CN112053114B - 一种用于提高单批次订单装载量的订单组团方法和系统 - Google Patents
一种用于提高单批次订单装载量的订单组团方法和系统 Download PDFInfo
- Publication number
- CN112053114B CN112053114B CN202010921340.3A CN202010921340A CN112053114B CN 112053114 B CN112053114 B CN 112053114B CN 202010921340 A CN202010921340 A CN 202010921340A CN 112053114 B CN112053114 B CN 112053114B
- Authority
- CN
- China
- Prior art keywords
- order
- orders
- basket
- volume
- same type
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于提高单批次订单装载量的订单组团方法和系统,通过增加单批次装载能力提高仓库拣货效率。其技术方案为:步骤一:通过商品数据获取每款商品的体积数据,从系统获取订单及库存数据;步骤二:根据库存数据和订单明细筛选订单,生成可有效组团的订单池;步骤三:单个订单和同种类订单的总体积计算;步骤四:根据同种类订单的总体积与拣货筐容积的匹配进行分筐,形成不同的筐池,以便后续以筐为单位聚合订单,生成批次;步骤五:对不同规格筐池的订单分别进行聚合,生成订单批次。
Description
技术领域
本发明涉及电商仓库现场配货的应用技术,具体涉及一种用于提高单批次订单装载量的订单组团方法和系统。
背景技术
提高仓库现场配货效率的方法中,提高单次配货中拣货车的装载力是尤为重要的一种方式。一般情况下,一辆拣货车会有若干个拣货筐,一个拣货筐只能装一个订单。在现有的SAAS-ERP系统中会使用到组团拣货的方式,组团拣货是将订单明细相同的订单聚合到一个拣货筐中,而若干拣货筐配到一辆拣货车上,如此,一辆拣货车可装载远大于其筐数的订单数量,从而大幅提高单次配货的装载效率。
然而,组团拣货要求同种订单一次成团到一个拣货筐中,且不可超出拣货筐的大小,而受限于仓库实操场景中拣货筐的大小,有很多订单数较多的同种订单加总后会超出拣货筐的装载能力,因而无法组团到一筐当中,因此,组团拣货在仓库实操过程中的应用较少,受到了极大限制。
发明内容
以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览,并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。
本发明的目的在于解决上述问题,提供了一种用于提高单批次订单装载量的订单组团方法和系统,通过增加单批次装载能力提高仓库拣货效率。
本发明的技术方案为:本发明揭示了一种用于提高单批次订单装载量的订单组团方法,方法包括:
步骤一:通过商品数据获取每款商品的体积数据,从系统获取订单及库存数据;
步骤二:根据库存数据和订单明细筛选订单,生成可有效组团的订单池;
步骤三:单个订单和同种类订单的总体积计算;
步骤四:根据同种类订单的总体积与拣货筐容积的匹配进行分筐,形成不同的筐池,以便后续以筐为单位聚合订单,生成批次;
步骤五:对不同规格筐池的订单分别进行聚合,生成订单批次。
根据本发明的用于提高单批次订单装载量的订单组团方法的一实施例,步骤二的可有效组团的订单池的生成过程进一步包括:
步骤2.1:排除明细商品中无库存的订单;
步骤2.2:根据付款时间从前往后的顺序,逐个遍历订单并扣减相应商品库存;
步骤2.3:对筛选后的订单池中同种类订单进行聚合,聚合处理包括:同种类订单即订单明细相同的订单,聚合后记录需记录同订单数量;若同订单数量小于2的,则排除该订单,该订单不纳入组团计算范围内。
根据本发明的用于提高单批次订单装载量的订单组团方法的一实施例,步骤三进一步包括:
步骤3.1:计算各同种类订单的单个订单体积:基于步骤一获取的单个商品体积数据,再根据单个订单的明细需求将商品体积相加,得到单个订单体积;
步骤3.2:计算同种类订单的总体积:单个订单体积乘以同种类订单数得到同种类订单的总体积。
根据本发明的用于提高单批次订单装载量的订单组团方法的一实施例,步骤四的分框规则为:
优先分配到刚好超过同订单总体积的最小筐;
对超出最大筐容积的同种类订单,进行分筐处理;
若同种类订单分筐后,最后一筐仅能分到1单的,则将该订单进行排除,而不单独分配拣货筐。
本发明还揭示了一种用于提高单批次订单装载量的订单组团系统,系统包括:
数据获取模块,通过商品数据获取每款商品的体积数据,从系统获取订单及库存数据;
订单池生成模块,根据库存数据和订单明细筛选订单,生成可有效组团的订单池;
