CN111507657B - 一种基于半自动拣选系统的订单分波方法 - Google Patents
一种基于半自动拣选系统的订单分波方法 Download PDFInfo
- Publication number
- CN111507657B CN111507657B CN202010184094.8A CN202010184094A CN111507657B CN 111507657 B CN111507657 B CN 111507657B CN 202010184094 A CN202010184094 A CN 202010184094A CN 111507657 B CN111507657 B CN 111507657B
- Authority
- CN
- China
- Prior art keywords
- order
- orders
- batch
- matrix
- commodity
- 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
- 238000000034 method Methods 0.000 title claims abstract description 30
- 239000011159 matrix material Substances 0.000 claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000004364 calculation method Methods 0.000 claims abstract description 4
- 238000012216 screening Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 8
- 238000000844 transformation Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 2
- 238000000926 separation method Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 abstract description 5
- 238000009826 distribution Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 2
- 230000026676 system process Effects 0.000 description 2
- 241000251323 Matthiola oxyceras Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Warehouses Or Storage Devices (AREA)
Abstract
本发明公开了一种基于半自动拣选系统的订单分波方法,本发明将订单分为单品单件订单、批量订单、散单订单,单品单件订单通过计算订单矩阵得到单品单件波次单后,可由人工快速分拣处理。批量订单是相同的SKU、相同的数量且超一定订单数量,经订单矩阵计算后得到批量订单,并由人工快速分拣处理。散单订单通过层次聚类算法计算散单订单中商品相似性高的订单并形成一个波次,半自动拣选系统中的“摩天轮”统一处理一个个波次订单集合,从而减少了“摩天轮”中机器人小车取货的次数,也一次处理了众多订单,提高了散单订单的拣选效率。这种人工结合自动化设备的半自动拣选系统减轻了人工作业的工作量,提高物流仓储分拣的整体效率。
Description
技术领域
本发明涉及一种订单分波方法,具体涉及一种基于半自动拣选系统的订单分波方法。
背景技术
随着物流自动化的发展,人力资源成本的提升,物流拣选的自动化需求越来越迫切。新型密集式自动化仓储将给人们带来更加便捷的自动化生产生活方式。与此同时,人们对自动化仓储的需求越来越多样化、出入库效率要求越来越高。电商物流业务可总结为“存”、“拣”、“发”三个部分,即商品存储、订单分拣、包装发货,其中订单分拣是电商物流公司关注的重点。在人工作业的配送中心,拣选作业属于劳动密集度最高的环节,其工作量约占配送中心所有工作量的60%,其作业时间占整个配送中心作业时间的40%以上。
某公司半自动化订单拣选流程如图1所示。抓取的订单流经过WMS系统分波次制成分拣任务提交给“摩天轮”,“摩天轮”上的机器人根据任务队列到对应的料箱并将料箱中商品送到两侧拣货口,供拣货员按任务需求拣货,拣货员将商品拣入中转箱,中转人员(拣货员)将中转箱中商品送到“闪电播”,“闪电播”自动按订单将商品投放到“闪电播”上对应的货箱,每个订单对应一个货箱,待订单商品拣全时,窗格上会亮灯提示拣货员进行取货打包,从而及时空出“闪电播”上的货箱,以供新的订单拣货。
智能拣选系统“摩天轮”由立体式存取货柜及机器人组群组成,机器人组群在“摩天轮”中的巷道灵活快速行驶,不断从“摩天轮”的两侧出口进行存、取货物。如图2所示是“摩天轮”的平面结构图,其中黑色网格代表料箱,料箱中存放的是商品。智能分拣系统“闪电播”与“摩天轮”配合工作,将从摩天轮拣选出的货物恢复成订单。如图3所示是“闪电播”的平面结构图,其中黑色网格代表料箱,料箱中存放的是完整的订单。
发明内容
本发明针对目前大多物流公司人力拣货效率低、差错率高等问题,提出了一种基于半自动拣选系统提出一种订单分波次的方法。根据订单流将订单分为单品单件订单、批量订单、散单订单,单品单件订单和批量订单经订单矩阵计算后得到相应的波次单,并分别由人工分拣快速处理;由于散单订单中商品多、分散性大、不易统一处理,通过层次聚类算法计算散单订单中商品相似性高的订单并形成一个波次,半自动拣选系统中的“摩天轮”统一处理一个个波次订单集合,从而减少了“摩天轮”中机器人小车取货的次数,也一次处理了众多订单,提高了散单订单的拣选效率。
基于半自动拣选系统的一种订单分波方法,实现包括以下步骤:
步骤一:从数据库中获取某公司的订单数据,并对订单数据预处理:订单数据转换为订单矩阵。
A.、对于给定一批订单O={O1,O2,…,ON},共包含了N种不同商品,将这N种商品从0到N-1排序;即用y=f(x)来表示,x为商品的条码,y为商品位置,且y∈[0,N-1];
步骤二:单品单件订单筛选:根据订单矩阵筛选出单品单件。
①、计算单品单件的方法是:由于单品单件的商品种类与数量均为1,则只需要判断订单矩阵中仅出现一次1即可;
②、单品单件统计分波:由于单品单件的商品种类与数量均为1,则只需要比较订单矩阵中1出现的位置即可;具体方式为:判断S(M1,M2)≠0即可,其中S(M1,M2)=M1·M2,M1是订单O1转换的矩阵,M2是订单在O2转换的矩阵;
步骤三:筛选出单品单件后剩余批量订单、散单订单,再进行批量订单筛选
批量订单是相同的SKU、相同的数量且超一定订单数量。SKU是库存量单位,即库存进出计量的单位,可以是以件、盒、托盘等为单位。SKU是物理上不可分割的最小存货单元。在这里可以理解为某种商品。批量订单的数学定义为:给定一批订单O={O1,02,…,Om},任意一个订单Oi={Pi1,Pi2,Pi3,…,Pik},k为商品种类数,存在n个订单都有P1x=P2x=Pjx=…=Pnx,x=1,2,3…k,l≤n≤m,l∈N+。为快速计算出批量订单则采用如下方法:
①、将每个订单矩阵中非0的数按照位置前后顺序拼接为一个新字符数字,该字符数字不同则不是相同SKU、相同数量的订单;
②、该字符数字相同则需要再次分别统计出批量订单,统计批量订单是通过矩阵点乘计算:S(M1,M2)=M1·M2,矩阵相乘结果相同则订单中的SKU种类、SKU数量是相同的。筛选出的批量订单后直接进行人工快速处理。
步骤四:散单订单聚类分波
筛选出批量订单后都是散单订单,散单订单分波是通过层次聚类的方法。
给定一批订单O={O1,O2,…,ON},按照层次聚类思想对这批订单进行聚类的流程如下;
(1)计算两两订单的相似性:S(M1,M2)=M1·M2,其中M1是订单O1转换的矩阵,M2是订单在O2转换的矩阵,S(M1,M2)=0时两个订单相似度为0,即两个订单之间不存在相同商品;S(M1,M2)≠0时说明两个订单之间存在相同商品,数值越大,相似性越大,两个订单之间相同商品越多;
(2)订单聚类即合并订单;对于每个订单取与之相似性最大的订单进行合并,得到一个大的商品集,将合并后的商品集视为一个新的订单;如果有多个订单之间的相似度相同并且相似度最大可考虑随机选一个订单合并,也可以选择将这些订单一次性合并;
(3)重复(1)、(2)直到所有的相似度为0或者达到设定聚类数量。
本发明相对于现有技术具有的有益效果:
本发明将订单流中的订单分为单品单件订单、批量订单、散单订单,根据不同类型订单处理方式不同。单品单件订单是由一种且一件SKU构成的订单,通过计算订单矩阵得到单品单件波次单后,可由人工快速分拣处理。批量订单是相同的SKU、相同的数量且超一定订单数量,经订单矩阵计算后得到批量订单,并由人工快速分拣处理。散单订单中商品多、分散性大、不易统一处理,通过层次聚类算法计算散单订单中商品相似性高的订单并形成一个波次,半自动拣选系统中的“摩天轮”统一处理一个个波次订单集合,从而减少了“摩天轮”中机器人小车取货的次数,也一次处理了众多订单,提高了散单订单的拣选效率。这种人工结合自动化设备的半自动拣选系统减轻了人工作业的工作量,提高物流仓储分拣的整体效率。
附图说明
图1为某公司半自动化订单拣选流程;
图2为智能拣选系统“摩天轮”平面结构示意图;
图3为智能分拣系统“闪电播”平面结构示意图;
图4为订单分波次流程图;
图5为散单订单聚类分波流程图;
图6为订单分布情况。
具体实施方式
本次获取某物流公司某天上午的订单数据作为实验数据,经数学统计有8890条记录,共5781个订单、2019种商品,如图4、图5所示,订单分波具体过程如下:
步骤1、读取实验订单数据,并将订单数据转换为订单矩阵,
步骤1.2、对于任意订单Oj={P1,P2,P3,…,P2019}j∈[1,5781],则可将Oj转化为1行N列矩阵:通过商品条码确定矩阵的下标,并在矩阵对应的位置填上该商品数量;
步骤2、通过订单矩阵的计算出订单流中的单品单件订单、批量订单、散单订单;
步骤2.1、计算单品单件的方法是:由于单品单件的商品种类与数量均为1,则只需要判断订单矩阵中仅出现一次1即可;
步骤2.2、筛选出单品单件后还剩批量订单、散单订单,再进行批量订单筛选。批量订单是指相同的SKU、相同的数量且超一定订单数量的订单。某公司定义批量订单是相同的SKU、相同的数量且超20件订单数量。
步骤2.3、将每个订单矩阵中非0的数按照位置前后顺序拼接为一个新数字,数字不同则不是相同SKU、相同数量的订单;
步骤2.4、数字相同则需要再次分别统计出批量订单,统计批量订单是通过进矩阵点乘计算:S(M1,M2)=M1·M2,矩阵相乘结果相同则订单中的SKU种类、SKU数量是相同的。筛选出的批量订单后可直接进行人工快速处理。
步骤2.5、筛选出批量订单后剩下的是散单订单,统计的单品单件、批量、散单分布情况如下图6所示。
步骤3、由订单分布情况可知筛选剩下的散单订单占57.79%(3341件),其中商品多、分散性大、不易统一处理,故对散单订单进行聚类分波,基于聚类的分波之后结果如下表1所示;
步骤3.1、给定一批订单O={O1,O2,…,ON},按照层次聚类思想对这批订单进行聚类的大致流程如下(聚类前需对订单进行预处理,排除每个订单里不上摩天轮的商品);
步骤3.2、计算两两订单的相似性:S(M1,M2)=M1·M2,其中M1是订单O1转换的矩阵,M2是订单在O2转换的矩阵,M2 T是M2的转置矩阵。S(M1,M2)=0时两个订单相似度为0,即两个订单之间不存在相同商品;S(M1,M2)≠0时说明两个订单之间存在相同商品,数值越大,相似性越大,两个订单之间相同商品越多;
步骤3.3、订单聚类即合并订单;对于每个订单取与之相似性最大的订单进行合并,得到一个大的商品集,将合并后的商品集视为一个新的订单(类似于类中心);注意:如果有多个订单之间的相似度相同并且相似度最大可考虑随机选一个订单合并,也可以选择将这些订单一次性合并;
步骤3.4、重复步骤3.2、3.3直到所有的相似度为0或者各类的大小(类中包含的订单数)都为200,智能分拣系统“闪电播”一次能处理200个订单),即将每类的最大数量设置为200。
表1散单订单聚类分波结果
Claims (2)
1.一种基于半自动拣选系统的订单分波方法,其特征在于,具体包括以下步骤:
步骤一:从数据库中获取某公司的订单数据,并对订单数据预处理:订单数据转换为订单矩阵;
①、对于给定一批订单O={O1,O2,…,ON},共包含了N种不同商品,将这N种商品从0到N-1排序;即用y=f(x)来表示,x为商品的条码,y为商品位置,且y∈[0,N-1];
步骤二:单品单件订单筛选:根据订单矩阵筛选出单品单件;
①、计算单品单件的方法是:由于单品单件的商品种类与数量均为1,则只需要判断订单矩阵中仅出现一次1即可;
②、单品单件统计分波:由于单品单件的商品种类与数量均为1,则只需要比较订单矩阵中1出现的位置即可;具体方式为:判断S(M1,M2)≠0即可,其中S(M1,M2)=M1·M2,M1是订单O1转换的矩阵,M2是订单在O2转换的矩阵;
步骤三:筛选出单品单件后剩余批量订单、散单订单,再进行批量订单筛选
批量订单是相同的SKU、相同的数量且超一定订单数量;批量订单的数学定义为:给定一批订单O={O1,O2,…,Om},任意一个订单Oi={Pi1,Pi2,Pi3,…,Pik},k为商品种类数,存在n个订单都有P1x=P2x=Pjx=…=Pnx,x=1,2,3…k,l≤n≤m,l∈N+,为快速计算出批量订单则采用如下方法:
①、将每个订单矩阵中非0的数按照位置前后顺序拼接为一个新字符数字,该字符数字不同则不是相同SKU、相同数量的订单;
②、该字符数字相同则需要再次分别统计出批量订单,统计批量订单是通过矩阵点乘计算:S(M1,M2)=M1·M2,矩阵相乘结果相同则订单中的SKU种类、SKU数量是相同的;筛选出的批量订单后直接进行人工快速处理;
步骤四:散单订单聚类分波
筛选出批量订单后都是散单订单,散单订单分波是通过层次聚类的方法;
给定一批订单O={O1,O2,…,ON},按照层次聚类思想对这批订单进行聚类的流程如下;
(1)计算两两订单的相似性:S(M1,M2)=M1·M2,其中M1是订单O1转换的矩阵,M2是订单在O2转换的矩阵,S(M1,M2)=0时两个订单相似度为0,即两个订单之间不存在相同商品;S(M1,M2)≠0时说明两个订单之间存在相同商品,数值越大,相似性越大,两个订单之间相同商品越多;
(2)订单聚类即合并订单;对于每个订单取与之相似性最大的订单进行合并,得到一个大的商品集,将合并后的商品集视为一个新的订单;
(3)重复(1)、(2)直到所有的相似度为0或者达到设定聚类数量。
2.根据权利要求1所述的一种基于半自动拣选系统的订单分波方法,其特征在于:步骤四-(2)中如果有多个订单之间的相似度相同并且相似度最大随机选一个订单合并或选择将这些订单一次性合并。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010184094.8A CN111507657B (zh) | 2020-03-16 | 2020-03-16 | 一种基于半自动拣选系统的订单分波方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010184094.8A CN111507657B (zh) | 2020-03-16 | 2020-03-16 | 一种基于半自动拣选系统的订单分波方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111507657A CN111507657A (zh) | 2020-08-07 |
CN111507657B true CN111507657B (zh) | 2023-04-07 |
Family
ID=71877669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010184094.8A Active CN111507657B (zh) | 2020-03-16 | 2020-03-16 | 一种基于半自动拣选系统的订单分波方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111507657B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762834B (zh) * | 2020-08-19 | 2024-07-19 | 北京沃东天骏信息技术有限公司 | 用于拣选工作站的订单分配方法和装置、系统和介质 |
CN113723893A (zh) * | 2021-09-15 | 2021-11-30 | 北京沃东天骏信息技术有限公司 | 用于处理订单的方法和装置 |
CN115049329A (zh) * | 2022-03-31 | 2022-09-13 | 日日顺供应链科技股份有限公司 | 一种订单处理方法和系统 |
CN116957473A (zh) * | 2023-07-11 | 2023-10-27 | 宝开(上海)智能物流科技有限公司 | 基于高密度存储的仓储系统出库订单波次划分方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018097678A (ja) * | 2016-12-14 | 2018-06-21 | 株式会社オービック | 受注作成装置、受注作成方法、および、受注作成プログラム |
CN108961016A (zh) * | 2018-08-01 | 2018-12-07 | 北京极智嘉科技有限公司 | 一种订单处理方法、装置、服务器及存储介质 |
CN110223011A (zh) * | 2019-05-22 | 2019-09-10 | 杭州海仓科技有限公司 | 智能仓储设备调度方法、系统、存储介质及电子设备 |
CN110245492A (zh) * | 2019-05-22 | 2019-09-17 | 西安交通大学 | 基于张量分解的安卓app重打包检测方法 |
-
2020
- 2020-03-16 CN CN202010184094.8A patent/CN111507657B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018097678A (ja) * | 2016-12-14 | 2018-06-21 | 株式会社オービック | 受注作成装置、受注作成方法、および、受注作成プログラム |
CN108961016A (zh) * | 2018-08-01 | 2018-12-07 | 北京极智嘉科技有限公司 | 一种订单处理方法、装置、服务器及存储介质 |
CN110223011A (zh) * | 2019-05-22 | 2019-09-10 | 杭州海仓科技有限公司 | 智能仓储设备调度方法、系统、存储介质及电子设备 |
CN110245492A (zh) * | 2019-05-22 | 2019-09-17 | 西安交通大学 | 基于张量分解的安卓app重打包检测方法 |
Non-Patent Citations (1)
Title |
---|
陈增坤等.B电商智能物流中心订单分波(处理)优化设计.中国储运.2019,(第7期),131-133. * |
Also Published As
Publication number | Publication date |
---|---|
CN111507657A (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111507657B (zh) | 一种基于半自动拣选系统的订单分波方法 | |
CN102663571A (zh) | 一种电子商务智能分储系统的储位优化筛选方法 | |
CN107983656B (zh) | 生鲜货物播种分拣的方法 | |
CN110298613B (zh) | 一种仓储领域中提高商品拣选效率的处理方法及系统 | |
CN107194638A (zh) | 一种仓库管理优化方法 | |
CN111582787A (zh) | 一种冻库规模型拣货系统及其方法 | |
CN102298737A (zh) | 面向客户承诺的订单管理系统和订单管理方法 | |
CN103927628A (zh) | 面向客户承诺的订单管理系统和订单管理方法 | |
Santhanam et al. | A study of the production structure of the Indian economy: an international comparison | |
CN111062674A (zh) | 一种物流订单高维稀疏聚类分拣方法 | |
CN114565343A (zh) | 一种便于进行物品分类的智能物流仓储系统 | |
CN104463530A (zh) | 一种基于智能手机终端的冷链物流信息平台 | |
CN116416017A (zh) | 一种基于分布式协同的订单农业方法与系统 | |
CN110046964A (zh) | 自动售卖方法 | |
CN111598510B (zh) | 一种适用于智能仓储系统的订单分批方法 | |
CN109711770A (zh) | 仓储物流快速拣选系统及方法 | |
CN116452095B (zh) | 一种数字工厂的车辆智能监管调度方法、系统和介质 | |
CN116542599B (zh) | 一种多维度订单合并方法 | |
CN116882895A (zh) | 可回收物品的库存管理系统以及存储介质 | |
CN112633748A (zh) | 一种基于cvc全领域管控供应链的方法和系统 | |
Samattapapong | An efficiency improvement in warehouse operation using simulation analysis | |
CN116151931A (zh) | 基于人工智能的跨境电商销产一体化数据处理系统 | |
CN106651240A (zh) | 一种连锁超市订单管理系统 | |
CN114612005A (zh) | 基于SaaS实现的玻璃工厂数字智能系统 | |
CN112288513A (zh) | 一种门店订单分拣方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |