CN110826949A - 产能控制实现方法和装置 - Google Patents
产能控制实现方法和装置 Download PDFInfo
- Publication number
- CN110826949A CN110826949A CN201810897935.2A CN201810897935A CN110826949A CN 110826949 A CN110826949 A CN 110826949A CN 201810897935 A CN201810897935 A CN 201810897935A CN 110826949 A CN110826949 A CN 110826949A
- Authority
- CN
- China
- Prior art keywords
- expected
- order
- order quantity
- warehouse
- capacity
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004519 manufacturing process Methods 0.000 claims abstract description 32
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013459 approach Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 13
- 238000003860 storage Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000009826 distribution Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012731 temporal analysis Methods 0.000 description 2
- 238000000700 time series analysis Methods 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000003933 environmental pollution control Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012315 univariate regression analysis Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种产能控制实现方法和装置,涉及仓储管理技术领域。该方法的一具体实施方式包括:根据单品页访问量、时间、仓库中的员工数量中的至少一项来计算预期订单量,并且根据预期订单量来预估仓库剩余的产能,根据预估的产能来进行订单控制和生产调节。该实施方式通过动态来实时地调整仓库的产能,将产能反馈到前端页面,同时也可以为仓库提供依据。
Description
技术领域
本发明涉及仓储管理技术领域,更具体地讲,涉及一种产能控制实现方法和装置。
背景技术
随着电商网络的普及,使用电商网络平台订购商品的活跃用户逐渐上升,作为电商所接到的下单量也逐渐放大。每逢节日促销时间,由于促销的原因,会导致订单在促销期间暴增,个别仓库甚至会出现爆仓的现象。
作为电商企业,如果采取自营架构,即电商自身直接负责“仓+配”(仓储+配送),则这种模式会出现在短时间内要处理巨量订单。如何在短时间处理如此大的订单量,目前在世界范围可借鉴的用例几乎为0。诸如国际电商企业的“亚马逊”公司,其仅负责“仓储”,而其“配送”部分是非自营的方式。
目前为了解决此类问题,一方面在大促期间,鼓励用户将收货日期调后。一方面,部分企业采取例如“智慧产能系统”的管理系统,其包含预约日历等控制模式,用以控制订单的延迟下传,提高运营效率,降低运营成本。
但是,仍然还存在如下问题:
(1)大多数订购者在下单时,对时效感知率低。大多数订购者都不选择预约日历的情况,而默认是“最快送达”。这样会导致订单都会积压在“最快下传”的波次。
(2)即使目前采用了产能控制,但是每个仓库的订单量都是提前预估的,无法根据实时的订单量来修改仓库后续的产能。
发明内容
为了解决如上问题,提出一种产能控制实现方法和装置。基于此类方法和装置,可以动态预估仓库某个时间段内的最大产能,从而为决策者提供决策提供有力的数据依靠。
为实现上述目的,根据本发明实施例的一个方面,提供了一种产能控制实现方法,包括:根据单品页访问量、时间、仓库中的员工数量中的至少一项来计算预期订单量,并且根据预期订单量来预估仓库剩余的产能,根据预估的产能来进行订单控制和生产调节。
可选地,预期订单量计算模块基于以下模型来计算预期订单量,
T(x)=axN+by+cz+d
其中,T是预期订单量,x是时间,y是员工数量,z是单品页的访问量,a是单品页访问量的影响系数,b是时间影响系数,c是仓库生产影响系数,d是误差值。
可选地,根据预期订单量来预估仓库剩余的产能包括:通过将预期订单量和实际订单量进行对比,以修正所述预期订单量和所述实际订单量之间的误差,从而使得订单量的预期值逼近实际值。
可选地,通过将预期订单量和实际订单量进行对比,以修正所述预期订单量和所述实际订单量之间的误差包括:通过梯度法或者连锁法来修正隐含节点的数据,以使得所述订单量的预期值逼近实际值。
可选地,所述方法还包括,将预估的剩余产能的结果反馈给结算页,以及通过调整结算页的预约日历,改变订单的下传时间。
为实现上述目的,根据本发明实施例的另一方面,提供了一种产能控制实现装置,包括:预期订单量计算模块,用于根据单品页访问量、时间、仓库中的员工数量中的至少一项来计算预期订单量;产能控制模块,用于根据预期订单量来预估仓库剩余的产能,根据预估的产能来进行订单控制和生产调节。
可选地,基于以下模型来计算预期订单量,
T(x)=axN+by+cz+d
其中,T是预期订单量,x是时间,y是员工数量,z是单品页的访问量,a是单品页访问量的影响系数,b是时间影响系数,c是仓库生产影响系数,d是误差值。
可选地,所述产能控制模块还用于:通过将预期订单量和实际订单量进行对比,以修正所述预期订单量和所述实际订单量之间的误差,从而使得订单量的预期值逼近实际值。
可选地,所述产能控制模块还用于:通过梯度法或者连锁法来修正隐含节点的数据,以使得所述订单量的预期值逼近实际值。
可选地,所述装置还包括反馈模块,用于:将预估的剩余产能的结果反馈给结算页,以及通过调整结算页的预约日历,改变订单的下传时间。
为实现上述目的,根据本发明实施例的又一方面,提供了一种电子设备,其包括:一个或多个处理器;存储器,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所述的产能控制实现方法。
根据本发明实施例的又一方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现所述的产能控制实现方法。
上述发明中的一个实施例具有如下优点或有益效果:
(1)通过模型动态来实时地调整仓库的产能,将产能反馈到前端页面,从而做到仓库时刻处于饱和状态,但又不至于爆仓。
(2)通过对订单数目的预测,同时也可以为仓库提供依据,从而让负责仓储的人员能够进行轮班休息。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是根据本发明实施例的核心架构的流程示意图;
图2是根据本发明实施例的示意图,其示出了典型的反向传播模型;
图3是示出根据本发明的实施例的基于模型的计算方法的流程图;
图4是根据本发明实施例的产能控制实现装置的主要模块的示意图;
图5是本发明实施例可以应用于其中的示例性系统架构图
图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本发明的发明人提出一种基于反向传播模型的产能预测方法。目的是为了预测仓库产能,实时的为决策人员提供决策依据。对于电商平台来讲,可以将此模型用于仓库监控,同时与结算页联动。更有效的提高产能的运营成本。
图1示出了本发明的实施例的核心架构的流程图。
图1中的流程图的模块顺序示出了订单生产的顺序。如图所示,其中示出了多个模块,包含订单控制、结算页、用户下单、订单下传、仓库生产、以及预测模型等。通常而言,当仓库生产完后,将生产结果告知到订单控制模块。但是,根据本发明的实施例,在订单控制和仓库生产之间使用预测模型的模块,从而将模型的结果发送给订单控制以及仓库生产。由此,进行动态地实时调度,以便生产效率的提高。
目前业界用于预测的模型很多,包括时间序列模型、一元线性回归模型等。
时间序列分析是根据系统观测得到的时间序列数据,通过曲线拟合和参数估计来建立数学模型的理论和方法。它一般采用曲线拟合和参数估计方法(如非线性最小二乘法)进行。时间序列分析常用在国民经济宏观控制、区域综合发展规划、企业经营管理、市场潜量预测、气象预报、水文预报、地震前兆预报、农作物病虫灾害预报、环境污染控制、生态平衡、天文学和海洋学等方面。
回归分析只涉及到两个变量的,称一元回归分析。一元回归的主要任务是从两个相关变量中的一个变量去估计另一个变量,被估计的变量,称因变量,可设为Y;估计出的变量,称自变量,设为X。回归分析就是要找出一个数学模型Y=f(X),使得从X估计Y可以用一个函数式去计算。当Y=f(X)的形式是一个直线方程时,称为一元线性回归。这个方程一般可表示为Y=A+BX。根据最小平方法或其他方法,可以从样本数据确定常数项A与回归系数B的值。A、B确定后,有一个X的观测值,就可得到一个Y的估计值。回归方程是否可靠,估计的误差有多大,都还应经过显著性检验和误差计算。有无显著的相关关系以及样本的大小等等,是影响回归方程可靠性的因素。
但是由于仓库产能的预测,与时间、仓库工作的人数、促销sku数量等有直接的关系,导致预测的难度很高,简单的线性模型等是无法准确预估出来量级的。
因此,本发明人首次提出采用反向传播模型这种带有修正功能的预测模型进行实时预测,尽量在短时间内的预测数量尽可能的准确。
参考图2,其示出了反向传播模型的架构图的示例图。反向传播模型是一种监督学习算法,可以被用来训练多层感知机。一个常见的反向传播模型,通常会包括输入节点、输出节点、一层或者多层隐藏节点。常规的反向传播模型只定义了算法的通用准则,对于不同的场景,特别是对于电商平台企业涉及从下单到仓库生产的一体化的场景来说,可以加入以下各变量和参数。
(1)订单数目与商品页、结算页的数量成正相关。假定商品页调用N次,才会调用M次结算页。调用M次结算页才会真正成交一笔订单。此关系可以通过年历订单交易的数据对比可知。
需要注意的是,调用单品页的原因:因为在结算页时候,电商平台网站已经吐出了预约日历。所以,需要在吐出预约日历之前大概预估出结算页可能的调用量。这样才能在用户到达结算页之前,动态地调整预约日历,改变订单的下传时间。
(2)仓库单位时间可以生产出来的订单,与仓库的员工数成正相关。通常情况下,可以简单的认为员工数与仓库产能简单的成正比关系。
(3)根据每天用户的下单数,基本可以推断出,下单量与一天内每个小时的对应关系。当然,如果遇到大促情况,可以单独分析大促时候的时间与订单数关系。
从目前的订单分布来看,订单数量的计算符合高阶函数。鉴于此,因此建立如下模型:
T(x)=axN+by+cz+d
其中,假设x为时间,y是员工数量,z是单品页的访问数量,a、b、c代表的生产系数,分别指的是单品页访问量的影响系数、时间影响系数、仓库生产影响系数,T代表输出,这里是指预期订单量。d是误差值。模型中的N阶次数需要通过历史数据进行拟合而得到。
由于仓库在一天的剩余生产能力,是根据时间主键减少的,因此,在一开始并不进行控制。通过利用每天的前几分钟的订单量来进行学习,或者,通过对于前一天的数据进行学习,来计算设立初始的因子大小和偏移差。
后续每隔预定时间,例如每隔1分钟左右,将前一分钟算出的订单数量以及相应的单品页访问量、时间、仓库人员数量等各项数据带入模型之中。得出预期值E,然后与实际的订单量P进行对比。
需要注意的是,为了修正P与E之间的误差,可以通过梯度法或者连锁法修正隐含节点的数据,从而让预期值逼近实际数据。
不断的预估当天仓库剩余的产能,并且将产能结果反馈给结算页。通过调整结算页的预约日历,来改变订单的下传时间。由此,实现运营效率的提升。
换言之,通过利用现有的数据,基于反向传播模型进行算法的搭建,使得对于电商平台的生产体系上下游联动,提高运营效率,改善用户体验。
图3是示出根据本发明的实施例的基于模型的计算方法的流程图。具体而言可以至少包含以下步骤中的一项或多项:
S301:获取结算、商详(商品详情页)的调用次数。在此,通过埋点在ump系统中获取。具体而言,通过加代码,可以知道每分钟商详页、结算页的调用次数。此外,获取按照四级地址+仓库的维度进行数据统计实际下单数。具体而言,每个订单的生产都有属性。四级地址指的是用户下单收货的四级地址,仓库纬度,是指订单内sku所在的仓库。可以根据这个几个纬度统计一段时间内的订单数目;
S302:对仓库人数与生产能力进行评估,获取人数与生产单量的关系(通常为一次函数);
S303:建立生产模型。在对生产系数a、b、c的数值分别进行确定的情况下,在不同的时间点将如上各个数据带入上述模型之中。需要指出的是,a、b、c三个是常数,可以根据历史数据进行拟合来计算出这三个值分别是多少;
S304:将得出的模型进行生产实践。
以下描述本发明的效果。如前所述,在目前电商平台企业的生产操作中,所有仓库的生产策略都是人工配置的。这导致在实际的生产中,这种方式既无法实时反映仓库的生产能力,也具有一定的滞后性。根据本发明的实施例,通过使用基于反向传播的模型进行产能预测,既可以实时对仓库产能进行评估,从而动态地对结算、商详(商品详情页)进行联动,另外一方面也可以提高仓库的生产力。
图4是根据本发明实施例的产能控制实现装置400的主要模块的示意图,如图4所示,该装置400包括:
预期订单量计算模块401,用于根据单品页访问量、时间、仓库中的员工数量中的至少一项来计算预期订单量;
产能控制模块402,用于根据预期订单量来预估仓库剩余的产能,根据预估的产能来进行订单控制和生产调节。
可选地,预期订单量计算模块401基于以下模型来计算预期订单量,
T(x)=axN+by+cz+d
其中,T是预期订单量,x是时间,y是员工数量,z是单品页的访问量,a是单品页访问量的影响系数,b是时间影响系数,c是仓库生产影响系数,d是误差值。
可选地,所述产能控制模块还用于:通过将预期订单量和实际订单量进行对比,以修正所述预期订单量和所述实际订单量之间的误差,从而使得订单量的预期值逼近实际值。
可选地,所述产能控制模块还用于:通过梯度法或者连锁法来修正隐含节点的数据,以使得所述订单量的预期值逼近实际值。
可选地,所述装置还包括反馈模块,用于:将预估的剩余产能的结果反馈给结算页,以及通过调整结算页的预约日历,改变订单的下传时间。
本发明实施例的产能控制实现装置,可以动态预估仓库某个时间段内的最大产能,从而为决策者提供决策提供有力的数据依靠。
上述装置可执行本发明实施例所提供的方法,具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节,可参见本发明实施例所提供的方法。
图5示出了可以应用本发明实施例的产能控制实现方法或产能控制实现装置的示例性系统架构500。
如图5所示,系统架构500可以包括终端设备501、502、503,网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504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501、502、503通过网络504与服务器505交互,以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、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501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备,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505可以是提供各种服务的服务器,例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息)反馈给终端设备。
需要说明的是,本发明实施例所提供的产能控制实现方法一般由服务器505执行,相应地,产能控制实现装置一般设置于服务器505中。
应该理解,图5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。
下面参考图6,其示出了适于用来实现本申请实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例,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6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,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610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608。
特别地,根据本发明公开的实施例,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,本发明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609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本发明所示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方法。在这点上,流程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,上述模块、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,流程图中的每个方框、以及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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括发送模块、获取模块、确定模块和第一处理模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定。
作为另一方面,本发明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设备中所包含的;也可以是单独存在,而未装配入该设备中。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一个该设备执行时,使得该设备执行:
根据单品页访问量、时间、仓库中的员工数量中的至少一项来计算预期订单量;
根据预期订单量来预估仓库剩余的产能,根据预估的产能来进行订单控制和生产调节。
本发明实施例的技术方案,可以动态预估仓库某个时间段内的最大产能,从而为决策者提供决策提供有力的数据依靠。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (12)
1.一种产能控制实现方法,其特征在于,包括:
根据单品页访问量、时间、仓库中的员工数量中的至少一项来计算预期订单量,并且
根据预期订单量来预估仓库剩余的产能,根据预估的产能来进行订单控制和生产调节。
2.根据权利要求1所述的方法,其特征在于,
基于以下模型来计算预期订单量,
T(x)=axN+by+cz+d
其中,T是预期订单量,x是时间,y是员工数量,z是单品页的访问量,a是单品页访问量的影响系数,b是时间影响系数,c是仓库生产影响系数,d是误差值。
3.根据权利要求1所述的方法,其特征在于,根据预期订单量来预估仓库剩余的产能包括:
通过将预期订单量和实际订单量进行对比,以修正所述预期订单量和所述实际订单量之间的误差,从而使得订单量的预期值逼近实际值。
4.根据权利要求3所述的方法,其特征在于,通过将预期订单量和实际订单量进行对比,以修正所述预期订单量和所述实际订单量之间的误差包括:
通过梯度法或者连锁法来修正隐含节点的数据,以使得所述订单量的预期值逼近实际值。
5.根据权利要求1所述的方法,其特征在于,所述方法还包括,
将预估的剩余产能的结果反馈给结算页,以及
通过调整结算页的预约日历,改变订单的下传时间。
6.一种产能控制实现装置,其特征在于,包括:
预期订单量计算模块,用于根据单品页访问量、时间、仓库中的员工数量中的至少一项来计算预期订单量;
产能控制模块,用于根据预期订单量来预估仓库剩余的产能,根据预估的产能来进行订单控制和生产调节。
7.根据权利要求6所述的装置,其特征在于,
预期订单量计算模块基于以下模型来计算预期订单量,
T(x)=axN+by+cz+d
其中,T是预期订单量,x是时间,y是员工数量,z是单品页的访问量,a是单品页访问量的影响系数,b是时间影响系数,c是仓库生产影响系数,d是误差值。
8.根据权利要求6所述的装置,其特征在于,所述产能控制模块还用于:通过将预期订单量和实际订单量进行对比,以修正所述预期订单量和所述实际订单量之间的误差,从而使得订单量的预期值逼近实际值。
9.根据权利要求8所述的装置,其特征在于,所述产能控制模块还用于:
通过梯度法或者连锁法来修正隐含节点的数据,以使得所述订单量的预期值逼近实际值。
10.根据权利要求6所述的装置,其特征在于,所述装置还包括反馈模块,用于:
将预估的剩余产能的结果反馈给结算页,以及
通过调整结算页的预约日历,改变订单的下传时间。
11.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,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1-5中任一所述的方法。
