CN112785214A - 一种优化库存的方法、装置和存储介质 - Google Patents
一种优化库存的方法、装置和存储介质 Download PDFInfo
- Publication number
- CN112785214A CN112785214A CN201911081086.4A CN201911081086A CN112785214A CN 112785214 A CN112785214 A CN 112785214A CN 201911081086 A CN201911081086 A CN 201911081086A CN 112785214 A CN112785214 A CN 112785214A
- Authority
- CN
- China
- Prior art keywords
- order
- splitting
- selected commodity
- data
- order splitting
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000004088 simulation Methods 0.000 claims abstract description 56
- 238000005457 optimization Methods 0.000 claims abstract description 53
- 230000008569 process Effects 0.000 claims description 16
- 230000001419 dependent effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 35
- 238000010586 diagram Methods 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 238000012795 verification 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
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种优化库存的方法、装置和存储介质,具体为首先获取仿真时间段内的各个选定商品的订单业务事件,其次,将各个订单业务事件按照与订单业务事件对应的发生时间的顺序加载至拆单优化模型,然后,运行拆单优化模型,并计算在仿真时间段内的各个选定商品的第一拆单数据,最后,根据第一拆单数据,调整各个选定商品的库存数量。本申请实施例通过拆单优化模型模拟各个选定商品的的拆单率,并相应的调整各个选定商品的库存数量,以对拆单率进行优化,降低履约成本。
Description
技术领域
本申请涉及仓储物流技术领域,尤其涉及一种优化库存的方法、装置和存储介质。
背景技术
大型电商几乎每天都会生成海量订单,而这些订单涉及到大量的库存、复杂的业务、难以捕捉的下单规律。一般用户的订单可能会包含多种商品,若这些商品不能满足在同一个库房出货,就需要按规则拆分成多个子订单进行生产。其中,同一个商品可能在N个库房都能生产,但是随着库存量的动态变化,库房的定位结果会不同,多种不同的商品之间更是有大量的组合仓库生产方案。
另外,拆单后会增加生产成本。为了节约成本,需要优化库存,将用户尽量下单尽量放在离收货地址最近的同一个仓库。但这样仓库的品类会特别多,难以管理。进一步地,为实现拆单,现有仓库一般会进行分级分品类管理,拆单过程基于固定的分级标准进行。
发明内容
本申请实施例提供了一种优化库存的方法,克服了无法对拆单率进行优化而导致的生产成本较高的问题。
该方法包括:
获取仿真时间段内的各个选定商品的订单业务事件;
将各个所述订单业务事件按照与所述订单业务事件对应的发生时间的顺序加载至拆单优化模型;
运行所述拆单优化模型,并计算在所述仿真时间段内的所述各个选定商品的第一拆单数据;
根据所述第一拆单数据,调整所述各个选定商品的库存数量。
可选地,按照所述发生时间的顺序创建主流程游标,并在所述主流程游标的运行过程中,执行所述主流程游标对应的各个所述订单业务事件,其中,所述主流程游标用于遍历所述仿真时间段内的所有所述订单业务事件。
可选地,为各个所述订单业务事件分配时间游标,其中,所述时间游标用于执行对应的每个所述订单业务事件;
当运行至所述时间游标时,根据所述时间游标对应的所述订单业务事件生成的事件索引,查找与所述订单业务事件依赖的订单数据。
可选地,根据所述订单数据,计算在所述仿真时间段内的所述各个选定商品的第一拆单数据,其中,所述第一拆单数据至少包括所述仿真时间段内的总拆单率、所述各个选定商品的拆单率、所述各个选定商品所在仓库的库房总拆单率和所述各个选定商品所在的每个仓库的库房拆单率。
可选地,获取根据所述第一拆单数据调整后的所述各个选定商品的所述库存数量;
重新执行所述获取仿真时间段内的各个选定商品的订单业务事件的步骤至所述运行所述拆单优化模型的步骤,并计算在所述仿真时间段内的所述各个选定商品的第二拆单数据;
根据所述第一拆单数据和所述第二拆单数据,计算所述各个选定商品在各个仓库的优化库存数量,并根据所述优化库存数量调整所述各个选定商品的所述库存数量。
在本发明的另一个实施例中,提供了一种优化库存的装置,该装置包括:
获取模块,用于获取仿真时间段内的各个选定商品的订单业务事件;
加载模块,用于将各个所述订单业务事件按照与所述订单业务事件对应的发生时间的顺序加载至拆单优化模型;
计算模块,用于运行所述拆单优化模型,并计算在所述仿真时间段内的所述各个选定商品的第一拆单数据;
调整模块,用于根据所述第一拆单数据,调整所述各个选定商品的库存数量。
可选地,所述计算模块包括:
执行单元,用于按照所述发生时间的顺序创建主流程游标,并在所述主流程游标的运行过程中,执行所述主流程游标对应的各个所述订单业务事件,其中,所述主流程游标用于遍历所述仿真时间段内的所有所述订单业务事件。
可选地,所述执行单元包括:
分配子单元,用于为各个所述订单业务事件分配时间游标,其中,所述时间游标用于执行对应的每个所述订单业务事件;
查找子单元,用于当运行至所述时间游标时,根据所述时间游标对应的所述订单业务事件生成的事件索引,查找与所述订单业务事件依赖的订单数据。
在本发明的另一个实施例中,提供了一种非瞬时计算机可读存储介质,所述非瞬时计算机可读存储介质存储指令,所述指令在由处理器执行时使得所述处理器执行上述一种优化库存的方法中的各个步骤。
在本发明的另一个实施例中,提供了一种终端设备,包括处理器,所述处理器用于执行上述一种优化库存的方法中的各个步骤。
基于上述实施例,首先获取仿真时间段内的各个选定商品的订单业务事件,其次,将各个订单业务事件按照与订单业务事件对应的发生时间的顺序加载至拆单优化模型,然后,运行拆单优化模型,并计算在仿真时间段内的各个选定商品的第一拆单数据,最后,根据第一拆单数据,调整各个选定商品的库存数量。本申请实施例通过拆单优化模型模拟各个选定商品的的拆单率,并相应的调整各个选定商品的库存数量,以对拆单率进行优化,降低履约成本。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例100所提供的一种优化库存的方法的流程示意图;
图2示出了本申请实施例200提供的一种优化库存的方法的具体流程的示意图;
图3示出了本申请实施例300还提供一种优化库存的装置的示意图;
图4示出了本申请实施例400所提供的一种终端设备的示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
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”、“第三”、“第四”等(如果存在)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如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他步骤或单元。
基于现有技术中的问题,本申请实施例提供了一种优化库存的方法,主要适用于仓储物流技术领域。通过对选定商品的订单业务进行仿真,并按照仿真结果对各个选定商品在各个仓库中的库存数量进行调整,优化拆单率,以降低生产成本。下面以具体实施例对本发明的技术方案进行详细说明,以实现一种优化库存的方法。以下几个具体实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。如图1所示,为本申请实施例100提供的一种优化库存的方法的流程示意图。其中,详细步骤如下:
S11,获取仿真时间段内的各个选定商品的订单业务事件。
本步骤中,仿真时间段为需要进行拆单率计算的某个时间段,如需要计算双十一当天各个选定商品的拆单率,则双十一当天为仿真时间段。选定商品为需要计算的拆单率对应的商品,一般以库存量单位(Stock Keeping Unit,SKU)为唯一标识。进一步地,针对各个选定商品的订单,可能在用户侧和电商侧存在多种操作,每种操作对应为该选定商品的一个订单业务操作。如用户下单事件、用户取消订单事件、订单库房转移事件、采销进销存事件等与订单业务事件。
S12,将各个订单业务事件按照与订单业务事件对应的发生时间的顺序加载至拆单优化模型。
本步骤中,拆单优化模型包括时间引擎和事件驱动器,通过时间引擎顺序遍历各个订单业务事件,并在遍历至各个订单业务事件后,通过事件驱动器执行该订单业务事件,以通过拆单优化模型执行仿真时间段内的各个选定商品的订单业务事件。其中,将订单业务事件按照与订单业务事件对应的发生时间的顺序加载至时间引擎。
S13,运行拆单优化模型,并计算在仿真时间段内的各个选定商品的第一拆单数据。
本步骤中,运行拆单优化模型,时间引擎按照各个订单业务事件对应的发生时间顺序执行各个订单业务事件。进一步地,拆单优化模型记录各个订单业务事件中的数据,并计算在仿真时间段内的各个选定商品的第一拆单数据。其中,第一拆单数据是与拆单相关的订单数据,至少但不限于包括仿真时间段内的总拆单率、各个选定商品的拆单率、各个选定商品所在仓库的库房总拆单率和各个选定商品所在的每个仓库的库房拆单率。
S14,根据第一拆单数据,调整各个选定商品的库存数量。
本步骤中,在通过运行拆单优化模型获取第一拆单数据后,根据第一拆单数据中的各个参数,优化选定商品的库存数量。具体的,根据获取的第一拆单数据,调整各个选定商品的库存数量,形成下一轮的仿真初始化数据。循环上述步骤,形成下一轮的拆单数据。对比分析两轮拆单数据,形成各个选定商品的库存数量量化数据,并根据库存数量量化数据,调整各个选定商品的库存数量。
如上所述,基于上述实施例,首先获取仿真时间段内的各个选定商品的订单业务事件,其次,将各个订单业务事件按照与订单业务事件对应的发生时间的顺序加载至拆单优化模型,然后,运行拆单优化模型,并计算在仿真时间段内的各个选定商品的第一拆单数据,最后,根据第一拆单数据,调整各个选定商品的库存数量。本申请实施例通过拆单优化模型模拟各个选定商品的的拆单率,并相应的调整各个选定商品的库存数量,以对拆单率进行优化,降低履约成本。
如图2所示,为本申请实施例200提供的一种优化库存的方法的具体流程的示意图。其中,该具体流程的详细过程如下:
S201,获取选定商品的库存数量。
这里,将各个选定商品在仿真时间段内的库存数量抽取至拆单率优化模型。
S202,获取仿真时间段内的各个选定商品的订单业务事件。
这里,针对各个选定商品的订单,模拟在仿真时间段内可能在用户侧和电商侧存在的多种操作,如用户下单事件、用户取消订单事件、订单库房转移事件、采销进销存事件等与订单业务事件。其中每种操作对应为该选定商品的一个订单业务操作。
步骤S201和步骤S202没有执行顺序的限制,可以同时执行,也可以分别执行。
S203,将选定商品的库存数量和各个选定商品的订单业务事件加载至拆单率优化模型。
这里,将各个订单业务事件按照与订单业务事件对应的发生时间的顺序加载至拆单优化模型,通过拆单优化模型中的时间引擎顺序记录各个订单业务事件。
S204,运行拆单率优化模型。
这里,首先按照发生时间的顺序创建主流程游标,并在主流程游标的运行过程中,执行主流程游标对应的各个订单业务事件,其中,主流程游标用于遍历仿真时间段内的所有订单业务事件。具体的,在时间引擎中创建主流程游标,通过主流程游标对发生时间和对应的订单业务事件进行管理。当主流程游标执行到某一时间节点时,对该时间切片的订单业务事件通过事件驱动器执行操作。
进一步地,为各个订单业务事件分配时间游标,其中,时间游标用于执行对应的每个订单业务事件。其中,根据订单业务事件确定对应的时间游标是否存在与其它订单业务事件的时间游标之间的依赖关系。当时间游标之间不存在依赖关系时,则按照发生时间,当主流程游标遍历至该时间游标对应的订单业务事件时,在该时间游标对应的时间段中执行订单业务事件对应的操作。当多个时间游标之间存在依赖关系时,需要在其中各个时间游标之间满足依赖关系时才继续执行对应的订单业务事件。如时间游标A对应的订单业务事件为模拟下单,从开始时间移动到结束时间,时间游标B模拟订单数据加载,从订单1移动到订单100000。则时间游标A移动过程中发现要下单订单5000时,需等待时间游标B执行至大于或等于5000时才能继续执行,以使时间游标A和时间游标B同步执行的效果,缩短仿真时间。
进一步地,当运行至时间游标时,根据时间游标对应的订单业务事件生成的事件索引,查找与订单业务事件依赖的订单数据。具体的,将加载的订单业务事件以事件索引的形式载入拆单率优化模型。通过事件索引可以关联查找订单业务事件依赖的订单数据。如通过订单号索引可以查找下单的具体数据。
进一步地,当执行具体的订单业务事件时,连接对应的业务子系统并进行订单业务事件的数据初始化、事件执行、事件异常处理、事件执行后的任务等。拆单率优化模型模拟订单的生产逻辑,如模拟用户下单后的订单数据以及后续流程调用等、模拟用户的删单行为、修改订单的相关状态、释放库存、模拟对仓储进行管理等。
S205,计算在仿真时间段内的各个选定商品的第一拆单数据。
这里,根据订单数据,计算在仿真时间段内的各个选定商品的第一拆单数据,其中,第一拆单数据至少包括仿真时间段内的总拆单率、各个选定商品的拆单率、各个选定商品所在仓库的库房总拆单率和各个选定商品所在的每个仓库的库房拆单率。其中,订单拆分会有很多原因,如因库房号不同而拆单,业务要求按品类或按SKUID拆单、生鲜特殊配送要单独拆单、有毒商品单独拆单、药品特殊拆单、按商家编号拆单等。因此库房拆单原因也是计算拆单数据必须考虑的因素之一。具体的,第一拆单数据的计算方式为,总拆单率=被拆的总订单量/总订单量*100%,各个选定商品所在仓库的库房总拆单率=各个选定商品的库房拆单原因子单数/拆出的总子单数量*100%,各个选定商品所在的每个仓库的库房拆单率=每个库房因库房拆单原因拆出的子单数/库房拆单原因子单数*100%,以及拆单系数=拆出的总子单数量/被拆的订单量*100%。
S206,根据第一拆单数据,调整各个选定商品的库存数量。
这里,根据拆单率优化模型计算出的第一拆单数据中的各个参数,按照业务需求调整某些选定商品的在各个仓库的库存数量,以及对订单数据进行生产化的调整,如调整订单中的某个选定商品的库房号定位、订单中的出库时间等。如通过拆单率优化模型模拟京东自营商城双11当天的订单业务的拆单率。其中,首先将0点所有自营SKU的库存情况抽取到拆单率优化模型,以及将双11一整天的下单、删除订单、进销存处理等库存及拆单依赖的订单业务事件加载至拆单率优化模型,其次,通过运行拆单率优化模型,初始化主流程游标和各个时间游标,分别驱动依赖和不依赖时间顺序的订单业务事件。按照时间顺序驱动调用各个订单业务事件对应的业务子系统执行对应的订单业务事件,进一步地,计算出相应的第一拆单数据,并根据第一拆单数据调整选定商品的库存数量,以减小拆单率。如统计A库房与被拆单的SKU、A库房与哪些库房拆单,调整拆单率高的相关库房的SKU的库存到A库房,以降低拆单率高的库房的拆单率。
S207,获取根据第一拆单数据调整后的各个选定商品的库存数量。
S208,重新执行上述步骤S202至步骤S206,以计算各个选定商品的第二拆单数据。
这里,获取根据第一拆单数据调整后的各个选定商品的库存数量,重新执行获取仿真时间段内的各个选定商品的订单业务事件的步骤至运行拆单优化模型的步骤,并计算在仿真时间段内的各个选定商品的第二拆单数据。具体的,基于上述步骤S206中的例子,根据第一拆单数据进行调整后的各个仓库的各个选定商品的库存数量,以及11月12日0点至13日0点的订单业务事件,运行拆单率优化模型,形成新一轮仿真的数据,即第二拆单数据。
S209,根据第一拆单数据和第二拆单数据,计算各个选定商品在各个仓库的优化库存数量,并根据优化库存数量调整各个选定商品的库存数量。
本步骤中,根据两轮仿真后的第一拆单数据和第二拆单数据,计算优化库存数量,并进一步调整选定商品的库存数量。如商品A的拆单率较高,若对A的库存进行调整,减少拆单率。则抽取仿真时间段内的业务订单事件及库存数量,数据运行拆单率优化模型,得到第一拆单数据Data1,调整A商品库存数量,将调整后的数据载入拆单率优化模型并运行,得到第二拆单数据Data2。对比Data1与Data2相关数据,得到优化库存数量,并择优对商品A库存进行实际调整。另外,可以抽取调整后的商品A的一段时间内的订单业务事件,通过拆单率优化模型得到拆单率newData1,将该段时间的数据中商品A的数据调整为方案优化前,通过拆单率优化模型得到拆单率newData2,对比newData1和newData2,得到实际的优化效果。
本申请基于上述步骤实现上述一种优化库存的方法。针对现有仓库多分级分品类管理,拆单过程基于固定的分级标准进行,通过数据统计难以发现问题,仓储难以找到最优调整方案,对库存优化方案难以量化验证。另外,场景变量多,耦合复杂,对时间先后要求高,订单拆分的规则繁杂互相影响,很难通过统计的方式推导拆单结果。本申请实施例利用拆单优化模型对选定商品的拆单率进行仿真,解决现有技术无法进行拆单率的仿真、优化、及优化方案验证且多系统相互依赖耦合,环境依赖变量难以仿真的问题,实现了优化拆单率、降低履约成本的目的。
基于同一发明构思,本申请实施例300还提供一种优化库存的装置,其中,如图3所示,该装置包括:
获取模块31,用于获取仿真时间段内的各个选定商品的订单业务事件;
加载模块32,用于将各个订单业务事件按照与订单业务事件对应的发生时间的顺序加载至拆单优化模型;
计算模块33,用于运行拆单优化模型,并计算在仿真时间段内的各个选定商品的第一拆单数据;
调整模块34,用于根据第一拆单数据,调整各个选定商品的库存数量。
本实施例中,获取模块31、加载模块32、计算模块33和调整模块34的具体功能和交互方式,可参见图1对应的实施例的记载,在此不再赘述。
计算模块33包括:
执行单元,用于按照发生时间的顺序创建主流程游标,并在主流程游标的运行过程中,执行主流程游标对应的各个订单业务事件,其中,主流程游标用于遍历仿真时间段内的所有订单业务事件。
执行单元包括:
分配子单元,用于为各个订单业务事件分配时间游标,其中,时间游标用于执行对应的每个订单业务事件;
查找子单元,用于当运行至时间游标时,根据时间游标对应的订单业务事件生成的事件索引,查找与订单业务事件依赖的订单数据。
如图4所示,本申请的又一实施例400还提供一种终端设备,包括处理器401,其中,处理器401用于执行上述一种优化库存的方法的步骤。从图4中还可以看出,上述实施例提供的终端设备还包括非瞬时计算机可读存储介质402,该非瞬时计算机可读存储介质402上存储有计算机程序,该计算机程序被处理器401运行时执行上述一种优化库存的方法的步骤。实际应用中,该终端设备可以是一台或多台计算机,只要包括上述计算机可读介质和处理器即可。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘和FLASH等,该存储介质上的计算机程序被运行时,能够执行上述的一种优化库存的方法中的各个步骤。实际应用中,所述的计算机可读介质可以是上述实施例中描述的设备/装置/系统中所包含的,也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或多个程序被执行时,能够执行上述的一种优化库存的方法中的各个步骤。
根据本申请公开的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于: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)、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,但不用于限制本申请保护的范围。在本申请公开的实施例中,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。
本申请附图中的流程图和框图,示出了按照本申请公开的各种实施例的系统、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、或者代码的一部分,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。也应该注意,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附图中所标注的顺序发生。例如,两个连接地表示的方框实际上可以基本并行地执行,它们有时也可以按照相反的顺序执行,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、以及框图或者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。
本领域技术人员可以理解,本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,即使这样的组合或结合没有明确记载于本申请中。特别地,在不脱离本申请精神和教导的情况下,本申请的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合,所有这些组合和/或结合均落入本申请公开的范围。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行变更或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些变更、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种优化库存的方法,其特征在于,包括:
获取仿真时间段内的各个选定商品的订单业务事件;
将各个所述订单业务事件按照与所述订单业务事件对应的发生时间的顺序加载至拆单优化模型;
运行所述拆单优化模型,并计算在所述仿真时间段内的所述各个选定商品的第一拆单数据;
根据所述第一拆单数据,调整所述各个选定商品的库存数量。
2.根据权利要求1所述的方法,其特征在于,所述运行所述拆单优化模型的步骤包括:
按照所述发生时间的顺序创建主流程游标,并在所述主流程游标的运行过程中,执行所述主流程游标对应的各个所述订单业务事件,其中,所述主流程游标用于遍历所述仿真时间段内的所有所述订单业务事件。
3.根据权利要求2所述的方法,其特征在于,所述执行所述主流程游标对应的各个所述订单业务事件的步骤包括:
为各个所述订单业务事件分配时间游标,其中,所述时间游标用于执行对应的每个所述订单业务事件;
当运行至所述时间游标时,根据所述时间游标对应的所述订单业务事件生成的事件索引,查找与所述订单业务事件依赖的订单数据。
4.根据权利要求3所述的方法,其特征在于,所述并计算在所述仿真时间段内的所述各个选定商品的第一拆单数据的步骤包括:
根据所述订单数据,计算在所述仿真时间段内的所述各个选定商品的第一拆单数据,其中,所述第一拆单数据至少包括所述仿真时间段内的总拆单率、所述各个选定商品的拆单率、所述各个选定商品所在仓库的库房总拆单率和所述各个选定商品所在的每个仓库的库房拆单率。
5.根据权利要求1所述的方法,其特征在于,所述调整所述各个选定商品的库存数量的步骤包括:
获取根据所述第一拆单数据调整后的所述各个选定商品的所述库存数量;
重新执行所述获取仿真时间段内的各个选定商品的订单业务事件的步骤至所述运行所述拆单优化模型的步骤,并计算在所述仿真时间段内的所述各个选定商品的第二拆单数据;
根据所述第一拆单数据和所述第二拆单数据,计算所述各个选定商品在各个仓库的优化库存数量,并根据所述优化库存数量调整所述各个选定商品的所述库存数量。
6.一种优化库存的装置,其特征在于,所述装置包括:
获取模块,用于获取仿真时间段内的各个选定商品的订单业务事件;
加载模块,用于将各个所述订单业务事件按照与所述订单业务事件对应的发生时间的顺序加载至拆单优化模型;
计算模块,用于运行所述拆单优化模型,并计算在所述仿真时间段内的所述各个选定商品的第一拆单数据;
调整模块,用于根据所述第一拆单数据,调整所述各个选定商品的库存数量。
7.根据权利要求6所述的装置,其特征在于,所述计算模块包括:
执行单元,用于按照所述发生时间的顺序创建主流程游标,并在所述主流程游标的运行过程中,执行所述主流程游标对应的各个所述订单业务事件,其中,所述主流程游标用于遍历所述仿真时间段内的所有所述订单业务事件。
8.根据权利要求7所述的装置,其特征在于,所述执行单元包括:
分配子单元,用于为各个所述订单业务事件分配时间游标,其中,所述时间游标用于执行对应的每个所述订单业务事件;
查找子单元,用于当运行至所述时间游标时,根据所述时间游标对应的所述订单业务事件生成的事件索引,查找与所述订单业务事件依赖的订单数据。
9.一种非瞬时计算机可读存储介质,其特征在于,所述非瞬时计算机可读存储介质存储指令,所述指令在由处理器执行时使得所述处理器执行如权利要求1至5任一项所述的一种优化库存的方法中的各个步骤。
10.一种终端设备,其特征在于,包括处理器,所述处理器用于执行如权利要求1至5中任一项所述的一种优化库存的方法中的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911081086.4A CN112785214B (zh) | 2019-11-07 | 2019-11-07 | 一种优化库存的方法、装置和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911081086.4A CN112785214B (zh) | 2019-11-07 | 2019-11-07 | 一种优化库存的方法、装置和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112785214A true CN112785214A (zh) | 2021-05-11 |
CN112785214B CN112785214B (zh) | 2024-06-18 |
Family
ID=75748902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911081086.4A Active CN112785214B (zh) | 2019-11-07 | 2019-11-07 | 一种优化库存的方法、装置和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112785214B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114997542A (zh) * | 2022-08-03 | 2022-09-02 | 张家港金典软件有限公司 | 一种基于订单取消量预测的制造商库存优化方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004295202A (ja) * | 2003-03-25 | 2004-10-21 | Seiko Epson Corp | 在庫引当て管理装置およびその方法ならびに在庫引当て管理プログラム |
CN106886874A (zh) * | 2017-01-24 | 2017-06-23 | 武汉奇米网络科技有限公司 | 一种订单拆分发货系统及拆分发货方法 |
CN107230135A (zh) * | 2017-05-31 | 2017-10-03 | 北京京东尚科信息技术有限公司 | 订单拆分处理方法和装置 |
CN107563702A (zh) * | 2017-09-14 | 2018-01-09 | 北京京东尚科信息技术有限公司 | 商品仓储调配方法、装置以及存储介质 |
CN108416656A (zh) * | 2018-03-12 | 2018-08-17 | 上海哔哩哔哩科技有限公司 | 高可用库存管理方法、服务器及高可用库存管理系统 |
CN109615460A (zh) * | 2018-11-09 | 2019-04-12 | 北京京东尚科信息技术有限公司 | 凑单商品的选择方法和选择系统 |
-
2019
- 2019-11-07 CN CN201911081086.4A patent/CN112785214B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004295202A (ja) * | 2003-03-25 | 2004-10-21 | Seiko Epson Corp | 在庫引当て管理装置およびその方法ならびに在庫引当て管理プログラム |
CN106886874A (zh) * | 2017-01-24 | 2017-06-23 | 武汉奇米网络科技有限公司 | 一种订单拆分发货系统及拆分发货方法 |
CN107230135A (zh) * | 2017-05-31 | 2017-10-03 | 北京京东尚科信息技术有限公司 | 订单拆分处理方法和装置 |
CN107563702A (zh) * | 2017-09-14 | 2018-01-09 | 北京京东尚科信息技术有限公司 | 商品仓储调配方法、装置以及存储介质 |
CN108416656A (zh) * | 2018-03-12 | 2018-08-17 | 上海哔哩哔哩科技有限公司 | 高可用库存管理方法、服务器及高可用库存管理系统 |
CN109615460A (zh) * | 2018-11-09 | 2019-04-12 | 北京京东尚科信息技术有限公司 | 凑单商品的选择方法和选择系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114997542A (zh) * | 2022-08-03 | 2022-09-02 | 张家港金典软件有限公司 | 一种基于订单取消量预测的制造商库存优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112785214B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8099320B2 (en) | Product demand forecasting | |
US20140101167A1 (en) | Creation of Inverted Index System, and Data Processing Method and Apparatus | |
CN104699712A (zh) | 对数据库中的库存记录信息进行更新的方法及装置 | |
CN108256113B (zh) | 数据血缘关系的挖掘方法及装置 | |
US9639596B2 (en) | Processing data in a data warehouse | |
AU2019204297A1 (en) | Management of extract transform load (etl) jobs via a model that is based on a bayesian network | |
CN103500185B (zh) | 一种基于多平台数据生成数据表的方法和系统 | |
US10255300B1 (en) | Automatically extracting profile feature attribute data from event data | |
CN106844320B (zh) | 一种财务报表整合方法和设备 | |
US20150363732A1 (en) | Device for assisting determination of supply group and program for assisting determination of supply group | |
CN105630934A (zh) | 一种数据统计方法及系统 | |
US20150254106A1 (en) | Non-transitory computer-readable recording medium recording processing program, processing apparatus, and processing method | |
US10552399B2 (en) | Predicting index fragmentation caused by database statements | |
CN110766514A (zh) | 用于电商平台的最优货源筛选方法及装置 | |
US9619495B2 (en) | Surrogate key generation | |
CN102347851B (zh) | 事件处理方法及服务器 | |
CN112785214A (zh) | 一种优化库存的方法、装置和存储介质 | |
US20160070816A1 (en) | Real Time Analysis of Big Data | |
US20210027228A1 (en) | Shipping operation assisting system, method therefor, and storage medium | |
CN107832349B (zh) | 一种业务对象的管理方法以及信息管理系统 | |
KR101609915B1 (ko) | 다차원 시간차 분석 방법 및 장치 | |
CN110737683A (zh) | 一种基于抽取的商业智能分析平台自动分区方法及装置 | |
CN113240489A (zh) | 一种基于大数据统计分析的物品推荐方法及装置 | |
CN112084196A (zh) | 一种流程化数据处理方法及系统 | |
CN113792800B (zh) | 特征生成方法及装置、电子设备、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 |