CN110866653A - 基于大数据平台对仓库空间优化的方法及装置 - Google Patents

Abstract

本发明提供了一种基于大数据平台对仓库空间优化的方法及装置，其中，该方法包括：通过大数据平台对仓库内货物的数据进行统计，其中，数据包括：货物的订单业务数据、货物的特征数据、货物的指标数据、货物的历史入库订单需求数据；基于大数据平台根据统计结果确定仓库未来预设时间段内的货物的入库量；基于大数据平台根据入库量和仓库当前货物库存量对仓库内库位上待存放的货物进行调整。通过本发明，解决了相关技术中通过人工的方式对仓库的货物进行处理导致效率低且易出错的问题。

Description

基于大数据平台对仓库空间优化的方法及装置

技术领域

本发明涉及计算机领域，具体而言，涉及一种基于大数据平台对仓库空间优化的方法及装置。

背景技术

随着物流行业的高速发展，仓储技术也实现了由平面存储到自动化立体仓库存储的升级，但对于空间分配和货物摆放位置及摆放规格仍多依靠于有经验的仓库管理者进行布置。但货物属性及存储制约条件复杂，例如包装强度、出/入库时间、拣选频率等，依靠管理者的经验使得计划人为化，灵活性差，经验不易传承，盘点管理成本较高。另外，人工布置效率较低，对全局意识不足容易产生误判。

针对相关技术中的上述问题，目前尚未存在有效的解决方案。

发明内容

本发明实施例提供了一种基于大数据平台对仓库空间优化的方法及装置，以至少解决相关技术中通过人工的方式对仓库的货物进行处理导致效率低且易出错的问题。

根据本发明的一个实施例，提供了一种基于大数据平台对仓库空间优化的方法，包括：通过大数据平台对所述仓库内货物的数据进行统计，其中，所述数据包括：所述货物的订单业务数据、所述货物的特征数据、所述货物的指标数据、所述货物的历史入库订单需求数据；基于所述大数据平台根据统计结果确定所述仓库未来预设时间段内的货物的入库量；基于所述大数据平台根据所述入库量和所述仓库当前货物库存量对所述仓库内库位上待存放的货物进行调整。

根据本发明的另一个实施例，提供了一种基于大数据平台对仓库空间优化的装置，包括：第一统计模块，用于通过大数据平台对所述仓库内货物的数据进行统计，其中，所述数据包括：所述货物的订单业务数据、所述货物的特征数据、所述货物的指标数据、所述货物的历史入库订单需求数据；确定模块，用于基于所述大数据平台根据统计结果确定所述仓库未来预设时间段内的货物的入库量；第一调整模块，用于基于所述大数据平台根据所述入库量和所述仓库当前货物库存量对所述仓库内库位上待存放的货物进行调整。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。

通过本发明，通过大数据平台对仓库内货物的数据进行统计，进而根据统计结果确定仓库未来预设时间段内的货物的入库量，最后根据入库量和仓库当前货物库存量对仓库内库位上待存放的货物进行调整，实现了根据当前仓库库存量和未来入库的入库量对货物的调整，而无需由人工的方式进行相应的处理，解决了相关技术中通过人工的方式对仓库的货物进行处理导致效率低且易出错的问题，提高了对仓库货物的管理效率。

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对仓库空间优化的方法的流程图；

图2是根据本发明实施例的基于大数据平台对仓库空间优化的装置的结构框图；

图3是根据本发明实施例的基于大数据平台对仓库空间优化的装置的可选结构框图。

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。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。

实施例1

有关数据表明：一个完整的生产流通过程，其生产成本只占总物流过程花费的72％，其他部分的花费中63％消耗在仓储环节。而目前的仓储环节基本上均是由人工来完成，但是通过人工的方式不能准确把握货物的实时变化情况，很多货物具有可变属性，在不同时期的需求不同，所需保管方式不同，而且由于对未来入库量不能准确把握，使得空间预留不合理，导致成本上升，以及由于不同时期对货物的保管方式不同，导致库位分配时不是一成不变的，但人工不能合理反应，使得移库移位情况时有发生，成本上升。进一步地对货物周转率不能进行实时判断，可靠性较差，对库内余货的实际情况不能准确把握，使得某些货物占库时间较长，周转率降低。另外，某些仓储中心采取保管员“包揽制”管理，即某些货物以及某个货架归某个保管员负责，这样常常使得人力资源与物力资源不能得到充分的、合理的利用，费时费力效果差；而且货物入库由保管员负责安排库位，货物出库由保管员负责查找货物所在库位，这种凭借保管员经验的传统方法，使得工作效率低，且出错率高。过分估计订单商品所需空间，导致库位空间浪费，空间分配不合理，增加了入库成本。

由此可见，采用现代化的仓储技术以提高仓储的效率，节约仓储环节的成本是很有必要的，即需要通过优化仓库存储空间、储位分配，充分利用有限空间，提高货物的周转率和仓库的运行效率，以节约仓储资源，达到压缩成本的目的。

在本实施例中提供了一种的基于大数据平台对仓库空间优化的方法，图1是根据本发明实施例的基于大数据平台对仓库空间优化的方法的流程图，如图1所示，该流程包括如下步骤：

步骤S102，通过大数据平台对仓库内货物的数据进行统计，其中，数据包括：货物的订单业务数据、货物的特征数据、货物的指标数据、货物的历史入库订单需求数据；

步骤S104，基于大数据平台根据统计结果确定仓库未来预设时间段内的货物的入库量；

该未来预设时间段，可以是比较普通的工作日或休息日，或者是比较特殊的节假日，或某些电商平台搞促销的时间。

步骤S106，基于大数据平台根据入库量和仓库当前货物库存量对仓库内库位上待存放的货物进行调整。

通过上述步骤S102至步骤S106，通过大数据平台对仓库内货物的数据进行统计，进而根据统计结果确定仓库未来预设时间段内的货物的入库量，最后根据入库量和仓库当前货物库存量对仓库内库位上待存放的货物进行调整，实现了根据当前仓库库存量和未来入库的入库量对货物的调整，而无需由人工的方式进行相应的处理，解决了相关技术中通过人工的方式对仓库的货物进行处理导致效率低且易出错的问题，提高了对仓库货物的管理效率。

在本实施例的一个可选实施方式中，对于步骤S106中涉及到的根据入库量和仓库当前货物库存量对仓库内库位上待存放的货物进行调整方式，可以通过如下方式来实现：

步骤S106-11，获取与入库量和仓库当前货物库存量对应货物的第一属性信息；其中，第一属性信息用于指示货物的存储状态；

需要说明的是，该第一属性信息在具体应用场景中可以是：货物的尺寸大小；或是货物存放环境要求，如货物需要低温环境、货物易碎等；或是保质期；

步骤S106-12，根据第一属性信息，入库量和仓库当前货物库存量确定待存放货物的库位。

其中，该步骤S106-12可以通过如下方式来实现：将仓库划分为多个区域，其中，每个区域具有对应待存放货物的第二属性信息以及对应的存放量；根据第一属性信息与第二属性信息匹配关系，与区域对应的存放量，以及入库量和仓库当前货物库存量确定待存放货物的区域。

其中，多个区域包括：定位存储区、随机存储区、分类存储区、分类随机存储区和共享存储区；

其中，定位存储区的第二属性信息用于指示货物续单独摆放，货物的周转率为第一周转率，货物的保质期为第一保质期；

随机存储区的第二属性信息用于指示待存放货物的数量小于第一预设阈值，待存放货物所占空间小于第二预设阈值，货物的保质期为第二保质期；

分类存储区的第二属性信息用于指示只能摆放同一类货物或有特定摆放需求的货物；

分类随机存储区的第二属性信息用于指示货物之间不能相邻摆放的信息，且货物的周转率为第二周转率；

共享存储区的第二属性信息用于指示暂时存放货物且货物数量小于第三预设阈值；

需要说明的是，第一周转率低于第二周转率，第一保质期大于第二保质期。

也就是说，通过大数据平台可以将各种品类的装载要求进行数据化、量化，将配装工人的经验进行数据化、规范化。根据货物属性不同(比如有些货物需要单独摆放、有些货物需要分开存储等)，采用不同的货位储存策略，包括：定位存储、随机存储、分类存储、分类随机存储和共享存储等。配合货位分配原则：如货架承载均匀，上轻下重；加快周转，先入先出；提高可靠性，分巷道存放；提高效率，就近入/出库；产品相关性等。

系统根据货位存储策略，将不同仓库分为不同的区域：定位存储区、随机存储区、分类存储区、分类随机存储区和共享存储区。

1)定位存储区：货物单独摆放、周转率较低、保质期较长；

2)随机存储区：货物数量较少、整体所占空间较小、保质日期较短；

3)分类存储区：不能与不同品类的货物相邻摆放(如食物)、有特定摆放需求；

4)分类随机存储：不能相邻摆放的货物，并且周转率较高；

5)共享存储：一般无摆放具体要求，流动性较高，或者临时增加的新品目，数量较少。

在本实施例的另一个可选实施方式中，本实施例的方法步骤还包括：

步骤S108，基于大数据平台根据仓库的出货量实时统计各个区域内的存放量；

步骤S110，基于大数据平台根据实时的各个区域的存放量对新入库的货物进行区域的分配。

下面结合本申请的具体实施方式对本申请进行举例说明；

本具体实施方式提供了一种基于大数据平台的仓库空间智能优化方法，该方法的步骤包括：

步骤S11，通过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。

步骤S12，通过大数据平台将数据进行综合处理与计算，结合具体时间或者特定阶段或者季节更替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S13，通过大数据平台结合在库数据，反向影响入库量。

步骤S14，通过大数据平台将历史入库数据进行分析，为定位存储区、随机存储区、分类存储区、分类随机存储区和共享存储区5个区域进行分配库位空间。

步骤S15，通过大数据平台将库位分配工的经验进行数据化；

其中，如a类商品和b类商品一起摆放商品容易发生污染，增加不安全因素。

步骤S16，通过大数据平台商品信息属性分析，将各个属性进行数据化。如商品保质日期、重量、尺寸、包装强度、摆放限制。

轴S17，通过大数据平台根据大数据平台的分析，将每个区域内货物的拣选频率从高到底进行排序，拣选频率较高的货物分配到黄金区域。

步骤S18，通过大数据平台仓库空间信息维护，包括已用空间、剩余空间、剩余空间位置、属性(空间具体位置)，空间根据位置和拣选便捷程度划分出黄金区域，并根据货物量动态调整区域大小。

步骤S19，通过大数据平台订单信息导入系统平台，平台自动计算货物属性值并进行分配，分配到不同的存储区。

轴S20，通过大数据平台对个存储区域进行空间分配。

其中，货物遵循“先进先出”原则，缩短货物的在库时间，以提高货物的出入库频率、方便货物存取；遵循“上轻下重”，货物摆放均匀，同时出库的、相关性较大的货物集中配置摆放。货物出入库时间窗等约束，以合理规划配置空间位置，避免出现“出库倒货”现象导致的效率低下，综合考虑商品的属性，尺寸、重量、抗挤压属性值，优化计算商品的摆放位置等详细信息。

步骤S21，出库货物出现后，通过大数据平台记录空间，便于新入库货物有足够的空间进行存储。

可见，通过上述步骤S11至步骤S21，通过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。并对于受到的季节性、节假日、电商促销日等影响较大的货物做出入库数据预估，促进了优化仓库库位分派，提高了仓库利用率，减少了商品过期、或者剩余保质期较短导致的资源浪费，出入库效率得到了极大地提高。

此外，通过大数据平台对货物的需求品种、需求数量和需求频率做出预测，对货物的货位分配根据外界条件的变化，定期对若干货位进行交换。以及通过大数据平台从历史数据中分析出高频拣选货物，并根据季节、节假日、天气情况等做出合理数据预测，动态调整黄金区域的范围，从而有利于保证货架之安全性及人手搬运之作业安全性，避免对货架的损坏和对操作人员的伤害，使得出入库效率得到大幅提高，成本降低。

而且，通过大数据平台吸取仓库配置人员的经验，协调手动作业与自动优化，提高空间配置效率，减少人工操作和判断的失误。优化配置空间，使得仓库利用率提高，在仓库有货的情况下，将空间进行空间划分，避免上重下轻等摆放不均衡的现象出现，同时更大程度上利用了仓库的配置空间。货物的出入库时间影响了摆放空间的选择，进一步影响货物的拣选效率，通过大数据平台在结合考虑出入库时间的条件下，优化选择配置空间。

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。

实施例2

在本实施例中还提供了一种基于大数据平台对仓库空间优化的装置，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2是根据本发明实施例的基于大数据平台对仓库空间优化的装置的结构框图，如图2所示，该装置包括：第一统计模块22，用于通过大数据平台对仓库内货物的数据进行统计，其中，数据包括：货物的订单业务数据、货物的特征数据、货物的指标数据、货物的历史入库订单需求数据；确定模块24，用于基于大数据平台根据统计结果确定仓库未来预设时间段内的货物的入库量；第一调整模块26，用于基于大数据平台根据入库量和仓库当前货物库存量对仓库内库位上待存放的货物进行调整。

可选地，本实施例中的第一调整模块26可以包括：获取单元，用于获取与入库量和仓库当前货物库存量对应货物的第一属性信息；其中，第一属性信息用于指示货物的存储状态；确定单元，用于根据第一属性信息，入库量和仓库当前货物库存量确定待存放货物的库位。

其中，该确定单元进一步可以包括：划分子单元，用于将仓库划分为多个区域，其中，每个区域具有对应待存放货物的第二属性信息以及对应的存放量；确定子单元，用于根据第一属性信息与第二属性信息匹配关系，与区域对应的存放量，以及入库量和仓库当前货物库存量确定待存放货物的区域。

其中，多个区域包括：定位存储区、随机存储区、分类存储区、分类随机存储区和共享存储区；

其中，定位存储区的第二属性信息用于指示货物续单独摆放，货物的周转率为第一周转率，货物的保质期为第一保质期；

随机存储区的第二属性信息用于指示待存放货物的数量小于第一预设阈值，待存放货物所占空间小于第二预设阈值，货物的保质期为第二保质期；

分类存储区的第二属性信息用于指示只能摆放同一类货物或有特定摆放需求的货物；

分类随机存储区的第二属性信息用于指示货物之间不能相邻摆放的信息，且货物的周转率为第二周转率；

共享存储区的第二属性信息用于指示暂时存放货物且货物数量小于第三预设阈值；

第一周转率低于第二周转率，第一保质期大于第二保质期。

图3是根据本发明实施例的基于大数据平台对仓库空间优化的装置的可选结构框图，如图3所示，该装置包括：第二统计模块32，用于基于大数据平台根据仓库的出货量实时统计各个区域内的存放量；第二调整模块34，用于基于大数据平台根据实时的各个区域的存放量对新入库的货物进行区域的分配。

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。

实施例3

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，上述存储介质可以被设置为存储用于执行以下步骤的计算机程序：

S1，通过大数据平台对仓库内货物的数据进行统计，其中，数据包括：货物的订单业务数据、货物的特征数据、货物的指标数据、货物的历史入库订单需求数据；

S2，基于大数据平台根据统计结果确定仓库未来预设时间段内的货物的入库量；

S3，基于大数据平台根据入库量和仓库当前货物库存量对仓库内库位上待存放的货物进行调整。

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。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

S1，通过大数据平台对仓库内货物的数据进行统计，其中，数据包括：货物的订单业务数据、货物的特征数据、货物的指标数据、货物的历史入库订单需求数据；

S2，基于大数据平台根据统计结果确定仓库未来预设时间段内的货物的入库量；

S3，基于大数据平台根据入库量和仓库当前货物库存量对仓库内库位上待存放的货物进行调整。

可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

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对仓库空间优化的方法，其特征在于，包括：

通过大数据平台对所述仓库内货物的数据进行统计，其中，所述数据包括：所述货物的订单业务数据、所述货物的特征数据、所述货物的指标数据、所述货物的历史入库订单需求数据；

基于所述大数据平台根据统计结果确定所述仓库未来预设时间段内的货物的入库量；

基于所述大数据平台根据所述入库量和所述仓库当前货物库存量对所述仓库内库位上待存放的货物进行调整。

2.根据权利要求1所述的方法，其特征在于，所述根据所述入库量和所述仓库当前货物库存量对所述仓库内库位上待存放的货物进行调整，包括：

获取与所述入库量和所述仓库当前货物库存量对应货物的第一属性信息；其中，所述第一属性信息用于指示货物的存储状态；

根据所述第一属性信息，所述入库量和所述仓库当前货物库存量确定待存放货物的库位。

3.根据权利要求2所述的方法，其特征在于，根据所述第一属性信息，所述入库量和所述仓库当前货物库存量确定待存放货物的库位包括：

将所述仓库划分为多个区域，其中，每个区域具有对应待存放货物的第二属性信息以及对应的存放量；

根据所述第一属性信息与所述第二属性信息匹配关系，与所述区域对应的所述存放量，以及所述入库量和所述仓库当前货物库存量确定待存放货物的区域。

4.根据权利要求3所述的方法，其特征在于，所述多个区域包括：定位存储区、随机存储区、分类存储区、分类随机存储区和共享存储区；

其中，所述定位存储区的第二属性信息用于指示货物续单独摆放，货物的周转率为第一周转率，货物的保质期为第一保质期；

所述随机存储区的第二属性信息用于指示待存放货物的数量小于第一预设阈值，所述待存放货物所占空间小于第二预设阈值，货物的保质期为第二保质期；

所述分类存储区的第二属性信息用于指示只能摆放同一类货物或有特定摆放需求的货物；

所述分类随机存储区的第二属性信息用于指示货物之间不能相邻摆放的信息，且货物的周转率为第二周转率；

所述共享存储区的第二属性信息用于指示暂时存放货物且货物数量小于第三预设阈值；

所述第一周转率低于所述第二周转率，所述第一保质期大于所述第二保质期。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

基于所述大数据平台根据所述仓库的出货量实时统计所述各个区域内的存放量；

基于所述大数据平台根据所述实时的所述各个区域的存放量对新入库的货物进行区域的分配。

6.一种基于大数据平台对仓库空间优化的装置，其特征在于，包括：

第一统计模块，用于通过大数据平台对所述仓库内货物的数据进行统计，其中，所述数据包括：所述货物的订单业务数据、所述货物的特征数据、所述货物的指标数据、所述货物的历史入库订单需求数据；

确定模块，用于基于所述大数据平台根据统计结果确定所述仓库未来预设时间段内的货物的入库量；

第一调整模块，用于基于所述大数据平台根据所述入库量和所述仓库当前货物库存量对所述仓库内库位上待存放的货物进行调整。

7.根据权利要求6所述的装置，其特征在于，所述第一调整模块包括：

获取单元，用于获取与所述入库量和所述仓库当前货物库存量对应货物的第一属性信息；其中，所述第一属性信息用于指示货物的存储状态；

确定单元，用于根据所述第一属性信息，所述入库量和所述仓库当前货物库存量确定待存放货物的库位。

8.根据权利要求7所述的装置，其特征在于，所述确定单元包括：

划分子单元，用于将所述仓库划分为多个区域，其中，每个区域具有对应待存放货物的第二属性信息以及对应的存放量；

确定子单元，用于根据所述第一属性信息与所述第二属性信息匹配关系，与所述区域对应的所述存放量，以及所述入库量和所述仓库当前货物库存量确定待存放货物的区域。

9.一种计算机可读的存储介质，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5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5任一项中所述的方法。

Images