品的期望占用储位数之和确定为第一储位数之和，其中，低上架成本产品是所述产品上架成本表中产品上架成本小于所述上架任务的上架成本的各个产品标识所指示的产品；
将对所述待上架产品的期望占用储位数与预设比值的乘积进行向下取整后所得到的数目确定为第一数目，其中，所述预设比值为大于等于0且小于等于1的数值；
将所述第一储位数之和与所述第一数目的和确定为与所述上架任务对应的中心储位位置；
将所述储位上架路径长度表中排序为所述中心储位位置的储位标识所指示的储位确定为所述上架任务的中心储位。
6.根据权利要求5所述的方法，其中，所述预先确定的产品上架成本表是通过如下步骤得到的：
对于与所述目标仓库对应的产品标识集合中的每个产品标识，执行以下上架成本确定操作：根据该产品标识所指示的产品在预设属性集合中每种属性下的属性信息生成所述预设维数的特征向量，并将所生成的特征向量导入所述当期出库量预测模型，得到该产品标识所指示的产品的预测当期出库量；根据该产品标识所指示的产品在所述目标仓库的当前库存量、该产品的体积以及该产品标识所指示的产品的预测当期出库量确定该产品标识所指示的产品的上架成本，其中，该产品标识所指示的产品的上架成本与该产品标识所指示的产品的预测当期出库量负相关且与该产品标识所指示的产品在目标仓库的当前库存量以及该产品的体积均正相关。
根据与所述目标仓库对应的产品标识集合中的每个产品标识和该产品标识所指示的产品的上架成本，生成所述产品上架成本表。
7.根据权利要求6所述的方法，其中，所述预先确定的储位上架路径长度表是通过如下步骤得到的：
获取与所述目标仓库对应的有向图，其中，所述有向图的各个顶点分别对应所述目标仓库中各个储位和所述目标仓库中各个仓库门，所述有向图中的有向边用于表征存在该有向边的起点对应的储位或者仓库门到该有向边的终点对应的储位或者仓库门二者之间的有向巷道且该二者相邻；
对于所述目标仓库中的每个储位，执行以下储位上架路径长度确定操作：对于所述目标仓库的各个仓库门中的每个仓库门，根据所述有向图，确定从该仓库门到该储位的最短路径长度；将所述目标仓库的各个仓库门中从仓库门到该储位的最短路径长度中的最小值，确定为该储位的储位上架路径长度；
根据所述目标仓库中的每个储位的储位标识和该储位的储位上架路径长度，生成所述储位上架路径长度表。
8.根据权利要求7所述的方法，其中，所述基于所述中心储位和所述目标仓库中的可用储位，生成并输出与所述上架任务对应的推荐储位信息集合，包括：
将对所述待上架数量与所述待上架产品在目标仓库的单位储位容纳产品数的比值进行向上取整所得的数目确定为子任务数目；
将所述上架任务拆分成所述子任务数目个子任务；
新建空的推荐储位信息集合；
对于所述子任务数目个子任务中的每个子任务，执行以下推荐储位确定操作：查找所述目标仓库的各个储位中与所述中心储位路径最短的可用储位；将所找到的可用储位的储位信息添加到所述推荐储位信息集合中；以及将所找到的可用储位标记为非可用储位；
输出所述推荐储位信息集合。
9.一种用于输出储位信息的装置，包括：
上架任务接收单元，配置用于接收上架任务，所述上架任务用于将待上架数量个待上架产品上架到目标仓库；
当期出库量确定单元，配置用于根据所述待上架产品在预设属性集合中每种属性下的属性信息生成预设维数的特征向量，并将所生成的特征向量导入预先训练的当期出库量预测模型，得到所述待上架产品的预测当期出库量，其中，所述当期出库量预测模型用于表征所述预设维数的特征向量与当期出库量的对应关系；
上架成本确定单元，配置用于根据所述待上架产品在所述目标仓库的当前库存量、所述待上架数量、所述待上架产品的体积和所述待上架产品的预测当期出库量，确定所述上架任务的上架成本，其中，所述上架任务的上架成本与所述待上架产品的预测当期出库量负相关且与所述当前库存量、所述待上架数量和所述待上架产品的体积均正向关；
中心储位确定单元，配置用于根据所述上架任务的上架成本、预先确定的产品上架成本表和预先确定的储位上架路径长度表，确定所述上架任务的中心储位，所述产品上架成本表用于表征产品标识和产品上架成本之间的对应关系，所述储位上架路径长度表用于表征储位标识和储位上架路径长度之间的对应关系，其中，储位上架路径长度用于表征仓库的各个仓库门到储位标识所指示的储位之间的最短路径中的最小值；
生成与输出单元，配置用于基于所述中心储位的储位信息和所述目标仓库中可用储位的储位信息，生成并输出与所述上架任务对应的推荐储位信息集合。
10.一种服务器，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时，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读存储介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1-8中任一所述的方法。
CN201711205350.1A 2017-11-27 2017-11-27 用于输出储位信息的方法和装置 Active CN109840648B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201711205350.1A CN109840648B (zh) 2017-11-27 2017-11-27 用于输出储位信息的方法和装置
US16/756,865 US11367044B2 (en) 2017-11-27 2018-04-04 Method and apparatus for outputting storage position information
PCT/CN2018/081957 WO2019100637A1 (zh) 2017-11-27 2018-04-04 用于输出储位信息的方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711205350.1A CN109840648B (zh) 2017-11-27 2017-11-27 用于输出储位信息的方法和装置

Publications (2)

Publication Number Publication Date
CN109840648A true CN109840648A (zh) 2019-06-04
CN109840648B CN109840648B (zh) 2021-01-26

Family

ID=66630867

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711205350.1A Active CN109840648B (zh) 2017-11-27 2017-11-27 用于输出储位信息的方法和装置

Country Status (3)

Country Link
US (1) US11367044B2 (zh)
CN (1) CN109840648B (zh)
WO (1) WO2019100637A1 (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111369055A (zh) * 2020-03-03 2020-07-03 北京旷视机器人技术有限公司 货品容器的位置确定方法、装置和电子设备
CN111815012A (zh) * 2019-12-26 2020-10-23 北京嘀嘀无限科技发展有限公司 租车平台中心仓车位分配方法、电子设备及存储介质
CN112085424A (zh) * 2019-06-14 2020-12-15 北京京东振世信息技术有限公司 存储物品的方法、装置、设备和计算机可读介质
CN112150051A (zh) * 2019-06-28 2020-12-29 北京京东振世信息技术有限公司 物品上架的方法和装置
CN112330237A (zh) * 2020-05-20 2021-02-05 北京京东振世信息技术有限公司 物品的入库方法、装置和非易失性计算机可读存储介质
CN112862136A (zh) * 2019-11-26 2021-05-28 北京京东振世信息技术有限公司 一种分拣方法、装置、系统、服务器及存储介质
CN113435805A (zh) * 2020-03-23 2021-09-24 北京京东振世信息技术有限公司 物品存储信息确定方法、装置、设备和存储介质

