CN110717719A - 基于大数据平台的货物配装方法及系统 - Google Patents

Abstract

本发明提供了一种基于大数据平台的货物配装方法，该方法包括：大数据平台根据订单业务数据、货物特征数据和生产指标数据进行货物生产计划预测；所述大数据平台根据在仓货物情况、仓库剩余空间情况和货物生产计划预测进行仓库的仓位分派；系统平台根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性进行货物配装。在本发明中，大数据平台基于订单业务数据、货物特征数据和生产指标数据，为生产计划提供较准确的预测，以及合理的仓库库位分派，从而提高生产效率和仓库利用率。

Description

基于大数据平台的货物配装方法及系统

技术领域

本发明涉及快速消费品领域，具体而言，涉及一种基于大数据平台的货物配装方法及系统。

背景技术

快消品行业有着与其他行业不同的行业属性。例如，快消品寿命短、消费快，属于日常用品，并且多与健康相关、安全性要求高。快消品行业特点为：集中生产，分散消费；多物品、多品种、多规格。目前在快消品制造行业中，物流信息化、自动化程度太低，大量人力、物力和时间成本都投入到了简单重复性的工作中，效率低、出错率高，对于商品的包装与集装单元不规范。

目前，快消品在生产计划上没有较为准确的生产预测，并且货物的出库装载主要依赖于人工进行装配车。

发明内容

本发明实施例提供了一种基于大数据平台的货物配装方法及系统，以至少解决相关技术中快消品在生产计划上没有较为准确的生产预测的问题。

根据本发明的一个实施例，提供了一种基于大数据平台的货物配装方法，包括：大数据平台根据订单业务数据、货物特征数据和生产指标数据进行货物生产计划预测；所述大数据平台根据在仓货物情况、仓库剩余空间情况和货物生产计划预测进行仓库的仓位分派；系统平台根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性进行货物配装。

可选地，在系统平台根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性进行货物配装之前，还包括：对货物属性和配装工的经验进行数据化。

可选地，在系统平台根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性进行货物配装之前，还包括：将货物订单信息导入所述系统平台，并计算货物属性值并进行记录。

可选地，系统平台根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性进行货物配装，包括：所述系统平台根据各仓库货物的生产日期、数量以及所述货物订单信息计算出各仓库的出货量；所述系统平台根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性进行货物配装。

可选地，所述系统平台根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性进行货物配装之后，还包括：所述系统平台计算出各仓库货物的出库装载日期、出库装载顺序和货物在配装容器内摆放位置。

可选地，配装结果计算完成后进行修正，并将配装结果进行保存，作为下一次计算的原型进行参照。

根据本发明的另一个实施例，提供了一种基于大数据平台的货物配装系统，包括大数据平台和系统平台，其中，所述大数据平台，用于根据订单业务数据、货物特征数据和生产指标数据进行货物生产计划预测；所述大数据平台，还用于根据在仓货物情况、仓库剩余空间情况和货物生产计划预测进行仓位分派；所述系统平台，用于根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性计算出货物配装。

可选地，所述系统平台包括：货物属性值计算模块，用于接收所导入的货物订单信息，计算货物属性值并进行记录。

可选地，所述系统平台还包括：出货量计算模块，用于所述系统平台根据各仓库货物的生产日期、数量以及所述货物订单信息计算出各仓库的出货量；货物配装计算模块，所述系统平台根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性进行货物配装。

可选地，所述系统平台还包括：摆放位置计算模块，用于计算出各仓库货物的出库装载日期、出库装载顺序和货物在配装容器内摆放位置。

根据本发明的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

根据本发明的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。

在本发明上述实施例中，大数据平台基于订单业务数据、货物特征数据和生产指标数据，为生产计划提供较准确的预测，以及合理的仓库库位分派，从而提高生产效率和仓库利用率。

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是根据本发明实施例的基于大数据平台的货物配装方法的流程图；

图2是根据本发明可选实施例的基于大数据平台的快消品优化配装方法流程图；

图3是根据本发明实施例的基于大数据平台的快消品优化配装系统数据处理流程图；

图4是根据本发明实施例基于大数据平台的货物配装系统结构示意图；

图5是根据本发明可选实施例的基于大数据平台的货物配装系统结构示意图。

具体实施方式

下文中将参考附图并结合实施例来详细说明本发明。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。

在现有的快消品行业中，对生产量往往不能准确预判，导致产销不平衡，致使产品积压，超过保质期，占用库位，浪费资源等。

其次，在出库装配中，人工判断错误率高，对配车人员经验要求较高，现场重复装卸多发，占用出库仓口时间长，影响物流整体效率。

另外，人工装载不了解配车装载安排，容易产生配车情况不明的问题，影响整个物流成本。人工装配不能全面分析产品属性，比如抗挤压强度等重要因素，常常会出现商品运输过程中的挤压、碰撞，致使产品损坏，导致浪费。

为此，本实施例中提供了一种基于大数据平台的货物配装方法，图1是根据本发明实施例的方法流程图，如图1所示，该流程包括如下步骤：

步骤S102，大数据平台根据订单业务数据、货物特征数据和生产指标数据进行货物生产计划预测；

步骤S104，所述大数据平台根据在仓货物情况、仓库剩余空间情况和货物生产计划预测进行仓库的仓位分派；

步骤S106，系统平台根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性进行货物配装。

在上述实施例的步骤S102中，大数据平台对订单业务数据、特征数据、指标数据、以往订单需求数据进行管理、分析、监控。将数据进行综合处理与计算，对未来订单进行预测，为生产计划提供准确的基础数据。例如，特别是在节假日、双十一、618等电商大促前期的快消品需求预测非常重要。

在上述实施例的步骤S104中，在得到生产计划之后，综合在库货物情况，进行仓库的仓位分配。

在上述实施例的步骤S106之前，系统平台将各种品类货物的装载要求进行数据化、量化，并将配装工人的经验进行数据化、规范化。

在上述实施例中，系统平台还可以综合处理商品保质日期、包装属性、安全性要求等级等因素，自动将商品与运输容器进行匹配。根据订单出货信息，通过自动配车系统自动计算出各个方面需要的车辆类型、数量，可手动或半自动调整计算结果。

在上述实施例中，针对快消品分散性较强，各个地点出货需求较少，分散运输会极大地提高运输成本的问题，系统平台可根据出货需求地点的发货顺序，对商品、车辆进行优化排程，使得分散运输整车化。装载过程中做到先进后出，降低反复装卸浪费的时间成本。

在上述实施例的步骤S106之后，在系统平台配车结果计算完成后，可以进行手动修正，并将较好的配装结果可以进行保存，作为下一次计算的原型进行参照。即配车成本低、装载效率较高的原型一旦被保存，将在自动计算时进行自动参照，那么以往配车成本低、装载率高的结果可以自动重复使用。

为了便于对本发明所提供的技术方案的理解，下面通过一个具有的实施例进行详细描述。

图2示出了一种基于大数据平台的快消品优化配装方法，如图2所示，主要包括如下步骤：

步骤S201，大数据平台对订单业务数据、特征数据、生成指标数据、以往订单需求数据进行管理、分析、监控。

步骤S202，大数据平台将数据进行综合处理与计算，对未来订单进行预测，为生产计划提供准确的基础数据。

步骤S203，货物属性分析，将各个属性进行数据化。如货品承重量等。在本实施例中，可根据每种货品的包装情况，以及货品的易变形程度将货品承重量分为多个等级，等级由小到大承重量越来越大。

步骤S204，将配装工的经验进行数据化。例如，根据经验将a种货物和b种货物一起摆放可以使空间更加稳定等。

步骤S205，订单信息导入系统平台，平台自动计算货物属性值并进行记录。

步骤S206，系统平台根据各仓货物的生产日期、数量以及订单的详细货物信息自动计算出各个仓的出货量。

步骤S207，系统平台统筹计算仓库位置顺序、各仓出货量、货物生产日期、配装容器的属性进行自动配装，计算出各个仓库的货物的出库装载日期、出库装载顺序、具体容器内摆放位置等详细信息。

步骤S208，配车结果计算完成后，可以进行手动修正。

步骤S209，对较好的配装结果可以进行保存，作为下一次计算的原型进行参照。

上述实施例的具体数据处理流程图可以参见图3。如图3所示，该系统主要包括大数据平台和优化计算平台部分(即，系统平台)。

大数据平台主要负责根据订单业务数据、特征数据、生成指标数据进行生产计划预测，以及根据在仓货物情况、仓库剩余空间情况和货物生产计划预测进行仓位分派。

优化计算平台主要负责各种计算，例如，货物属性值、仓库位置顺序、各仓出货量、货物生产日期、配装容器的属性。以及负责优化货物配装，例如，各个仓库的货物的出库装载日期、出库装载顺序、具体容器内摆放位置。

在本发明的上述实施例中，针对快消品的特点，实现了如下技术效果

1)大数据平台使得综合订单数据、特征数据、对订单进行管理、监控和预测。对于快消品受到的季节性、节假日、电商促销日等影响作出预估，进而影响生产计划与仓库库位分派。提高快消品制造业仓库利用率，减少商品过期、或者剩余保质期较短导致的资源浪费。

2)快消品安全性要求较高，针对不同商品的属性，合理分派运输容器，降低运输过程中的危险因素。

3)快消品分散性较强，各个地点出货需求较少，分散运输会极大地提高运输成本。平台根据出货需求地点的发货顺序，对商品、车辆进行优化排程，使得分散运输整车化。装载过程中做到先进后出，降低反复装卸浪费的时间成本。

3)与上游入库系统配合可以提前做出生产计划，最高效做出生产、排程、配装计划。

4)将货品进行数据化、配装工经验数字化，使得整体配装计划规范化，避免人工失误。

5)全局考虑仓库库存、订单数量、货物属性、容器信息，做出最优化配装计划，提高配车效率。

6)有效协调手动作业与自动优化，得到最佳的结果。在自动优化结果的基础上还可进行人工干预、修正和调整。

7)具有原型登录功能，将现场熟练者修正完善的原型进行登录，可供下次自动计算时参照。不仅可以减少计算时间，而且能够继承熟练者的经验。

8)提供装车单据，减少装卸工作依赖有丰富装卸经验的工人，可以随时自由安排操作人员进行装卸，减少人力成本。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

在本实施例中还提供了一种基于大数据平台的货物配装系统，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图4是根据本发明实施例的基于大数据平台的货物配装系统的结构框图，如图4所示，该系统包括大数据平台10和系统平台20。

所述大数据平台10，用于根据订单业务数据、货物特征数据和生产指标数据进行货物生产计划预测。所述大数据平台10，还用于根据在仓货物情况、仓库剩余空间情况和货物生产计划预测进行仓位分派。所述系统平台20，用于根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性计算出货物配装。

图5是根据本发明可选实施例的基于大数据平台的货物配装系统的结构框图，如图5所示，该装置除包括图4所示的大数据平台10和系统平台20外，所述系统平台20包括货物属性值计算模块201、出货量计算模块202和摆放位置计算模块203。

货物属性值计算模块201，用于接收所导入的货物订单信息，计算货物属性值并进行记录。

出货量计算模块202，用于所述系统平台根据各仓库货物的生产日期、数量以及所述货物订单信息计算出各仓库的出货量；货物配装计算模块，所述系统平台根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性进行货物配装。

摆放位置计算模块203，用于计算出各仓库货物的出库装载日期、出库装载顺序和货物在配装容器内摆放位置。

需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。

本发明的实施例还提供了一种存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，简称为ROM)、随机存取存储器(Random Access Memory，简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，该存储器中存储有计算机程序，该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，上述电子装置还可以包括传输设备以及输入输出设备，其中，该传输设备和上述处理器连接，该输入输出设备和上述处理器连接。

显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于大数据平台的货物配装方法，其特征在于，包括：

大数据平台根据订单业务数据、货物特征数据和生产指标数据进行货物生产计划预测；

所述大数据平台根据在仓货物情况、仓库剩余空间情况和货物生产计划预测进行仓库的仓位分派；

系统平台根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性进行货物配装。

2.根据权利要求1所述的方法，其特征在于，在系统平台根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性进行货物配装之前，还包括：

将货物订单信息导入所述系统平台，并计算货物属性值并进行记录。

3.根据权利要求1所述的方法，其特征在于，系统平台根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性进行货物配装，包括：

所述系统平台根据各仓库货物的生产日期、数量以及所述货物订单信息计算出各仓库的出货量；

所述系统平台根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性进行货物配装。

4.根据权利要求1所述的方法，其特征在于，所述系统平台根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性进行货物配装之后，还包括：

所述系统平台计算出各仓库货物的出库装载日期、出库装载顺序和货物在配装容器内摆放位置。

5.一种基于大数据平台的货物配装系统，其特征在于，包括大数据平台和系统平台，其中

所述大数据平台，用于根据订单业务数据、货物特征数据和生产指标数据进行货物生产计划预测；

所述大数据平台，还用于根据在仓货物情况、仓库剩余空间情况和货物生产计划预测进行仓库的仓位分派；

所述系统平台，用于根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性计算出货物配装。

6.根据权利要求5所述的系统，其特征在于，所述系统平台包括：

货物属性值计算模块，用于接收所导入的货物订单信息，计算货物属性值并进行记录。

7.根据权利要求5所述的系统，其特征在于，所述系统平台还包括：

出货量计算模块，用于所述系统平台根据各仓库货物的生产日期、数量以及所述货物订单信息计算出各仓库的出货量；

货物配装计算模块，所述系统平台根据所述各仓库的出货量、各仓库位置顺序和配装容器的属性进行货物配装。

8.根据权利要求7所述的系统，其特征在于，所述系统平台还包括：

摆放位置计算模块，用于计算出各仓库货物的出库装载日期、出库装载顺序和货物在配装容器内摆放位置。

9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至4任一项中所述的方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至4任一项中所述的方法。

Images