CN110599090B - 一种仓储出库管理方法、服务器和存储介质 - Google Patents
一种仓储出库管理方法、服务器和存储介质 Download PDFInfo
- Publication number
- CN110599090B CN110599090B CN201910830267.6A CN201910830267A CN110599090B CN 110599090 B CN110599090 B CN 110599090B CN 201910830267 A CN201910830267 A CN 201910830267A CN 110599090 B CN110599090 B CN 110599090B
- Authority
- CN
- China
- Prior art keywords
- energy consumption
- warehouse
- time
- logistics
- task
- 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.)
- Active
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
Abstract
本发明公开了一种仓储出库管理方法,包括根据需备货的订单详情和所选出库策略模式,生成波次出库单;根据波次出库单通过波次匹配生成算法生成多个库存拣选任务;针对各库存拣选任务生成对应的第一出库时间能耗图,所述第一出库时间能耗图包括多个可选物流设备在多个可选路径的预计出库时间能耗;从所述一出库时间能耗图中选取各任务的物流设备并发送库存拣选任务,根据实时获取的所述物流设备的工作状态信息生成第二出库时间能耗图,通过对出库过程进行能耗测量和监控,实现利用仓库的有限资源,出库合理库存,降低容器的出库次数,达到提升效率降低能耗的效果。
Description
技术领域
本发明涉及智能物流技术领域,尤其涉及一种仓储出库管理方法和相关服务器。
背景技术
由于自动化智能化需求日益的高涨,全国电商仓储一体化的加剧,对现代仓储物流的要求越来越高,现在仓库货位数量少则几千,多则上万,存放的产品千奇百怪,种类繁多,摆放位置也不确定,同一时刻出库详细条目众多,同时仓库可以利用的资源也是非常有限。现有技术中的出库备货只能通过人工判断出库备货的产品,由于缺乏对整个仓库的资源把控,很难做到择优出库,通过这种传统的人工勾选或者简单的条件匹配库存已经无法满足日益繁琐的出库备货的需求。在现代仓储物流业,仓储中心的作业包括装卸、搬运、流通加工、分拣、仓储等出库备货过程。现有的仓储中心只能通过人工判断出库备货的产品,然后对库备货过程中的货物进行实时监控,还无法对出库备货各过程的能源消耗进行实时监控及评估,进而无法对各过程存在的问题进行及时处理和优化,无法使各过程的设备始终保持最佳工作状态,即无法使各过程的设备始终保持最少的能源消耗、最少的污染排放及最佳的生产率,导致仓储物流中心工作效率低,生产成本高。
急需要一种能合理的利用仓库的有限资源,出库合理库存,降低容器的出库次数,提升效率降低能耗的方式。
发明内容
本发明针对现有技术中的不足,提供了一种能合理的利用仓库的有限资源,出库合理库存,降低容器的出库次数,提升效率降低能耗的仓储出库管理方法方法,其具体包括:
S1,根据需备货的订单详情和所选出库策略模式,生成波次出库单;
S2,根据波次出库单通过波次匹配生成算法生成多个库存拣选任务;
S3,针对各库存拣选任务生成对应的第一出库时间能耗图,所述第一出库时间能耗图包括多个可选物流设备在多个可选路径的预计出库时间能耗;
S4,从所述一出库时间能耗图中选取各任务的物流设备并发送库存拣选任务,根据实时获取的所述物流设备的工作状态信息生成第二出库时间能耗图。
优选的,从第二出库时间能耗图中获取每个物流设备的实际能耗值,将其与第一出库时间能耗图中的相应设备预设能耗值进行比较,当所述设备的实际能耗值与预设能耗值差值大于预设值时,将该设备的此次实际能耗值更新为预设能耗值。
优选的,所述步骤S3具体包括:根据各库存拣选任务和出库策略模式获取物流设备和仓库设置信息;搜索符合条件的所有库存列表并遍历每个库存拣选任务,生成多个可选出库路径;根据所述的各库存拣选任务及可选出库路径,生成各库存拣选任务所涉及物流设备信息和多个可选工作轨迹;根据能耗数据库计算所述库存拣选任务中的物流设备预计能耗,并汇总生成库存拣选任务的第一出库时间能耗图。
优选的,仓储出库管理方法还包括:获取每个物流设备时间与能耗对应关系,以及各设备所覆盖工作路径区域信息;获取货位与物流设备预设位置的空间距离值和能耗值列表;获取每个物流设备的效率表和每小时通行数量。
优选的,所述步骤S4中的第二出库时间能耗图生成步骤包括:配置每个物流设备的功率参数表并为每个设备设定能耗等级;针对仓库的空间位置信息和物流设备的实时空间位置信息数据生成三维工作状态图;实时获取每个物流设备的执行状况,并根据设备当前库存拣选任务执行累计时间及设备功率获取设备当前任务能耗评估值,将各物流设备的能耗评估值数据显示到第二出库时间能耗图中。
优选的,所述仓储出库管理方法还包括:配置各物流设备的运行保养参数,所述运行保养参数包括累计运行次数与运行时间和保养时间的关系值;根据各库存拣选任务在执行过程中的拥堵指标及能耗指标,获取每个任务的效能图及每个设备的效能图;根据每个任务效能图及每个设备效能图计算出库订单的总出库运行时间及耗能状态。
本发明还公开了一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述仓储出库管理方法的步骤。
本发明还公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述仓储出库管理方法的步骤。
本发明通过根据需备货的订单详情和所选出库策略模式生成波次出库单,并通过预估各库存拣选任务中的可选物流设备和搬运路径的预计出库时间能耗来挑选最适合的物流设备和路径,并在拣货搬运过程中实时监控能耗情况,最终通过第二出库时间能耗图形式对整个波次出库单进行能耗统计以用于整个出库任务的能耗监控和物流设备和物料路径能耗数据参数的更新,为下一个波次运算即路径动态分配的经验值,为波次运算生成出库时间能耗图、蚁群算法和出库策略提供基础依据。根据仓储现场可调配资源,进行多模式下的出库预备货,从时间能耗综合分析,进行综合评分,计算出最优的出库方案,实现降低设备能耗、缩短出库时间并提高仓储效率。从而能合理的利用仓库的有限资源,出库合理库存,降低容器的出库次数,达到提升效率降低能耗的效果。
本发明的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为一实施例公开的仓储出库管理方法的流程示意图。
图2为一实施例公开的仓储出库管理方法中步骤S3的具体流程示意图。
图3为一实施例公开的第一出库时间能耗图的生成步骤部分示意图。
图4为本发明一实施例公开的服务器结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的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。
在本发明中,除非另有明确的规定和限定,此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。同样,“一个”或者“一”等类似词语也不表示数量限制,而是表示存在至少一个。
附图1为实施例公开的一种仓储出库管理方法的流程示意图,具体包括:
步骤S1,根据需备货的订单详情和所选出库策略模式,生成波次出库单。
具体的,例如在12点到凌晨1点产生1000个电商订单,可根据预先的波次生成规则例如1小时波次一次,根据同属性产品进行合并,自动生成一张波次出库单。然后按照所选择波次出库策略按照批号先进先出,勾选拣选工位,可搬运的设备等,
所述波次生成规则可以包括订单时间段、产品属性、区域客户等,例如可以将时间段内生成的订单放置于同一波次出库单内,将预设同一类别产品属性内的产品放置于同一波次出库单内,将同一区域客户的订单放置于同一波次出库单内等。
所述的出库策略模式可以包括先进先出、均匀出库、取样先出、零头先出、整托先出、就近先出等。其中根据所选出库策略,筛选所有符合条件的库存点位,然后检索设备与货物存放点位关系表,用于根据库存点位即货物存放点位找到适合的物流设备。
在一些具体实施例中,还可包括选择合适的仓储资源,所述仓储资源包括物流设备信息、人员信息和区域信息,所述物流设备信息包括故障率、叉车速率,装货速率等;所述人员信息包括拣选作业人员拣选速率、叉车作业人员叉车速率和装货作业人员装货速率;所述区域信息包括拣选区区域容量和发货区区域容量。在本实施例中,通过预先设置的波次生成规则、出库策略和仓储资源将收到的各订单分成多个波次出库单。
步骤S2,根据波次出库单通过波次匹配生成算法生成多个库存拣选任务。
根据设定因素及自动预匹配库存算法进行备货计算,自动根据仓库现有的资源,通过蚁群算法识别最优的分配方式,增加了备货效率同时也降低能耗。
步骤S3,针对各库存拣选任务生成对应的第一出库时间能耗图,所述第一出库时间能耗图包括多个可选物流设备在多个可选路径的预计出库时间能耗。
其中所述第一出库时间能耗图的生成方式包括获取各可选设备的运行时间与能耗关系值,预测所有拣选任务所走的路径,并根据路径与设备关系表,建立货位与取货设备当前位置的空间距离值,X,Y,Z及能耗关系,同时建立每个设备效率表,每小时通行数量,用于计算负载均衡。
如附图2所示,其中上述步骤S3可具体包括如下步骤:
步骤S31,根据各库存拣选任务和出库策略模式获取物流设备和仓库设置信息。具体的,可通过选择波次出库策略例如按照批号先进先出、所选拣选工位和可搬运的设备等。然后进行波次运算,从符合条件的库区巷道中,查询所有符合条件的库存按照批号先进先出顺序排列成列表。
步骤S32,搜索符合条件的所有库存列表并遍历每个库存拣选任务,生成多个可选出库路径。具体的,可遍历库存列表查找符合条件的出库托盘列表,找出整托出库与拆零出库托盘数量,整托数与拆零数,其中可优先考虑在预定有限时间及人员内可以完成的整托出库数量、拆零出库托盘数量、整托数与拆零数的组合作为候选。
步骤S33,根据所述的各库存拣选任务及可选出库路径,生成各库存拣选任务所涉及物流设备信息和多个可选工作轨迹。具体的,可根据遍历的结果生成出库作业及拣选详细,根据出库作业及路径规划,生成任务路径详细表,根据指定的路径详细及之前配置的设备标准能耗及历史经验值,所述历史经验值为之前任务行走路径所需要的能耗。