订单体积计算模块,单个订单和同种类订单的总体积计算;
匹配分筐模块,根据同种类订单的总体积与拣货筐容积的匹配进行分筐,形成不同的筐池,以便后续以筐为单位聚合订单,生成批次;
订单聚合模块,对不同规格筐池的订单分别进行聚合,生成订单批次。
根据本发明的用于提高单批次订单装载量的订单组团系统的一实施例,订单池生成模块中配置的可有效组团的订单池的生成过程进一步包括:
步骤2.1:排除明细商品中无库存的订单;
步骤2.2:根据付款时间从前往后的顺序,逐个遍历订单并扣减相应商品库存;
步骤2.3:对筛选后的订单池中同种类订单进行聚合,聚合处理包括:同种类订单即订单明细相同的订单,聚合后记录需记录同订单数量;若同订单数量小于2的,则排除该订单,该订单不纳入组团计算范围内。
根据本发明的用于提高单批次订单装载量的订单组团系统的一实施例,订单体积计算模块进一步配置为:
计算各同种类订单的单个订单体积:基于步骤一获取的单个商品体积数据,再根据单个订单的明细需求将商品体积相加,得到单个订单体积;
计算同种类订单的总体积:单个订单体积乘以同种类订单数得到同种类订单的总体积。
根据本发明的用于提高单批次订单装载量的订单组团系统的一实施例,匹配分筐模块所配置的分框规则为:
优先分配到刚好超过同订单总体积的最小筐;
对超出最大筐容积的同种类订单,进行分筐处理;
若同种类订单分筐后,最后一筐仅能分到1单的,则将该订单进行排除,而不单独分配拣货筐。
本发明另外揭示了一种用于提高单批次订单装载量的订单组团系统,系统包括:
处理器;以及
存储器,所述存储器被配置为存储一系列计算机可执行的指令以及与所述一系列计算机可执行的指令相关联的计算机可访问的数据,
其中,当所述一系列计算机可执行的指令被所述处理器执行时,使得所述处理器进行如上所述的方法。
本发明另外揭示了一种非临时性计算机可读存储介质,所述非临时性计算机可读存储介质上存储有一系列计算机可执行的指令,当所述一系列可执行的指令被计算装置执行时,使得计算装置进行如上所述的方法。
本发明对比现有技术有如下的有益效果:本发明根据商品体积自动计算调整单个拣货筐中被分配的同种类订单的单量,提高批次中单个拣货筐的装载能力,进而提高整个批次的装载效率。本发明将原有“一种订单一个组团”的固定模式,通过计算适配拣货筐,形成“一种订单多个组团”的灵活组团模式,大幅提高了组团拣货模式在仓库实操过程中的适用范围,让更多拣货批次(一拣货批次对应一拣货车)的装载效率大幅提升,从而有效提高了仓库配货效率。
附图说明
在结合以下附图阅读本公开的实施例的详细描述之后,能够更好地理解本发明的上述特征和优点。在附图中,各组件不一定是按比例绘制,并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。
图1示出了本发明的用于提高单批次订单装载量的订单组团方法的一实施例的流程图。
图2示出了本发明的用于提高单批次订单装载量的订单组团方法的其中一个步骤中所使用的用于缩短仓库配货行走路径的订单聚合方法的流程图。
图3示出了本发明的用于提高单批次订单装载量的订单组团系统的一实施例的原理图。
图4示出了本发明的用于提高单批次订单装载量的订单组团系统的另一实施例的原理图。
具体实施方式
以下结合附图和具体实施例对本发明作详细描述。注意,以下结合附图和具体实施例描述的诸方面仅是示例性的,而不应被理解为对本发明的保护范围进行任何限制。
图1示出了本发明的用于提高单批次订单装载量的订单组团方法的一实施例的流程。请参见图1,本实施例的订单组团方法的实施步骤详述如下。
步骤一:通过商品数据获取每款商品的体积数据,从系统获取订单及库存数据进行后续处理。
步骤二:根据库存数据和订单明细筛选订单,生成可有效组团的订单池。
可有效组团的订单池的生成过程具体如下。
步骤2.1:排除明细商品中无库存的订单(该批次中无法生成这些订单)。
步骤2.2:根据付款时间从前往后的顺序,逐个遍历订单并扣减相应商品库存。其中,随着库存变化,库存不满足订单要求的,则排除该订单。
步骤2.3:对筛选后的订单池中同种类订单进行聚合。同种类订单即订单明细相同的订单,也可称为同订单,聚合后记录需记录同订单数量。若同订单数量小于2的,则排除该订单,该订单不纳入组团计算范围内,也即,仅对同订单数量大于等于2的订单进行组团。
步骤三:单个订单和同种类订单体积计算。
步骤三进一步包括如下的处理。
步骤3.1:计算各同种类订单的单个订单体积。根据步骤一获取的单个商品体积数据,根据单个订单的明细需求,将商品体积相加,得到单个订单的体积
步骤3.2:计算同种类订单的总体积,即单个订单体积乘以同种类订单数。
步骤四:订单分筐组团。
根据同种类订单总体积与拣货筐容积的匹配进行分筐,形成不同的筐池,以便后续以筐为单位聚合订单,生成批次。
举例而言,假设现场有大、中、小三种类型的拣货筐,分筐规则如下:
4.1:优先分配到刚好超过同订单总体积的最小筐。如,仅有两单,且订单明细都是小件的同订单,一般会分配到小筐。
4.2:对超出最大筐容积的同种类订单,进行分筐处理。如,某同种类订单有25单,而一个大筐最多可以容纳该种类订单10单,则该种类订单会被分配到三个大筐中,各筐中分别由10个、10个、5个订单。
4.3:如同种类订单分筐后,最后一筐仅能分到1单的,则将该订单进行排除,而不单独分配拣货筐。
步骤五:对不同规格筐池的订单分别进行聚合。
一般情况下,一辆拣货车只能装载同一种规格的拣货筐,因此本实施例中将拣货筐进行聚合时,应当把不同的拣货筐规格分开,分别进行聚合。
在本实施例的聚合方式上,可以结合用于缩短仓库配货行走路径的订单聚合方法。
用于缩短仓库配货行走路径的订单聚合方法包括如图2所示的以下的处理步骤。
步骤1:绑定每个库位的货架行走索引。
步骤2:对订单进行初始化处理。步骤2的订单初始化处理包括对订单进行初步的筛选和归类,其中筛选包括剔除库存无法满足商品需求的订单,归类包括根据订单体积进行归类,不同类的订单被分配到不同的订单池,只有相同订单池的订单才可聚合,不同订单池的订单不能聚合。
步骤3:根据订单商品内容确定订单在二维坐标系中的二维坐标点,其中每个订单的起始货架的行走索引值为横坐标,终止货架的行走索引值为纵坐标。
步骤4:根据所有订单对应的二维坐标点之间的坐标距离和库存,将所有订单聚合到若干个批次中,其中坐标距离接近的订单被聚合到同一批次,库存不足的订单被剔除出订单池。
步骤4进一步包括以下的处理。
步骤4-1:对任一订单池进行路径聚合;
步骤4-2:选定订单池中的任一订单为批次首单,并对该订单进行库存校验;
步骤4-3:库存校验中判断库存是否满足该订单中所有商品需求,若是则进入步骤4-4,若否则转入步骤4-14;。
步骤4-4:将该订单纳入批次并作为批次首单,并扣减相应的商品库存;
步骤4-5:计算该订单池中所有其他订单到该订单的欧式距离的平方;
步骤4-6:根据其他订单到批次首单的欧式距离由小到大进行排序;
步骤4-7:取出距离最近且未被纳入批次的或未被剔除的订单,并对这一订单进行库存校验;
步骤4-8:在库存校验中判断库存是否满足该订单所有商品需求,若满足则转入步骤4-9,若不满足则转入步骤4-13;
步骤4-9:将该订单纳入批次,并扣减相应商品库存;
步骤4-10:判断该批次是否已经凑满一整个批次的订单,若是则转入步骤4-11,否则转入步骤4-13;
步骤4-11:判断是否该订单池中所有订单都已经聚合到批次中,若是则转入步骤4-12,否则回到步骤4-2;
步骤4-12:批次聚合完毕;
步骤4-13:从订单池剔除该订单,并重新选择订单,然后转入步骤4-7;
步骤4-14:从订单池剔除该订单,并重新选择订单,然后转入步骤4-2。
步骤5:在生成批次前,对聚合完毕的批次进行排序,以使相邻的多个批次不能从同一个通道开始拣货。
步骤6:输出所生成的订单批次。
这种用于缩短仓库配货行走路径的方法可以将拣货路径相关度强的拣货筐聚集到一起,进一步提高拣货效率。
图3示出了本发明的用于提高单批次订单装载量的订单组团系统的一实施例的原理。请参见图3,本实施例的系统包括:数据获取模块、订单池生成模块、订单体积计算模块、匹配分筐模块、订单聚合模块。
数据获取模块,用于通过商品数据获取每款商品的体积数据,从系统获取订单及库存数据。
订单池生成模块,用于根据库存数据和订单明细筛选订单,生成可有效组团的订单池。
订单池生成模块中配置的可有效组团的订单池的生成过程进一步包括:
步骤2.1:排除明细商品中无库存的订单(该批次中无法生成这些订单)。
步骤2.2:根据付款时间从前往后的顺序,逐个遍历订单并扣减相应商品库存。随着库存变化,库存不满足订单要求的,则排除该订单。
步骤2.3:对筛选后的订单池中同种类订单进行聚合,聚合处理包括:同种类订单即订单明细相同的订单,聚合后记录需记录同订单数量;若同订单数量小于2的,则排除该订单,该订单不纳入组团计算范围内。也即,仅对同订单数量大于等于2的订单进行组团。
订单体积计算模块,用于单个订单和同种类订单的总体积计算。
订单体积计算模块进一步配置为:
计算各同种类订单的单个订单体积:基于步骤一获取的单个商品体积数据,再根据单个订单的明细需求将商品体积相加,得到单个订单体积;
计算同种类订单的总体积:单个订单体积乘以同种类订单数得到同种类订单的总体积。
匹配分筐模块,用于根据同种类订单的总体积与拣货筐容积的匹配进行分筐,形成不同的筐池,以便后续以筐为单位聚合订单,生成批次。
举例而言,假设现场有大、中、小三种类型的拣货筐。匹配分筐模块所配置的分框规则为:
优先分配到刚好超过同订单总体积的最小筐。如,仅有两单,且订单明细都是小件的同订单,一般会分配到小筐。
对超出最大筐容积的同种类订单,进行分筐处理。如,某同种类订单有25单,而一个大筐最多可以容纳该种类订单10单,则该种类订单会被分配到三个大筐中,各筐中分别由10个、10个、5个订单。
若同种类订单分筐后,最后一筐仅能分到1单的,则将该订单进行排除,而不单独分配拣货筐。
订单聚合模块,用于对不同规格筐池的订单分别进行聚合,生成订单批次。
一般情况下,一辆拣货车只能装载同一种规格的拣货筐,因此本实施例中将拣货筐进行聚合时,应当把不同的拣货筐规格分开,分别进行聚合。
在本实施例的聚合方式上,可以结合用于缩短仓库配货行走路径的订单聚合方法。
用于缩短仓库配货行走路径的订单聚合方法如图2所示并且已经在前述实施例中详细描述,在此不再赘述。
请参见图4,图4所示的系统包括处理器和存储器。存储器被配置为存储一系列计算机可执行的指令以及与这一系列计算机可执行的指令相关联的计算机可访问的数据,当一系列计算机可执行的指令被处理器执行时,使得处理器执行如图1实施例所示的方法。
此外,本发明还公开了一种非临时性计算机可读存储介质,非临时性计算机可读存储介质上存储有一系列计算机可执行的指令,当一系列可执行的指令被计算装置执行时,使得计算装置执行如图1实施例所示的方法。
尽管为使解释简单化将上述方法图示并描述为一系列动作,但是应理解并领会,这些方法不受动作的次序所限,因为根据一个或多个实施例,一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。
本领域技术人员将进一步领会,结合本文中所公开的实施例来描述的各种解说性逻辑板块、模块、电路、和算法步骤可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性,各种解说性组件、框、模块、电路、和步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体系统的设计约束。技术人员对于每种特定应用可用不同的方式来实现所描述的功能性,但这样的实现决策不应被解读成导致脱离了本发明的范围。
结合本文所公开的实施例描述的各种解说性逻辑板块、模块、和电路可用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器,但在替换方案中,该处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合,例如DSP与微处理器的组合、多个微处理器、与DSP核心协作的一个或多个微处理器、或任何其他此类配置。
结合本文中公开的实施例描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中体现。软件模块可驻留在RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读取和写入信息。在替换方案中,存储介质可以被整合到处理器。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替换方案中,处理器和存储介质可作为分立组件驻留在用户终端中。
在一个或多个示例性实施例中,所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品,则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或藉其进行传送。计算机可读介质包括计算机存储介质和通信介质两者,其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定,这样的计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如,如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来,则该同轴电缆、光纤电缆、双绞线、DSL、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(CD)、激光碟、光碟、数字多用碟(DVD)、软盘和蓝光碟,其中盘(disk)往往以磁的方式再现数据,而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。
提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的,且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此,本公开并非旨在被限定于本文中所描述的示例和设计,而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。
Claims (6)
1.一种用于提高单批次订单装载量的订单组团方法,其特征在于,方法包括:
步骤一:通过商品数据获取每款商品的体积数据,从系统获取订单及库存数据;
步骤二:根据库存数据和订单明细筛选订单,生成可有效组团的订单池;
步骤三:单个订单和同种类订单的总体积计算;
步骤四:根据同种类订单的总体积与拣货筐容积的匹配进行分筐,形成不同的筐池,以便后续以筐为单位聚合订单,生成批次;
步骤五:对不同规格筐池的订单分别进行聚合,生成订单批次;
其中步骤二的可有效组团的订单池的生成过程进一步包括:
步骤2.1:排除明细商品中无库存的订单;
步骤2.2:根据付款时间从前往后的顺序,逐个遍历订单并扣减相应商品库存;
步骤2.3:对筛选后的订单池中同种类订单进行聚合,聚合处理包括:同种类订单即订单明细相同的订单,聚合后记录需记录同订单数量;若同订单数量小于2的,则排除该订单,该订单不纳入组团计算范围内;
步骤四的分框规则为:
优先分配到刚好超过同订单总体积的最小筐;
对超出最大筐容积的同种类订单,进行分筐处理;
若同种类订单分筐后,最后一筐仅能分到1单的,则将该订单进行排除,而不单独分配拣货筐;
其中步骤五中的聚合采用用于缩短仓库配货行走路径的订单聚合方式,包括:
绑定每个库位的货架行走索引;
对订单进行初始化处理,包括对订单进行初步的筛选和归类,其中筛选包括剔除库存无法满足商品需求的订单,归类包括根据订单体积进行归类,不同类的订单被分配到不同的订单池,只有相同订单池的订单才可聚合,不同订单池的订单不能聚合;
根据订单商品内容确定订单在二维坐标系中的二维坐标点,其中每个订单的起始货架的行走索引值为横坐标,终止货架的行走索引值为纵坐标;
根据所有订单对应的二维坐标点之间的坐标距离和库存,将所有订单聚合到若干个批次中,其中坐标距离接近的订单被聚合到同一批次,库存不足的订单被剔除出订单池;
在生成批次前,对聚合完毕的批次进行排序,以使相邻的多个批次不能从同一个通道开始拣货;
输出所生成的订单批次。
2.根据权利要求1所述的用于提高单批次订单装载量的订单组团方法,其特征在于,步骤三进一步包括:
步骤3.1:计算各同种类订单的单个订单体积:基于步骤一获取的单个商品体积数据,再根据单个订单的明细需求将商品体积相加,得到单个订单体积;
步骤3.2:计算同种类订单的总体积:单个订单体积乘以同种类订单数得到同种类订单的总体积。
3.一种用于提高单批次订单装载量的订单组团系统,其特征在于,系统包括:
数据获取模块,通过商品数据获取每款商品的体积数据,从系统获取订单及库存数据;
订单池生成模块,根据库存数据和订单明细筛选订单,生成可有效组团的订单池;
订单体积计算模块,单个订单和同种类订单的总体积计算;
匹配分筐模块,根据同种类订单的总体积与拣货筐容积的匹配进行分筐,形成不同的筐池,以便后续以筐为单位聚合订单,生成批次;
订单聚合模块,对不同规格筐池的订单分别进行聚合,生成订单批次;
其中订单池生成模块中配置的可有效组团的订单池的生成过程进一步包括:
步骤2.1:排除明细商品中无库存的订单;
步骤2.2:根据付款时间从前往后的顺序,逐个遍历订单并扣减相应商品库存;
步骤2.3:对筛选后的订单池中同种类订单进行聚合,聚合处理包括:同种类订单即订单明细相同的订单,聚合后记录需记录同订单数量;若同订单数量小于2的,则排除该订单,该订单不纳入组团计算范围内;
匹配分筐模块所配置的分框规则为:
优先分配到刚好超过同订单总体积的最小筐;
对超出最大筐容积的同种类订单,进行分筐处理;
若同种类订单分筐后,最后一筐仅能分到1单的,则将该订单进行排除,而不单独分配拣货筐;
其中订单聚合模块中的聚合采用用于缩短仓库配货行走路径的订单聚合方式,包括:
绑定每个库位的货架行走索引;
对订单进行初始化处理,包括对订单进行初步的筛选和归类,其中筛选包括剔除库存无法满足商品需求的订单,归类包括根据订单体积进行归类,不同类的订单被分配到不同的订单池,只有相同订单池的订单才可聚合,不同订单池的订单不能聚合;
根据订单商品内容确定订单在二维坐标系中的二维坐标点,其中每个订单的起始货架的行走索引值为横坐标,终止货架的行走索引值为纵坐标;
根据所有订单对应的二维坐标点之间的坐标距离和库存,将所有订单聚合到若干个批次中,其中坐标距离接近的订单被聚合到同一批次,库存不足的订单被剔除出订单池;
在生成批次前,对聚合完毕的批次进行排序,以使相邻的多个批次不能从同一个通道开始拣货;
输出所生成的订单批次。
4.根据权利要求3所述的用于提高单批次订单装载量的订单组团系统,其特征在于,订单体积计算模块进一步配置为:
计算各同种类订单的单个订单体积:基于步骤一获取的单个商品体积数据,再根据单个订单的明细需求将商品体积相加,得到单个订单体积;
计算同种类订单的总体积:单个订单体积乘以同种类订单数得到同种类订单的总体积。
5.一种用于提高单批次订单装载量的订单组团系统,其特征在于,系统包括:
处理器;以及
存储器,所述存储器被配置为存储一系列计算机可执行的指令以及与所述一系列计算机可执行的指令相关联的计算机可访问的数据,
其中,当所述一系列计算机可执行的指令被所述处理器执行时,使得所述处理器进行如权利要求1至2中任一项所述的方法。
6.一种非临时性计算机可读存储介质,其特征在于,所述非临时性计算机可读存储介质上存储有一系列计算机可执行的指令,当所述一系列可执行的指令被计算装置执行时,使得计算装置进行如权利要求1至2中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010921340.3A CN112053114B (zh) | 2020-09-04 | 2020-09-04 | 一种用于提高单批次订单装载量的订单组团方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010921340.3A CN112053114B (zh) | 2020-09-04 | 2020-09-04 | 一种用于提高单批次订单装载量的订单组团方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112053114A CN112053114A (zh) | 2020-12-08 |
CN112053114B true CN112053114B (zh) | 2021-09-14 |
Family
ID=73608473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010921340.3A Active CN112053114B (zh) | 2020-09-04 | 2020-09-04 | 一种用于提高单批次订单装载量的订单组团方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112053114B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115130858B (zh) * | 2022-06-27 | 2024-01-26 | 上海聚水潭网络科技有限公司 | 一种基于多目标启发式的订单聚合方法及系统 |
CN117057875A (zh) * | 2023-08-15 | 2023-11-14 | 上海聚水潭网络科技有限公司 | 一种订单批次组团边拣边播方法、系统、电子设备及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108694637A (zh) * | 2017-04-10 | 2018-10-23 | 北京京东尚科信息技术有限公司 | 订单处理方法、装置、服务器和存储介质 |
CN110070312A (zh) * | 2018-01-24 | 2019-07-30 | 北京京东尚科信息技术有限公司 | 订单处理方法和装置 |
CN110675102A (zh) * | 2019-08-15 | 2020-01-10 | 浙江国自机器人技术有限公司 | 订单绑定方法、装置、计算机设备和存储介质 |
CN110826945A (zh) * | 2018-08-07 | 2020-02-21 | 北京京东尚科信息技术有限公司 | 一种自动化仓库的组单方法和装置 |
CN111080207A (zh) * | 2019-12-26 | 2020-04-28 | 北京每日优鲜电子商务有限公司 | 订单处理方法、装置、设备及存储介质 |
CN111429049A (zh) * | 2019-01-10 | 2020-07-17 | 北京京东尚科信息技术有限公司 | 物品订单的配送方法、系统、电子设备及可读存储介质 |
CN111582999A (zh) * | 2020-05-28 | 2020-08-25 | 广州蓝深科技有限公司 | 一种用于云电子商务的订单管理系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2939518A1 (en) * | 2015-08-31 | 2017-02-28 | Wal-Mart Stores, Inc. | Methods and systems in evaluating and selecting a combination of shipping packages |
US10242337B2 (en) * | 2016-03-25 | 2019-03-26 | Mckesson Corporation | Method, apparatus, and computer program product for dispensing products |
CN110533373A (zh) * | 2019-09-04 | 2019-12-03 | 浙江执御信息技术有限公司 | 一种流水线订单的批次组合方法 |
-
2020
- 2020-09-04 CN CN202010921340.3A patent/CN112053114B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108694637A (zh) * | 2017-04-10 | 2018-10-23 | 北京京东尚科信息技术有限公司 | 订单处理方法、装置、服务器和存储介质 |
CN110070312A (zh) * | 2018-01-24 | 2019-07-30 | 北京京东尚科信息技术有限公司 | 订单处理方法和装置 |
CN110826945A (zh) * | 2018-08-07 | 2020-02-21 | 北京京东尚科信息技术有限公司 | 一种自动化仓库的组单方法和装置 |
CN111429049A (zh) * | 2019-01-10 | 2020-07-17 | 北京京东尚科信息技术有限公司 | 物品订单的配送方法、系统、电子设备及可读存储介质 |
CN110675102A (zh) * | 2019-08-15 | 2020-01-10 | 浙江国自机器人技术有限公司 | 订单绑定方法、装置、计算机设备和存储介质 |
CN111080207A (zh) * | 2019-12-26 | 2020-04-28 | 北京每日优鲜电子商务有限公司 | 订单处理方法、装置、设备及存储介质 |
CN111582999A (zh) * | 2020-05-28 | 2020-08-25 | 广州蓝深科技有限公司 | 一种用于云电子商务的订单管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112053114A (zh) | 2020-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112053114B (zh) | 一种用于提高单批次订单装载量的订单组团方法和系统 | |
CN110457577B (zh) | 数据处理方法、装置、设备和计算机存储介质 | |
CN108389316A (zh) | 自动售货方法、装置和计算机可读存储介质 | |
CN111291816A (zh) | 针对用户分类模型进行特征处理的方法及装置 | |
EP4027311A1 (en) | Vision- and gravity sensing-based product identification method, device, and system | |
CN104715409A (zh) | 一种电子商务用户购买力分类方法及系统 | |
CN102708183A (zh) | 数据压缩的方法和装置 | |
US20210383371A1 (en) | Method of recording transactions based on blockchain and electronic device using the same | |
CN111738709A (zh) | 交易处理方法及装置 | |
CN110310114A (zh) | 对象分类方法、装置、服务器及存储介质 | |
CN112036635B (zh) | 一种用于缩短仓库配货行走路径的订单聚合方法和系统 | |
CN111460315B (zh) | 社群画像构建方法、装置、设备及存储介质 | |
CN107784195A (zh) | 数据处理方法及装置 | |
CN114219497A (zh) | 账户信息确定方法、装置及服务器 | |
CN106708875A (zh) | 一种特征筛选方法及系统 | |
CN111612385B (zh) | 一种对待配送物品进行聚类的方法和装置 | |
KR101623113B1 (ko) | 의사 결정 트리의 학습과 분류를 위한 장치 및 그 방법 | |
CN114394440B (zh) | 集装箱的堆叠处理方法、装置、设备、存储介质及产品 | |
CN107392745B (zh) | 一种对帐数据碎片化处理方法 | |
CN106803202B (zh) | 一种待测试交易记录的提取方法和装置 | |
US20210216573A1 (en) | Algorithm to apply a predicate to data sets | |
CN114385606A (zh) | 一种大数据清洗方法、系统、存储介质和电子设备 | |
CN107038687A (zh) | 抽稀图像的生成方法及装置 | |
CN110704470B (zh) | 一种账单数据排重方法、终端设备及存储介质 | |
CN113449112A (zh) | 异常寄递行为识别方法、装置、计算机设备及存储介质 |
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 |