CN111401801B - 一种确定目标物品仓库分散化存储的处理系统、方法 - Google Patents
一种确定目标物品仓库分散化存储的处理系统、方法 Download PDFInfo
- Publication number
- CN111401801B CN111401801B CN201910003554.XA CN201910003554A CN111401801B CN 111401801 B CN111401801 B CN 111401801B CN 201910003554 A CN201910003554 A CN 201910003554A CN 111401801 B CN111401801 B CN 111401801B
- Authority
- CN
- China
- Prior art keywords
- storage
- preset
- target
- warehouse
- level
- 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.)
- Active
Links
- 238000003860 storage Methods 0.000 title claims abstract description 554
- 238000012545 processing Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims description 30
- 238000012216 screening Methods 0.000 claims abstract description 69
- 238000003672 processing method Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims description 25
- 239000002360 explosive Substances 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000007547 defect Effects 0.000 abstract description 3
- 238000011156 evaluation Methods 0.000 description 30
- 230000000694 effects Effects 0.000 description 18
- 238000013210 evaluation model Methods 0.000 description 16
- 238000004364 calculation method Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 101100129590 Schizosaccharomyces pombe (strain 972 / ATCC 24843) mcp5 gene Proteins 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Business, Economics & Management (AREA)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
Abstract
本发明涉及一种确定目标物品仓库分散化存储的处理系统、方法。根据目标物品的热度、具体的仓库拣货存储区信息,结合分拣效率和存储成本等配置合理的筛选条件,再结合所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据对所述仓库拣货存储区一级级筛选最终确定目标物品的存储位置,精确、科学性、量化的进行目标物品库位位置确定,改变了现有仓库拣货区依靠仓库工作人员的经验去划分的弊端。
Description
技术领域
本发明涉及仓库库存管理方法,尤其涉及一种确定目标物品仓库分散化存储的处理系统、方法。
背景技术
目前大部分仓库的SKU存储位置只划分到了拣货区和存储区,拣货区作为一个快速拣货的库区,现有仓库中,又将拣货区随意划分为多个大区域(例如A、B、C、D和E);由于SKU在仓库拣货存储区的存储位置,通常是仓库工作人员根据已有经验随意摆放,且每个SKU是集中在一个库位(或者数个相邻库位),当消费者的订单下发到仓库后,通常仓库工作人员要在整个拣货区的多个大区域进行拣货操作;造成任务拣货距离和任务拣货耗时增加,且任务拣货访问的大区域数较高。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种确定目标物品仓库分散化存储的处理系统、方法。
根据本发明的一个方面,提供了一种确定目标物品仓库分散化存储的处理系统,包括:
物品订单数据预处理单元,配置用于采集预定历史统计周期内目标物品的历史订单数据,生成目标物品的预设存储量及在仓库拣货存储区的优先存储级,并根据所述优先存储级生成所述目标物品的存储队列;
仓库拣货区数据预处理单元,配置用于采集仓库拣货存储区信息数据;
物品信息数据预处理单元,配置用于根据目标物品的物品体积信息、所述预设存储量及仓库拣货存储区信息数据,生成所述目标物品在仓库拣货存储区的第一预设库位需求量;
分散化存储单元,配置用于根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据确定所述目标物品的存储位置深度信息,并根据所述存储位置深度信息生成所述目标物品的目标库位信息。
进一步的,物品订单数据预处理单元还配置用于:
采集预定历史统计周期内目标物品的历史订单数据,生成所述目标物品的热度信息及相关性程度信息;
根据所述热度信息及相关性程度信息生成目标物品在仓库拣货存储区的优先存储级。
所述仓库拣货存储区信息数据包括所述仓库拣货存储区的可存储库位坐标信息数据、可存储库位尺寸信息数据以及可存储库位体积信息数据、爆品存放区可存储位置坐标信息数据、各级深度存储位置的关联信息的至少一种。
进一步的,各级深度存储位置的关联信息包括第一级深度存储位置、第二级深度存储位置、第三级深度存储位置、可存储库位之间的关联信息。
所述的确定目标物品仓库分散化存储的处理系统,还包括仓库拣货存储区划分单元,所述仓库拣货存储区划分单元配置用于:
根据所述仓库拣货存储区的可存储库位坐标信息数据、拣货起始点位置的坐标数据、拣货终点位置的坐标数据及爆品存放区可存储位置坐标信息数据与预设第一级筛选热度阈值之间的预设关系对所述仓库拣货存储区划分,生成相应的第一级深度存储位置热度队列;
分散化存储单元包括分散化第一级深度存储位置存储单元,所述分散化第一级深度存储位置存储单元配置用于:
将所述目标物品的存储队列、所述目标物品在仓库拣货存储区的第一预设库位需求量与所述第一级深度存储位置热度队列比对确认所述目标物品的第一级目标深度存储位置及在所述第一级目标深度存储位置相应第二预设库位需求量。
分散化存储单元包括分散化第二级深度存储位置存储单元,所述分散化第二级深度存储位置存储单元配置用于:
根据第一级目标深度存储位置包含的各第二级深度存储位置的数量、各第二级深度存储位置包含的可存储库位数量及所述目标物品在所述第一级目标深度存储位置相应所述第二预设库位需求量配置预设第二级筛选条件;
根据所述预设第二级筛选条件确定所述目标物品的第二级深度存储位置及在所述第二级目标深度存储位置相应第三预设库位需求量。
分散化存储单元包括分散化第三级深度存储位置存储单元,所述分散化第二级深度存储位置存储单元配置用于:
根据第二级目标深度存储位置包含的各第三级深度存储位置的数量、各第三级深度存储位置包含的可存储库位数量及所述目标物品在所述第二级目标深度存储位置相应所述第三预设库位需求量配置预设第三级筛选条件;
根据所述预设第三级筛选条件确定所述目标物品的第三级深度存储位置及在所述第三级目标深度存储位置相应第四预设库位需求量。
分散化存储单元包括随机性库位储存单元,所述随机性库位储存单元配置用于:
根据所述第三级目标深度存储位置包含的可存储库位,形成所述第三级目标深度存储位置-可存储库位队列;
对所述第三级目标深度存储位置-可存储库位队列进行随机化排序得待筛选第三级目标深度存储位置-可存储库位队列,根据基于所述第四预设库位需求量配置的预设第四级筛选条件在所述待筛选第三级目标深度存储位置-可存储库位队列中选取与所述第四预设库位需求量相应的可存储库位,形成所述目标物品的目标库位信息。
所述的确定目标物品仓库分散化存储的处理系统,还包括效果评估单元,所述效果评估单元配置用于:
基于任务拣货距离信息、任务拣货耗时信息配置评估模型,将所述目标物品的目标库位信息输入所述评估模型生成评估结果,所述评估模型用于表征所述目标库位信息与所述评估结果的对应关系。
所述效果评估单元配置还配置用于:
根据任务拣货起点到第一个拣货库位的距离、遍历任务中每个库位的总距离、最后一个拣货库位到任务拣货终点的距离与任务拣货距离信息之间的预设关系得到任务拣货距离信息;
根据任务拣货起点到第一个拣货库位的耗时、遍历任务中每个库位的耗时、最后一个拣货库位到任务拣货终点的耗时与任务拣货耗时信息之间的预设关系得到任务拣货耗时信息。
根据本发明的另一个方面,提供了一种确定目标物品仓库分散化存储的处理方法,包括以下步骤:
采集预定历史统计周期内目标物品的历史订单数据,生成目标物品的预设存储量及在仓库拣货存储区的优先存储级,并根据所述优先存储级生成所述目标物品的存储队列;
根据目标物品的物品体积信息、所述预设存储量及仓库拣货存储区信息数据,生成所述目标物品在仓库拣货存储区的第一预设库位需求量;
根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据确定所述目标物品的存储位置深度信息,并根据所述存储位置深度信息生成所述目标物品的目标库位信息。
采集预定历史统计周期内目标物品的历史订单数据,生成目标物品在仓库拣货存储区的优先存储级,包括:
采集预定历史统计周期内目标物品的历史订单数据,生成所述目标物品的热度信息及相关性程度信息;
根据所述热度信息及相关性程度信息生成目标物品在仓库拣货存储区的优先存储级。
所述仓库拣货存储区信息数据包括所述仓库拣货存储区的可存储库位坐标信息数据、可存储库位尺寸信息数据以及可存储库位体积信息数据、爆品存放区可存储位置坐标信息数据、各级深度存储位置的关联信息的至少一种。
各级深度存储位置的关联信息包括第一级深度存储位置、第二级深度存储位置、第三级深度存储位置、可存储库位之间的关联信息。
根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据确定所述目标物品的存储位置深度信息,包括:
根据所述仓库拣货存储区的可存储库位坐标信息数据、拣货起始点位置的坐标数据、拣货终点位置的坐标数据及爆品存放区可存储位置坐标信息数据与预设第一级筛选热度阈值之间的预设关系对所述仓库拣货存储区划分,生成相应的第一级深度存储位置热度队列;
将所述目标物品的存储队列、所述目标物品在仓库拣货存储区的第一预设库位需求量与所述第一级深度存储位置热度队列比对确认所述目标物品的第一级目标深度存储位置及在所述第一级目标深度存储位置相应第二预设库位需求量。
进一步的,根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据确定所述目标物品的存储位置深度信息,还包括:
根据第一级目标深度存储位置包含的各第二级深度存储位置的数量、各第二级深度存储位置包含的可存储库位数量及所述目标物品在所述第一级目标深度存储位置相应所述第二预设库位需求量配置预设第二级筛选条件;
根据所述预设第二级筛选条件确定所述目标物品的第二级深度存储位置及在所述第二级目标深度存储位置相应第三预设库位需求量。
进一步的,根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据确定所述目标物品的存储位置深度信息,还包括:
根据第二级目标深度存储位置包含的各第三级深度存储位置的数量、各第三级深度存储位置包含的可存储库位数量及所述目标物品在所述第二级目标深度存储位置相应所述第三预设库位需求量配置预设第三级筛选条件;
根据所述预设第三级筛选条件确定所述目标物品的第三级深度存储位置及在所述第三级目标深度存储位置相应第四预设库位需求量。
进一步的,根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据确定所述目标物品的存储位置深度信息,还包括:
根据所述第三级目标深度存储位置包含的可存储库位,形成所述第三级目标深度存储位置-可存储库位队列;
对所述第三级目标深度存储位置-可存储库位队列进行随机化排序得待筛选第三级目标深度存储位置-可存储库位队列,根据基于所述第四预设库位需求量配置的预设第四级筛选条件在所述待筛选第三级目标深度存储位置-可存储库位队列中选取与所述第四预设库位需求量相应的可存储库位,形成所述目标物品的目标库位信息。
所述的确定目标物品仓库分散化存储的处理方法,还包括:
基于任务拣货距离信息、任务拣货耗时信息配置评估模型,将所述目标物品的目标库位信息输入所述评估模型生成评估结果,所述评估模型用于表征所述目标库位信息与所述评估结果的对应关系。
基于任务拣货距离信息、任务拣货耗时信息配置评估模型,包括:
根据任务拣货起点到第一个拣货库位的距离、遍历任务中每个库位的总距离、最后一个拣货库位到任务拣货终点的距离与任务拣货距离信息之间的预设关系得到任务拣货距离信息;
根据任务拣货起点到第一个拣货库位的耗时、遍历任务中每个库位的耗时、最后一个拣货库位到任务拣货终点的耗时与任务拣货耗时信息之间的预设关系得到任务拣货耗时信息。
根据本发明的另一个方面,提供了一种设备,所述设备包括:
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执行如上任一项所述的方法。
根据本发明的另一个方面,提供了一种存储有计算机程序的计算机可读存储介质,该程序被处理器执行时实现如上任一项所述的方法。
与现有技术相比,本发明具有以下有益效果:
1、本发明示例的确定目标物品仓库分散化存储的处理系统,通过各个单元的协同合作,通过预定历史统计周期内目标物品的历史订单数据,根据目标物品的热度等生成目标物品的预设存储量及在仓库拣货存储区的优先存储级,根据目标物品的热度、具体的仓库拣货存储区信息,结合分拣效率和存储成本等配置合理的筛选条件,使根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据对所述仓库拣货存储区一级级筛选最终确定目标物品的存储位置,精确、科学性,避免了现有仓库拣货区的区域划分多依靠仓库工作人员的经验去划分,拣货区中存储库位没有规则、随意摆放,缺乏系统性、科学性的规范管理,极大降低拣货工作效率的问题。
2、本发明示例的确定目标物品仓库分散化存储的处理方法,根据目标物品的热度、具体的仓库拣货存储区信息,结合分拣效率和存储成本等配置合理的筛选条件,再结合所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据对所述仓库拣货存储区一级级筛选最终确定目标物品的存储位置,精确、科学性、量化的进行目标物品库位位置确定,改变了现有仓库拣货区依靠仓库工作人员的经验去划分的弊端。
3、本发明示例的登录异常检测设备、通过存储有计算机程序的计算机可读介质,根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据对所述仓库拣货存储区一级级筛选最终量化确定目标物品的存储位置,精确、科学性,避免了现有仓库拣货区的区域划分多依靠仓库工作人员的经验去划分的弊端,值得推广。
附图说明
图1为实施例一实施本申请方案前后任务平均耗时对比图;
图2为实施例一实施本申请方案前后任务平均拣货距离对比图;
图3为本发明流程图;
图4为实施例一计算机系统的结构示意图,
图中,100计算机系统,101CPU,102ROM,103RAM,104总线,105I/O接口,106输入部分,107输出部分,108存储部分,109通信部分,110驱动器,111可拆卸介质。
具体实施方式
为了更好的了解本发明的技术方案,下面结合具体实施例、说明书附图对本发明作进一步说明。
实施例一:
本实施例的确定目标物品仓库分散化存储的处理系统,包括:
物品订单数据预处理单元,配置用于采集预定历史统计周期内目标物品的历史订单数据,生成目标物品的预设存储量及在仓库拣货存储区的优先存储级,并根据所述优先存储级生成所述目标物品的存储队列,还配置用于:
采集预定历史统计周期内目标物品的历史订单数据,生成所述目标物品的热度信息及相关性程度信息,具体为根据所述历史订单数据中目标物品的算术平均值、加权平均值、覆盖率等统计指标生成所述目标物品的热度值,基于关联规则算法、同一历史订单中目标物品出现的比例等指标得到所述目标物品之间的相关性程度值。
根据所述热度信息及相关性程度信息生成目标物品在仓库拣货存储区的优先存储级,具体综合所述目标物品的热度值和所述目标物品之间的相关性程度值或其他相似评估指标配置目标物品在仓库拣货存储区的存储顺序,生成相应的优先存储级。
仓库拣货区数据预处理单元,配置用于采集仓库拣货存储区信息数据,所述仓库拣货存储区信息数据包括所述仓库拣货存储区的可存储库位坐标信息数据、可存储库位尺寸信息数据以及可存储库位体积信息数据、爆品存放区可存储位置坐标信息数据、各级深度存储位置的关联信息的至少一种,各级深度存储位置的关联信息包括第一级深度存储位置、第二级深度存储位置、第三级深度存储位置、可存储库位之间的关联信息;
物品信息数据预处理单元,配置用于根据目标物品的物品体积信息、所述预设存储量及仓库拣货存储区信息数据,生成所述目标物品在仓库拣货存储区的第一预设库位需求量;
仓库拣货存储区划分单元,配置用于根据所述仓库拣货存储区的可存储库位坐标信息数据、拣货起始点位置的坐标数据、拣货终点位置的坐标数据及爆品存放区可存储位置坐标信息数据与预设第一级筛选热度阈值之间的预设关系对所述仓库拣货存储区划分,生成相应的第一级深度存储位置热度队列,所述预设第一级筛选热度阈值为所述仓库拣货存储区划分时所依据库位的PickHeatIndex值,该处预设关系具体为所述库位的PickHeatIndex值等于所述库位分别至拣货起始点位置、拣货终点位置、爆品存放区可存储位置的距离之和的预设关系,该处所述距离具体为曼哈顿距离。
分散化存储单元,配置用于根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据确定所述目标物品的存储位置深度信息,并根据所述存储位置深度信息生成所述目标物品的目标库位信息。
分散化存储单元包括分散化第一级深度存储位置存储单元、分散化第二级深度存储位置存储单元、分散化第三级深度存储位置存储单元、随机性库位储存单元,
其中,所述分散化第一级深度存储位置存储单元配置用于:
将所述目标物品的存储队列、所述目标物品在仓库拣货存储区的第一预设库位需求量与所述第一级深度存储位置热度队列比对确认所述目标物品的第一级目标深度存储位置及在所述第一级目标深度存储位置相应第二预设库位需求量。
所述分散化第二级深度存储位置存储单元配置用于:
根据第一级目标深度存储位置包含的各第二级深度存储位置的数量、各第二级深度存储位置包含的可存储库位数量及所述目标物品在所述第一级目标深度存储位置相应所述第二预设库位需求量配置预设第二级筛选条件;
根据所述预设第二级筛选条件确定所述目标物品的第二级深度存储位置及在所述第二级目标深度存储位置相应第三预设库位需求量。
所述分散化第二级深度存储位置存储单元配置用于:
根据第二级目标深度存储位置包含的各第三级深度存储位置的数量、各第三级深度存储位置包含的可存储库位数量及所述目标物品在所述第二级目标深度存储位置相应所述第三预设库位需求量配置预设第三级筛选条件;
根据所述预设第三级筛选条件确定所述目标物品的第三级深度存储位置及在所述第三级目标深度存储位置相应第四预设库位需求量。
所述随机性库位储存单元配置用于:
根据所述第三级目标深度存储位置包含的可存储库位,形成所述第三级目标深度存储位置-可存储库位队列;
对所述第三级目标深度存储位置-可存储库位队列进行随机化排序得待筛选第三级目标深度存储位置-可存储库位队列,根据基于所述第四预设库位需求量配置的预设第四级筛选条件在所述待筛选第三级目标深度存储位置-可存储库位队列中选取与所述第四预设库位需求量相应的可存储库位,形成所述目标物品的目标库位信息。
效果评估单元,配置用于基于任务拣货距离信息、任务拣货耗时信息配置评估模型,将所述目标物品的目标库位信息输入所述评估模型生成评估结果,所述评估模型用于表征所述目标库位信息与所述评估结果的对应关系。所述效果评估单元配置还配置用于:
根据任务拣货起点到第一个拣货库位的距离、遍历任务中每个库位的总距离、最后一个拣货库位到任务拣货终点的距离与任务拣货距离信息之间的预设关系得到任务拣货距离信息;
根据任务拣货起点到第一个拣货库位的耗时、遍历任务中每个库位的耗时、最后一个拣货库位到任务拣货终点的耗时与任务拣货耗时信息之间的预设关系得到任务拣货耗时信息。
以往仓库拣货区的区域划分多依靠仓库工作人员的经验去划分,拣货区中SKU的存储库位没有规则、随意摆放,缺乏系统性、科学性的规范管理,极大地影响仓库在拣货工作上的效率。
在权衡仓库的服务水平和存储成本下,运用上述确定目标物品仓库分散化存储的处理系统,分别对某仓库的拣货耗时、拣货时间、货架区热度分布以及跨拣货区的数量进行仿真计算,与历史的真实指标做对比,以此衡量整个创新带来的优化效果。
上述确定目标物品仓库分散化存储的处理系统各个单元详细功能如下:
1.物品订单数据预处理单元:
具体通过对预定统计周期内的商品订单数据进行自动采集,预定统计周期可以是1天,1周,2周,1个月,1个季度,1年等。可以根据SKU(相当于目标物品)订单算术平均值、SKU订单加权平均值、SKU订单覆盖率等统计指标得到SKU的热度值;可以根据关联规则算法、在同一订单中出现的比例等指标得到SKU之间的相关性程度值;综合SKU的热度值和SKU之间的相关性程度值或其他相似评估指标得到SKU在仓库拣货区中的优先存储级,并根据优先存储级降序得到目标SKU队列(相当于目标物品的存储队列)。
2.SKU信息数据预处理单元(相当于物品信息数据预处理单元):
对SKU的体积信息进行自动采集,计算SKU在仓库拣货区中的理想存储数量,理想存储数量的计算方式包括但不限于以下方式
a).根据机器学习预测该SKU在未来一定周期的销量得出理想存储数量
b).根据经验值得出理想存储数量
c).根据统计加权平均、指数平均、平滑处理等得出理想存储数量)
根据SKU的体积信息和理想存储数量可以计算出SKU在拣货区中所需体积,进而
计算出所需库位,计算所需库位数的方法包括但不限于以下方式:
a).根据SKU在拣货区中所需体积除以拣货区平均体积得到
b).根据SKU在拣货区中所需体积除以拣货区对应大区域的平均体积得到
c).根据SKU在拣货区中所需体积遍历对应存储库位的体积得到
3.仓库拣货区数据预处理单元:
首先对仓库拣货区的库位坐标信息、库位长宽高信息以及库位体积信息进行自动采集,并进行不规则数据、异常数据以及缺失数据的预处理过程。
另外对仓库拣货区各大区域-巷道-货架统计对应的库位数量信息(即各级深度存储位置的关联信息),并保存。
其中,第一级深度存储位置具体为各大区域,第二级深度存储位置具体为巷道,第三级深度存储位置具体为货架。
4.仓库拣货区库区划分单元:
根据经过预处理过后的仓库拣货区库位的坐标数据、拣货起始点位置的坐标数据以及存放爆品区库位的中心位置坐标计算距离,定义
a).拣货区库位的坐标数据为pick_point(x_pick,y_pick)
b).拣货起点位置的坐标数据为star_point(x_star,y_star)
c).拣货终点位置的坐标数据为end_point(x_end,y_end)
d).存放爆品区库位的中心位置坐标为hotzone_point(x_hot,y_hot)
该库位的PickHeatIndex值计算为(不限以下公式):
PickHeatIndex=D(pick_point,star_point)+D(pick_point,end_point)+
D(pick_point,hotzone_point)
其中距离D是曼哈顿距离(包括但不限于):
D((x1,y1),(x2,y2))=|x2-x1|+|y2-y1|
根据库位的PickHeatIndex值降序排序,在拣货区中可以有如下规则(包括但不限于):
A区域:PickHeatIndex值最大的20%对应的库位;
B区域:PickHeatIndex值在20%-40%对应的库位;
C区域:PickHeatIndex值在40%-60%对应的库位;
D区域:PickHeatIndex值在60%-80%对应的库位;
E区域:PickHeatIndex值在80%以后的库位,
此外,拣货区中大区域的划分也可以根据系统配置手动更新。
5.分散化存储单元:
分散化存储单元包括分散化第一级深度存储位置存储单元(即SKU摆放的区域单元)、分散化第二级深度存储位置存储单元(即分散化巷道存储单元)、分散化第三级深度存储位置存储单元(即分散化货架存储单元)、随机性库位储存单元,
其中,
5.1确定SKU摆放的区域单元:
根据数据预处理模块确定的SKU在仓库拣货区中的优先级目标队列,以及SKU在仓库拣货区所需的库位数,遍历SKU目标队列,依次将SKU放入A区域,直至A区域库位数消耗完,再依次放入B区域,依次计算直至E区域。得到SKU-存储区域-所需库位数的一个队列。
5.2分散化巷道存储单元
对于每个特定区域,将仓库拣货区信息数据预处理单元计算得到的巷道-库位数量队列作为输入1,将SKU-所需库位数量作为输入2。核心算法大概描述如下:
第一步:调用check方法,即筛选巷道-库位数量队列中库位数量大于0的值,并返回满足条件的巷道-库位数量队列、巷道名队列以及巷道数量值;
第二步:遍历在输入2中的每个SKU和所需库位数量信息,如果check方法返回的巷道长度值等于0,则返回SKU-巷道名-所需库位数量队列;
第三步:创建一个临时队列1,元素数量为check方法返回的巷道长度值,每个元素值为[巷道名,0],实际意义为每个巷道被占用的库位数量为0;
第四步:当SKU所需的库位数量大于巷道数量时,SKU所需库位数量更新为SKU所需库位数量-巷道数量,临时队列1的每个巷道名对应的值增加1,实际代表每个巷道被占用的库位数增加1个,对巷道-库位数量队列中每个巷道的库位数量减1,代表每个巷道被消耗了一个库位数,再调用check方法返回更新后的巷道-库位数量队列、巷道名队列以及巷道数量值;如果巷道数量值为0,则返回SKU-巷道名-所需库位数量队列;
第五步:如果SKU所需的库位数量等于0,SKU-巷道名-所需库位数量队列更新并继续;
第六步:对于SKU所需库位数量小于巷道数量时,在巷道数量中选择SKU所需库位数量的个数,并使其相距的距离尽可能远,实现方法上包括但不限于:
a).定义巷道数量为num1,SKU所需库位数量为num2;
b).a=对num1/num2的值向上取整;
c).b=对[0,1,…,num2-1]队列中每个元素*a并更新,遍历更新后的队列每个元素对num1进行取模运算;
d).遍历[1,2,num2-1]队列:
e).当b队列对应索引的值在该索引以前所对应的队列值中出现时:
f).对b队列中该索引对应的值+1并对num1取模运算,并更新;
g).将排序后的b队列中元素值作为索引队列;
h).返回该索引队列对应的巷道名。
第七步:更新临时队列1,更新规则为,如果临时列表1中的巷道名出现在第六步返回的巷道名队列中,则加1,实际代表该巷道被占用的库位数增加一个;
第八步:更新SKU-巷道名-所需库位数量队列;
第九步:更新巷道名-库位数量队列,更新规则为,如果巷道名-库位数量队列中的巷道名出现在第六步返回的巷道名队列中,则减1,实际代表该巷道被消耗了一个库位,再调用check方法更新巷道名-库位数量队列、巷道名队列以及巷道数量值。
5.3分散化货架存储单元:
分散化货架存储单元调用的接口和分散化巷道存储单元调用的接口是一样的,只是在输入参数上不同。分散化巷道存储单元传入的是仓库拣货区信息数据预处理单元计算得到的巷道-库位数量队列和SKU-所需库位数量;
对于分散化货架存储单元,遍历每一个巷道,首先得到该巷道下的货架-库位数量队列作为分散化货架存储单元的输入1,其次根据分散化巷道存储单元返回的SKU-巷道名-所需库位数量队里,得到该巷道下的SKU-所需库位数量队列作为分散化货架存储单元的输入2,后续算法步骤与分散化巷道存储单元一样。最后返回的是SKU-巷道-货架-所需库位数量队列。
5.4随机性库位储存单元:
在经过分散化巷道存储单元和分散化货架存储单元计算后,得到SKU-巷道-货架-所需库位数量队列。结合仓库实际业务,在仓库拣货区大区域层级、巷道层级以及货架层架上都相对容易确定到确定的区域、巷道和货架;但是在具体到库位的存储库位i d上,如果也选择精确到确切的库位id,会增大仓库工作人员的找寻时间,实际上是降低效率的一个方案。
基于此,为了模拟和更加贴近实际业务场景,提出了在货架层架上对存储库位id的选择上采用随机性选择的方案,具体方案包括但不限于如下方法:
a).遍历经过分散化货架存储单元计算后返回的队列,得到SKU、巷道、货架以及所需库位数量,再根据仓库拣货区信息数据预处理单元返回的数据,筛选出在该巷道、货架下的库位id队列;
b).对得到的库位id队列顺序随机化排序,并更新库位id队列;
c).定义初始索引值为0;
d).该SKU在该巷道、货架下的存储库位id便是根据索引值在初始索引值到初始索引值+该SKU所需库位数量之间的库位id队列中获取;
至此,便得到整个分散化存储系统的返回结果,返回结果数据的格式可以包括但不限于Json文件、Pickle文件、CSV文件、Txt文件。
6.效果评估单元:
配置用于基于任务拣货距离信息、任务拣货耗时信息配置评估模型,将所述目标物品的目标库位信息输入所述评估模型生成评估结果,所述评估模型用于表征所述目标库位信息与所述评估结果的对应关系。效果评估单元对上述系统生成的存储处理方案的优化效果进行评估,其包含评估指标的定义以及效果评估结果,
6.1评估指标定义
主要用到的评估指标定义如下:
任务拣货距离=一个任务拣货起点到第一个拣货库位的距离
+遍历任务中每个库位的总距离
+最后一个拣货库位到任务拣货终点的距离
其中距离计算一般用曼哈顿距离,但不限定为曼哈顿距离;曼哈顿距离计算公式如下:
D((x1,y1),(x2,y2))=|x2-x1|+|y2-y1|
任务拣货耗时=一个任务拣货起点到第一个拣货库位的距离/步行速度1+遍历任务中每个库位的耗时+最后一个库位到任务拣货终点的距离/步行速度2
其中,步行速度1和步行速度2可用实际抽样所得数据计算得出,或者根据经验值得到。
6.2效果评估相关数据:
实验组:仓库经过分散化存储过后的实际效果
实验组数据时间区间:2018/07/01–2018/07/07
对照组:仓库未经过分散化储存的历史效果
对照组数据时间区间:2018/08/20–2018/08/26
6.3效果评估
为了实际评估仓库分散化存储带来的效能提升,选择某仓库方案实施前后的数据进行效果评估。
6.3.1任务拣货耗时
在任务拣货耗时效果评估中,结合业务场景将任务根据库位数的不同划分为五类:
库位数在1-4之间的任务作为一类
库位数在5-12之间的任务作为一类
库位数在13-20之间的任务作为一类
库位数在20-30之间的任务作为一类
库位数>30的任务作为一类
不同库位数范围的任务平均拣货耗时均出现一定程度的下降,该仓库其日均拣货耗时下降幅度为27.66%,日均节约时长为209.59mi n。如图1所示,详细对比数据参见表1。
定义:
表1:任务平均耗时对比数据
6.3.2任务拣货距离:
在任务拣货距离效果评估中,同样将任务根据库位数的不同划分为五类。
不同库位数范围的任务平均拣货距离均出现一定程度的下降,该仓库其日均拣货距离下降幅度为36.48%,日均缩短距离为11812m。如图2所示,详细对比数据参见表2。
表2:任务平均拣货距离对比数据
上述系统通过对物品订单数据、SKU信息数据、仓库拣货区信息数据进行预处理,返回结果作为分散化存储单元的输入数据;仓库拣货区划分模块,用于对仓库拣货区划分为多个大区域,返回结果作为分散化存储单元的输入数据;分散化存储单元,包括了在仓库拣货区大区域中,巷道的分散化处理、在巷道中货架的分散化处理以及在货架中库位的随机化处理。分散化巷道存储单元和分散化货架存储单元中,优先选择差值尽可能大的索引,即优先选择距离最大的巷道和货架;上述系统可以采用部署到多台服务器的分布式计算方式。
上述系统通过计算SKU在仓库拣货区中的存储区域、巷道、货架和库位,使得SKU在仓库的存储更加合理,日均拣货距离的降低幅度36.48%、日均拣货耗时的降低幅度为27.66%,提升拣货效率;在固定周期上(天、周、月、季度等),全量更新仓库拣货区的分散存储策略,无须仓库工作人员依据经验进行SKU如何摆放;上述系统可以根据不同参数生成不同分散程度的存储方案,以便个性化调整;上述系统包含了SKU存储的分散性和随机性,最热销的SKU可以辐射更多库位;上述系统还可以预留buffer库位,以便紧急情况下动态调整。
本实施例还提供了一种确定目标物品仓库分散化存储的处理方法,包括以下步骤:
S1、采集预定历史统计周期内目标物品的历史订单数据,生成目标物品的预设存储量及在仓库拣货存储区的优先存储级,并根据所述优先存储级生成所述目标物品的存储队列,
其中,采集预定历史统计周期内目标物品的历史订单数据,生成目标物品在仓库拣货存储区的优先存储级,包括:
采集预定历史统计周期内目标物品的历史订单数据,生成所述目标物品的热度信息及相关性程度信息;
根据所述热度信息及相关性程度信息生成目标物品在仓库拣货存储区的优先存储级;
S2、根据目标物品的物品体积信息、所述预设存储量及仓库拣货存储区信息数据,生成所述目标物品在仓库拣货存储区的第一预设库位需求量,其中,所述仓库拣货存储区信息数据包括所述仓库拣货存储区的可存储库位坐标信息数据、可存储库位尺寸信息数据以及可存储库位体积信息数据、爆品存放区可存储位置坐标信息数据、各级深度存储位置的关联信息的至少一种,各级深度存储位置的关联信息包括第一级深度存储位置、第二级深度存储位置、第三级深度存储位置、可存储库位之间的关联信息;
S3、根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据确定所述目标物品的存储位置深度信息,并根据所述存储位置深度信息生成所述目标物品的目标库位信息。
S3包括:
S31、根据所述仓库拣货存储区的可存储库位坐标信息数据、拣货起始点位置的坐标数据、拣货终点位置的坐标数据及爆品存放区可存储位置坐标信息数据与预设第一级筛选热度阈值之间的预设关系对所述仓库拣货存储区划分,生成相应的第一级深度存储位置热度队列;
S32、将所述目标物品的存储队列、所述目标物品在仓库拣货存储区的第一预设库位需求量与所述第一级深度存储位置热度队列比对确认所述目标物品的第一级目标深度存储位置及在所述第一级目标深度存储位置相应第二预设库位需求量;
S33、根据第一级目标深度存储位置包含的各第二级深度存储位置的数量、各第二级深度存储位置包含的可存储库位数量及所述目标物品在所述第一级目标深度存储位置相应所述第二预设库位需求量配置预设第二级筛选条件;
S34、根据所述预设第二级筛选条件确定所述目标物品的第二级深度存储位置及在所述第二级目标深度存储位置相应第三预设库位需求量;
S35、根据第二级目标深度存储位置包含的各第三级深度存储位置的数量、各第三级深度存储位置包含的可存储库位数量及所述目标物品在所述第二级目标深度存储位置相应所述第三预设库位需求量配置预设第三级筛选条件;
S36、根据所述预设第三级筛选条件确定所述目标物品的第三级深度存储位置及在所述第三级目标深度存储位置相应第四预设库位需求量;
S37、根据所述第三级目标深度存储位置包含的可存储库位,形成所述第三级目标深度存储位置-可存储库位队列;
S38、对所述第三级目标深度存储位置-可存储库位队列进行随机化排序得待筛选第三级目标深度存储位置-可存储库位队列,根据基于所述第四预设库位需求量配置的预设第四级筛选条件在所述待筛选第三级目标深度存储位置-可存储库位队列中选取与所述第四预设库位需求量相应的可存储库位,形成所述目标物品的目标库位信息。
S4、基于任务拣货距离信息、任务拣货耗时信息配置评估模型,将所述目标物品的目标库位信息输入所述评估模型生成评估结果,所述评估模型用于表征所述目标库位信息与所述评估结果的对应关系。
其中,基于任务拣货距离信息、任务拣货耗时信息配置评估模型,包括:
根据任务拣货起点到第一个拣货库位的距离、遍历任务中每个库位的总距离、最后一个拣货库位到任务拣货终点的距离与任务拣货距离信息之间的预设关系得到任务拣货距离信息;
根据任务拣货起点到第一个拣货库位的耗时、遍历任务中每个库位的耗时、最后一个拣货库位到任务拣货终点的耗时与任务拣货耗时信息之间的预设关系得到任务拣货耗时信息。
应当理解,上述确定目标物品仓库分散化存储的处理方法中各步骤与确定目标物品仓库分散化存储的处理系统中记载的诸子单元相对应。由此,上文针对系统及其中包含的单元描述的操作和特征同样适用于上述方法,在此不再赘述。
本实施例还提供了一种设备,所述设备适于用来实现本申请实施例。
该设备包括计算机系统100,如图4所示,计算机系统100包括中央处理单元(CPU)101,其可以根据存储在只读存储器(ROM)102中的程序或者从存储部分加载到随机访问存储器(RAM)103中的程序而执行各种适当的动作和处理。在RAM103中,还存储有系统操作所需的各种程序和数据。CPU 101、ROM 102以及RAM 103通过总线104彼此相连。输入/输出(I/O)接口105也连接至总线104。
以下部件连接至I/O接口105:包括键盘、鼠标等的输入部分106;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107;包括硬盘等的存储部分108;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109。通信部分109经由诸如因特网的网络执行通信处理。驱动器也根据需要连接至I/O接口105。可拆卸介质111,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110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108。
特别地,根据本发明的实施例,上文参考流程图3描述的过程可以被实现为计算机软件程序。例如,本发明的实施例一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从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)101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。在本发明中,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。而在本发明中,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,图示了按照本发明各种实施例一的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框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,框图或流程图中的每个方框、以及框图或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单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。所描述的单元或模块也可以设置在处理器中,例如,可以描述为:一种处理器包括物品订单数据预处理单元、仓库拣货区数据预处理单元、物品信息数据预处理单元、分散化存储单元。其中,这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定,例如,物品订单数据预处理单元还可以被描述为配置用于采集预定历史统计周期内目标物品的历史订单数据,生成目标物品的预设存储量及在仓库拣货存储区的优先存储级,并根据所述优先存储级生成所述目标物品的存储队列的物品订单数据预处理单元。
作为另一方面,本申请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电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。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电子设备执行时,使得该电子设备实现如上述实施例中所述的确定目标物品仓库分散化存储的处理方法。
例如,所述电子设备可以实现如图3中所示的:采集预定历史统计周期内目标物品的历史订单数据,生成目标物品的预设存储量及在仓库拣货存储区的优先存储级,并根据所述优先存储级生成所述目标物品的存储队列;根据目标物品的物品体积信息、所述预设存储量及仓库拣货存储区信息数据,生成所述目标物品在仓库拣货存储区的第一预设库位需求量;根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据确定所述目标物品的存储位置深度信息,并根据所述存储位置深度信息生成所述目标物品的目标库位信息。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本公开的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
此外,尽管在附图中以特定顺序描述了本公开中方法的各个步骤,但是,这并非要求或者暗示必须按照该特定顺序来执行这些步骤,或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,以及/或者将一个步骤分解为多个步骤执行等。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。
实施例二
本实施例与实施例一相同的特征不再赘述,本实施例与实施例一不同的特征在于:
物品订单数据预处理单元:具体通过对预定统计周期内的商品订单数据进行自动采集,预定统计周期可以是1个月。可以根据SKU(相当于目标物品)订单算术平均值、SKU订单加权平均值、SKU订单覆盖率等统计指标得到SKU的热度值;可以根据关联规则算法、在同一订单中出现的比例等指标得到SKU之间的相关性程度值;综合SKU的热度值和SKU之间的相关性程度值或其他相似评估指标得到SKU在仓库拣货区中的优先存储级,并根据优先存储级降序得到目标SKU队列(相当于目标物品的存储队列)。
根据库位的PickHeatIndex值降序排序,在拣货区中可以有如下规则(包括但不限于):
A区域:PickHeatIndex值最大的25%对应的库位;
B区域:PickHeatIndex值在25%-45%对应的库位;
C区域:PickHeatIndex值在45%-65%对应的库位;
D区域:PickHeatIndex值在65%-85%对应的库位;
E区域:PickHeatIndex值在85%以后的库位,
此外,拣货区中大区域的划分也可以根据系统配置手动更新。
实施例三:
本实施例与实施例一相同的特征不再赘述,本实施例与实施例一不同的特征在于:
1.物品订单数据预处理单元:
具体通过对预定统计周期内的商品订单数据进行自动采集,预定统计周期可以是1年。可以根据SKU(相当于目标物品)订单算术平均值、SKU订单加权平均值、SKU订单覆盖率等统计指标得到SKU的热度值;可以根据关联规则算法、在同一订单中出现的比例等指标得到SKU之间的相关性程度值;综合SKU的热度值和SKU之间的相关性程度值或其他相似评估指标得到SKU在仓库拣货区中的优先存储级,并根据优先存储级降序得到目标SKU队列(相当于目标物品的存储队列)。
根据库位的PickHeatIndex值降序排序,在拣货区中可以有如下规则(包括但不限于):
A区域:PickHeatIndex值最大的15%对应的库位;
B区域:PickHeatIndex值在15%-35%对应的库位;
C区域:PickHeatIndex值在35%-55%对应的库位;
D区域:PickHeatIndex值在55%-75%对应的库位;
E区域:PickHeatIndex值在75%以后的库位。
此外,拣货区中大区域的划分也可以根据系统配置手动更新。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本申请中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离所述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能。
Claims (10)
1.一种确定目标物品仓库分散化存储的处理系统,其特征是,包括:
物品订单数据预处理单元,配置用于采集预定历史统计周期内目标物品的历史订单数据,生成目标物品的预设存储量及在仓库拣货存储区的优先存储级,并根据所述优先存储级生成所述目标物品的存储队列;
仓库拣货区数据预处理单元,配置用于采集仓库拣货存储区信息数据;
物品信息数据预处理单元,配置用于根据目标物品的物品体积信息、所述预设存储量及仓库拣货存储区信息数据,生成所述目标物品在仓库拣货存储区的第一预设库位需求量;
分散化存储单元,配置用于根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据确定所述目标物品的存储位置深度信息,并根据所述存储位置深度信息生成所述目标物品的目标库位信息;
其中,所述分散化存储单元包括:
仓库拣货存储区划分单元,配置用于根据所述仓库拣货存储区的可存储库位坐标信息数据、拣货起始点位置的坐标数据、拣货终点位置的坐标数据及爆品存放区可存储位置坐标信息数据与预设第一级筛选热度阈值之间的预设关系对所述仓库拣货存储区划分,生成相应的第一级深度存储位置热度队列;
分散化第一级深度存储位置存储单元,配置用于将所述目标物品的存储队列、所述目标物品在仓库拣货存储区的第一预设库位需求量与所述第一级深度存储位置热度队列比对确认所述目标物品的第一级目标深度存储位置及在所述第一级目标深度存储位置相应第二预设库位需求量;
所述第一级筛选热度阈值为所述仓库拣货存储区划分时所依据库位的所述第一级筛选热度阈值,所述库位的所述第一级筛选热度阈值等于所述库位分别至拣货起始点位置、拣货终点位置、爆品存放区可存储位置的距离之和的预设关系,所述距离具体为曼哈顿距离。
2.根据权利要求1所述的确定目标物品仓库分散化存储的处理系统,其特征是,
所述仓库拣货存储区信息数据包括所述仓库拣货存储区的可存储库位坐标信息数据、可存储库位尺寸信息数据以及可存储库位体积信息数据、爆品存放区可存储位置坐标信息数据、各级深度存储位置的关联信息的至少一种。
3.根据权利要求2所述的确定目标物品仓库分散化存储的处理系统,其特征是,分散化存储单元包括分散化第二级深度存储位置存储单元,所述分散化第二级深度存储位置存储单元配置用于:
根据所述第一级目标深度存储位置包含的各第二级深度存储位置的数量、各第二级深度存储位置包含的可存储库位数量及所述目标物品在所述第一级目标深度存储位置相应所述第二预设库位需求量配置预设第二级筛选条件;
根据所述预设第二级筛选条件确定所述目标物品的第二级深度存储位置及在第二级目标深度存储位置相应第三预设库位需求量。
4.根据权利要求3所述的确定目标物品仓库分散化存储的处理系统,其特征是,分散化存储单元包括分散化第三级深度存储位置存储单元,所述分散化第二级深度存储位置存储单元配置用于:
根据所述第二级目标深度存储位置包含的各第三级深度存储位置的数量、各第三级深度存储位置包含的可存储库位数量及所述目标物品在所述第二级目标深度存储位置相应所述第三预设库位需求量配置预设第三级筛选条件;
根据所述预设第三级筛选条件确定所述目标物品的第三级深度存储位置及在第三级目标深度存储位置相应第四预设库位需求量。
5.根据权利要求4所述的确定目标物品仓库分散化存储的处理系统,其特征是,分散化存储单元包括随机性库位储存单元,所述随机性库位储存单元配置用于:
根据所述第三级目标深度存储位置包含的可存储库位,形成第三级目标深度存储位置可存储库位队列;
对所述第三级目标深度存储位置可存储库位队列进行随机化排序得待筛选第三级目标深度存储位置可存储库位队列,根据基于所述第四预设库位需求量配置的预设第四级筛选条件在所述待筛选第三级目标深度存储位置可存储库位队列中选取与所述第四预设库位需求量相应的可存储库位,形成所述目标物品的目标库位信息。
6.一种确定目标物品仓库分散化存储的处理方法,其特征是,包括以下步骤:
采集预定历史统计周期内目标物品的历史订单数据,生成目标物品的预设存储量及在仓库拣货存储区的优先存储级,并根据所述优先存储级生成所述目标物品的存储队列;
根据目标物品的物品体积信息、所述预设存储量及仓库拣货存储区信息数据,生成所述目标物品在仓库拣货存储区的第一预设库位需求量;
根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据确定所述目标物品的存储位置深度信息,并根据所述存储位置深度信息生成所述目标物品的目标库位信息;
其中,根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据确定所述目标物品的存储位置深度信息,包括:
根据所述仓库拣货存储区的可存储库位坐标信息数据、拣货起始点位置的坐标数据、拣货终点位置的坐标数据及爆品存放区可存储位置坐标信息数据与预设第一级筛选热度阈值之间的预设关系对所述仓库拣货存储区划分,生成相应的第一级深度存储位置热度队列;
将所述目标物品的存储队列、所述目标物品在仓库拣货存储区的第一预设库位需求量与所述第一级深度存储位置热度队列比对确认所述目标物品的第一级目标深度存储位置及在所述第一级目标深度存储位置相应第二预设库位需求量;
所述第一级筛选热度阈值为所述仓库拣货存储区划分时所依据库位的所述第一级筛选热度阈值,所述库位的所述第一级筛选热度阈值等于所述库位分别至拣货起始点位置、拣货终点位置、爆品存放区可存储位置的距离之和的预设关系,所述距离具体为曼哈顿距离。
7.根据权利要求6所述的确定目标物品仓库分散化存储的处理方法,其特征是,
所述仓库拣货存储区信息数据包括所述仓库拣货存储区的可存储库位坐标信息数据、可存储库位尺寸信息数据以及可存储库位体积信息数据、爆品存放区可存储位置坐标信息数据、各级深度存储位置的关联信息的至少一种。
8.根据权利要求6所述的确定目标物品仓库分散化存储的处理方法,其特征是,
根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据确定所述目标物品的存储位置深度信息,还包括:
根据所述第一级目标深度存储位置包含的各第二级深度存储位置的数量、各第二级深度存储位置包含的可存储库位数量及所述目标物品在所述第一级目标深度存储位置相应所述第二预设库位需求量配置预设第二级筛选条件;
根据所述预设第二级筛选条件确定所述目标物品的第二级深度存储位置及在第二级目标深度存储位置相应第三预设库位需求量。
9.根据权利要求8所述的确定目标物品仓库分散化存储的处理方法,其特征是,
根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据确定所述目标物品的存储位置深度信息,还包括:
根据所述第二级目标深度存储位置包含的各第三级深度存储位置的数量、各第三级深度存储位置包含的可存储库位数量及所述目标物品在所述第二级目标深度存储位置相应所述第三预设库位需求量配置预设第三级筛选条件;
根据所述预设第三级筛选条件确定所述目标物品的第三级深度存储位置及在第三级目标深度存储位置相应第四预设库位需求量。
10.根据权利要求9所述的确定目标物品仓库分散化存储的处理方法,其特征是,
根据预设筛选条件、所述目标物品的存储队列、所述第一预设库位需求量及所述仓库拣货存储区信息数据确定所述目标物品的存储位置深度信息,还包括:
根据所述第三级目标深度存储位置包含的可存储库位,形成第三级目标深度存储位置可存储库位队列;
对所述第三级目标深度存储位置可存储库位队列进行随机化排序得待筛选第三级目标深度存储位置可存储库位队列,根据基于所述第四预设库位需求量配置的预设第四级筛选条件在所述待筛选第三级目标深度存储位置可存储库位队列中选取与所述第四预设库位需求量相应的可存储库位,形成所述目标物品的目标库位信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910003554.XA CN111401801B (zh) | 2019-01-03 | 2019-01-03 | 一种确定目标物品仓库分散化存储的处理系统、方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910003554.XA CN111401801B (zh) | 2019-01-03 | 2019-01-03 | 一种确定目标物品仓库分散化存储的处理系统、方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111401801A CN111401801A (zh) | 2020-07-10 |
CN111401801B true CN111401801B (zh) | 2023-08-18 |
Family
ID=71413846
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910003554.XA Active CN111401801B (zh) | 2019-01-03 | 2019-01-03 | 一种确定目标物品仓库分散化存储的处理系统、方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111401801B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762849B (zh) * | 2020-11-06 | 2024-07-19 | 北京京东乾石科技有限公司 | 立体仓库库存管理的方法、装置和系统 |
CN112633793B (zh) * | 2020-12-15 | 2024-05-14 | 嘉兴蓝匠仓储系统软件有限公司 | 自动化立体库通过大数据分析优化货位入库分配的方法 |
CN112734344A (zh) * | 2021-03-31 | 2021-04-30 | 牧星机器人(江苏)有限公司 | 一种商品仓储中的商品入库优化方法、装置及仓储系统 |
CN114648272B (zh) * | 2022-04-01 | 2023-07-21 | 上海聚货通电子商务有限公司 | 一种基于拣货热力图的商品布局调整方法及系统 |
CN115641062B (zh) * | 2022-12-26 | 2023-04-04 | 中汽研汽车工业工程(天津)有限公司 | 一种汽车混线生产零件的仓库存储区设置及控制方法 |
CN118365247A (zh) * | 2024-06-17 | 2024-07-19 | 天津万事达物流装备有限公司 | 智能立体仓库的三维仿真管理方法、系统、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3002917A1 (en) * | 2015-10-22 | 2017-04-27 | Greyorange Pte Ltd. | Method of managing resources in a warehouse |
CN106980955A (zh) * | 2017-03-29 | 2017-07-25 | 北京京东尚科信息技术有限公司 | 用于为货架确定货架储位的方法和装置 |
CN108502435A (zh) * | 2018-03-29 | 2018-09-07 | 南京极智嘉机器人有限公司 | 一种出库分配方法和出库分配装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140324491A1 (en) * | 2013-04-29 | 2014-10-30 | International Business Machines Corporation | Assigning parts to storage locations in a warehouse |
US10956858B2 (en) * | 2017-01-19 | 2021-03-23 | Intelligrated Headquarters, Llc | Static warehouse area sizing and slotting of a multi-mode forward area |
-
2019
- 2019-01-03 CN CN201910003554.XA patent/CN111401801B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3002917A1 (en) * | 2015-10-22 | 2017-04-27 | Greyorange Pte Ltd. | Method of managing resources in a warehouse |
CN106980955A (zh) * | 2017-03-29 | 2017-07-25 | 北京京东尚科信息技术有限公司 | 用于为货架确定货架储位的方法和装置 |
CN108502435A (zh) * | 2018-03-29 | 2018-09-07 | 南京极智嘉机器人有限公司 | 一种出库分配方法和出库分配装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111401801A (zh) | 2020-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111401801B (zh) | 一种确定目标物品仓库分散化存储的处理系统、方法 | |
CN110310057B (zh) | 货品排序和货位处理方法、装置、设备及其存储介质 | |
CN108364085B (zh) | 一种外卖配送时间预测方法和装置 | |
CN110599090B (zh) | 一种仓储出库管理方法、服务器和存储介质 | |
Fontana et al. | Use of Promethee method to determine the best alternative for warehouse storage location assignment | |
US11386373B2 (en) | Work management device, work management method, and program storage medium | |
CN110097203A (zh) | 库存调度方法、库存调度装置以及计算机可读存储介质 | |
CN106549772A (zh) | 资源预测方法、系统和容量管理装置 | |
CN111091328A (zh) | 一种仓储入库管理方法和管理装置 | |
CN109961248A (zh) | 运单投诉预测方法、装置、设备及其存储介质 | |
CN111222815A (zh) | 确定单品补货量方法、装置、设备及存储介质 | |
CN110751441A (zh) | 一种优化物流仓储系统中储位的方法及装置 | |
Kofler et al. | Affinity based slotting in warehouses with dynamic order patterns | |
Scholl et al. | On the quality of simple measures predicting block relocations in container yards | |
CN110826953B (zh) | 一种仓库存储设备规划的方法和装置 | |
Kofler et al. | Rassigning storage locations in a warehouse to optimize the order picking process | |
CN112784212B (zh) | 一种优化库存的方法和装置 | |
CN113435805B (zh) | 物品存储信息确定方法、装置、设备和存储介质 | |
CN110874640B (zh) | 使用机器学习(ml)的间歇数据的分布选择和模拟 | |
CN113650997A (zh) | 一种物品出库定位方法和装置 | |
CN116720600A (zh) | 落货量预测方法、装置、设备及存储介质 | |
CN115115469A (zh) | 一种立体库调度效率评价方法、系统及存储介质、终端 | |
CN111144677A (zh) | 效率评估方法和效率评估系统 | |
CN114997779A (zh) | 一种仓储处理方法、装置、电子设备及计算机可读介质 | |
CN111984637B (zh) | 数据建模中的缺失值处理方法和装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |