CN109993484A - 数据处理方法及系统、介质和计算设备 - Google Patents
数据处理方法及系统、介质和计算设备 Download PDFInfo
- Publication number
- CN109993484A CN109993484A CN201910246579.2A CN201910246579A CN109993484A CN 109993484 A CN109993484 A CN 109993484A CN 201910246579 A CN201910246579 A CN 201910246579A CN 109993484 A CN109993484 A CN 109993484A
- Authority
- CN
- China
- Prior art keywords
- warehouse
- demand
- sales volume
- specified object
- supply
- 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
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
- 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
- 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)
- Development Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明的实施方式提供了一种数据处理方法,包括:基于指定对象的历史销量和/或指定对象在指定时间范围内的预测销量,获得指定对象在各仓库的调拨需求量,其中,调拨需求量包括各供给仓库的供给量和各需求仓库的需求量;分配调拨需求量,以确定指定对象在各仓库对应的调拨分配量;基于调拨分配量,计算在各供给仓库和各需求仓库之间调拨指定对象需要支付的成本消耗;以及根据成本消耗计算结果,确定指定对象在各仓库的目标调拨量。通过分配各仓库中指定对象的调拨需求量,以获得调拨分配量,并基于调拨指定对象需要支付的成本消耗,自动实现各仓库的库存平衡。此外,本发明的实施方式还提供了一种数据处理系统、介质和计算设备。
Description
技术领域
本发明的实施方式涉及仓储物流领域,更具体地,本发明的实施方式涉及一种数据处理方法及系统、介质和计算设备。
背景技术
本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
电子商务或传统零售公司在生产销售中,一般会自建或租用多个仓库来存放商品,这些仓库一般会分布在不同区域用以覆盖各自区域中客户的购买需求。当客户下达订单后,商品会从客户所在区域的仓库发货,然后通过承运商送达客户。由于商品的种类成千上万,处于不同区域的客户购买的商品种类和数量不同,使得某些商品在某些仓库常会出现供需不均的情况。例如,在客户下达订单购买商品a时,商品a在仓库A处于缺货状态,即在仓库A中商品a的供应量小于客户的需求量,但在仓库B却可能处于积压状态,即在仓库B中商品a的供应量大于甚至远远大于需求量。若下达订单的客户在仓库A附近,则要么无法购买该商品a,要么需要从离仓库A比较远的仓库B配发该商品a,这样不仅会损失销售利润,还会造成较高的配送成本(包括物流费用和配送时间)。因此,为避免某些商品在个别仓库出现供需不均的情况,需要在仓库中的商品缺货或积压之前,对各仓库之间的商品执行库存平衡计划。
发明内容
然而,在实现本发明构思的过程中,发明人发现相关技术不仅无法解决当前业务背景中面临的上述技术问题,且算法自身也存在以下不足:
(1)包含较多业务规则。在实际应用中,业务规则是经常变化的,需要技术人员对业务规则以及相关的参数进行配置和管理。
(2)当商品的多余量不能满足商品的不足量时,其多余量的分配方式取决于具体的业务规则。但是相关技术并没有阐明如何选取最优的业务规则使得库存平衡计划符合业务目标。
(3)自动化程度低。对仓储调拨过程需要较多的人为干预,无法满足电商应用场景下对大批量,多仓库之间所有商品的调拨需求。
为此,非常需要一种改进的数据处理方法,使得在仓库中的商品出现缺货或积压之前,实现对各仓库之间的商品执行库存平衡计划,或者定期对所有仓库和商品实施库存平衡计划,克服相关技术所导致的上述问题,降低供应链的配送成本,提高销售利润,增加客户的忠诚度。
在本上下文中,本发明的实施方式期望提供一种数据处理方法及系统、介质和计算设备。
在本发明实施方式的第一方面中,提供了一种数据处理方法,包括:基于指定对象的历史销量和/或上述指定对象在指定时间范围内的预测销量,获得上述指定对象在各仓库的调拨需求量,其中,上述调拨需求量包括各供给仓库的供给量和各需求仓库的需求量;分配上述调拨需求量,以确定上述指定对象在上述各仓库对应的调拨分配量;基于上述调拨分配量,计算在上述各供给仓库和上述各需求仓库之间调拨上述指定对象需要支付的成本消耗;以及根据上述成本消耗计算结果,确定上述指定对象在上述各仓库的目标调拨量。
在本发明的一个实施例中,上述基于指定对象的历史销量,获得上述指定对象在各仓库的调拨需求量包括:基于上述指定对象在各仓库的历史销量,确定上述指定对象在上述各仓库中对应的销量占比;基于上述销量占比,确定上述指定对象在上述各仓库的目标库存量;获取上述指定对象在上述各仓库的当前库存量;以及基于上述当前库存量和上述目标库存量,获得上述指定对象在各供给仓库的供给量和在各需求仓库的需求量,其中,供给仓库的当前库存量大于目标库存量,需求仓库的当前库存量小于目标库存量。
在本发明的另一实施例中,上述基于指定对象在指定时间范围内的预测销量,获得上述指定对象在各仓库的调拨需求量包括:确定上述各仓库中上述指定对象的第一预测销量,其中,上述第一预测销量对应上述指定时间范围所对应的时间下限;确定上述各仓库中上述指定对象的第二预测销量,其中,上述第二预测销量对应上述指定时间范围所对应的时间上限;以及基于上述指定对象在上述各仓库的当前库存量、上述第一预测销量以及上述第二预测销量,获得上述指定对象在各供给仓库的供给量和在各需求仓库的需求量。
在本发明的又一个实施例中,上述基于上述指定对象在上述各仓库的当前库存量、上述第一预测销量以及上述第二预测销量,获得上述指定对象在各供给仓库的供给量和在各需求仓库的需求量包括:检测上述各仓库中是否存在当前库存量小于上述第一预测销量的需求仓库;在上述各仓库中存在当前库存量小于上述第一预测销量的上述需求仓库的情况下,确定上述需求仓库的当前库存量与上述第一预测销量的第一销量差值;以及将上述第一销量差值作为上述指定对象在上述需求仓库的需求量。
在本发明的再一个实施例中,上述基于上述指定对象在上述各仓库的当前库存量、上述第一预测销量以及上述第二预测销量,获得上述指定对象在各供给仓库的供给量和在各需求仓库的需求量包括:检测上述各仓库中是否存在当前库存量不小于上述第一预测销量且小于上述第二预测销量的供给仓库;以及在上述各仓库中存在当前库存量不小于上述第一预测销量且小于上述第二预测销量的上述供给仓库的情况下,确定上述供给仓库的供给量为零。
在本发明的再又一个实施例中,上述基于上述指定对象在上述各仓库的当前库存量、上述第一预测销量以及上述第二预测销量,获得上述指定对象在各供给仓库的供给量和在各需求仓库的需求量包括:检测上述各仓库中是否存在当前库存量不小于上述第二预测销量的供给仓库;在上述各仓库中存在当前库存量不小于上述第二预测销量的上述供给仓库的情况下,确定上述供给仓库的上述第二预测销量与上述当前库存量的第二销量差值;以及将上述第二销量差值作为上述指定对象在上述供给仓库的供给量。
在本发明的再又一个实施例中,上述分配上述调拨需求量,以确定上述指定对象在上述各仓库对应的调拨分配量包括:检测上述各供给仓库的供给量的总和是否小于上述各需求仓库的需求量的总和;以及在上述各供给仓库的供给量的总和小于上述各需求仓库的需求量的总和的情况下,按照预设规则,分配上述调拨需求量,以确定上述指定对象在上述各仓库对应的调拨分配量。
在本发明的再又一个实施例中,上述按照预设规则,分配上述调拨需求量,以确定上述指定对象在上述各仓库的调拨分配量包括:基于上述各需求仓库的需求量,确定上述各需求仓库的分配优先级;按照上述分配优先级,依次基于尚未确定调拨分配量的需求仓库的数量和供给仓库的剩余供给量的总和,确定平均供给量;获得上述尚未确定调拨分配量的需求仓库中优先级最高的需求仓库的实际需求量;以及在上述实际需求量小于上述平均供给量的情况下,将上述实际需求量确定为上述调拨分配量;或者在上述实际需求量不小于上述平均供给量的情况下,将上述平均供给量确定为上述调拨分配量。
在本发明的再又一个实施例中,上述方法还包括:获取上述各供给仓库针对上述指定对象的处理能力和/或上述各需求仓库针对上述指定对象的处理能力;以及基于上述处理能力的获取结果,确定上述指定对象在各仓库的目标调拨量。
在本发明实施方式的第二方面中,提供了一种介质,存储有计算机可执行指令,上述指令在被处理单元执行时用于实现上述任一项上述的方法。
在本发明实施方式的第三方面中,提供了一种数据处理系统,包括:第一获得模块,配置为基于指定对象的历史销量和/或上述指定对象在指定时间范围内的预测销量,获得上述指定对象在各仓库的调拨需求量,其中,上述调拨需求量包括各供给仓库的供给量和在各需求仓库的需求量;分配模块,配置为分配上述调拨需求量,以确定上述指定对象在上述各仓库对应的调拨分配量;处理模块,配置为基于上述调拨分配量,计算在上述各供给仓库和上述各需求仓库之间调拨上述指定对象需要支付的成本消耗;以及第一确定模块,配置为根据上述成本消耗计算结果,确定上述指定对象在上述各仓库的目标调拨量。
在本发明的一个实施例中,上述第一获得模块包括:第一确定子模块,配置为基于上述指定对象在各仓库的历史销量,确定上述指定对象在上述各仓库中对应的销量占比;第二确定子模块,配置为基于上述销量占比,确定上述指定对象在上述各仓库的目标库存量;获取子模块,配置为获取上述指定对象在上述各仓库的当前库存量;以及第一获得子模块,配置为基于上述当前库存量和上述目标库存量,获得上述指定对象在各供给仓库的供给量和在各需求仓库的需求量,其中,供给仓库的当前库存量大于目标库存量,需求仓库的当前库存量小于目标库存量。
在本发明的另一个实施例中,上述第一获得模块包括:第三确定子模块,配置为确定上述各仓库中上述指定对象的第一预测销量,其中,上述第一预测销量对应上述指定时间范围所对应的时间下限;第四确定子模块,配置为确定上述各仓库中上述指定对象的第二预测销量,其中,上述第二预测销量对应上述指定时间范围所对应的时间上限;以及第二获得子模块,配置为基于上述指定对象在上述各仓库的当前库存量、上述第一预测销量以及上述第二预测销量,获得上述指定对象在各供给仓库的供给量和在各需求仓库的需求量。
在本发明的又一个实施例中,上述第二获得子模块包括:第一检测单元,配置为检测上述各仓库中是否存在当前库存量小于上述第一预测销量的需求仓库;第一确定单元,配置为在上述各仓库中存在当前库存量小于上述第一预测销量的上述需求仓库的情况下,确定上述需求仓库的当前库存量与上述第一预测销量的第一销量差值;以及第一处理单元,配置为将上述第一销量差值作为上述指定对象在上述需求仓库的需求量。
在本发明的再一个实施例中,上述第二获得子模块包括:第二检测单元,配置为检测上述各仓库中是否存在当前库存量不小于上述第一预测销量且小于上述第二预测销量的供给仓库;以及第二确定单元,配置为在上述各仓库中存在当前库存量不小于上述第一预测销量且小于上述第二预测销量的上述供给仓库的情况下,确定上述供给仓库的供给量为零。
在本发明的再一个实施例中,上述第二获得子模块包括:第三检测单元,配置为检测上述各仓库中是否存在当前库存量不小于上述第二预测销量的供给仓库;第三确定单元,配置为在上述各仓库中存在当前库存量不小于上述第二预测销量的上述供给仓库的情况下,确定上述供给仓库的上述第二预测销量与上述当前库存量的第二销量差值;以及第二处理单元,配置为将上述第二销量差值作为上述指定对象在上述供给仓库的供给量。
在本发明的再一个实施例中,上述分配模块包括:检测子模块,配置为检测上述各供给仓库的供给量的总和是否小于上述各需求仓库的需求量的总和;以及分配子模块,配置为在上述各供给仓库的供给量的总和小于上述各需求仓库的需求量的总和的情况下,按照预设规则,分配上述供给量,以确定上述指定对象在上述各仓库对应的调拨分配量。
在本发明的再一个实施例中,上述分配子模块包括:第四确定单元,配置为基于上述各需求仓库的需求量,确定上述各需求仓库的分配优先级;第五确定单元,配置为按照上述分配优先级,依次基于尚未确定调拨分配量的需求仓库的数量和供给仓库的剩余供给量的总和,确定平均供给量;获得单元,配置为获得上述尚未确定调拨分配量的需求仓库中优先级最高的需求仓库的实际需求量;第六确定单元,配置为在上述实际需求量小于上述平均供给量的情况下,将上述实际需求量确定为上述调拨分配量;或者在上述实际需求量不小于上述平均供给量的情况下,将上述平均供给量确定为上述调拨分配量。
在本发明的再一个实施例中,上述系统还包括:第二获得模块,配置为获取上述各供给仓库针对上述指定对象的处理能力和/或上述各需求仓库针对上述指定对象的处理能力;以及第二确定模块,配置为基于上述处理能力的获取结果,确定上述指定对象在各仓库的目标调拨量。
在本发明实施方式的第四方面中,提供了一种计算设备,包括:处理单元;以及存储单元,存储有计算机可执行指令,上述指令在被处理单元执行时用于实现上述任一项上述的方法。
本发明可以实现库存平衡计划的自动计算,即通过分配基于指定对象的历史销量和/或指定对象在指定时间范围内的预测销量而获得的指定对象在各仓库的调拨需求量,以获得调拨分配量,并基于各供给仓库和各需求仓库之间调拨指定对象需要支付的成本消耗的计算结果,确定指定对象在各仓库的目标调拨量,最终实现各仓库的库存平衡。
此外,本发明还可以实现复杂业务场景下,库存平衡计划的执行,即在基于各供给仓库和各需求仓库之间调拨指定对象需要支付的成本消耗的计算结果的基础上,还结合各供给仓库针对指定对象的处理能力和/或各需求仓库针对指定对象的处理能力,确定指定对象在各仓库的目标调拨量,最终执行各仓库的库存平衡计划。
附图说明
通过参考附图阅读下文的详细描述,本发明示例性实施例的上述以及其他目的、特征和优点将变得易于理解。在附图中,以示例性而非限制性的方式示出了本发明的若干实施方式,其中:
图1示意性地示出了根据本发明实施例的应用场景示意图;
图2示意性地示出了根据本发明实施例的数据处理方法的流程图一;
图3A示意性地示出了根据本发明实施例的基于指定对象的历史销量,获得指定对象在各仓库的调拨需求量的流程图;
图3B示意性地示出了根据本发明实施例的基于指定对象在指定时间范围内的预测销量,获得指定对象在各仓库的调拨需求量的流程图;
图3C示意性地示出了根据本发明实施例的基于指定对象在各仓库的当前库存量、第一预测销量以及第二预测销量,获得指定对象在各供给仓库的供给量和在各需求仓库的需求量的流程图一;
图3D示意性地示出了根据本发明实施例的基于指定对象在各仓库的当前库存量、第一预测销量以及第二预测销量,获得指定对象在各供给仓库的供给量和在各需求仓库的需求量的流程图二;
图3E示意性地示出了根据本发明实施例的基于指定对象在各仓库的当前库存量、第一预测销量以及第二预测销量,获得指定对象在各供给仓库的供给量和在各需求仓库的需求量的流程图三;
图3F示意性地示出了根据本发明实施例的分配调拨需求量,以确定指定对象在各仓库对应的调拨分配量的流程图;
图3G示意性地示出了根据本发明实施例的按照预设规则,分配调拨需求量,以确定指定对象在各仓库的调拨分配量的流程图;
图3H示意性地示出了根据本发明实施例的数据处理方法的流程图二;
图4示意性地示出了根据本发明实施例的数据处理系统的框图一;
图5A示意性地示出了根据本发明实施例的第一获得模块的框图一;
图5B示意性地示出了根据本发明实施例的第一获得模块的框图二;
图5C示意性地示出了根据本发明实施例的第二获得子模块的框图一;
图5D示意性地示出了根据本发明实施例的第二获得子模块的框图二;
图5E示意性地示出了根据本发明实施例的第二获得子模块的框图三;
图5F示意性地示出了根据本发明实施例的分配模块的框图;
图5G示意性地示出了根据本发明实施例的分配子模块的框图;
图5H示意性地示出了根据本发明实施例的数据处理系统的框图二;
图6示意性地示出了根据本发明实施例的用于实现数据处理方法的计算机可读存储介质产品的示意图;以及
图7示意性地示出了根据本发明实施例的用于实现数据处理方法的计算设备的框图。
在附图中,相同或对应的标号表示相同或对应的部分。
具体实施方式
下面将参考若干示例性实施例来描述本发明的原理和精神。应当理解,给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明,而并非以任何方式限制本发明的范围。相反,提供这些实施方式是为了使本发明更加透彻和完整,并且能够将本发明的范围完整地传达给本领域的技术人员。
本领域技术人员知道,本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此,本发明可以具体实现为以下形式,即:完全的硬件、完全的软件(包括固件、驻留软件、微代码等),或者硬件和软件结合的形式。
根据本发明的实施方式,提出了一种数据处理方法及系统、介质和计算设备。
在本文中,需要理解的是,本发明所涉及的术语包括如下。
仓储调拨:将商品从一个仓库调运到另外一个仓库的过程。
调拨需求:表示商品在对应仓库相应的多余量和不足量。对应于本发明的实施例,有多余量的仓库为供给仓库,多余量为供给量,有不足量的仓库为需求仓库,不足量为需求量。
调拨流向:表示商品的调拨信息,包含调出仓,调入仓和调拨量。对应于本发明的实施例,调出仓为供给仓库,调入仓为需求仓库,调拨量为目标调拨量。
此外,附图中的任何元素数量均用于示例而非限制,以及任何命名都仅用于区分,而不具有任何限制含义。
下面参考本发明的若干代表性实施方式,详细阐释本发明的原理和精神。
发明概述
本发明的实施方式提供了一种数据处理方法,包括:基于指定对象的历史销量和/或指定对象在指定时间范围内的预测销量,获得指定对象在各仓库的调拨需求量,其中,调拨需求量包括各供给仓库的供给量和各需求仓库的需求量;分配调拨需求量,以确定指定对象在各仓库对应的调拨分配量;基于调拨分配量,计算在各供给仓库和各需求仓库之间调拨指定对象需要支付的成本消耗;以及根据成本消耗计算结果,确定指定对象在各仓库的目标调拨量。
在介绍了本发明的基本原理之后,下面具体介绍本发明的各种非限制性实施方式。
应用场景总览
首先参考图1详细阐述本发明实施例的数据处理方法及系统的应用场景。
图1示意性地示出了根据本发明实施例的应用场景示意图。需要注意的是,图1仅为可以应用本发明实施例的应用场景的示例,以帮助本领域技术人员理解本发明的技术内容,但并不意味着本发明实施方式不可以用于其他设备、系统、环境或场景。
本发明实施例的数据处理方法及系统可以应用在如图1所示的仓储调拨场景100。如图1所示,该应用场景中可以包括多个仓库,分别是仓库A、仓库B、仓库C和仓库D,这些仓库一般会分布在不同区域以覆盖各自区域中客户的购买需求。其中,每个仓库有各自存放的商品(即本发明中的指定对象),即仓库A中存放有指定对象a、b、c,仓库B中存放有指定对象a、b、c,仓库C中存放有指定对象a、b、c、e,仓库D中存放有指定对象a、b、c、d。
由于商品的种类成千上万,处于不同区域的客户购买的商品种类和数量不同,使得某些商品在某些仓库常会出现供需不均的情况。例如,在客户下达订单购买商品a时,商品a在仓库A处于缺货状态,即在仓库A中商品a的供应量小于客户的需求量,但在仓库B中商品a却可能处于积压状态,即在仓库B中商品a的供应量大于甚至远远大于需求量。若下达订单的客户在仓库A附近,则要么无法购买该商品a,要么需要从离仓库A比较远的仓库B配发该商品a,这样不仅会损失销售利润,还会造成较高的配送成本(包括物流费用和配送时间)。因此,为避免某些商品在个别仓库出现供需不均的情况,需要在仓库中的商品缺货或积压之前,对各仓库之间的商品执行库存平衡计划。
应该理解,图1中的仓库的数目和各仓库中存放的指定对象的数目也仅仅是示意性的。根据业务场景的实际情况,可以具有任意数目的仓库和指定对象。
示例性方法