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101834A (zh) * 2019-06-18 2020-12-18 北京京东尚科信息技术有限公司 仓库中储位的定位方法、装置、系统及介质
CN112785212A (zh) * 2019-11-06 2021-05-11 北京京东乾石科技有限公司 一种运输设备管理方法和装置
CN112907162A (zh) * 2019-12-03 2021-06-04 北京京东乾石科技有限公司 确定物品摆放方式的方法和装置
CN113127758B (zh) * 2019-12-31 2024-05-07 深圳云天励飞技术有限公司 物品存放点推送方法、装置、电子设备及存储介质
US10796279B1 (en) * 2020-04-07 2020-10-06 Coupang Corp. Systems and methods for automated outbound profile generation
CN113723727A (zh) * 2020-05-26 2021-11-30 北京京东乾石科技有限公司 一种控制库存任务执行的方法及装置
KR102284677B1 (ko) * 2020-12-16 2021-08-03 쿠팡 주식회사 물류 정보 관리 방법 및 이를 수행하는 전자 장치
CN113435817A (zh) * 2021-07-19 2021-09-24 因格(苏州)智能技术有限公司 基于联合标识的物料管理方法、装置及存储介质
CN113673926A (zh) * 2021-07-30 2021-11-19 广州佳帆计算机有限公司 一种基于商品数量预测的入库方法及装置
CN115953115B (zh) * 2023-03-10 2023-05-26 陕西物流集团产业研究院有限公司 一种仓库的出库自动化推荐系统及方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106934580A (zh) * 2017-03-21 2017-07-07 北京京东尚科信息技术有限公司 库存控制方法以及装置
CN106966100A (zh) * 2017-05-15 2017-07-21 北京京东尚科信息技术有限公司 货物入库方法和系统
CN106980955A (zh) * 2017-03-29 2017-07-25 北京京东尚科信息技术有限公司 用于为货架确定货架储位的方法和装置
CN107122939A (zh) * 2017-04-28 2017-09-01 厦门大学 一种入库量和出库量的联合预测方法
CN107292428A (zh) * 2017-06-07 2017-10-24 国网浙江省电力公司物资分公司 一种配网电力物资采购需求预测系统
CN107358384A (zh) * 2017-06-16 2017-11-17 深圳市盛路物联通讯技术有限公司 一种仓储管理方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2350988A4 (en) 2008-10-22 2015-11-18 Newzoom Inc SALES STORE INVENTORY MANAGEMENT AND REPORTING SYSTEM
US20100138281A1 (en) 2008-11-12 2010-06-03 Yinying Zhang System and method for retail store shelf stock monitoring, predicting, and reporting
CN204355617U (zh) 2014-11-26 2015-05-27 盐城师范学院 一种基于物联网的仓储系统
CN107103446B (zh) 2017-05-19 2021-01-26 北京京东尚科信息技术有限公司 库存调度方法以及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106934580A (zh) * 2017-03-21 2017-07-07 北京京东尚科信息技术有限公司 库存控制方法以及装置
CN106980955A (zh) * 2017-03-29 2017-07-25 北京京东尚科信息技术有限公司 用于为货架确定货架储位的方法和装置
CN107122939A (zh) * 2017-04-28 2017-09-01 厦门大学 一种入库量和出库量的联合预测方法
CN106966100A (zh) * 2017-05-15 2017-07-21 北京京东尚科信息技术有限公司 货物入库方法和系统
CN107292428A (zh) * 2017-06-07 2017-10-24 国网浙江省电力公司物资分公司 一种配网电力物资采购需求预测系统
CN107358384A (zh) * 2017-06-16 2017-11-17 深圳市盛路物联通讯技术有限公司 一种仓储管理方法及装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112085424A (zh) * 2019-06-14 2020-12-15 北京京东振世信息技术有限公司 存储物品的方法、装置、设备和计算机可读介质
CN112150051A (zh) * 2019-06-28 2020-12-29 北京京东振世信息技术有限公司 物品上架的方法和装置
CN112150051B (zh) * 2019-06-28 2023-11-03 北京京东振世信息技术有限公司 物品上架的方法和装置
CN112862136A (zh) * 2019-11-26 2021-05-28 北京京东振世信息技术有限公司 一种分拣方法、装置、系统、服务器及存储介质
CN112862136B (zh) * 2019-11-26 2023-10-03 北京京东振世信息技术有限公司 一种分拣方法、装置、系统、服务器及存储介质
CN111815012A (zh) * 2019-12-26 2020-10-23 北京嘀嘀无限科技发展有限公司 租车平台中心仓车位分配方法、电子设备及存储介质
CN111369055A (zh) * 2020-03-03 2020-07-03 北京旷视机器人技术有限公司 货品容器的位置确定方法、装置和电子设备
CN111369055B (zh) * 2020-03-03 2023-08-25 北京旷视机器人技术有限公司 货品容器的位置确定方法、装置和电子设备
CN113435805A (zh) * 2020-03-23 2021-09-24 北京京东振世信息技术有限公司 物品存储信息确定方法、装置、设备和存储介质
CN113435805B (zh) * 2020-03-23 2024-04-16 北京京东振世信息技术有限公司 物品存储信息确定方法、装置、设备和存储介质
CN112330237A (zh) * 2020-05-20 2021-02-05 北京京东振世信息技术有限公司 物品的入库方法、装置和非易失性计算机可读存储介质

Also Published As

Publication number Publication date
US20210150460A1 (en) 2021-05-20
WO2019100637A1 (zh) 2019-05-31
CN109840648B (zh) 2021-01-26
US11367044B2 (en) 2022-06-21

Similar Documents

Publication Publication Date Title
CN109840648A (zh) 用于输出储位信息的方法和装置
CN106980955B (zh) 用于输出信息的方法和装置
CN109472523A (zh) 用于分拣货物的方法和装置
CN109647719A (zh) 用于分拣货物的方法和装置
CN107230035A (zh) 信息推送方法和装置
CN108734293A (zh) 任务管理系统、方法和装置
CN108108743A (zh) 异常用户识别方法和用于识别异常用户的装置
CN108776692A (zh) 用于处理信息的方法和装置
CN109684624A (zh) 一种自动识别订单地址路区的方法和装置
CN109544076A (zh) 用于生成信息的方法和装置
CN110119445A (zh) 生成特征向量和基于特征向量进行文本分类的方法和装置
CN108921323A (zh) 用于生成信息的方法和装置
CN109901987A (zh) 一种生成测试数据的方法和装置
CN109816283A (zh) 用于确定物品出库时间的方法和装置
CN108595448A (zh) 信息推送方法和装置
CN109829164A (zh) 用于生成文本的方法和装置
CN115033801B (zh) 物品推荐方法、模型训练方法及电子设备
CN108960110A (zh) 用于生成信息的方法和装置
CN107451785A (zh) 用于输出信息的方法和装置
CN108121814A (zh) 搜索结果排序模型生成方法和装置
CN109785072A (zh) 用于生成信息的方法和装置
CN108615006A (zh) 用于输出信息的方法和装置
CN110516985A (zh) 仓库选择方法、系统、计算机系统和计算机可读存储介质
CN109446379A (zh) 用于处理信息的方法和装置
CN109948773A (zh) 生成信息的方法和装置

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
TA01 Transfer of patent application right

Effective date of registration: 20190709

Address after: 100086 6th Floor, Zhichun Road, Haidian District, Beijing

Applicant after: Beijing Jingdong Zhenshi Information Technology Co.,Ltd.

Address before: 100080 First Floor 101, No. 2 Building, No. 20 Courtyard, Suzhou Street, Haidian District, Beijing

Applicant before: Beijing Jingbangda Trading Co.,Ltd.

Effective date of registration: 20190709

Address after: 100080 First Floor 101, No. 2 Building, No. 20 Courtyard, Suzhou Street, Haidian District, Beijing

Applicant after: Beijing Jingbangda Trading Co.,Ltd.

Address before: 100080 Haidian District, Beijing, 65 Xing Shu Kou Road, 11C, west section of the western part of the building, 1-4 stories West 1-4 story.

Applicant before: BEIJING JINGDONG SHANGKE INFORMATION TECHNOLOGY Co.,Ltd.

Applicant before: BEIJING JINGDONG CENTURY TRADING Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant