CN111325509A - 数据处理方法及装置、存储介质、电子装置 - Google Patents
数据处理方法及装置、存储介质、电子装置 Download PDFInfo
- Publication number
- CN111325509A CN111325509A CN202010121655.XA CN202010121655A CN111325509A CN 111325509 A CN111325509 A CN 111325509A CN 202010121655 A CN202010121655 A CN 202010121655A CN 111325509 A CN111325509 A CN 111325509A
- Authority
- CN
- China
- Prior art keywords
- warehouse
- goods
- data
- warehousing
- target
- 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.)
- Withdrawn
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
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (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
本发明提供了一种数据处理方法及装置、存储介质、电子装置,其中,上述方法包括:获取目标仓库的入库订单数据,其中,入库订单数据包括:入库订单业务数据、入库货物特征数据、入库指标数据、历史入库订单需求数据;通过知识图谱和大数据平台对入库订单信息和目标仓库的各个子仓库的仓库属性进行分析,确定存放入库订单信息中的入库货物对应的最优的目标子仓库;根据时间信息对入库订单信息进行分析,通过知识图谱和大数据平台预测目标仓库的待入库订单数据,其中,时间信息包括:节假日信息、季节信息,待入库订单数据包括:待入库订单业务数据、待入库货物特征数据、待入库指标数据、待入库订单需求数据。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种数据处理方法及装置、存储介质、电子装置。
背景技术
相关技术中,一个完整的生产流通过程的数据表明,生产成本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。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很有必要。
目前,客户端对于仓储的需求还停留在固定模式,在选定仓库后便固定存储仓库,不存在对存储仓库的优化选择、动态选择,存在浪费仓储资源,无法压缩成本的问题。
针对相关技术中,存在浪费仓储资源,无法压缩成本等问题,尚未提出有效的技术方案。
发明内容
本发明实施例提供了一种数据处理方法及装置、存储介质、电子装置,以至少解决相关技术中,存在浪费仓储资源,无法压缩成本等问题。
根据本发明的一个实施例,提供了一种数据处理方法,包括:获取目标仓库的入库订单数据,其中,上述入库订单数据包括:入库订单业务数据、入库货物特征数据、入库指标数据、历史入库订单需求数据;通过知识图谱和大数据平台对上述入库订单信息和上述目标仓库的各个子仓库的仓库属性进行分析,确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库;根据时间信息对上述入库订单信息进行分析,通过上述知识图谱和上述大数据平台预测上述目标仓库的待入库订单数据,其中,上述时间信息包括:节假日信息、季节信息,上述待入库订单数据包括:待入库订单业务数据、待入库货物特征数据、待入库指标数据、待入库订单需求数据。
在本发明实施例中,上述通过知识图谱和大数据平台对上述入库订单信息和上述目标仓库的各个子仓库的仓库属性进行分析,确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库,包括:在上述知识图谱和上述大数据平台中,根据上述入库订单信息所包括的上述入库货物特征数据的货物类别、货物所需空间、货物总重量、货物的配送范围、货物占用仓库的用仓时间段、货物流转率,以及上述目标仓库的上述各个子仓库的仓库属性的仓库剩余空间、仓库空间类型、仓库使用费用、仓库设备能力、仓库所在位置确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库。
在本发明实施例中,上述通过知识图谱和大数据平台对上述入库订单信息和上述目标仓库的各个子仓库的仓库属性进行分析,确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库,包括:对于全部的上述入库货物中的一种目标货物类别的一组入库货物:通过上述知识图谱和上述大数据平台,在确定存在第一数值的子仓库中存放有上述目标货物类别的货物、且上述第一数值的子仓库中上述目标货物类别的货物流转率高于第一预设阈值的情况下,将上述第一数值的子仓库确定为存放上述一组入库货物的一组目标子仓库,其中,上述目标子仓库中包括上述一组目标子仓库。
在本发明实施例中,上述通过知识图谱和大数据平台对上述入库订单信息和上述目标仓库的各个子仓库的仓库属性进行分析,确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库,包括:通过上述知识图谱和上述大数据平台,在确定存在第二数值的子仓库中的仓库使用费用低于第二预设阈值的情况下的情况下,将上述第二数值的子仓库确定为存放上述入库货物对应的最优的目标子仓库。
在本发明实施例中,在上述获取目标仓库的入库订单数据之后,上述方法还包括:将上述入库订单数据和上述目标仓库的各个子仓库的仓库属性存储至上述目标仓库的上述知识图谱和上述大数据平台,以更新上述知识图谱和上述大数据平台。
根据本发明的另一个实施例,还提供了一种数据处理装置,包括:获取单元,用于获取目标仓库的入库订单数据,其中,上述入库订单数据包括:入库订单业务数据、入库货物特征数据、入库指标数据、历史入库订单需求数据;确定单元,用于通过知识图谱和大数据平台对上述入库订单信息和上述目标仓库的各个子仓库的仓库属性进行分析,确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库;预测单元,用于根据时间信息对上述入库订单信息进行分析,通过上述知识图谱和上述大数据平台预测上述目标仓库的待入库订单数据,其中,上述时间信息包括:节假日信息、季节信息,上述待入库订单数据包括:待入库订单业务数据、待入库货物特征数据、待入库指标数据、待入库订单需求数据。
在本发明实施例中,上述确定单元,还用于在上述知识图谱和上述大数据平台中,根据上述入库订单信息所包括的上述入库货物特征数据的货物类别、货物所需空间、货物总重量、货物的配送范围、货物占用仓库的用仓时间段、货物流转率,以及上述目标仓库的上述各个子仓库的仓库属性的仓库剩余空间、仓库空间类型、仓库使用费用、仓库设备能力、仓库所在位置确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库。
在本发明实施例中,上述确定单元,还用于通过上述知识图谱和上述大数据平台,在确定存在第一数值的子仓库中存放有上述目标货物类别的货物、且上述第一数值的子仓库中上述目标货物类别的货物流转率高于第一预设阈值的情况下,将上述第一数值的子仓库确定为存放上述一组入库货物的一组目标子仓库,其中,上述目标子仓库中包括上述一组目标子仓库。
在本发明实施例中,上述确定单元,还用于通过上述知识图谱和上述大数据平台,在确定存在第二数值的子仓库中的仓库使用费用低于第二预设阈值的情况下的情况下,将上述第二数值的子仓库确定为存放上述入库货物对应的最优的目标子仓库。
在本发明实施例中,上述装置还包括:更新单元,用于将上述入库订单数据和上述目标仓库的各个子仓库的仓库属性存储至上述目标仓库的上述知识图谱和上述大数据平台,以更新上述知识图谱和上述大数据平台。
根据本发明的另一个实施例,还提供了一种计算机可读的存储介质,上述存储介质中存储有计算机程序,其中,上述计算机程序被设置为运行时执行以上任一项上述的数据处理方法。
根据本发明的另一个实施例,还提供了一种电子装置,包括存储器和处理器,其特征在于,上述存储器中存储有计算机程序,上述处理器被设置为运行上述计算机程序以执行以上任一项上述的数据处理方法。
通过本发明,获取目标仓库的入库订单数据,其中,上述入库订单数据包括:入库订单业务数据、入库货物特征数据、入库指标数据、历史入库订单需求数据;通过知识图谱和大数据平台对上述入库订单信息和上述目标仓库的各个子仓库的仓库属性进行分析,确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库;根据时间信息对上述入库订单信息进行分析,通过上述知识图谱和上述大数据平台预测上述目标仓库的待入库订单数据,其中,上述时间信息包括:节假日信息、季节信息,上述待入库订单数据包括:待入库订单业务数据、待入库货物特征数据、待入库指标数据、待入库订单需求数据,采用上述技术方案,解决了相关技术中,存在浪费仓储资源,无法压缩成本等问题。