下面结合图1的应用场景,参考图2来描述根据本发明示例性实施例的数据处理方法。需要注意的是,上述应用场景仅是为了便于理解本发明的精神和原理而示出,本发明的实施方式在此方面不受任何限制。相反,本发明的实施方式可以应用于适用的任何场景。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本发明实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本发明的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
图2示意性地示出了根据本发明实施例的数据处理方法的流程图一。
如图2所示,该数据处理方法包括操作S210~操作S240。其中:
在操作S210,基于指定对象的历史销量和/或指定对象在指定时间范围内的预测销量,获得指定对象在各仓库的调拨需求量。
根据本发明的示例性实施例,指定对象指一个或多个商品,可以是当前仓库中有的商品,也可以是即将调入到当前仓库中的商品。仓库中的调拨需求量包括商品在所有仓库相应的多余量和不足量,即各供给仓库的供给量和各需求仓库的需求量。可以仅采用平衡调拨算法,根据指定对象的历史销量确定调拨需求量(详见下文关于图3A的描述,此处不再赘述),也可以仅采用按需调拨算法,根据指定对象在指定时间范围内的预测销量确定调拨需求量(详见下文关于图3B~图3E的描述,此处不再赘述),还可以采用混合调拨算法,分别采用平衡调拨算法和按需调拨算法,取两种算法得出的调拨需求量的最小值,这样可以减少不必要的调拨开支。
需要说明的是,上述三种确定调拨需求量的算法可以根据业务的实际需要,在不同的算法之间自由切换。
在操作S220,分配调拨需求量,以确定指定对象在各仓库对应的调拨分配量。
根据本发明的示例性实施例,由操作S210确定的指定对象在各仓库的调拨需求可能是均衡的,即对于同一个指定对象而言,各供给仓库的供给量的总和(多余量)不小于各需求仓库的需求量的总和(不足量),也可能是不均衡的,即对于同一个指定对象而言,各供给仓库的供给量的总和(多余量)小于各需求仓库的需求量的总和(不足量)。因此,在获得指定对象在各仓库的调拨需求量之后,需要分配该调拨需求量,以确定指定对象在各仓库对应的调拨分配量。
在操作S230,基于调拨分配量,计算在各供给仓库和各需求仓库之间调拨指定对象需要支付的成本消耗。
在操作S240,根据成本消耗计算结果,确定指定对象在各仓库的目标调拨量。
根据本发明的示例性实施例,针对指定对象,基于调拨分配量,可以确定相应的供给仓库、需求仓库和目标调拨量。由于不同仓库之间的运输成本不同,所以需要计算在各供给仓库和各需求仓库之间调拨指定对象需要支付的成本消耗,获得运输成本最低的调拨流向。具体地,针对指定对象,建立数学模型,通过求解数学模型得到指定对象的调拨流向。
优化目标是最小化运输成本同时满足调拨需求,得到如下所示的线性规划(Linear Programming)数学模型。
fi,j,k≥0
其中:
ci,j,k表示商品k从仓库i到仓库j的单位运输成本。
fi,j,k表示从仓库i到仓库j调拨商品k的个数。
表示最终得到的调拨方案能够满足仓库的调拨需求,并且使得总的运费成本最低。
表示从仓库i向外调拨出去的商品k的总个数,不能超过仓库i中商品k的剩余个数。
表示从仓库i向外调拨出去的商品k的总个数,各供给仓库调拨出去的商品总数要满足各需求仓库对商品k的总需求。
fi,j,k≥0表示调拨的商品数量要大于等于0。
例如,某商品在仓库A,B,C,D的调拨分配量如表1所示。
表1
仓库 | 调拨分配量 |
A | -100 |
B | -200 |
C | 200 |
D | 200 |
该商品在各仓库之间的单位运输成本如表2所示(单位:元)。
表2
A | B | C | D | |
A | 0 | 5 | 5 | 15 |
B | 5 | 0 | 12 | 10 |
C | 5 | 12 | 0 | 8 |
D | 10 | 20 | 8 | 0 |
由表1可知,仓库A和仓库B是需求仓,仓库C和仓库D是供给仓,且仓库C和仓库D中的供给量(400)能够满足仓库A和仓库B的需求量(300)。
基于表1所列的调拨分配量,结合表2中各仓库之间的单位运输成本,计算在供给仓库A、B和需求仓库C和D之间调拨指定对象需要支付的成本消耗。
方法一:从仓库C调拨100件给仓库A,成本消耗为500元,仓库C调拨100件到仓库B,成本消耗为1200元,仓库D调拨100件到仓库B,成本消耗为2000元,总成本消耗为3700元。
方法二:从仓库D调拨100件给仓库A,成本为1000元,从仓库C调拨200件到仓库B,成本为2400元,总成本为3400元。
由于方法二比方法一需要支付的调拨成本更低,因此,最终确定指定对象在各仓库的目标调拨量为从仓库D调拨100件给仓库A,从仓库C调拨200件到仓库B。
下面参考图3A~图3H,结合具体实施例对图2所示的数据处理方法做进一步详细说明。
通过本发明的示例性实施例,可以实现库存平衡计划的自动计算,即通过分配基于指定对象的历史销量和/或指定对象在指定时间范围内的预测销量而获得的指定对象在各仓库的调拨需求量,以获得调拨分配量,并基于各供给仓库和各需求仓库之间调拨指定对象需要支付的成本消耗的计算结果,确定指定对象在各仓库的目标调拨量,最终实现各仓库的库存平衡。
图3A示意性地示出了根据本发明实施例的基于指定对象的历史销量,获得指定对象在各仓库的调拨需求量的流程图。
如图3A所示,前述操作S210(基于指定对象的历史销量,获得指定对象在各仓库的调拨需求量)包括操作S311~操作S314,其中:
在操作S311,基于指定对象在各仓库的历史销量,确定指定对象在各仓库中对应的销量占比。
在操作S312,基于销量占比,确定指定对象在各仓库的目标库存量。
在操作S313,获取指定对象在各仓库的当前库存量。
在操作S314,基于当前库存量和目标库存量,获得指定对象在各供给仓库的供给量和在各需求仓库的需求量。
根据本发明的示例性实施例,假设订单的概率分布不变。首先基于历史的订单分布计算商品的出库比例,其次计算商品在各个仓库的调拨需求量,其中,供给仓库的当前库存量大于目标库存量,需求仓库的当前库存量小于目标库存量。
具体地,基于指定对象在各仓库的历史销量,确定指定对象在各仓库中对应的销量占比:
基于销量占比,确定指定对象在各仓库的目标库存量:
基于当前库存量和目标库存量,获得指定对象在各供给仓库的供给量和在各需求仓库的需求量:
demandi,k=invi,k-obji,k
其中:
i表示仓库编号,i=1,2,...,n(n表示商品种类的总数);
k表示商品编号,k=1,2,...,m(m表示仓库总数);
t表示日期(范围事先给定);
salei,k,t表示商品k在仓库i日期t的销量(或权重);
invi,k表示商品k在仓库i的当前库存量;
demandi,k表示商品k在仓库i的当前需求,若为正值代表多余量,若为负值,其绝对值代表不足量。一般要求demandi,k是整数,因此,可以按照实际的业务需求对结果取整,例如向上或向下取整。
通过本发明的示例性实施例,基于历史的订单分布确定指定对象的出库比例,最终确定该指定对象的调拨需求,使得调拨需求的计算结果符合仓库的历史订单情况,客观反映指定对象在各仓库中的实际需求。
图3B示意性地示出了根据本发明实施例的基于指定对象在指定时间范围内的预测销量,获得指定对象在各仓库的调拨需求量的流程图。
如图3B所示,在该实施例中,前述操作S210(基于指定对象在指定时间范围内的预测销量,获得指定对象在各仓库的调拨需求量)包括操作S321~操作S323。其中:
在操作S321,确定各仓库中指定对象的第一预测销量。
在操作S322,确定各仓库中指定对象的第二预测销量。
在操作S323,基于指定对象在各仓库的当前库存量、第一预测销量以及第二预测销量,获得指定对象在各供给仓库的供给量和在各需求仓库的需求量。
根据本发明的示例性实施例,第一预测销量对应指定时间范围所对应的时间下限,第二预测销量对应指定时间范围所对应的时间上限。可以基于指定对象在各仓库的当前库存量、第一预测销量以及第二预测销量,获得指定对象在各供给仓库的供给量和在各需求仓库的需求量。具体地:
其中:
s表示指定时间范围所对应的时间下限。
l表示指定时间范围所对应的时间上限。
invi,k表示当前库存量。
predicti,k,s表示第一预测销量。
predicti,k,l表示第二预测销量。
需要说明的是,指定对象在某仓库的当前库存量、第一预测销量以及第二预测销量可以有如下三种情况:
情况一:指定对象在某仓库的当前库存量小于第一预测销量(详见下文关于图3C的描述,此处不再赘述)。
情况二:指定对象在某仓库的当前库存量不小于第一预测销量且小于第二预测销量(详见下文关于图3D的描述,此处不再赘述)。
情况三:指定对象在某仓库的当前库存量不小于第二预测销量(详见下文关于图3E的描述,此处不再赘述)。
图3C示意性地示出了根据本发明实施例的基于指定对象在各仓库的当前库存量、第一预测销量以及第二预测销量,获得指定对象在各供给仓库的供给量和在各需求仓库的需求量的流程图一。
如图3C所示,前述操作S323(基于指定对象在各仓库的当前库存量、第一预测销量以及第二预测销量,获得指定对象在各供给仓库的供给量和在各需求仓库的需求量)包括操作S331~操作S333。其中:
在操作S331,检测各仓库中是否存在当前库存量小于第一预测销量的需求仓库。
在操作S332,在各仓库中存在当前库存量小于第一预测销量的需求仓库的情况下,确定需求仓库的当前库存量与第一预测销量的第一销量差值。
在操作S333,将第一销量差值作为指定对象在需求仓库的需求量。
根据本发明的示例性实施例,针对上述情况一:指定对象在某仓库的当前库存量小于第一预测销量,可以基于当前库存量与第一预测销量确定指定对象在需求仓库的需求量。
假设有三个仓库A,B,C,有三种商品a,b,c。
三种商品在各仓库的库存分布情况如表3所示(即invi,k,其中:i代表仓库,k代表商品)。
表3
三种商品在三个仓库的20天的销量预测值(对应库存销售天数下界的销量预测,即predicti,k,s)如表4所示。
表4
三种商品在三个仓库的40天的销量预测值(对应库存销售天数上界的销量预测,即predicti,k,l)如表5所示。
表5
以上述表3至表5所示的数据为例,商品a在仓库A的库存量(100)小于销售天数下界的预测销量(200),则商品a在仓库A的调拨需求量为:min(100-300,0)=-200,负值表示仓库A中商品a不足,不足量为200。
图3D示意性地示出了根据本发明实施例的基于指定对象在各仓库的当前库存量、第一预测销量以及第二预测销量,获得指定对象在各供给仓库的供给量和在各需求仓库的需求量的流程图二。
如图3D所示,前述操作S323(基于指定对象在各仓库的当前库存量、第一预测销量以及第二预测销量,获得指定对象在各供给仓库的供给量和在各需求仓库的需求量)包括操作S341~操作S343。其中:
在操作S341,检测各仓库中是否存在当前库存量不小于第一预测销量且小于第二预测销量的供给仓库。
在操作S342,在各仓库中存在当前库存量不小于第一预测销量且小于第二预测销量的供给仓库的情况下,确定供给仓库的供给量为零。
根据本发明的示例性实施例,针对情况二:指定对象在某仓库的当前库存量不小于第一预测销量且小于第二预测销量,可以确定供给仓库的供给量为零。
以上述表3至表5所示的数据为例,商品a在仓库C的库存量(100)大于销售天数下界的销量预测(50),且小于销售天数上界的销量预测(120),此时仓库C中商品a无需调拨,供给量为零。
图3E示意性地示出了根据本发明实施例的基于指定对象在各仓库的当前库存量、第一预测销量以及第二预测销量,获得指定对象在各供给仓库的供给量和在各需求仓库的需求量的流程图三。
如图3E所示,前述操作S323(基于指定对象在各仓库的当前库存量、第一预测销量以及第二预测销量,获得指定对象在各供给仓库的供给量和在各需求仓库的需求量)包括操作S351~操作S353。其中:
在操作S351,检测各仓库中是否存在当前库存量不小于第二预测销量的供给仓库。
在操作S352,在各仓库中存在当前库存量不小于第二预测销量的供给仓库的情况下,确定供给仓库的第二预测销量与当前库存量的第二销量差值。
在操作S353,将第二销量差值作为指定对象在供给仓库的供给量。
根据本发明的示例性实施例,针对情况三:指定对象在某仓库的当前库存量不小于第二预测销量,可以基于第二预测销量与当前库存量确定指定对象在供给仓库的供给量。
以上述表3至表5所示的数据为例,商品a在仓库B的库存量(300)不小于销售天数上界的预测销量(100),则a商品在仓库B的调拨需求为:max(300-100,0)=200,所以仓库B中商品a的供给量为200。
再以上述表3至表5所示的数据为例,商品c在仓库A的库存量(300)不小于销售天数上界的销量预测(150),则商品c在仓库A的调拨需求为:max(300-150,0)=150,正值表示仓库A中商品c有多余量,多余量为150。
类似地,可以计算出其他商品在各仓库的调拨需求,如表6所示。
表6
通过本发明的示例性实施例,基于指定对象在各仓库的预测销量值来计算调拨需求,可以使得调拨需求的计算结果满足其在各仓库的销量预测,在仓库出现指定对象缺货或积压之前,对多个仓库之间的商品执行库存平衡计划。
图3F示意性地示出了根据本发明实施例的分配调拨需求量,以确定指定对象在各仓库对应的调拨分配量的流程图。
如图3F所示,前述操作S220(分配调拨需求量,以确定指定对象在各仓库对应的调拨分配量)包括操作S361和操作S362。其中:
在操作S361,检测各供给仓库的供给量的总和是否小于各需求仓库的需求量的总和。
在操作S362,在各供给仓库的供给量的总和小于各需求仓库的需求量的总和的情况下,按照预设规则,分配调拨需求量,以确定指定对象在各仓库对应的调拨分配量。
根据本发明的示例性实施例,若调拨需求是均衡的,即各供给仓库的供给量的总和大于等于各需求仓库的需求量的总和,则可以将各供给仓库的供给量的总和,按照各需求仓库的实际需求量分配。
若调拨需求不是均衡的,即各供给仓库的供给量的总和小于各需求仓库的需求量的总和,则需要把供给仓库的多余量按预设规则分配给不足量的仓库,详见定指定对象在各仓库对应的调拨分配量。本发明提供两种分配方法,详见下文所述。
通过本发明的示例性实施例,在各供给仓库的供给量的总和小于各需求仓库的需求量的总和的情况下,按照预设规则,将调拨需求量分配给各需求仓库,可以实现调拨需求量的优化调整。
图3G示意性地示出了根据本发明实施例的按照预设规则,分配供给量,以确定指定对象在各仓库的调拨分配量的流程图。
如图3G所示,前述操作S362(按照预设规则,分配调拨需求量,以确定指定对象在各仓库对应的调拨分配量)包括操作S371~操作S374,或者包括操作S371~操作S373以及操作S375(图中未示出)。其中:
在操作S371,基于各需求仓库的需求量,确定各需求仓库的分配优先级。
在操作S372,按照分配优先级,依次基于尚未确定调拨分配量的需求仓库的数量和供给仓库的剩余供给量的总和,确定平均供给量。
在操作S373,获得尚未确定调拨分配量的需求仓库中优先级最高的需求仓库的实际需求量。
在操作S374,在实际需求量小于平均供给量的情况下,将实际需求量确定为调拨分配量。
在操作S375,在实际需求量不小于平均供给量的情况下,将平均供给量确定为调拨分配量。
根据本发明的示例性实施例,分别提供Constrained Equal Award(CEA)和Nucleolus两种分配方法,实现调拨需求量的分配。其中:
CEA方法的总体思想是在不超过各需求仓库的需求量的前提下,平均分配各供给仓库的供给量的总和(多余量),具体算法描述如下。
将各需求仓库的需求量{di}按升序排列,即d1≤d2≤...≤dn。
计算
更新E=max(E-x1,0),令
更新E=max(E-x2,0),令并依次类推计算x4,...xn。
例如,商品a在各个仓库A,B,C,D中的需求量如表7所示。
表7
仓库 | 调拨需求 | 对应符号 | 调整后的需求 |
A | -100 | d<sub>1</sub>=100 | -90 |
B | -200 | d<sub>2</sub>=200 | -90 |
C | -300 | d<sub>3</sub>=300 | -90 |
D | 270 | E |
仓库D的调拨需求是270,是供给仓库,仓库A、仓库B和仓库C的调拨需求绝对值分别为100、200、300,按照需求从小到大的顺序,将各需求仓库进行排序A、B、C,对仓库A,仓库B和仓库C的实际调拨需求进行调整分配。
总共三个需求仓库,n=3,按照公式步骤2可以得到调整后的仓库A的调拨需求是min(100,270/3)=90。然后按照公式步骤3继续更新仓库B的需求,首先更新当前仓库D能够向外调拨出库的量(即调拨需求E),得到更新后的E=max(270-90,0)=180,然后调整仓库B的调拨需求是min(200,180/(3-1))=90。同理,更新仓库C的调拨需求,首先更新E得到更新后的E=max(180-90,0)=90,然后更新仓库C的调拨需求为min(300,90/(3-2))=90,最终得到的调拨需求如表7最后一列。
Nucleolus方法利用合作博弈论的方法建模,采用Nucleolus分配方案,具体算法描述如下。
步骤1:计算Ek,di,k。
di,k=-min(demandi,k,0)
步骤2:计算xi,k=Nucleolus(Ek,di,k),
步骤2:计算商品需求
其中,Ek表示商品k在所有供给仓库的供给量之和。
di,k表示仓库i中商品k的不足量。
xi,k表示给仓库k中分配的商品k的数量。
例如,商品a在仓库A,B,C,D中的调拨需求量如表8所示。
表8
仓库 | 调拨需求量 | 调拨分配量 |
A | -200 | 90 |
B | -400 | 90 |
C | -600 | 90 |
D | 270 |
首先根据步骤1,得到供给总量E=270,d1=200,d2=400,d3=600,需求总量D=1200。
可知,供应仓库的总供给量为270,需求仓库的总需求量为1200,由于满足条件E≤D/2。
因此,根据CEA最终确定的各需求仓库的调拨分配量分别为:x1=90,x2=90,x3=90。
又例如,商品a在仓库A,B,C,D中的调拨需求量如表9所示。
表9
仓库 | 调拨需求量 | 调拨分配量 |
A | -100 | 50 |
B | -200 | 100 |
C | -300 | 120 |
D | 270 |
首先根据步骤1,得到供给总量E=270,d1=100,d2=200,d3=300,需求总量D=600。
可知,供应仓库的总供给量为270,需求仓库的总需求量为600,由于满足条件E≤D/2。
因此,根据最终确定的各需求仓库的调拨分配量分别为:x1=50,x2=100,x3=120。
再例如,商品a在仓库A,B,C,D中的调拨需求量如表10所示。
表10
仓库 | 调拨需求量 | 调拨分配量 |
A | -100 | 50 |
B | -200 | 100 |
C | -300 | 180 |
D | 330 |
首先根据步骤1,得到E=330,d1=100,d2=200,d3=300,D=600。
可知,供应仓库的总供给量为330,需求仓库的总需求量为600,由于满足条件D/2≤E≤D。
因此,根据最终确定的各需求仓库的调拨分配量分别为:x1=50,x2=100,x3=180。
再例如,商品a在仓库A,B,C,D中的调拨需求量如表11所示。
表11
仓库 | 调拨需求量 | 调拨分配量 |
A | -100 | 100 |
B | -200 | 200 |
C | -300 | 300 |
D | 800 |
首先根据步骤1,得到E=800,d1=100,d2=200,d3=300,D=600。
可知,供应仓库的总供给量为800,需求仓库的总需求量为600,由于满足条件D≤E,满足各个需求仓库的需求。因此,按照各需求仓的调拨分配量等于调拨需求量。
通过本发明的示例性实施例,根据供应仓库的总供给量和需求仓库的总需求量之间的关系,不仅可以在供应仓库的总供给量不大于需求仓库的总需求量的情况下,实现利用不同的分配算法,确定各需求仓库的调拨分配量,而且还可以兼顾各需求仓库之间的优先顺序,公平合理,达到产品在仓库出现缺货或积压之前,在多个仓库之间执行库存平衡计划的技术效果。
图3H示意性地示出了根据本发明实施例的数据处理方法的流程图二。
如图3H所示,该方法除了包括前述操作S210~操作S240之外,还包括操作S381以及操作S382。其中:
在操作S381,获取各供给仓库针对指定对象的处理能力和/或各需求仓库针对指定对象的处理能力。
在操作S382,基于处理能力的获取结果,确定指定对象在各仓库的目标调拨量。
考虑到仓库工作人员或货车可以处理的商品件数是有上限的,因此,根据本发明的示例性实施例,在确定指定对象在各仓库的目标调拨量时,除了考虑各供给仓库和各需求仓库之间调拨指定对象需要支付的成本消耗之外,还考虑仓库的处理能力,使得指定对象能顺利出库和入库。
通过本发明的示例性实施例,基于各仓库的处理能力,确定指定对象在各仓库的目标调拨量,可以最终库存平衡计划的执行更加顺畅。
示例性装置
在介绍了本发明示例性实施例的示例性方式之后,接下来,参考图4对本发明示例性实施例的用于实现上述数据处理方法的数据处理系统进行详细阐述。
图4示意性地示出了根据本发明实施例的数据处理系统的框图一。
该数据处理系统400可以用来实现参考图2、图3A至图3H所示的数据处理方法。
如图4所示,该数据处理系统400包括第一获得模块410、分配模块420、处理模块430和第一确定模块440。其中:
第一获得模块410,配置为基于指定对象的历史销量和/或指定对象在指定时间范围内的预测销量,获得指定对象在各仓库的调拨需求量,其中,调拨需求量包括各供给仓库的供给量和在各需求仓库的需求量。
分配模块420,配置为分配调拨需求量,以确定指定对象在各仓库对应的调拨分配量;
处理模块430,配置为基于调拨分配量,计算在各供给仓库和各需求仓库之间调拨指定对象需要支付的成本消耗;以及
第一确定模块440,配置为根据成本消耗计算结果,确定指定对象在各仓库的目标调拨量。
通过本发明的示例性实施例,可以实现库存平衡计划的自动计算,即通过分配基于指定对象的历史销量和/或指定对象在指定时间范围内的预测销量而获得的指定对象在各仓库的调拨需求量,以获得调拨分配量,并基于各供给仓库和各需求仓库之间调拨指定对象需要支付的成本消耗的计算结果,确定指定对象在各仓库的目标调拨量,最终实现各仓库的库存平衡。
图5A示意性地示出了根据本发明实施例的第一获得模块的框图一。
如图5A所示,前述第一获得模块410包括第一确定子模块511、第二确定子模块512、获取子模块513以及第一获得子模块514。其中:
第一确定子模块511,配置为基于指定对象在各仓库的历史销量,确定指定对象在各仓库中对应的销量占比。
第二确定子模块512,配置为基于销量占比,确定指定对象在各仓库的目标库存量。
获取子模块513,配置为获取指定对象在各仓库的当前库存量。
第一获得子模块514,配置为基于当前库存量和目标库存量,获得指定对象在各供给仓库的供给量和在各需求仓库的需求量。
通过本发明的示例性实施例,基于历史的订单分布确定指定对象的出库比例,最终确定该指定对象的调拨需求,使得调拨需求的计算结果符合仓库的历史订单情况,客观反映指定对象在各仓库中的实际需求。
图5B示意性地示出了根据本发明实施例的第一获得模块的框图二。
如图5B所示,前述第一获得模块410包括第三确定子模块521、第四确定子模块522以及第二获得子模块523。其中:
第三确定子模块521,配置为确定各仓库中指定对象的第一预测销量,其中,第一预测销量对应指定时间范围所对应的时间下限。
第四确定子模块522,配置为确定各仓库中指定对象的第二预测销量,其中,第二预测销量对应指定时间范围所对应的时间上限。
第二获得子模块523,配置为基于指定对象在各仓库的当前库存量、第一预测销量以及第二预测销量,获得指定对象在各供给仓库的供给量和在各需求仓库的需求量。
图5C示意性地示出了根据本发明实施例的第二获得子模块的框图一。
如图5C所示,前述第二获得子模块523包括第一检测单元531、第一确定单元532以及第一处理单元533。其中:
第一检测单元531,配置为检测各仓库中是否存在当前库存量小于第一预测销量的需求仓库。
第一确定单元532,配置为在各仓库中存在当前库存量小于第一预测销量的需求仓库的情况下,确定需求仓库的当前库存量与第一预测销量的第一销量差值。
第一处理单元533,配置为将第一销量差值作为指定对象在需求仓库的需求量。
图5D示意性地示出了根据本发明实施例的第二获得子模块的框图二。
如图5D所示,前述第二获得子模块523包括第二检测单元541、第二确定单元542以及第二处理单元543。其中:
第二检测单元541,配置为检测各仓库中是否存在当前库存量不小于第一预测销量且小于第二预测销量的供给仓库。
第二确定单元542,配置为在各仓库中存在当前库存量不小于第一预测销量的供给仓库的情况下,确定供给仓库的供给量为零。
图5E示意性地示出了根据本发明实施例的第二获得子模块的框图三。
如图5E所示,前述第二获得子模块523包括第三检测单元551、第三确定单元552以及第三处理单元553。其中:
第三检测单元551,配置为检测各仓库中是否存在当前库存量不小于第二预测销量的供给仓库。
第三确定单元552,配置为在各仓库中存在当前库存量不小于第二预测销量的供给仓库的情况下,确定供给仓库的第二预测销量与当前库存量的第二销量差值。
第二处理单元553,配置为将第二销量差值作为指定对象在供给仓库的供给量。
通过本发明的示例性实施例,基于指定对象在各仓库的预测销量值来计算调拨需求,可以使得调拨需求的计算结果满足其在各仓库的销量预测,在仓库出现指定对象缺货或积压之前,对多个仓库之间的商品执行库存平衡计划。
图5F示意性地示出了根据本发明实施例的分配模块的框图。
如图5F所示,前述分配模块420包括检测子模块561以及分配子模块562。其中:
检测子模块561,配置为检测各供给仓库的供给量的总和是否小于各需求仓库的需求量的总和。
分配子模块562,配置为在各供给仓库的供给量的总和小于各需求仓库的需求量的总和的情况下,按照预设规则,分配供给量,以确定指定对象在各仓库对应的调拨分配量。
通过本发明的示例性实施例,在各供给仓库的供给量的总和小于各需求仓库的需求量的总和的情况下,按照预设规则,将调拨需求量分配给各需求仓库,可以实现调拨需求量的优化调整。
图5G示意性地示出了根据本发明实施例的分配子模块的框图。
如图5G所示,前述分配子模块562包括第四确定单元571、第五确定单元572、获得单元573以及第六确定单元574。其中:
第四确定单元571,配置为基于各需求仓库的需求量,确定各需求仓库的分配优先级。
第五确定单元572,配置为按照分配优先级,依次基于尚未确定调拨分配量的需求仓库的数量和供给仓库的剩余供给量的总和,确定平均供给量。
获得单元573,配置为获得尚未确定调拨分配量的需求仓库中优先级最高的需求仓库的实际需求量。
第六确定单元574,配置为在实际需求量小于平均供给量的情况下,将实际需求量确定为调拨分配量;或者在实际需求量不小于平均供给量的情况下,将平均供给量确定为调拨分配量。
通过本发明的示例性实施例,根据供应仓库的总供给量和需求仓库的总需求量之间的关系,不仅可以在供应仓库的总供给量不大于需求仓库的总需求量的情况下,实现利用不同的分配算法,确定各需求仓库的调拨分配量,而且还可以兼顾各需求仓库之间的优先顺序,公平合理,达到产品在仓库出现缺货或积压之前,在多个仓库之间执行库存平衡计划的技术效果。
图5H示意性地示出了根据本发明实施例的数据处理系统的框图二。
如图5H所示,该数据处理装置500除了包括前述第一获得模块410、分配模块420、处理模块430和第一确定模块440之外,还包括第二获得模块581以及第二确定模块582。其中:
第二获得模块581,配置为获取各供给仓库针对指定对象的处理能力和/或各需求仓库针对指定对象的处理能力。
第二确定模块582,配置为基于处理能力的获取结果,确定指定对象在各仓库的目标调拨量。
通过本发明的示例性实施例,基于各仓库的处理能力,确定指定对象在各仓库的目标调拨量,可以最终库存平衡计划的执行更加顺畅。
根据本发明的示例性实施例,模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本发明示例性实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本发明示例性实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其他的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本发明示例性实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,第一获得模块410、分配模块420、处理模块430、第一确定模块440、第二获得模块581以及第二确定模块582中的任意多个可以合并在一个模块中实现,或者其中的任意一个模块可以被拆分成多个模块。或者,这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合,并在一个模块中实现。根据本发明的示例性实施例,第一获得模块410、分配模块420、处理模块430、第一确定模块440、第二获得模块581以及第二确定模块582中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,第一获得模块410、分配模块420、处理模块430、第一确定模块440、第二获得模块581以及第二确定模块582中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块程序被计算机运行时,可以执行相应模块的功能。
需要说明的是,本发明实施例中的数据处理系统部分与本发明实施例中的数据处理方法部分是相对应的,数据处理系统部分的描述具体可参考数据处理方法部分,在此不再赘述。
示例性介质
在介绍了本发明示例性实施例的示例性装置之后,接下来,参考图6对本发明示例性实施例的、用于存储有计算机可执行指令,该指令在被处理单元执行时用于实现图2、图3A至图3H中的数据处理方法的介质进行描述。
在一些可能的实施方式中,本发明的各个方面还可以实现为一种程序产品的形式,其包括程序代码,当程序产品在设备上运行时,程序代码用于使设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的信息发送方法中的操作(或步骤),例如,设备可以执行如图2中所示的操作S210,基于指定对象的历史销量和/或指定对象在指定时间范围内的预测销量,获得指定对象在各仓库的调拨需求量。操作S220,分配调拨需求量,以确定指定对象在各仓库对应的调拨分配量。操作S230,基于调拨分配量,计算在各供给仓库和各需求仓库之间调拨指定对象需要支付的成本消耗。操作S240,根据成本消耗计算结果,确定指定对象在各仓库的目标调拨量。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。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、系统或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。
如图6所示,描述了根据本发明的实施方式的信息处理的程序产品60,其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本文件中,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、系统或者器件使用或者与其结合使用。
可读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,其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。
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、有线、光缆,RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言—诸如Java,C++等,还包括常规的过程式程序设计语言—诸如“C”,语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)一连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
示例性计算设备
在介绍了本发明示例性实施例的方法、介质和装置之后,接下来,参考图7对本发明示例性实施例的计算设备进行描述,该计算设备包括处理单元和存储单元,存储单元存储有计算机可执行指令,上述指令在被上述处理单元执行时用于实现图2、图3A至图3H中的数据处理方法进行描述。
本发明的实施例还提供了一种计算设备。所属技术领域的技术人员能够理解,本发明的各个方面可以实现为系统、方法或程序产品。因此,本发明的各个方面可以具体实现为以下形式,即:完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等),或硬件和软件方面结合的实施方式,这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中,根据本发明的计算设备可以至少包括至少一个处理单元、以及至少一个存储单元。其中,存储单元存储有程序代码,当程序代码被处理单元执行时,使得处理单元执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施例的信息呈现方法中的步骤。例如,处理单元可以执行如图2中所示的操作S210,基于指定对象的历史销量和/或指定对象在指定时间范围内的预测销量,获得指定对象在各仓库的调拨需求量。操作S220,分配调拨需求量,以确定指定对象在各仓库对应的调拨分配量。操作S230,基于调拨分配量,计算在各供给仓库和各需求仓库之间调拨指定对象需要支付的成本消耗。操作S240,根据成本消耗计算结果,确定指定对象在各仓库的目标调拨量。
下面参照图7来描述根据本发明的这种实施方式的用于信息处理的计算设备70。如图7所示的计算设备70仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示,计算设备70以通用计算设备的形式表现。计算设备70的组件可以包括但不限于:上述至少一个处理单元701、上述至少一个存储单元702、连接不同系统组件(包括存储单元702和处理单元701)的总线703。
总线703包括地址总线、数据总线和控制总线。
存储单元702可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)7021和/或高速缓存存储器7022,还可以进一步包括只读存储器(ROM)7023。
存储单元702还可以包括具有一组(至少一个)程序模块7024的程序/实用工具7025,这样的程序模块7024包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
计算设备70也可以与一个或多个外部设备704(例如键盘、指向设备、蓝牙设备等)通信,这种通信可以通过输入/输出(I/0)接口705进行。并且,计算设备70还可以通过网络适配器706与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器706通过总线703与计算设备70的其它模块通信。应当明白,尽管图中未示出,可以结合计算设备70使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了装置的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
此外,尽管在附图中以特定顺序描述了本发明方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然已经参考若干具体实施方式描述了本发明的精神和原理,但是应该理解,本发明并不限于所发明的具体实施方式,对各方面的划分也不意味着这些方面中的特征不能组合以进行受益,这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。
Claims (10)
1.一种数据处理方法,包括:
基于指定对象的历史销量和/或所述指定对象在指定时间范围内的预测销量,获得所述指定对象在各仓库的调拨需求量,其中,所述调拨需求量包括各供给仓库的供给量和各需求仓库的需求量;
分配所述调拨需求量,以确定所述指定对象在所述各仓库对应的调拨分配量;
基于所述调拨分配量,计算在所述各供给仓库和所述各需求仓库之间调拨所述指定对象需要支付的成本消耗;以及
根据所述成本消耗计算结果,确定所述指定对象在所述各仓库的目标调拨量。
2.根据权利要求1所述的方法,其中,所述基于指定对象的历史销量,获得所述指定对象在各仓库的调拨需求量包括:
基于所述指定对象在各仓库的历史销量,确定所述指定对象在所述各仓库中对应的销量占比;
基于所述销量占比,确定所述指定对象在所述各仓库的目标库存量;
获取所述指定对象在所述各仓库的当前库存量;以及
基于所述当前库存量和所述目标库存量,获得所述指定对象在各供给仓库的供给量和在各需求仓库的需求量,其中,供给仓库的当前库存量大于目标库存量,需求仓库的当前库存量小于目标库存量。
3.根据权利要求1所述的方法,其中,所述基于指定对象在指定时间范围内的预测销量,获得所述指定对象在各仓库的调拨需求量包括:
确定所述各仓库中所述指定对象的第一预测销量,其中,所述第一预测销量对应所述指定时间范围所对应的时间下限;
确定所述各仓库中所述指定对象的第二预测销量,其中,所述第二预测销量对应所述指定时间范围所对应的时间上限;以及
基于所述指定对象在所述各仓库的当前库存量、所述第一预测销量以及所述第二预测销量,获得所述指定对象在各供给仓库的供给量和在各需求仓库的需求量。
4.根据权利要求3所述的方法,其中,所述基于所述指定对象在所述各仓库的当前库存量、所述第一预测销量以及所述第二预测销量,获得所述指定对象在各供给仓库的供给量和在各需求仓库的需求量包括:
检测所述各仓库中是否存在当前库存量小于所述第一预测销量的需求仓库;
在所述各仓库中存在当前库存量小于所述第一预测销量的所述需求仓库的情况下,确定所述需求仓库的当前库存量与所述第一预测销量的第一销量差值;以及
将所述第一销量差值作为所述指定对象在所述需求仓库的需求量。
5.根据权利要求3所述的方法,其中,所述基于所述指定对象在所述各仓库的当前库存量、所述第一预测销量以及所述第二预测销量,获得所述指定对象在各供给仓库的供给量和在各需求仓库的需求量包括:
检测所述各仓库中是否存在当前库存量不小于所述第一预测销量且小于所述第二预测销量的供给仓库;以及
在所述各仓库中存在当前库存量不小于所述第一预测销量且小于所述第二预测销量的所述供给仓库的情况下,确定所述供给仓库的供给量为零。
6.根据权利要求3所述的方法,其中,所述基于所述指定对象在所述各仓库的当前库存量、所述第一预测销量以及所述第二预测销量,获得所述指定对象在各供给仓库的供给量和在各需求仓库的需求量包括:
检测所述各仓库中是否存在当前库存量不小于所述第二预测销量的供给仓库;
在所述各仓库中存在当前库存量不小于所述第二预测销量的所述供给仓库的情况下,确定所述供给仓库的所述第二预测销量与所述当前库存量的第二销量差值;以及
将所述第二销量差值作为所述指定对象在所述供给仓库的供给量。
7.根据权利要求1所述的方法,其中,所述分配所述调拨需求量,以确定所述指定对象在所述各仓库对应的调拨分配量包括:
检测所述各供给仓库的供给量的总和是否小于所述各需求仓库的需求量的总和;以及
在所述各供给仓库的供给量的总和小于所述各需求仓库的需求量的总和的情况下,按照预设规则,分配所述调拨需求量,以确定所述指定对象在所述各仓库对应的调拨分配量。
8.一种数据处理系统,包括:
第一获得模块,配置为基于指定对象的历史销量和/或所述指定对象在指定时间范围内的预测销量,获得所述指定对象在各仓库的调拨需求量,其中,所述调拨需求量包括各供给仓库的供给量和在各需求仓库的需求量;
分配模块,配置为分配所述调拨需求量,以确定所述指定对象在所述各仓库对应的调拨分配量;
处理模块,配置为基于所述调拨分配量,计算在所述各供给仓库和所述各需求仓库之间调拨所述指定对象需要支付的成本消耗;以及
第一确定模块,配置为根据所述成本消耗计算结果,确定所述指定对象在所述各仓库的目标调拨量。
9.一种介质,存储有计算机可执行指令,所述指令在被处理单元执行时用于实现权利要求1至7中任一项所述的方法。
10.一种计算设备,包括:
处理单元;以及
存储单元,存储有计算机可执行指令,所述指令在被所述处理单元执行时用于实现权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910246579.2A CN109993484B (zh) | 2019-03-28 | 2019-03-28 | 数据处理方法及系统、介质和计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910246579.2A CN109993484B (zh) | 2019-03-28 | 2019-03-28 | 数据处理方法及系统、介质和计算设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109993484A true CN109993484A (zh) | 2019-07-09 |
CN109993484B CN109993484B (zh) | 2021-02-23 |
Family
ID=67130934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910246579.2A Active CN109993484B (zh) | 2019-03-28 | 2019-03-28 | 数据处理方法及系统、介质和计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109993484B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110516919A (zh) * | 2019-08-05 | 2019-11-29 | 三只松鼠股份有限公司 | 一种基于工业互联网的物流调配系统及方法 |
CN110991889A (zh) * | 2019-12-03 | 2020-04-10 | 北京美鲜科技有限公司 | 一种商品调拨量的确定方法及装置 |
CN111489029A (zh) * | 2020-04-09 | 2020-08-04 | 杭州涂鸦信息技术有限公司 | 一种物料需求预测的方法、系统、设备及可读存储介质 |
CN111784223A (zh) * | 2019-11-18 | 2020-10-16 | 北京京东乾石科技有限公司 | 货物调拨数据的处理方法、装置和存储介质 |
CN111932029A (zh) * | 2020-09-09 | 2020-11-13 | 耀方信息技术(上海)有限公司 | 基于续方预测的仓库备货调拨系统及其方法 |
CN112101857A (zh) * | 2020-08-18 | 2020-12-18 | 优车库网络科技发展(深圳)有限公司 | 一种车辆调拨方法及装置 |
CN112508272A (zh) * | 2020-12-03 | 2021-03-16 | 杭州网易再顾科技有限公司 | 一种对象供给控制方法、装置、电子设备及存储介质 |
CN112749865A (zh) * | 2019-10-31 | 2021-05-04 | 北京沃东天骏信息技术有限公司 | 一种资源分配方法和装置 |
CN112907159A (zh) * | 2019-11-19 | 2021-06-04 | 北京京东乾石科技有限公司 | 一种库存物品的调拨方法和装置 |
CN113298552A (zh) * | 2020-12-02 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 数据处理方法、服务器及存储介质 |
CN113361988A (zh) * | 2020-03-06 | 2021-09-07 | 北京京东振世信息技术有限公司 | 库存调拨方法、装置、系统及存储介质 |
CN113592380A (zh) * | 2021-06-28 | 2021-11-02 | 杉数科技(北京)有限公司 | 一种安全库存的配置方法及装置 |
CN113610455A (zh) * | 2021-07-06 | 2021-11-05 | 中科云谷科技有限公司 | 用于调拨工程机械配件的系统及方法 |
JP2021531551A (ja) * | 2019-09-19 | 2021-11-18 | クーパン コーポレイション | フルフィルメントセンターの優先度値に基づくアウトバウンド予測のためのシステムおよび方法 |
JP2021533432A (ja) * | 2019-09-19 | 2021-12-02 | クーパン コーポレイション | 郵便番号マッピングに基づくアウトバウンドの予測のためのシステムおよび方法 |
CN113763001A (zh) * | 2020-08-24 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 数据显示方法及装置 |
CN114091988A (zh) * | 2020-11-23 | 2022-02-25 | 北京沃东天骏信息技术有限公司 | 一种目标物品的仓间调度方法和系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106910034A (zh) * | 2015-12-22 | 2017-06-30 | 阿里巴巴集团控股有限公司 | 商品对象调拨方法及装置 |
CN107122928A (zh) * | 2016-02-24 | 2017-09-01 | 阿里巴巴集团控股有限公司 | 一种供应链资源需求计划配置方法及装置 |
CN107516175A (zh) * | 2016-06-16 | 2017-12-26 | 苏宁云商集团股份有限公司 | 一种库存调拨方法及装置 |
US20180068259A1 (en) * | 2008-11-19 | 2018-03-08 | Jda Software Group, Inc. | System and Method for Root Cause Analysis and Early Warning of Inventory Problems |
US20180075401A1 (en) * | 2016-09-13 | 2018-03-15 | International Business Machines Corporation | Allocating a product inventory to an omnichannel distribution supply chain |
CN108009731A (zh) * | 2017-12-08 | 2018-05-08 | 成都该呀科技有限公司 | 资源分配方法及装置 |
CN108108940A (zh) * | 2017-12-13 | 2018-06-01 | 浪潮软件集团有限公司 | 一种配货量确定方法及装置 |
CN108494861A (zh) * | 2018-03-28 | 2018-09-04 | 北京三快在线科技有限公司 | 用于服务资源调配的方法、装置及电子设备 |
CN109255481A (zh) * | 2018-08-31 | 2019-01-22 | 重庆大学 | 一种分布式库存调度系统及改进方法 |
-
2019
- 2019-03-28 CN CN201910246579.2A patent/CN109993484B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180068259A1 (en) * | 2008-11-19 | 2018-03-08 | Jda Software Group, Inc. | System and Method for Root Cause Analysis and Early Warning of Inventory Problems |
CN106910034A (zh) * | 2015-12-22 | 2017-06-30 | 阿里巴巴集团控股有限公司 | 商品对象调拨方法及装置 |
CN107122928A (zh) * | 2016-02-24 | 2017-09-01 | 阿里巴巴集团控股有限公司 | 一种供应链资源需求计划配置方法及装置 |
CN107516175A (zh) * | 2016-06-16 | 2017-12-26 | 苏宁云商集团股份有限公司 | 一种库存调拨方法及装置 |
US20180075401A1 (en) * | 2016-09-13 | 2018-03-15 | International Business Machines Corporation | Allocating a product inventory to an omnichannel distribution supply chain |
CN108009731A (zh) * | 2017-12-08 | 2018-05-08 | 成都该呀科技有限公司 | 资源分配方法及装置 |
CN108108940A (zh) * | 2017-12-13 | 2018-06-01 | 浪潮软件集团有限公司 | 一种配货量确定方法及装置 |
CN108494861A (zh) * | 2018-03-28 | 2018-09-04 | 北京三快在线科技有限公司 | 用于服务资源调配的方法、装置及电子设备 |
CN109255481A (zh) * | 2018-08-31 | 2019-01-22 | 重庆大学 | 一种分布式库存调度系统及改进方法 |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110516919A (zh) * | 2019-08-05 | 2019-11-29 | 三只松鼠股份有限公司 | 一种基于工业互联网的物流调配系统及方法 |
JP2021533432A (ja) * | 2019-09-19 | 2021-12-02 | クーパン コーポレイション | 郵便番号マッピングに基づくアウトバウンドの予測のためのシステムおよび方法 |
JP7053895B2 (ja) | 2019-09-19 | 2022-04-12 | クーパン コーポレイション | 郵便番号マッピングに基づくアウトバウンドの予測のためのシステムおよび方法 |
US11657412B2 (en) | 2019-09-19 | 2023-05-23 | Coupang Corp. | Systems and methods for outbound forecasting based on a fulfillment center priority value |
JP2021531551A (ja) * | 2019-09-19 | 2021-11-18 | クーパン コーポレイション | フルフィルメントセンターの優先度値に基づくアウトバウンド予測のためのシステムおよび方法 |
JP7055905B2 (ja) | 2019-09-19 | 2022-04-18 | クーパン コーポレイション | フルフィルメントセンターの優先度値に基づくアウトバウンド予測のためのシステムおよび方法 |
CN112749865A (zh) * | 2019-10-31 | 2021-05-04 | 北京沃东天骏信息技术有限公司 | 一种资源分配方法和装置 |
CN111784223A (zh) * | 2019-11-18 | 2020-10-16 | 北京京东乾石科技有限公司 | 货物调拨数据的处理方法、装置和存储介质 |
CN112907159A (zh) * | 2019-11-19 | 2021-06-04 | 北京京东乾石科技有限公司 | 一种库存物品的调拨方法和装置 |
CN110991889A (zh) * | 2019-12-03 | 2020-04-10 | 北京美鲜科技有限公司 | 一种商品调拨量的确定方法及装置 |
CN113361988A (zh) * | 2020-03-06 | 2021-09-07 | 北京京东振世信息技术有限公司 | 库存调拨方法、装置、系统及存储介质 |
CN111489029A (zh) * | 2020-04-09 | 2020-08-04 | 杭州涂鸦信息技术有限公司 | 一种物料需求预测的方法、系统、设备及可读存储介质 |
CN112101857A (zh) * | 2020-08-18 | 2020-12-18 | 优车库网络科技发展(深圳)有限公司 | 一种车辆调拨方法及装置 |
CN113763001A (zh) * | 2020-08-24 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 数据显示方法及装置 |
CN111932029B (zh) * | 2020-09-09 | 2020-12-18 | 耀方信息技术(上海)有限公司 | 基于续方预测的仓库备货调拨系统及其方法 |
CN111932029A (zh) * | 2020-09-09 | 2020-11-13 | 耀方信息技术(上海)有限公司 | 基于续方预测的仓库备货调拨系统及其方法 |
CN114091988A (zh) * | 2020-11-23 | 2022-02-25 | 北京沃东天骏信息技术有限公司 | 一种目标物品的仓间调度方法和系统 |
CN113298552A (zh) * | 2020-12-02 | 2021-08-24 | 阿里巴巴集团控股有限公司 | 数据处理方法、服务器及存储介质 |
CN112508272A (zh) * | 2020-12-03 | 2021-03-16 | 杭州网易再顾科技有限公司 | 一种对象供给控制方法、装置、电子设备及存储介质 |
CN113592380A (zh) * | 2021-06-28 | 2021-11-02 | 杉数科技(北京)有限公司 | 一种安全库存的配置方法及装置 |
CN113592380B (zh) * | 2021-06-28 | 2022-08-12 | 杉数科技(北京)有限公司 | 一种安全库存的配置方法及装置 |
CN113610455A (zh) * | 2021-07-06 | 2021-11-05 | 中科云谷科技有限公司 | 用于调拨工程机械配件的系统及方法 |
CN113610455B (zh) * | 2021-07-06 | 2024-05-07 | 中科云谷科技有限公司 | 用于调拨工程机械配件的系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109993484B (zh) | 2021-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109993484A (zh) | 数据处理方法及系统、介质和计算设备 | |
Babaeinesami et al. | A closed-loop supply chain configuration considering environmental impacts: a self-adaptive NSGA-II algorithm | |
US10839338B2 (en) | Order sourcing with asynchronous communication and using optimization for large sourcing networks | |
CN107437137B (zh) | 供应链中的风险识别 | |
Awasthi et al. | Supplier selection problem for a single manufacturing unit under stochastic demand | |
US20150254589A1 (en) | System and Method to Provide Inventory Optimization in a Multi-Echelon Supply Chain Network | |
CN113239317B (zh) | 确定订单履约仓库的方法和装置 | |
CN104461728B (zh) | 迁移事件调度管理的计算机系统、介质和方法 | |
Olivares-Benitez et al. | A supply chain design problem with facility location and bi-objective transportation choices | |
CN111898221A (zh) | 选址方法、装置及计算机可读存储介质 | |
Xu et al. | Strategic robust mixed model assembly line balancing based on scenario planning | |
CN110276568A (zh) | 入库资源分配方法、装置及计算机系统 | |
Kang et al. | An enhanced model for the integrated production and transportation problem in a multiple vehicles environment | |
CN109345166B (zh) | 用于生成信息的方法和装置 | |
Ghezavati et al. | A new heuristic method for distribution networks considering service level constraint and coverage radius | |
KR102340834B1 (ko) | 인공지능을 기반으로 정보통신 인프라 시공을 수행하기 위한 구조 설계 방법, 장치 및 시스템 | |
Shang et al. | Spatial scheduling optimization algorithm for block assembly in shipbuilding | |
CN114118503A (zh) | 供应链库存优化方法、装置、设备和存储介质 | |
Cheng et al. | Cost-service tradeoff analysis of reorder-point-lot-size inventory models | |
van Wingerden et al. | The impact of an emergency warehouse in a two-echelon spare parts network | |
Kia | A genetic algorithm to integrate a comprehensive dynamic cellular manufacturing system with aggregate planning decisions | |
Dai | Optimal policy computing for blockchain based smart contracts via federated learning | |
CN112785211A (zh) | 一种库存管理方法和装置 | |
Wang et al. | Supplier selection and production planning by using guided genetic algorithm and dynamic nondominated sorting genetic algorithm II approaches | |
Wen et al. | An effective hybrid algorithm for joint scheduling of machines and AGVs in flexible job shop |
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 |