12.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810897935.2A CN110826949A (zh) | 2018-08-08 | 2018-08-08 | 产能控制实现方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810897935.2A CN110826949A (zh) | 2018-08-08 | 2018-08-08 | 产能控制实现方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110826949A true CN110826949A (zh) | 2020-02-21 |
Family
ID=69540732
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810897935.2A Pending CN110826949A (zh) | 2018-08-08 | 2018-08-08 | 产能控制实现方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826949A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798114A (zh) * | 2020-06-28 | 2020-10-20 | 北京百度网讯科技有限公司 | 一种模型训练、订单处理方法、装置、设备及存储介质 |
CN113657821A (zh) * | 2020-05-12 | 2021-11-16 | 北京京东乾石科技有限公司 | 一种入库方法和装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1416088A (zh) * | 2001-10-29 | 2003-05-07 | 英业达股份有限公司 | 物料信息伺服方法以及系统 |
CN1467665A (zh) * | 2002-07-12 | 2004-01-14 | 鸿富锦精密工业(深圳)有限公司 | 企业系统间的产能预测及下单系统及方法 |
TW573270B (en) * | 2002-09-13 | 2004-01-21 | Asiatek Inc | Multiple constrains planning and scheduling system |
US20080288334A1 (en) * | 2007-03-29 | 2008-11-20 | Richard Boedi | Method for stock keeping, computer system and computer program |
CN104361482A (zh) * | 2014-12-09 | 2015-02-18 | 北京京东尚科信息技术有限公司 | 一种订单下传库房的方法和系统 |
CN106156880A (zh) * | 2015-04-22 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种预测库存分配比例的方法、装置及电子设备 |
CN106779230A (zh) * | 2016-12-27 | 2017-05-31 | 北京三快在线科技有限公司 | 订单量预估方法及装置、电子设备 |
CN106779859A (zh) * | 2016-12-27 | 2017-05-31 | 南京安讯科技有限责任公司 | 一种移动终端产品实时销量预测方法 |
CN107038492A (zh) * | 2016-02-04 | 2017-08-11 | 滴滴(中国)科技有限公司 | 基于Arma模型的每日订单成交量预测方法及装置 |
CN107278312A (zh) * | 2015-01-19 | 2017-10-20 | Pi研发有限公司 | 用于管理和优化送货网络的系统和方法 |
CN107274209A (zh) * | 2017-05-18 | 2017-10-20 | 北京京东尚科信息技术有限公司 | 预测促销活动销售数据的方法和装置 |
CN107292666A (zh) * | 2017-06-20 | 2017-10-24 | 北京京东尚科信息技术有限公司 | 销售潜力判断方法及装置 |
-
2018
- 2018-08-08 CN CN201810897935.2A patent/CN110826949A/zh active Pending
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1416088A (zh) * | 2001-10-29 | 2003-05-07 | 英业达股份有限公司 | 物料信息伺服方法以及系统 |
CN1467665A (zh) * | 2002-07-12 | 2004-01-14 | 鸿富锦精密工业(深圳)有限公司 | 企业系统间的产能预测及下单系统及方法 |
TW573270B (en) * | 2002-09-13 | 2004-01-21 | Asiatek Inc | Multiple constrains planning and scheduling system |
US20080288334A1 (en) * | 2007-03-29 | 2008-11-20 | Richard Boedi | Method for stock keeping, computer system and computer program |
CN104361482A (zh) * | 2014-12-09 | 2015-02-18 | 北京京东尚科信息技术有限公司 | 一种订单下传库房的方法和系统 |
CN107278312A (zh) * | 2015-01-19 | 2017-10-20 | Pi研发有限公司 | 用于管理和优化送货网络的系统和方法 |
CN106156880A (zh) * | 2015-04-22 | 2016-11-23 | 阿里巴巴集团控股有限公司 | 一种预测库存分配比例的方法、装置及电子设备 |
CN107038492A (zh) * | 2016-02-04 | 2017-08-11 | 滴滴(中国)科技有限公司 | 基于Arma模型的每日订单成交量预测方法及装置 |
CN106779230A (zh) * | 2016-12-27 | 2017-05-31 | 北京三快在线科技有限公司 | 订单量预估方法及装置、电子设备 |
CN106779859A (zh) * | 2016-12-27 | 2017-05-31 | 南京安讯科技有限责任公司 | 一种移动终端产品实时销量预测方法 |
CN107274209A (zh) * | 2017-05-18 | 2017-10-20 | 北京京东尚科信息技术有限公司 | 预测促销活动销售数据的方法和装置 |
CN107292666A (zh) * | 2017-06-20 | 2017-10-24 | 北京京东尚科信息技术有限公司 | 销售潜力判断方法及装置 |
Non-Patent Citations (2)
Title |
---|
PIBERNIK, R ET AL.: "Dynamic capacity reservation and due date quoting in a make-to-order system", NAVAL RESEARCH LOGISTICS, vol. 55, no. 7, pages 302 - 306 * |
牛亚坤;沈奇威;: "服务型O2O订单处理方案设计", 电信工程技术与标准化, no. 01 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113657821A (zh) * | 2020-05-12 | 2021-11-16 | 北京京东乾石科技有限公司 | 一种入库方法和装置 |
CN111798114A (zh) * | 2020-06-28 | 2020-10-20 | 北京百度网讯科技有限公司 | 一种模型训练、订单处理方法、装置、设备及存储介质 |
CN111798114B (zh) * | 2020-06-28 | 2024-07-02 | 纽扣互联(北京)科技有限公司 | 一种模型训练、订单处理方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135871B (zh) | 计算用户复购期的方法和装置 | |
US20160055505A1 (en) | Price elasticity testing | |
CN108074003B (zh) | 预测信息推送方法和装置 | |
CN109961198B (zh) | 关联信息生成方法和装置 | |
CN109961328B (zh) | 确定订单冷静期的方法和装置 | |
CN113763093A (zh) | 一种基于用户画像的物品推荐方法和装置 | |
CN110866625A (zh) | 促销指标信息生成方法和装置 | |
CN112257868A (zh) | 构建和训练用于预测客流量的集成预测模型的方法及装置 | |
CN112825178B (zh) | 一种预测用户性别画像的方法和装置 | |
CN113298610A (zh) | 信息推荐与获取方法、设备及存储介质 | |
CN110826949A (zh) | 产能控制实现方法和装置 | |
CN113191806B (zh) | 确定流量调控目标的方法及装置 | |
CN113947439A (zh) | 需求预测模型训练方法和装置、需求预测方法和装置 | |
CN113269575B (zh) | 计算时序队列的方法和装置 | |
CN117193980A (zh) | 任务剩余时长的计算方法和装置 | |
CN112561552A (zh) | 一种物品价值属性调整方法和装置 | |
US20230259846A1 (en) | Communications apparatus and method for estimating potential demand for improved forecasting and resource management | |
CN109872211A (zh) | 一种对象推荐的方法和装置 | |
US20180174174A1 (en) | Trend-based data anlysis | |
CN113254859A (zh) | 用于控制流量进度的方法和装置 | |
CN114257521A (zh) | 流量预测方法、装置、电子设备和存储介质 | |
CN113761343A (zh) | 一种信息推送方法、装置、终端设备及存储介质 | |
CN118057420A (zh) | 一种数据分析策略的训练方法、数据分析方法和装置 | |
CN110766425A (zh) | 一种销量预测方法和装置 | |
CN110956477A (zh) | 一种确定商品最优价格的方法和装置 |
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 |