CN111476413A - 基于大数据的仓库储位分配方法及系统 - Google Patents

Abstract

本发明提供了一种基于大数据的仓库储位分配方法，该方法包括：大数据平台根据历史订单信息对预定时期内入库订单量进行预测；所述大数据平台根据预测的入库订单量将仓库空间划分为不同类型的存储区域，并规划每个存储区域的货架数量和摆放位置；优化平台按照入库货物之间的关联度对所述入库货物进行分组；所述优化平台根据同组货物集中摆放的策略在对应的所述存储区域为所述入库货物进行货架储位分配。在本发明中，采用了大数据平台对预定时期内入库订单量进行预测从而进行仓库储位分配，至少解决了相关技术中仓库储位分配不合理的问题，从而提高拣货效率和仓库利用率。

Description

基于大数据的仓库储位分配方法及系统

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的仓库储位分配方法及系统。

背景技术

随着科技的发展，现代智能物流仓储系统以其仓储规模大、机械设备先进、信息化程度高等特点，备受现代企业关注。传统物流配送中心仓库采用的基于“人到货”的人工拣选模式，即人为根据货物和空间状况进行匹配，这在一定程度上已经无法满足现代物流配送中心仓储的需要。基于“货到人”的智能仓库系统，应运而生。

在“货到人”的仓库系统中，物品被放到可以移动的货架上，拣选人员在固定的拣选工作台前，仓储机器人在计算机控制系统的控制下将货架举起，运到指定地点，完成拣货、移库、补货等任务。由仓储机器人代替人工完成仓储系统内部繁杂的工作，大大提高拣货效率。

在拣选过程中每次都要移动整个货架到拣选口，对于库位分配，传统的“人到货”仓储管理模式俨然不能满足“货到人”的需求现状。

发明内容

本发明实施例提供了一种基于大数据的仓库储位分配方法及系统，以至少解决相关技术中仓库储位分配不合理导致的拣货效率低下的问题。

根据本发明的一个实施例，提供了一种基于大数据的仓库储位分配方法，包括：大数据平台根据历史订单信息对预定时期内入库订单量进行预测；所述大数据平台根据预测的入库订单量将仓库空间划分为不同类型的存储区域，并规划每个存储区域的货架数量和摆放位置；优化平台按照入库货物之间的关联度对所述入库货物进行分组；所述优化平台根据同组货物集中摆放的策略在对应的所述存储区域为所述入库货物进行货架储位分配。

可选地，所述大数据平台根据预测的入库订单的数据将仓库空间划分为不同类型的存储区域包括：所述大数据平台根据预测的入库订单量和入库货物的属性将所述仓库空间划分为不同类型的存储区域，其中，所述存储区域的类型至少包括以下之一：单独摆放区、黄金流转区、滞货区、随机区。

可选地，所述优化平台按照入库货物之间的关联度对所述入库货物进行分组包括：所述优化平台计算出所预测的每个入库订单的特征向量，其中，所述特征向量中的每个分量为货物代码；所述优化平台根据所有入库订单的特征向量得到入库货物的关联度矩阵；所述优化平台根据所述关联度矩阵计算出入库货物之间的关联度，并将所述关联度达到阈值的货物划分为同一组。

可选地，所述优化平台根据同组货物集中摆放的策略在对应的所述存储区域为所述入库货物进行货架储位分配包括：判断是否有与当前待入库货物组属于同一组的在库货物，如果有，则在所述在库货物的所在货架或相邻货架为所述待入库货物组分配储位；当所有与在库货物属于同一组的待入库货物组的货架储位分配完成后，统计剩余空货架，并对剩余未分配的待入库货物组进行货架储位分配。

根据本发明的另一个实施例，提供了一种基于大数据的仓库储位分配系统，包括：大数据平台，用于根据历史订单信息对预定时期内入库订单量进行预测，并根据预测的入库订单量将仓库空间划分为不同类型的存储区域，并规划每个存储区域的货架数量和摆放位置；优化平台，用于按照入库货物之间的关联度对所述入库货物进行分组，并根据同组货物集中摆放的策略在对应的所述存储区域为所述入库货物进行货架储位分配。

可选地，所述大数据平台可包括：分区模块，用于所述大数据平台根据预测的入库订单量和入库货物的属性将所述仓库空间划分为不同类型的存储区域，其中，所述存储区域的类型至少包括以下之一：单独摆放区、黄金流转区、滞货区、随机区。

可选地，所述优化平台可包括：计算模块，用于所述优化平台计算出所预测的每个入库订单的特征向量，其中，所述特征向量中的每个分量为货物代码；关联模块，用于所述优化平台根据所有入库订单的特征向量得到入库货物的关联度矩阵；分组模块，用于所述优化平台根据所述关联度矩阵计算出入库货物之间的关联度，并将所述关联度达到阈值的货物划分为同一组。

可选地，所述优化平台还可以包括：判断模块，用于判断是否有与当前待入库货物组属于同一组的在库货物，如果有，则在所述在库货物的所在货架或相邻货架为所述待入库货物组分配储位；储位分配模块，用于当所有与在库货物属于同一组的待入库货物组的货架储位分配完成后，统计剩余空货架，并对剩余未分配的待入库货物组进行货架储位分配。

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，采用了大数据平台对预定时期内入库订单量进行预测从而进行仓库空间的划分，并通过优化平台对储位进行优化分配，至少解决了相关技术中仓库储位分配不合理的问题，从而提高拣货效率和仓库利用率。

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的仓库储位分配方法的流程图；

图2是根据本发明可选实施例的基于大数据的仓库储位优化分配方法流程图；

图3是根据本发明实施例的基于大数据的仓库储位优化分配系统数据处理流程图；

图4是根据本发明实施例基于大数据的仓库储位分配系统结构示意图；

图5是根据本发明可选实施例的基于大数据的仓库储位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。

实施例1

在本实施例中提供了一种基于大数据的仓库储位分配方法，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，大数据平台根据历史订单信息对预定时期内入库订单量进行预测；

步骤S104，所述大数据平台根据预测的入库订单量将仓库空间划分为不同类型的存储区域，并规划每个存储区域的货架数量和摆放位置；

步骤S106，优化平台按照入库货物之间的关联度对所述入库货物进行分组；

步骤S108，所述优化平台根据同组货物集中摆放的策略在对应的所述存储区域为所述入库货物进行货架储位分配。

在上述实施例中，所述大数据平台根据预测的入库订单的数据将仓库空间划分为不同类型的存储区域可以包括：所述大数据平台根据预测的入库订单量和入库货物的属性将所述仓库空间划分为不同类型的存储区域，其中，所述存储区域的类型至少包括以下之一：单独摆放区、黄金流转区、滞货区、随机区。

在上述实施例中，所述优化平台按照入库货物之间的关联度对所述入库货物进行分组可包括：所述优化平台计算出所预测的每个入库订单的特征向量，其中，所述特征向量中的每个分量为货物代码；所述优化平台根据所有入库订单的特征向量得到入库货物的关联度矩阵；所述优化平台根据所述关联度矩阵计算出入库货物之间的关联度，并将所述关联度达到阈值的货物划分为同一组。

在上述实施例中，所述优化平台根据同组货物集中摆放的策略在对应的所述存储区域为所述入库货物进行货架储位分配还可以包括：判断是否有与当前待入库货物组属于同一组的在库货物，如果有，则在所述在库货物的所在货架或相邻货架为所述待入库货物组分配储位；当所有与在库货物属于同一组的待入库货物组的货架储位分配完成后，统计剩余空货架，并对剩余未分配的待入库货物组进行货架储位分配。

通过上述步骤，由于引入大数据平台对预定时期内入库订单量进行预测，可以解决相关技术中仓库储位分配不合理、仓库利用率低下的问题，达到优化仓储结构，有效减少库存积压的效果。

实施例2

为了便于对本发明所提供的技术方案的理解，下面通过一个具体的实施例进行详细描述。

在物流配送中心仓库中，货物种类繁多，即使将订单合并拣选，仍然经常出现机器人每次搬运的一个货架中只包含订单中的一种货物。

并且，仓库内货物具有流动性大，不稳定的特点。而且货物受季节、节假日影响较大，不易把握。

另外，仓库内机器人搬运的货架数量多，能源资源浪费十分严重。其次，仓库空间有限，多机器人运动容易使占道频率高，浪费时间。

为此，图2示出了一种基于大数据的仓库储位优化分配方法，如图2所示，主要包括如下步骤：

步骤S201，大数据平台根据历史订单信息进行未来单量预测，灵活调整各种商品的库位分配情况，降低爆仓现象，预测货物的存储流转情况，按照比例对仓库空间面积进行分配。将空间分为：单独摆放区(分配给需要单独摆放的商品的区域)、黄金流转区(分配给流转较快的商品的区域)、滞货区(分配给相对滞销的商品的区域)、随机区(分配给出入库相对灵活、随机的商品的区域)。

步骤S202，针对每块空间的区域面积，规划货架的停放位置，并对货架进行编号。

步骤S203，大数据平台预测得到每种商品的存储量，对每种商品的空间进行预估计算。

步骤S204，根据历史订单中的商品，计算出每个订单的特征向量Bi，向量中的每个分量为商品代码。

步骤S205，根据所有订单的特征向量Bi采用关联挖掘和聚类分析算法，得到各种商品的关联度矩阵。

步骤S206，系统通过启发式算法自动优化矩阵，计算出所有商品中关联度较高的商品，进行分组，使得同时出库的、相关性较大的货物集中配置摆放。

步骤S207，将分组商品与货架库位进行优化匹配，得到分配结果。

步骤S208，对分好组的每组商品与货架信息进行匹配，若有某个货架上存有当前组的货物，则优先进行该组货物的货架分配。比如当前组中有货物A，货架H00001上放有货物A，则寻找与当前货架H00001在同一货架上的可用货架，若寻找到H00002、H00003等，则将当前组的货物种类分配到当前货架。若当前货架不足使用，则分配到H00001所在货架的相邻货架的可用空间。

步骤S209，所有具有在库记录的商品所在组处理完成后，统计剩余空货架，对剩余未分配的货物组进行分配空间，循环处理完成所有组，实现空间的分配。

另外，分配结果计算完成后，可以进行手动修正。通过以上优化规则生成最优方案。

上述实施例的具体数据处理流程图可以参见图3。如图3所示，该系统主要包括大数据平台和优化系统部分(即，优化平台)。

大数据平台主要负责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。其还要负责根据货物属性不同(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。并配合货位分配原则：如货架承载重量，上轻下重；周转速度，就近入/出库；产品相关性等。

优化系统主要负责将各种商品的装载要求进行数据化、量化，将库位分派工人的经验进行数据化、规范化。还要负责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。

在本发明的上述实施例中，针对仓库储位的特点，实现了如下技术效果

1、大数据平台对未来单量进行预测，使得仓库内的储位得到动态调整，节省了空间，有效避免爆仓。

2、货架上的商品关联度得到提高。

3、减少货架机器人的搬运次数。

4、降低了搬运机器人的占道率，提高整体效率。

5、降低爆仓情况，减少缺货现象，提高顾客满意度。

6、优化仓储结构，有效减少库存积压现象。

7、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。

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3

在本实施例中还提供了一种基于大数据的仓库储位分配系统，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4是根据本发明实施例的基于大数据的仓库储位分配系统结构示意图，如图4所示，该系统包括大数据平台10和优化平台20。

所述大数据平台10，用于根据历史订单信息对预定时期内入库订单量进行预测，并根据预测的入库订单量将仓库空间划分为不同类型的存储区域，并规划每个存储区域的货架数量和摆放位置。

所述优化平台20，用于按照入库货物之间的关联度对所述入库货物进行分组，并根据同组货物集中摆放的策略在对应的所述存储区域为所述入库货物进行货架储位分配。

图5是根据本发明可选实施例的基于大数据的仓库储位分配系统结构示意图，如图5所示，该装置除包括图4所示的大数据平台10和优化平台20外，所述大数据平台10包括分区模块101，所述优化平台20包括计算模块201、关联模块203、分组模块205、判断模块207及储位分配模块209。

分区模块101，用于所述大数据平台根据预测的入库订单量和入库货物的属性将所述仓库空间划分为不同类型的存储区域，其中，所述存储区域的类型至少包括以下之一：单独摆放区、黄金流转区、滞货区、随机区。

计算模块201，用于所述优化平台计算出所预测的每个入库订单的特征向量，其中，所述特征向量中的每个分量为货物代码；

关联模块203，用于所述优化平台根据所有入库订单的特征向量得到入库货物的关联度矩阵；

分组模块205，用于所述优化平台根据所述关联度矩阵计算出入库货物之间的关联度，并将所述关联度达到阈值的货物划分为同一组。

判断模块207，用于判断是否有与当前待入库货物组属于同一组的在库货物，如果有，则在所述在库货物的所在货架或相邻货架为所述待入库货物组分配储位；

储位分配模块209，用于当所有与在库货物属于同一组的待入库货物组的货架储位分配完成后，统计剩余空货架，并对剩余未分配的待入库货物组进行货架储位分配。

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4

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。

实施例5

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)

1.一种基于大数据的仓库储位分配方法，其特征在于，包括：

大数据平台根据历史订单信息对预定时期内入库订单量进行预测；

所述大数据平台根据预测的入库订单量将仓库空间划分为不同类型的存储区域，并规划每个存储区域的货架数量和摆放位置；

优化平台按照入库货物之间的关联度对所述入库货物进行分组；

所述优化平台根据同组货物集中摆放的策略在对应的所述存储区域为所述入库货物进行货架储位分配。

2.根据权利要求1所述的方法，其特征在于，所述大数据平台根据预测的入库订单的数据将仓库空间划分为不同类型的存储区域包括：

所述大数据平台根据预测的入库订单量和入库货物的属性将所述仓库空间划分为不同类型的存储区域，其中，所述存储区域的类型至少包括以下之一：单独摆放区、黄金流转区、滞货区、随机区。

3.根据权利要求1所述的方法，其特征在于，所述优化平台按照入库货物之间的关联度对所述入库货物进行分组包括：

所述优化平台计算出所预测的每个入库订单的特征向量，其中，所述特征向量中的每个分量为货物代码；

所述优化平台根据所有入库订单的特征向量得到入库货物的关联度矩阵；

所述优化平台根据所述关联度矩阵计算出入库货物之间的关联度，并将所述关联度达到阈值的货物划分为同一组。

4.根据权利要求1所述的方法，其特征在于，所述优化平台根据同组货物集中摆放的策略在对应的所述存储区域为所述入库货物进行货架储位分配包括：

判断是否有与当前待入库货物组属于同一组的在库货物，如果有，则在所述在库货物的所在货架或相邻货架为所述待入库货物组分配储位；

当所有与在库货物属于同一组的待入库货物组的货架储位分配完成后，统计剩余空货架，并对剩余未分配的待入库货物组进行货架储位分配。

5.一种基于大数据的仓库储位分配系统，其特征在于，包括：

大数据平台，用于根据历史订单信息对预定时期内入库订单量进行预测，并根据预测的入库订单量将仓库空间划分为不同类型的存储区域，并规划每个存储区域的货架数量和摆放位置；

优化平台，用于按照入库货物之间的关联度对所述入库货物进行分组，并根据同组货物集中摆放的策略在对应的所述存储区域为所述入库货物进行货架储位分配。

6.根据权利要求5所述的系统，其特征在于，所述大数据平台包括：

分区模块，用于所述大数据平台根据预测的入库订单量和入库货物的属性将所述仓库空间划分为不同类型的存储区域，其中，所述存储区域的类型至少包括以下之一：单独摆放区、黄金流转区、滞货区、随机区。

7.根据权利要求5所述的系统，其特征在于，所述优化平台包括：

计算模块，用于所述优化平台计算出所预测的每个入库订单的特征向量，其中，所述特征向量中的每个分量为货物代码；

关联模块，用于所述优化平台根据所有入库订单的特征向量得到入库货物的关联度矩阵；

分组模块，用于所述优化平台根据所述关联度矩阵计算出入库货物之间的关联度，并将所述关联度达到阈值的货物划分为同一组。

8.根据权利要求5所述的系统，其特征在于，所述优化平台还包括：

判断模块，用于判断是否有与当前待入库货物组属于同一组的在库货物，如果有，则在所述在库货物的所在货架或相邻货架为所述待入库货物组分配储位；

储位分配模块，用于当所有与在库货物属于同一组的待入库货物组的货架储位分配完成后，统计剩余空货架，并对剩余未分配的待入库货物组进行货架储位分配。

9.一种存储介质，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4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4任一项中所述的方法。

Images