步骤S34,根据能耗数据库计算所述库存拣选任务中的物流设备预计能耗,并汇总生成库存拣选任务的第一出库时间能耗图。所述第一出库时间能耗图可多维度显示各个任务及设备运转拥堵状态,并且将有效节点值存入数据库中。如附图3所示,该步骤具体可包括:
步骤S341,获取每个物流设备时间与能耗对应关系,以及各设备所覆盖工作区域信息。
步骤S342,获取货位与物流设备预设位置的空间距离值和能耗值列表。根据各设备所覆盖工作区域信息,获取累加工作区域能覆盖整个可选工作轨迹的多个物流设备组合。
步骤S343,获取每个物流设备的效率表和每小时通行数量。具体的,通过查询各物流设备的效率表和每小时通行数量,获取各物流设备组合中的每一物流设备的时间能耗数据。然后汇总获取每一物流设备组合的时间能耗数据,并可将各可选的物流设备组合的时间能耗数据显示至第一出库时间能耗图上。
S4,从所述第一出库时间能耗图中选取各任务的物流设备并发送库存拣选任务,根据实时获取的所述物流设备的工作状态信息生成第二出库时间能耗图。具体的,从第一出库时间能耗图中选取完成各库存拣选任务所需能耗最少的物流设备组合,然后向所选的各物流设备组合发送库存拣选任务以开始执行拣选搬运操作。在各物流设备工作过程中实时获取其能耗数据用于生成第二出库时间能耗图。在各物料设备执行库存拣选任务过程中,该步骤具体包括:
配置每个物流设备的功率参数表并为每个设备设定能耗等级;
针对仓库的空间位置信息和物流设备的实时空间位置信息数据生成三维工作状态图;
实时获取每个物流设备的执行状况,并根据设备当前库存拣选任务执行累计时间及设备功率获取设备当前任务能耗评估值,将各物流设备的能耗评估值数据显示到第二出库时间能耗图中。在各库存拣选任务完成后,最终的第二出库时间能耗图可以成为下一个波次运算即路径动态分配的经验值,为波次运算生成出库时间能耗图、蚁群算法和出库策略提供基础依据。
其中出库时间能耗图的生成步骤还可具体包括配置每种设备的运行保养参数,主要是累计运行次数与时间与保养关系,分析每个任务在执行过程中所拥堵指标及能耗指标;通过分析每个任务各个设备运转柱状图,类似工程进度表;可以计算出每个任务的能耗图及每个设备的能耗图;同时也可以计算出库订单的总出库运行时间及耗能状态;此次能耗图数据可以作为出库的经验值,提供优化的设备线路;效能越高,则代表蚁群算法的信息素也就越高,行走路径选择概率增加;亦可以提醒设备保养列表,防止设备突然故障提供数据依据。
在一些具体实施例中,各物流设备在工作过程中实时上传其运行速度和位置信息,仓储管理系统通过处理这些物流设备的实时能耗信息、移动信息和位置信息来动态实时展示出库拥堵图,并根据蚁群算法实时动态分配最优路径。
其中出库拥堵图的生成步骤如下:通过设定每个设备运转任务的参考时间,针对仓库的实际场景模拟出对应的3D图形,计算当前设备的任务运行或者等待时间。将设备任务等待时间与设备参考时间进行对比,划分4个等级例如空闲、正常、堵塞、严重堵塞等,通过设定设备任务等待时间与设备参考时间的差值的范围来区分等级,同时通过颜色图标进行实时显示。
另外,从第二出库时间能耗图中获取每个物流设备的实际能耗值,将其与第一出库时间能耗图中的相应设备预设能耗值进行比较,当所述设备的实际能耗值与预设能耗值差值大于预设值时,将该设备的此次实际能耗值更新为预设能耗值,使得后续的设备和任务能耗预估值越来越准确。
本发明通过根据需备货的订单详情和所选出库策略模式生成波次出库单,并通过预估各库存拣选任务中的可选物流设备和搬运路径的预计出库时间能耗来挑选最适合的物流设备和路径,并在拣货搬运过程中实时监控能耗情况,最终通过第二出库时间能耗图形式对整个波次出库单进行能耗统计以用于整个出库任务的能耗监控和物流设备和物料路径能耗数据参数的更新,为下一个波次运算即路径动态分配的经验值,为波次运算生成出库时间能耗图、蚁群算法和出库策略提供基础依据。根据仓储现场可调配资源,进行多模式下的出库预备货,从时间能耗综合分析,进行综合评分,计算出最优的出库方案,实现降低设备能耗、缩短出库时间,并提高仓储效率。
附图4为实施例公开的一种服务器的示意图。所述服务器用于仓库管理服务,该实施例的服务器1包括存储器12、处理器11以及存储在所述存储器中并可在所述处理器上运行的计算机程序,例如仓库管理系统软件或仓库控制系统软件,所述处理器执行所述计算机程序时实现上述各仓储出库管理方法实施例中的步骤。
示例性的,所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述服务器中的执行过程。
所述服务器可包括,但不仅限于处理器、存储器。本领域技术人员可以理解,所述示意图仅仅是服务器的示例,并不构成对服务器设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述服务器设备还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述服务器设备的控制中心,利用各种接口和线路连接整个服务器设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述服务器设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、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)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述仓储出库管理方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
总之,以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所作的均等变化与修饰,皆应属本发明专利的涵盖范围。
Claims (6)
1.一种仓储出库管理方法,其特征在于,包括:
S1,根据需备货的订单详情和所选出库策略模式,生成波次出库单;
S2,根据波次出库单通过波次匹配生成算法生成多个库存拣选任务;
S3,针对各库存拣选任务生成对应的第一出库时间能耗图,所述第一出库时间能耗图包括多个可选物流设备在多个可选路径的预计出库时间能耗,具体包括:
根据各库存拣选任务和出库策略模式获取物流设备和仓库设置信息;
搜索符合条件的所有库存列表并遍历每个库存拣选任务,生成多个可选出库路径;
根据所述的各库存拣选任务及可选出库路径,生成各库存拣选任务所涉及物流设备信息和多个可选工作轨迹;
根据能耗数据库计算所述库存拣选任务中的物流设备预计能耗,并汇总生成库存拣选任务的第一出库时间能耗图;包括获取每个物流设备时间与能耗对应关系和各设备所覆盖工作路径区域信息,获取货位与物流设备预设位置的空间距离值和能耗值列表,以及获取每个物流设备的效率表和每小时通行数量;
S4,从所述一出库时间能耗图中选取各任务的物流设备并发送库存拣选任务,根据实时获取的所述物流设备的工作状态信息生成第二出库时间能耗图。
2.根据权利要求1所述的仓储出库管理方法,其特征在于,还包括:从第二出库时间能耗图中获取每个物流设备的实际能耗值,将其与第一出库时间能耗图中的相应设备预设能耗值进行比较,当所述设备的实际能耗值与预设能耗值差值大于预设值时,将该设备的此次实际能耗值更新为预设能耗值。
3.根据权利要求2所述的仓储出库管理方法,其特征在于,步骤S4中的第二出库时间能耗图生成步骤包括:
配置每个物流设备的功率参数表并为每个设备设定能耗等级;
针对仓库的空间位置信息和物流设备的实时空间位置信息数据生成三维工作状态图;
实时获取每个物流设备的执行状况,并根据设备当前库存拣选任务执行累计时间及设备功率获取设备当前任务能耗评估值,将各物流设备的能耗评估值数据显示到第二出库时间能耗图中。
4.根据权利要求3所述的仓储出库管理方法,其特征在于:
配置各物流设备的运行保养参数,所述运行保养参数包括累计运行次数与运行时间和保养时间的关系值;
根据各库存拣选任务在执行过程中的拥堵指标及能耗指标,获取每个任务的效能图及每个设备的效能图;
根据每个任务效能图及每个设备效能图计算出库订单的总出库运行时间及耗能状态。
5.一种服务器,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于:所述处理器执行所述计算机程序时实现如权利要求1-4任一所述方法的步骤。
6.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1-4任一所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910830267.6A CN110599090B (zh) | 2019-09-04 | 2019-09-04 | 一种仓储出库管理方法、服务器和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910830267.6A CN110599090B (zh) | 2019-09-04 | 2019-09-04 | 一种仓储出库管理方法、服务器和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110599090A CN110599090A (zh) | 2019-12-20 |
CN110599090B true CN110599090B (zh) | 2022-03-01 |
Family
ID=68857286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910830267.6A Active CN110599090B (zh) | 2019-09-04 | 2019-09-04 | 一种仓储出库管理方法、服务器和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110599090B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126857B (zh) * | 2019-12-25 | 2022-08-19 | 北京旷视机器人技术有限公司 | 密集仓储的任务管理方法、装置及电子设备 |
CN111258741B (zh) * | 2020-02-14 | 2022-08-19 | 江苏苏宁物流有限公司 | 仓库任务执行的方法、分布式服务器集群及计算机设备 |
CN113361739B (zh) * | 2020-03-06 | 2024-04-12 | 北京京东振世信息技术有限公司 | 一种生成拣货路径的方法和装置 |
CN111932019A (zh) * | 2020-08-14 | 2020-11-13 | 上海当纳利印刷有限公司 | 一种油墨仓储管理方法、存储介质及终端 |
CN112785054B (zh) * | 2021-01-15 | 2023-12-08 | 徐工汉云技术股份有限公司 | 一种基于库存推移的多制约因素综合型生产订单排程系统 |
CN113177761B (zh) * | 2021-05-06 | 2023-06-30 | 中国科学技术大学 | 一种考虑时效性的电商仓储智能排产预警系统 |
CN113435818A (zh) * | 2021-07-19 | 2021-09-24 | 因格(苏州)智能技术有限公司 | 危废品出库方法、装置及存储介质 |
CN114620391B (zh) * | 2022-03-17 | 2023-07-04 | 上海禹璨信息技术有限公司 | 信息处理方法、装置、设备及存储介质 |
CN116029634B (zh) * | 2023-03-27 | 2023-06-02 | 深圳市今天国际软件技术有限公司 | 一种物流调度方法、装置、计算机设备及存储介质 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881768A (zh) * | 2015-05-25 | 2015-09-02 | 北京京东尚科信息技术有限公司 | 一种订单分拣出库的任务处理方法及装置 |
CN106005866A (zh) * | 2016-07-19 | 2016-10-12 | 青岛海通机器人系统有限公司 | 一种基于移动机器人的智能仓储系统 |
CN107194638A (zh) * | 2017-04-21 | 2017-09-22 | 仓智(上海)智能科技有限公司 | 一种仓库管理优化方法 |
CN107437161A (zh) * | 2017-07-20 | 2017-12-05 | 江苏联领智能科技股份有限公司 | 一种仓储分拣方法 |
CN107621824A (zh) * | 2017-09-20 | 2018-01-23 | 清华大学 | 一种管理和调度移动订单车的系统及其方法 |
CN108341204A (zh) * | 2018-01-08 | 2018-07-31 | 北京邮电大学 | 一种服务于仓库管理的机器人智能货物出入库方法及系统 |
CN109345180A (zh) * | 2018-09-28 | 2019-02-15 | 深圳市今天国际软件技术有限公司 | 仓库货物分批拣选方法 |
CN109658027A (zh) * | 2018-12-17 | 2019-04-19 | 北京极智嘉科技有限公司 | 一种订单任务的处理方法、装置、服务器和介质 |
CN110197351A (zh) * | 2018-02-26 | 2019-09-03 | 北京京东尚科信息技术有限公司 | 一种物品出库方法和装置 |
-
2019
- 2019-09-04 CN CN201910830267.6A patent/CN110599090B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881768A (zh) * | 2015-05-25 | 2015-09-02 | 北京京东尚科信息技术有限公司 | 一种订单分拣出库的任务处理方法及装置 |
CN106005866A (zh) * | 2016-07-19 | 2016-10-12 | 青岛海通机器人系统有限公司 | 一种基于移动机器人的智能仓储系统 |
CN107194638A (zh) * | 2017-04-21 | 2017-09-22 | 仓智(上海)智能科技有限公司 | 一种仓库管理优化方法 |
CN107437161A (zh) * | 2017-07-20 | 2017-12-05 | 江苏联领智能科技股份有限公司 | 一种仓储分拣方法 |
CN107621824A (zh) * | 2017-09-20 | 2018-01-23 | 清华大学 | 一种管理和调度移动订单车的系统及其方法 |
CN108341204A (zh) * | 2018-01-08 | 2018-07-31 | 北京邮电大学 | 一种服务于仓库管理的机器人智能货物出入库方法及系统 |
CN110197351A (zh) * | 2018-02-26 | 2019-09-03 | 北京京东尚科信息技术有限公司 | 一种物品出库方法和装置 |
CN109345180A (zh) * | 2018-09-28 | 2019-02-15 | 深圳市今天国际软件技术有限公司 | 仓库货物分批拣选方法 |
CN109658027A (zh) * | 2018-12-17 | 2019-04-19 | 北京极智嘉科技有限公司 | 一种订单任务的处理方法、装置、服务器和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110599090A (zh) | 2019-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110599090B (zh) | 一种仓储出库管理方法、服务器和存储介质 | |
CN111091328B (zh) | 一种仓储入库管理方法和管理装置 | |
Wäscher | Order picking: a survey of planning problems and methods | |
Henn et al. | Metaheuristics for order batching and sequencing in manual order picking systems | |
Martins et al. | Product-oriented time window assignment for a multi-compartment vehicle routing problem | |
Fontana et al. | Use of Promethee method to determine the best alternative for warehouse storage location assignment | |
CN106991543B (zh) | 调拨系统及调拨方法 | |
CN113177761B (zh) | 一种考虑时效性的电商仓储智能排产预警系统 | |
CN111401801B (zh) | 一种确定目标物品仓库分散化存储的处理系统、方法 | |
Hou et al. | A model for storage arrangement and re-allocation for storage management operations | |
CN106991544B (zh) | 调拨系统及调拨方法 | |
CN110866653A (zh) | 基于大数据平台对仓库空间优化的方法及装置 | |
Antomarioni et al. | Data-driven decision support system for managing item allocation in an ASRS: A framework development and a case study | |
CN112149925A (zh) | 仓储任务自动分拨方法和装置、仓储管理方法和系统 | |
CN111985862A (zh) | 定位库存物品的方法和装置 | |
CN110910065A (zh) | 基于大数据和知识图谱的仓库空间分配方法及系统 | |
JP6741081B2 (ja) | 移動計画装置、移動計画方法、およびプログラム | |
CN110880089A (zh) | 基于知识图谱的仓库空间分配方法及系统 | |
CN113822634A (zh) | 冷链库存分配方法、装置、计算机设备和存储介质 | |
CN116569118A (zh) | 信息管理方法及装置 | |
Nova et al. | Integrative conceptual framework to support decisions on warehousing operations in forward and reverse flow | |
Andrejić et al. | Value stream mapping in ordering process—A case of retail chain | |
US11544658B2 (en) | Platform using instruction engine to simulate and perform warehouse processes | |
Trindade et al. | Defining a storage-assignment strategy for precedence-constrained order picking | |
CN112036789B (zh) | 基于仓储数据的薪资统计方法、装置、计算机设备 |
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 | ||
CB02 | Change of applicant information |
Address after: 310056 room 1701, 17th floor, building 3, No. 316, Jianghong South Road, Changhe street, Binjiang District, Hangzhou, Zhejiang Applicant after: Mingdu Zhiyun (Zhejiang) Technology Co.,Ltd. Address before: 310000 1, 3 building, No. 316 Jianghong Road, Changhe street, Binjiang District, Hangzhou, Zhejiang. Applicant before: ZHEJIANG MINGDU INTELLIGENT CONTROL TECHNOLOGY Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |