CN110910065A - 基于大数据和知识图谱的仓库空间分配方法及系统 - Google Patents

Abstract

本发明提供了一种基于大数据和知识图谱的仓库空间分配方法及系统，该方法包括：大数据平台根据货物的订单业务数据、特征数据、指标数据对未来入库订单进行预测；知识图谱平台对货物的属性进行分析形成各个品类的货物画像；优化计算平台根据入库订单预测和货物画像对入库货物进行仓库存储空间分配。在本发明中，通过大数据平台对未来入库订单进行预测，以及知识图谱平台生成各个品类的货物画像，使得入库货物在仓库空间匹配上更加合理，从而提高了仓储效率。

Description

基于大数据和知识图谱的仓库空间分配方法及系统

技术领域

本发明涉及仓库管理领域，具体而言，涉及一种基于大数据和知识图谱的仓库空间分配方法及系统。

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。

目前，仓库管理中仍然多数依赖于传统空间分配和管理方式，即人为根据货物和空间状况进行匹配。

发明内容

本发明实施例提供了一种基于大数据和知识图谱的仓库空间分配方法及系统，以至少解决相关技术中人为根据货物和仓库空间状况进行匹配，所导致的仓库空间分配不合理的问题。

根据本发明的一个实施例，提供了一种基于大数据和知识图谱的仓库空间分配方法，包括：大数据平台根据货物的订单业务数据、特征数据、指标数据对未来入库订单进行预测；知识图谱平台对货物的属性进行分析形成各个品类的货物画像；优化计算平台根据入库订单预测和货物画像对入库货物进行仓库存储空间分配。

可选地，大数据平台根据货物的订单业务数据、特征数据、指标数据对未来入库订单进行预测之后，还包括：所述大数据平台根据在仓货物情况、仓库剩余空间情况、入库货物情况和入库订单预测进行仓库的库位分派。

可选地，知识图谱平台对货物的属性进行分析形成各个品类的货物画像之后，还包括：基于所述货物画像，所述知识图谱平台对所导入的订单进行分析，以生成订单图谱。

可选地，优化计算平台根据入库订单预测和货物画像对入库货物进行仓库存储空间分配包括：所述优化计算平台根据货物的属性将分配到不同的存储区，其中所述存储区包括：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；所述优化计算平台通过与知识图谱平台的引擎的交互，基于所述订单图谱确定各个区域的不同品类货物的摆放位置和数量。

根据本发明的另一个实施例，提供了一种基于大数据和知识图谱的仓库空间分配系统，包括大数据平台、知识图谱平台和优化计算平台，所述大数据平台，用于根据货物的订单业务数据、特征数据、指标数据对未来入库订单进行预测；所述知识图谱平台，用于对货物的属性进行分析形成各个品类的货物画像；所述优化计算平台，用于根据入库订单预测和货物画像对入库货物进行仓库存储空间分配。

可选地，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、入库货物情况和入库订单预测进行仓库的库位分派。

可选地，所述知识图谱平台，还用于基于所述货物画像，所述知识图谱平台对所导入的订单进行分析，以生成订单图谱。

可选地，所述优化计算平台还包括：分配模块，用于根据货物的属性将分配到不同的存储区，其中所述存储区包括：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；确定模块，用于通过与知识图谱平台的引擎的交互，基于所述订单图谱确定各个区域的不同品类货物的摆放位置和数量。

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，通过大数据平台对未来入库订单进行预测，以及知识图谱平台生成各个品类的货物画像，使得入库货物在仓库空间匹配上更加合理，从而提高了仓储效率。

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和知识图谱的仓库空间分配方法的流程图；

图2是根据本发明实施例的仓库空间分配系统的大数据平台和知识图谱平台部分的结构框图；

图3是根据本发明实施例的仓库空间分配系统的优化计算平台部分的结构框图；

图4是根据本发明实施例的仓库空间分配方法流程图；

图5是根据本发明可选实施例的基于大数据和知识图谱的仓库空间分配系统结构示意图；

图6是根据本发明可选实施例的基于大数据和知识图谱的仓库空间分配系统结构示意图。

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。

在本实施例中提供了一种基于大数据和知识图谱的仓库空间分配方法，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，大数据平台根据货物的订单业务数据、特征数据、指标数据对未来入库订单进行预测；

步骤S104，知识图谱平台对货物的属性进行分析形成各个品类的货物画像；

步骤S106，优化计算平台根据入库订单预测和货物画像对入库货物进行仓库存储空间分配。

在本实施例的步骤S102之后，还可以包括：所述大数据平台根据在仓货物情况、仓库剩余空间情况、入库货物情况和入库订单预测进行仓库的库位分派。

在本实施例的步骤S104之后，还可以包括：基于所述货物画像，所述知识图谱平台对所导入的订单进行分析，以生成订单图谱。

在本实施例的步骤S106中，所述优化计算平台根据货物的属性将分配到不同的存储区，其中所述存储区包括：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；所述优化计算平台通过与知识图谱平台的引擎的交互，基于所述订单图谱确定各个区域的不同品类货物的摆放位置和数量。

在本实施例中，在本发明上述实施例中，通过大数据平台对未来入库订单进行预测，以及知识图谱平台生成各个品类的货物画像，从而克服了人为根据货物和仓库空间状况进行匹配，所导致的仓库空间分配不合理的问题，使得入库货物在仓库空间匹配上更加合理，进而提高了仓储效率。

为了便于对本发明实施例所提供的技术方案的理解，下面将对具体应用场景的实施例进行详细描述。

传统的仓库空间分配和管理方式通常存在如下问题：

1.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。

2.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。

3.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。

4.对货物周转率不能进行实时判断，可靠性较差。

5.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。

6.不能准确把握各个品类的基本属性，比如A和B不能相邻摆放、A和C不能上下摆放、A和D必须相邻摆放、A和E需要以1:2的数量比进行配装等等。

7.不能准确的对货物的实际情况进行把握，容易造成货架损坏，移库移位成本增加。

8.仓库对货品实行统一管理，不分主次，使得在库内操作、出库、入库时造成了极大地人力物力的浪费。

9.所有货物通过仓库保管员对存货量的掌握来发出采购要求，制定采购数量。往往造成的结果是，有时部分货物库存量过高，使库存成本居高不下。有时部分货源不足，影响了出库的正常进行，造成巨大损失。

为了实现仓库空间的合理分配，本发明实施例提供了一种基于大数据和知识图谱的仓库空间分配系统，如图2和图3所示，在本实施例中，该系统包括大数据平台、知识图谱平台和优化计算平台。

大数据平台对入库订单业务数据、特征数据、指标数据、以往入库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，对未来入库订单进行预测，为库位优化分配提供准确的基础数据。

特别在节假日、双十一、618等电商大促前期，以及季节变化时的入库货物数据预测。得到预测入库数据之后综合在库货物情况，进行库位分配。

知识图谱平台对货物各个属性进行分析，抓取知识图谱的要素(如：与某些品类相邻摆放容易发生安全性问题、抗挤压等级等等)。对品类属性进行量化、配装工人经验进行数字化。

知识图谱平台将货物属性进行分析，对于要素对应值进行匹配，并同时不断更新要素库，对于各个货物形成自己的画像。

入库订单导入系统后，知识图谱平台根据货物属性不同(比如有些货物需要单独摆放、有些货物需要分开存储等)针对于订单自动计算出订单的整体图像。将图像传入智能空间优化系统。

优化计算平台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。

优化计算平台根据货位存储策略，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。

优化计算平台将历史入库数据进行分析，计算出以上5个区域的空间。

优化计算平台将入库数据的货物属性(如：摆放位置要求(是否需要单独摆放)、重量、包装属性、保质日期等)对不同货物进行分类，并根据如下要求划分到不同的区域：

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

优化计算平台然后针对每个区域的货物，进行具体的空间分配优化。

在空间优化分配过程中，优化计算平台对知识图谱平台进行问答操作，如：当前订单中单独摆放的货物有哪些？相关性较强的货物有哪些？进而将不同货物分派到不同的区域。之后针对于每个区域中的货物可以再向知识图谱平台提问：该品类可以与哪些品类相邻摆放？是否有指定摆放位置的品类？等等问题，进而选出下一步需要装载的品类和数量。

如图4所示，本实施例主要包括如下步骤：

步骤S401，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S402，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S403，结合在库数据，反向影响入库量。

步骤S404，知识图谱平台对摆放存储限制的要素进行抓取，对各货物属性进行分析，将各个属性进行数据化。如摆放位置要求、保质日期、出库频率、相邻摆放限制。

步骤S405，知识图谱平台对各个属性进行分析、归类，形成各个品类的画像。

步骤S406，订单数据导入知识图谱平台，平台对订单中品类进行分析，形成订单图谱。并对订单中新的知识图谱要素进行抓取，不断更新知识图谱要素库。

步骤S407，系统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S408，将库位分配工的经验进行数据化，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S409，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。

步骤S410，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S411，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S412，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。

步骤S413，对个存储区域进行空间分配。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S414，出库货物出现后，记录空间，便于新入库货物有足够的空间进行存储。

在本实施例中，通过上述步骤，系统自动对码放方案进行多次模拟推算，生成最优方案。

与传统的仓库空间分配和管理方式相比，本实施例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。对于受到的季节性、节假日、电商促销日等影响较大的货物作出入库数据预估，进而促进优化仓库库位分派。提高仓库利用率，减少商品过期、或者剩余保质期较短导致的资源浪费，出入库效率得到了极大地提高。

2.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。

3.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。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。

4.知识图谱平台使整体的计算效率提高，计算更加准确。

5.通过知识图谱的分析，使得仓库的空间分配更加合理，相同不同品类间的货物进行库位区分摆放，使得出库错误率大大降低。

6.通过知识图谱平台的引入，使得商品误判率为0，对极其相似的货物做到了严格区分不混淆。

7.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。

8.手动调整优化结果，可根据实际操作者的意愿进行人工干预。

9.原型保存功能，可以将优化程度较高的结果进行保存，以提高计算效率。

10.不再依赖于计划者，灵活性大大提高并且节省了人工配置空间的时间。

11.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。

12.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，本系统在结合考虑出入库时间的条件下，优化选择配置空间。

13.货物的货位并不是一成不变的，本系统在原型参照功能的同时考虑当前制约因素，遵循“常用易取”的原则。

14.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。

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和知识图谱的仓库空间分配系统，该系统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5是根据本发明实施例的基于大数据和知识图谱的仓库空间分配系统的结构框图，如图5所示，该系统100包括大数据平台10、知识图谱平台20和优化计算平台30。

所述大数据平台10，用于根据货物的订单业务数据、特征数据、指标数据对未来入库订单进行预测。

所述知识图谱平台20，用于对货物的属性进行分析形成各个品类的货物画像。

所述优化计算平台30，用于根据入库订单预测和货物画像对入库货物进行仓库存储空间分配。

图6是根据本发明可选实施例的基于大数据和知识图谱的仓库空间分配系统的结构框图，如图6所示，该装置除包括图5所示的大数据平台10、知识图谱平台20和优化计算平台30外，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、入库货物情况和入库订单预测进行仓库的库位分派。所述知识图谱平台20，还用于基于所述货物画像，所述知识图谱平台对所导入的订单进行分析，以生成订单图谱。

所述优化计算平台还包括分配模块31和确定模块32。

分配模块31，用于根据货物的属性将分配到不同的存储区，其中所述存储区包括：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。

确定模块32，用于通过与知识图谱平台的引擎的交互，基于所述订单图谱确定各个区域的不同品类货物的摆放位置和数量。

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)

1.一种基于大数据和知识图谱的仓库空间分配方法，其特征在于，包括：

大数据平台根据货物的订单业务数据、特征数据、指标数据对未来入库订单进行预测；

知识图谱平台对货物的属性进行分析形成各个品类的货物画像；

优化计算平台根据入库订单预测和货物画像对入库货物进行仓库存储空间分配。

2.根据权利要求1所述的方法，其特征在于，大数据平台根据货物的订单业务数据、特征数据、指标数据对未来入库订单进行预测之后，还包括：

所述大数据平台根据在仓货物情况、仓库剩余空间情况、入库货物情况和入库订单预测进行仓库的库位分派。

3.根据权利要求1所述的方法，其特征在于，知识图谱平台对货物的属性进行分析形成各个品类的货物画像之后，还包括：

基于所述货物画像，所述知识图谱平台对所导入的订单进行分析，以生成订单图谱。

4.根据权利要求1所述的方法，其特征在于，优化计算平台根据入库订单预测和货物画像对入库货物进行仓库存储空间分配包括：

所述优化计算平台根据货物的属性将分配到不同的存储区，其中所述存储区包括：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；

所述优化计算平台通过与知识图谱平台的引擎的交互，基于所述订单图谱确定各个区域的不同品类货物的摆放位置和数量。

5.一种基于大数据和知识图谱的仓库空间分配系统，其特征在于，包括大数据平台、知识图谱平台和优化计算平台，

所述大数据平台，用于根据货物的订单业务数据、特征数据、指标数据对未来入库订单进行预测；

所述知识图谱平台，用于对货物的属性进行分析形成各个品类的货物画像；

所述优化计算平台，用于根据入库订单预测和货物画像对入库货物进行仓库存储空间分配。

6.根据权利要求5所述的系统，其特征在于，

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、入库货物情况和入库订单预测进行仓库的库位分派。

7.根据权利要求5所述的系统，其特征在于，

所述知识图谱平台，还用于基于所述货物画像，所述知识图谱平台对所导入的订单进行分析，以生成订单图谱。

8.根据权利要求5所述的系统，其特征在于，所述优化计算平台还包括：

分配模块，用于根据货物的属性将分配到不同的存储区，其中所述存储区包括：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；

确定模块，用于通过与知识图谱平台的引擎的交互，基于所述订单图谱确定各个区域的不同品类货物的摆放位置和数量。

9.一种计算机可读存储介质，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