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一种数据处理方法的应用环境的示意图;
图2是根据本发明实施例的一种可选的数据处理方法的流程图;
图3是根据本发明实施例的一种可选的数据处理装置的结构框图;
图4是根据本发明实施例的另一种可选的数据处理方法的流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
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。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例的一个方面,提供了一种数据处理方法。可选地,上述数据处理方法可以但不限于应用于如图1所示的应用环境中。如图1所示,终端设备102获取目标仓库的入库订单数据,其中,上述入库订单数据包括:入库订单业务数据、入库货物特征数据、入库指标数据、历史入库订单需求数据,并将入库订单数据通过网络发送给服务器104。服务器104接收到入库订单数据之后,通过知识图谱和大数据平台对上述入库订单信息和上述目标仓库的各个子仓库的仓库属性进行分析,确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库;根据时间信息对上述入库订单信息进行分析,通过上述知识图谱和上述大数据平台预测上述目标仓库的待入库订单数据,其中,上述时间信息包括:节假日信息、季节信息,上述待入库订单数据包括:待入库订单业务数据、待入库货物特征数据、待入库指标数据、待入库订单需求数据。以上仅为一种示例,本申请实施例在此不作限定。
或者,在终端设备102获取目标仓库的入库订单数据,其中,上述入库订单数据包括:入库订单业务数据、入库货物特征数据、入库指标数据、历史入库订单需求数据;通过知识图谱和大数据平台对上述入库订单信息和上述目标仓库的各个子仓库的仓库属性进行分析,确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库;根据时间信息对上述入库订单信息进行分析,通过上述知识图谱和上述大数据平台预测上述目标仓库的待入库订单数据,其中,上述时间信息包括:节假日信息、季节信息,上述待入库订单数据包括:待入库订单业务数据、待入库货物特征数据、待入库指标数据、待入库订单需求数据。以上仅为一种示例,本实施例对此不做任何限定。
可选地,在本实施例中,上述终端设备可以包括但不限于以下至少之一:手机(如Android手机、iOS手机等)、笔记本电脑、平板电脑、掌上电脑、MID(Mobile InternetDevices,移动互联网设备)、PAD、台式电脑等。上述网络可以包括但不限于:有线网络,无线网络,其中,该有线网络包括:局域网、城域网和广域网,该无线网络包括:蓝牙、WIFI及其他实现无线通信的网络。上述服务器可以是单一服务器,也可以是由多个服务器组成的服务器集群。上述只是一种示例,本实施例对此不做任何限定。
可选地,在本实施例中,作为一种可选的实施方式,该方法可以由服务器执行,也可以由终端设备执行,或者由服务器和终端设备共同执行,本实施例中,以由终端设备(例如,上述终端设备102)执行为例进行说明。如图2所示,上述数据处理方法的流程可以包括步骤:
步骤S202,获取目标仓库的入库订单数据,其中,上述入库订单数据包括:入库订单业务数据、入库货物特征数据、入库指标数据、历史入库订单需求数据;
步骤S204,通过知识图谱和大数据平台对上述入库订单信息和上述目标仓库的各个子仓库的仓库属性进行分析,确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库;
步骤S206,根据时间信息对上述入库订单信息进行分析,通过上述知识图谱和上述大数据平台预测上述目标仓库的待入库订单数据,其中,上述时间信息包括:节假日信息、季节信息,上述待入库订单数据包括:待入库订单业务数据、待入库货物特征数据、待入库指标数据、待入库订单需求数据。
通过本发明,获取目标仓库的入库订单数据,其中,上述入库订单数据包括:入库订单业务数据、入库货物特征数据、入库指标数据、历史入库订单需求数据;通过知识图谱和大数据平台对上述入库订单信息和上述目标仓库的各个子仓库的仓库属性进行分析,确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库;根据时间信息对上述入库订单信息进行分析,通过上述知识图谱和上述大数据平台预测上述目标仓库的待入库订单数据,其中,上述时间信息包括:节假日信息、季节信息,上述待入库订单数据包括:待入库订单业务数据、待入库货物特征数据、待入库指标数据、待入库订单需求数据,采用上述技术方案,解决了相关技术中,存在浪费仓储资源,无法压缩成本等问题。
在本发明实施例中,步骤S204可以通过以下技术方案实现:在上述知识图谱和上述大数据平台中,根据上述入库订单信息所包括的上述入库货物特征数据的货物类别、货物所需空间、货物总重量、货物的配送范围、货物占用仓库的用仓时间段、货物流转率,以及上述目标仓库的上述各个子仓库的仓库属性的仓库剩余空间、仓库空间类型、仓库使用费用、仓库设备能力、仓库所在位置确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库。
在本发明实施例中,步骤S204还可以通过以下技术方案实现:对于全部的上述入库货物中的一种目标货物类别的一组入库货物:通过上述知识图谱和上述大数据平台,在确定存在第一数值的子仓库中存放有上述目标货物类别的货物、且上述第一数值的子仓库中上述目标货物类别的货物流转率高于第一预设阈值的情况下,将上述第一数值的子仓库确定为存放上述一组入库货物的一组目标子仓库,其中,上述目标子仓库中包括上述一组目标子仓库。
在本发明实施例中,步骤S204还可以通过以下技术方案实现:通过上述知识图谱和上述大数据平台,在确定存在第二数值的子仓库中的仓库使用费用低于第二预设阈值的情况下的情况下,将上述第二数值的子仓库确定为存放上述入库货物对应的最优的目标子仓库。
在本发明实施例中,在上述获取目标仓库的入库订单数据之后,上述方法还包括:将上述入库订单数据和上述目标仓库的各个子仓库的仓库属性存储至上述目标仓库的上述知识图谱和上述大数据平台,以更新上述知识图谱和上述大数据平台。
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上述的方法。
在本实施例中还提供了一种数据处理装置,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3是根据本发明实施例的一种可选的数据处理装置的结构框图,如图3所示,该装置包括:
获取单元302,用于获取目标仓库的入库订单数据,其中,上述入库订单数据包括:入库订单业务数据、入库货物特征数据、入库指标数据、历史入库订单需求数据;
确定单元304,用于通过知识图谱和大数据平台对上述入库订单信息和上述目标仓库的各个子仓库的仓库属性进行分析,确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库;
预测单元306,用于根据时间信息对上述入库订单信息进行分析,通过上述知识图谱和上述大数据平台预测上述目标仓库的待入库订单数据,其中,上述时间信息包括:节假日信息、季节信息,上述待入库订单数据包括:待入库订单业务数据、待入库货物特征数据、待入库指标数据、待入库订单需求数据。
通过本发明,获取目标仓库的入库订单数据,其中,上述入库订单数据包括:入库订单业务数据、入库货物特征数据、入库指标数据、历史入库订单需求数据;通过知识图谱和大数据平台对上述入库订单信息和上述目标仓库的各个子仓库的仓库属性进行分析,确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库;根据时间信息对上述入库订单信息进行分析,通过上述知识图谱和上述大数据平台预测上述目标仓库的待入库订单数据,其中,上述时间信息包括:节假日信息、季节信息,上述待入库订单数据包括:待入库订单业务数据、待入库货物特征数据、待入库指标数据、待入库订单需求数据,采用上述技术方案,解决了相关技术中,存在浪费仓储资源,无法压缩成本等问题。
在本发明实施例中,如图3所示,上述确定单元304,还用于在上述知识图谱和上述大数据平台中,根据上述入库订单信息所包括的上述入库货物特征数据的货物类别、货物所需空间、货物总重量、货物的配送范围、货物占用仓库的用仓时间段、货物流转率,以及上述目标仓库的上述各个子仓库的仓库属性的仓库剩余空间、仓库空间类型、仓库使用费用、仓库设备能力、仓库所在位置确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库。
在本发明实施例中,如图3所示,上述确定单元304,还用于通过上述知识图谱和上述大数据平台,在确定存在第一数值的子仓库中存放有上述目标货物类别的货物、且上述第一数值的子仓库中上述目标货物类别的货物流转率高于第一预设阈值的情况下,将上述第一数值的子仓库确定为存放上述一组入库货物的一组目标子仓库,其中,上述目标子仓库中包括上述一组目标子仓库。
在本发明实施例中,如图3所示,上述确定单元304,还用于通过上述知识图谱和上述大数据平台,在确定存在第二数值的子仓库中的仓库使用费用低于第二预设阈值的情况下的情况下,将上述第二数值的子仓库确定为存放上述入库货物对应的最优的目标子仓库。
在本发明实施例中,上述装置还包括:更新单元,用于在上述获取目标仓库的入库订单数据之后,将上述入库订单数据和上述目标仓库的各个子仓库的仓库属性存储至上述目标仓库的上述知识图谱和上述大数据平台,以更新上述知识图谱和上述大数据平台。
以下结合一示例对上述数据处理过程进行进一步说明,但不用于限定本发明实施例的技术方案。
首先,系统大数据平台对入库订单业务数据、入库货物特征数据、入库指标数据、历史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,并根据时间信息对未来入库订单进行预测,为仓库空间智能选取提供准确的基础数据。
可选地,上述根据时间信息对未来入库订单进行预测可以理解为,节假日、双十一、618等电商大促前期,以及季节变化时的入库订单信息对未来待入库订单数据的货物数据进行预测,得到预测的待入库订单数据之后,可以综合在库货物情况,为知识图谱平台提供数据支撑。
通过本实施例,通过大数据平台和知识图谱对入库订单数据、入库特征数据等进行管理、监控和预测。能够对受到季节性、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。
可选地,系统知识图谱平台还可以对仓库属性以及仓库内货物信息进行分析,形成“货物-仓库全范围整体图谱”。仓库属性的要素可以包括但不限于:剩余空间、空间类型、使用费用、设备能力、仓库位置、配送范围等。货物的要素可以包括但不限于:产品类别(原料、半成品、成品)、产地、在库量、流转率等。通过上述方式,能够对每个仓库对应的货物品类的关联关系建立起来,保证极其相似的货物能够进行严格区分,以及优化配置空间,提高仓库利用率提高,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,提高仓库的配置空间。
可选地,货物的货位并不是一成不变的,还可以参照仓库功能的同时考虑当前制约因素,遵循“常用易取”的原则对仓库中的货物进行存放。
可选地,入库订单数据导入知识图谱平台后,知识图谱平台根据“货物-仓库全范围整体图谱”,针对于入库订单货物品类自动计算,通过分析货物的货物种类(常温类、冷藏类、冷冻类、危险品类)、货物所需空间、货物总重量、配送覆盖范围、用仓时间段等,对图谱进行问答操作,确定出最优的仓库推荐方案。
可选地,知识图谱平台还可以对入库货物属性进行分析,对于要素对应值进行匹配,并同时不断更新要素库,更新知识图谱。
通过本实施例,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。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。
如图4所示,上述数据处理方法的具体步骤如下所述:
步骤1、大数据平台对全范围仓库的入库订单数据,如入库订单业务数据、入库货物特征数据、入库指标数据、历史入库订单需求数据等进行管理、分析、监控。
步骤2、大数据平台将上述入库订单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3、结合在库数据,反向影响入库量。
步骤4、将仓库信息维护到仓库信息库,包括仓库类型(常温库、冷冻库、冷藏库、恒温库)、仓库位置、设备能力(是否可存储生鲜、是否可存储危险品、仓库数量、设备能力、仓储人员)、可用空间、可用时间窗、配送覆盖范围。
步骤5、对在库货物分析,要素抓取,产品类别(原料、半成品、成品)、产地、在库量、流转率等。
步骤6、形成“货物-仓库全范围整体图谱”,形成问答引擎。
步骤7、入库订单信息上传至系统,包括但不限于货物种类(常温类、冷藏类、冷冻类、危险品类)、货物所需空间、货物总重量、配送覆盖范围、用仓时间段等。通过知识图谱平台的问答引擎进行优化计算。例如:当前具有同类型产品仓储能力的仓库有哪些?这些可用仓库中该品类流转率是否较低?该品类的原料是否有受到其他影响导致的减少?可用仓库的费用最低的是哪个?
步骤8、通过上述问答引擎给出最优的推荐仓库。
步骤9、导入订单的货物属性分析,要素抓取,更新图谱。
步骤10、货物的出入库时间影响了摆放空间的选择,对出库货物信息进行动态追踪,当出库货物出现后,可以记录空出来的新的空间,新的空间自动维护进系统的仓库信息库。
步骤11、确定最优的仓库推荐方案后,用户可以对仓库推荐方案进行手动修正,能够有效协调手动作业与自动优化,得到最佳的结果。
可选地,按照上述1-11的步骤,大数据系统和知识图谱平台会自动对仓库的码放方案进行多次模拟推算,生成最优的仓库码放方案。
通过本实施例,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。通过知识图谱平台的引入,使得商品误判率降低,对极其相似的货物能够做到进行严格区分。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。通过上述方式,能够提高货物周转率、仓库利用率、降低客户的存储成本,节约运输成本。
本发明的实施例还提供了一种计算机可读的存储介质,该存储介质包括存储的程序,其中,上述程序运行时执行上述任一项的方法。
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程序代码:
S1,获取目标仓库的入库订单数据,其中,上述入库订单数据包括:入库订单业务数据、入库货物特征数据、入库指标数据、历史入库订单需求数据;
S2,通过知识图谱和大数据平台对上述入库订单信息和上述目标仓库的各个子仓库的仓库属性进行分析,确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库;
S3,根据时间信息对上述入库订单信息进行分析,通过上述知识图谱和上述大数据平台预测上述目标仓库的待入库订单数据,其中,上述时间信息包括:节假日信息、季节信息,上述待入库订单数据包括:待入库订单业务数据、待入库货物特征数据、待入库指标数据、待入库订单需求数据。
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程序代码的介质。
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。
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,获取目标仓库的入库订单数据,其中,上述入库订单数据包括:入库订单业务数据、入库货物特征数据、入库指标数据、历史入库订单需求数据;
S2,通过知识图谱和大数据平台对上述入库订单信息和上述目标仓库的各个子仓库的仓库属性进行分析,确定存放上述入库订单信息中的入库货物对应的最优的目标子仓库;
S3,根据时间信息对上述入库订单信息进行分析,通过上述知识图谱和上述大数据平台预测上述目标仓库的待入库订单数据,其中,上述时间信息包括:节假日信息、季节信息,上述待入库订单数据包括:待入库订单业务数据、待入库货物特征数据、待入库指标数据、待入库订单需求数据。
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。
以上上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)
1.一种数据处理方法,其特征在于,包括:
获取目标仓库的入库订单数据,其中,所述入库订单数据包括:入库订单业务数据、入库货物特征数据、入库指标数据、历史入库订单需求数据;
通过知识图谱和大数据平台对所述入库订单信息和所述目标仓库的各个子仓库的仓库属性进行分析,确定存放所述入库订单信息中的入库货物对应的最优的目标子仓库;
根据时间信息对所述入库订单信息进行分析,通过所述知识图谱和所述大数据平台预测所述目标仓库的待入库订单数据,其中,所述时间信息包括:节假日信息、季节信息,所述待入库订单数据包括:待入库订单业务数据、待入库货物特征数据、待入库指标数据、待入库订单需求数据。
2.根据权利要求1所述的方法,其特征在于,所述通过知识图谱和大数据平台对所述入库订单信息和所述目标仓库的各个子仓库的仓库属性进行分析,确定存放所述入库订单信息中的入库货物对应的最优的目标子仓库,包括:
在所述知识图谱和所述大数据平台中,根据所述入库订单信息所包括的所述入库货物特征数据的货物类别、货物所需空间、货物总重量、货物的配送范围、货物占用仓库的用仓时间段、货物流转率,以及所述目标仓库的所述各个子仓库的仓库属性的仓库剩余空间、仓库空间类型、仓库使用费用、仓库设备能力、仓库所在位置确定存放所述入库订单信息中的入库货物对应的最优的目标子仓库。
3.根据权利要求1所述的方法,其特征在于,所述通过知识图谱和大数据平台对所述入库订单信息和所述目标仓库的各个子仓库的仓库属性进行分析,确定存放所述入库订单信息中的入库货物对应的最优的目标子仓库,包括:
对于全部的所述入库货物中的一种目标货物类别的一组入库货物:
通过所述知识图谱和所述大数据平台,在确定存在第一数值的子仓库中存放有所述目标货物类别的货物、且所述第一数值的子仓库中所述目标货物类别的货物流转率高于第一预设阈值的情况下,将所述第一数值的子仓库确定为存放所述一组入库货物的一组目标子仓库,其中,所述目标子仓库中包括所述一组目标子仓库。
4.根据权利要求1所述的方法,其特征在于,所述通过知识图谱和大数据平台对所述入库订单信息和所述目标仓库的各个子仓库的仓库属性进行分析,确定存放所述入库订单信息中的入库货物对应的最优的目标子仓库,包括:
通过所述知识图谱和所述大数据平台,在确定存在第二数值的子仓库中的仓库使用费用低于第二预设阈值的情况下的情况下,将所述第二数值的子仓库确定为存放所述入库货物对应的最优的目标子仓库。
5.根据权利要求1所述的方法,其特征在于,在所述获取目标仓库的入库订单数据之后,所述方法还包括:
将所述入库订单数据和所述目标仓库的各个子仓库的仓库属性存储至所述目标仓库的所述知识图谱和所述大数据平台,以更新所述知识图谱和所述大数据平台。
6.一种数据处理装置,其特征在于,包括:
获取单元,用于获取目标仓库的入库订单数据,其中,所述入库订单数据包括:入库订单业务数据、入库货物特征数据、入库指标数据、历史入库订单需求数据;
确定单元,用于通过知识图谱和大数据平台对所述入库订单信息和所述目标仓库的各个子仓库的仓库属性进行分析,确定存放所述入库订单信息中的入库货物对应的最优的目标子仓库;
预测单元,用于根据时间信息对所述入库订单信息进行分析,通过所述知识图谱和所述大数据平台预测所述目标仓库的待入库订单数据,其中,所述时间信息包括:节假日信息、季节信息,所述待入库订单数据包括:待入库订单业务数据、待入库货物特征数据、待入库指标数据、待入库订单需求数据。
7.根据权利要求6所述的装置,其特征在于,所述确定单元,还用于在所述知识图谱和所述大数据平台中,根据所述入库订单信息所包括的所述入库货物特征数据的货物类别、货物所需空间、货物总重量、货物的配送范围、货物占用仓库的用仓时间段、货物流转率,以及所述目标仓库的所述各个子仓库的仓库属性的仓库剩余空间、仓库空间类型、仓库使用费用、仓库设备能力、仓库所在位置确定存放所述入库订单信息中的入库货物对应的最优的目标子仓库。
8.根据权利要求6所述的装置,其特征在于,所述确定单元,还用于通过所述知识图谱和所述大数据平台,在确定存在第一数值的子仓库中存放有所述目标货物类别的货物、且所述第一数值的子仓库中所述目标货物类别的货物流转率高于第一预设阈值的情况下,将所述第一数值的子仓库确定为存放所述一组入库货物的一组目标子仓库,其中,所述目标子仓库中包括所述一组目标子仓库。
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010121655.XA CN111325509A (zh) | 2020-02-26 | 2020-02-26 | 数据处理方法及装置、存储介质、电子装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010121655.XA CN111325509A (zh) | 2020-02-26 | 2020-02-26 | 数据处理方法及装置、存储介质、电子装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111325509A true CN111325509A (zh) | 2020-06-23 |
Family
ID=71163450
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010121655.XA Withdrawn CN111325509A (zh) | 2020-02-26 | 2020-02-26 | 数据处理方法及装置、存储介质、电子装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111325509A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085442A (zh) * | 2020-08-27 | 2020-12-15 | 北京每日优鲜电子商务有限公司 | 设备操作方法、装置、电子设备和计算机可读介质 |
CN112396382A (zh) * | 2020-12-01 | 2021-02-23 | 珠海优特智厨科技有限公司 | 入库数据处理方法、存储介质、计算机设备 |
CN112561558A (zh) * | 2020-08-25 | 2021-03-26 | 上海东普信息科技有限公司 | 快递时间画像的生成方法、生成装置、设备及存储介质 |
CN113762836A (zh) * | 2020-08-25 | 2021-12-07 | 北京京东乾石科技有限公司 | 货物入库处理方法、装置、设备及存储介质 |
CN113888089A (zh) * | 2021-09-30 | 2022-01-04 | 东莞盟大集团有限公司 | 一种基于人工智能的货物存放方法及其系统 |
-
2020
- 2020-02-26 CN CN202010121655.XA patent/CN111325509A/zh not_active Withdrawn
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112561558A (zh) * | 2020-08-25 | 2021-03-26 | 上海东普信息科技有限公司 | 快递时间画像的生成方法、生成装置、设备及存储介质 |
CN113762836A (zh) * | 2020-08-25 | 2021-12-07 | 北京京东乾石科技有限公司 | 货物入库处理方法、装置、设备及存储介质 |
CN113762836B (zh) * | 2020-08-25 | 2024-05-24 | 北京京东乾石科技有限公司 | 货物入库处理方法、装置、设备及存储介质 |
CN112085442A (zh) * | 2020-08-27 | 2020-12-15 | 北京每日优鲜电子商务有限公司 | 设备操作方法、装置、电子设备和计算机可读介质 |
CN112085442B (zh) * | 2020-08-27 | 2023-12-22 | 太原市万尺云数智科技有限公司 | 设备操作方法、装置、电子设备和计算机可读介质 |
CN112396382A (zh) * | 2020-12-01 | 2021-02-23 | 珠海优特智厨科技有限公司 | 入库数据处理方法、存储介质、计算机设备 |
CN113888089A (zh) * | 2021-09-30 | 2022-01-04 | 东莞盟大集团有限公司 | 一种基于人工智能的货物存放方法及其系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111325509A (zh) | 数据处理方法及装置、存储介质、电子装置 | |
CN106980955B (zh) | 用于输出信息的方法和装置 | |
CN111476413A (zh) | 基于大数据的仓库储位分配方法及系统 | |
Low et al. | Integrated scheduling of production and delivery with time windows | |
CN107038166B (zh) | 查询可预约仓库容量、预约及取消预约入库方法及装置 | |
CN110866653A (zh) | 基于大数据平台对仓库空间优化的方法及装置 | |
CN111091328A (zh) | 一种仓储入库管理方法和管理装置 | |
Ramtin et al. | Analytical models for an automated storage and retrieval system with multiple in-the-aisle pick positions | |
CN107729398A (zh) | 交易数据自动对账方法、服务器及存储介质 | |
CN110599100A (zh) | 商品的仓库货位推荐方法及装置 | |
Ng et al. | Yard planning for vessel services with a cyclical calling pattern | |
CN110705805A (zh) | 货物的装配方法及装置、存储介质、电子装置 | |
CN111340425A (zh) | 仓库推荐方法和装置、存储介质及电子装置 | |
Revillot-Narváez et al. | Optimising the storage assignment and order-picking for the compact drive-in storage system | |
CN111382974B (zh) | 货架位置的确定方法及装置、仓储系统、计算机设备 | |
CN110826953B (zh) | 一种仓库存储设备规划的方法和装置 | |
CN110705946A (zh) | 货物配装方法及货物配装系统 | |
CN111476521A (zh) | 货物存储方法和装置 | |
JP2018181113A (ja) | 情報処理装置 | |
CN114565334A (zh) | 基于大数据的商品关联仓储方法及装置 | |
CN110910065A (zh) | 基于大数据和知识图谱的仓库空间分配方法及系统 | |
Jemelka et al. | ABC analyses with recursive method for warehouse | |
CN114462952A (zh) | 智能仓储管理方法、装置、设备及介质 | |
Fibrianto et al. | Dynamic order batching in bucket brigade order picking systems with consecutive batch windows and non-identical pickers | |
CN111476520A (zh) | 摆放位置的确定方法及装置、存储介质、电子装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20200623 |
|
WW01 | Invention patent application withdrawn after publication |