CN113139761A - 仓内货物存储方法,装置和计算机可读存储介质 - Google Patents
仓内货物存储方法,装置和计算机可读存储介质 Download PDFInfo
- Publication number
- CN113139761A CN113139761A CN202010046492.3A CN202010046492A CN113139761A CN 113139761 A CN113139761 A CN 113139761A CN 202010046492 A CN202010046492 A CN 202010046492A CN 113139761 A CN113139761 A CN 113139761A
- Authority
- CN
- China
- Prior art keywords
- goods
- storage area
- storage
- order
- classification
- 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.)
- Pending
Links
- 238000003860 storage Methods 0.000 title claims abstract description 426
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000005259 measurement Methods 0.000 claims abstract description 34
- 239000011159 matrix material Substances 0.000 claims description 105
- 230000006870 function Effects 0.000 claims description 46
- 238000012360 testing method Methods 0.000 claims description 29
- 230000003595 spectral effect Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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)
Abstract
本公开涉及一种仓内货物存储方法,装置和计算机可读存储介质,涉及自动化仓储技术领域。本公开的方法包括:获取各个存储区域的可用容积和产能区间,以及预设历史时间段内各个分类的货物的库存体积和单位度量内的平均出库量;产能区间为存储区域单位度量内的平均出库量区间;针对每个存储区域,从对应的备选货物集合中根据约束条件确定存放至该存储区域内的货物的分类;其中,约束条件包括:存放至该存储区域内的货物的库存体积的总和不超过该存储区域的可用容积,单位度量内的平均出库量的总和在该存储区域的产能区间内;根据确定的存放至各个存储区域内的货物的分类,将各个分类的货物存放至对应的存储区域。
Description
技术领域
本公开涉及自动化仓储技术领域,特别涉及一种仓内货物存储方法,装置和计算机可读存储介质。
背景技术
随着科技的发展,大型仓库的自动化程度越来越高。在自动化仓库中,利用机器人等自动化设备代替人工进行货物的搬运和拣选,大大提高了货物出库和入库的效率。
随着业务规模扩大,自动化仓库也随之不断扩大。为应对大面积仓库拣选效率下降的情况,一般会将整体仓库划分多个存储区域,分别在各自区域进行订单拣选以及入库作业。
而目前针对每个存储区域,选取哪些品类的货物进行存储多依据人工经验,采用尝试加修正方式,先依据经验选择一些品类货物,验证是否满足约束,如果不满足再进行品类调整。
发明内容
发明人发现:现有人工针对每个存储区域确定货物的品类的方案,效率很低,并且可能导致某些区域的出库量很低浪费资源,或者出库量过高超过该区域的产能上限,导致货物无法及时出库。
本公开所要解决的一个技术问题是:如何针对各个存储区域确定存储的货物的品类,提高确定效率并满足产能需求。
根据本公开的一些实施例,提供的一种仓内货物存储方法,包括:获取各个存储区域的可用容积和产能区间,以及预设历史时间段内各个分类的货物的库存体积和单位度量内的平均出库量;产能区间为存储区域单位度量内的平均出库量区间;针对每个存储区域,从对应的备选货物集合中根据约束条件确定存放至该存储区域内的货物的分类;其中,约束条件包括:存放至该存储区域内的货物的库存体积的总和不超过该存储区域的可用容积,单位度量内的平均出库量的总和在该存储区域的产能区间内;根据确定的存放至各个存储区域内的货物的分类,将各个分类的货物存放至对应的存储区域。
在一些实施例中,针对每个存储区域,从对应的备选货物集合中根据约束条件确定存放至该存储区域内的货物的分类包括:针对每个存储区域,从对应的备选货物集合中根据各个货物选取模型和约束条件分别确定存放至该存储区域内的货物的分类,得到该存储区域对应的多个存储方案;利用测试数据确定各个存储方案的订单合流比例,货物种类数量,产能利用率和体积利用率中至少一项;其中,测试数据包括:与预设历史时间段不同的另一历史时间段内各个订单的信息;根据确定的各个存储方案的订单合流比例,货物种类数量,产能利用率和体积利用率中至少一项,选取一种存储方案,根据选取的存储方案确定存放至该存储区域内的货物的分类。
在一些实施例中,单位度量包括:单位时间或单位波次;在单位度量为单位时间的情况下,针对每个存储区域,产能区间是根据该存储区域的工作站数量,工作时长和每个工作站单位时间内的拣选数量确定的;在单位度量为单位波次的情况下,针对每个存储区域,产能区间是根据该存储区域的工作站数量,每个工作站单位波次内的拣选数量确定的。
在一些实施例中,货物的分类是根据货物的种类和各个种类的货物之间的关联度中至少一项确定的;任意两个种类的货物之间的关联度是根据预设时间段内包含该两个种类的货物的订单数量与预设时间段内订单总量确定的。
在一些实施例中,针对每个分类的货物,库存体积是根据该分类的货物的补货上限天数,单位时间内的平均出库量,最少库存数量和单件货物体积确定的。
在一些实施例中,在货物选取模型包括第一货物选取模型的情况下,从对应的备选货物集合中根据各个货物选取模型和约束条件分别确定存放至该存储区域内的货物的分类包括:在第一货物选取模型中,确定对应的备选货物集合中各个分类的货物的数量与体积的比值;按照数量与体积的比值由大到小的顺序,将各个分类进行排序;按照排序从前到后的顺序选取分类,直至选取的分类的货物满足约束条件。
在一些实施例中,在货物选取模型包括第二货物选取模型的情况下,从对应的备选货物集合中根据各个货物选取模型和约束条件分别确定存放至该存储区域内的货物的分类包括:在第二货物选取模型中,确定对应的备选货物集合中各个分类之间的相似度矩阵;根据相似度矩阵确定拉普拉斯矩阵;根据第一目标函数与约束条件,确定存放至该存储区域内的货物的分类;其中,第一目标函数采用以下公式表示:
minxTLx
其中,x表示分类选取向量,x中的元素xi=1表示选取分类i存放至该存储区域,xi=0表示不选取分类i存放至该存储区域,L表示拉普拉斯矩阵。
在一些实施例中,各个分类之间的相似度矩阵根据以下公式确定:
其中,Wij表示相似度矩阵中第i行第j列的元素,Kij为包含分类i和分类j的订单集合,k为订单集合中订单的编号,Wii=0;或者,各个分类之间的相似度矩阵根据以下公式确定:
其中,Wij表示相似度矩阵中第i行第j列的元素,|Pk|表示订单k中的货物的种类数量,Wii=0;或者,各个分类之间的相似度矩阵根据以下公式确定:
Wij=Zij-minZij
其中,Wij表示相似度矩阵中第i行第j列的元素,Zij表示矩阵Z中第i行第j列的元素,矩阵Z为订单矩阵F的协方差矩阵,F∈RM×N,其中,M为订单数量,N为对应的备选货物集合中货物的分类数量,Fmn=1表示F中第m行第n列的元素,表示订单m中包含分类n的货物,Fmn=0表示订单m中不包含分类n的货物。
在一些实施例中,在货物选取模型包括第三货物选取模型的情况下,从对应的备选货物集合中根据各个货物选取模型和约束条件分别确定存放至该存储区域内的货物的分类包括:在第三货物选取模型中,将订单矩阵进行降维,其中,订单矩阵F∈RM×N,其中,M为订单数量,N为对应的备选货物集合中货物的分类数量,Fmn=1表示F中第m行第n列的元素,表示订单m中包含分类n的货物,Fmn=0表示订单m中不包含分类n的货物;对降维后的订单矩阵进行谱聚类;根据第二目标函数和约束条件从进行谱聚类后的各个簇中,选取一个簇,将选取的簇中的货物的分类,确定为存放至该存储区域内的货物的分类;其中,第二目标函数表示选取的货物的种类数量最小的函数。
在一些实施例中,在货物选取模型包括第四货物选取模型的情况下,从对应的备选货物集合中根据各个货物选取模型和约束条件分别确定存放至该存储区域内的货物的分类包括:在第四货物选取模型中,对订单矩阵进行均匀采样,得到采样后的矩阵,其中,订单矩阵F∈RM×N,其中,M为订单数量,N为对应的备选货物集合中货物的分类数量,Fmn=1表示F中第m行第n列的元素,表示订单m中包含分类n的货物,Fmn=0表示订单m中不包含分类n的货物;根据第三目标函数与约束条件,确定存放至该存储区域内的货物的分类;其中,第三目标函数采用以下公式表示:
max(NX-‖b-Ax‖0)+(NX-‖b-A(e-x)‖0)
其中,NX表示采样后的矩阵A的行数,b=Ae,e=[1,1,…,1]T,x表示分类选取向量,x中的元素xi=1表示选取分类i存放至该存储区域,xi=0表示不选取分类i存放至该存储区域。
在一些实施例中,根据确定的各个存储方案的订单合流比例,货物种类数量,产能利用率和体积利用率中至少一项,选取一种存储方案包括:针对每个存储方案,根据该存储方案的订单合流比例与各个存储方案的订单合流比例的最小值的差值与各个存储方案的订单合流比例的最大值与最小值的差值的比值,确定第一参数;根据该存储方案的货物种类数量与各个存储方案的货物种类数量的最小值的差值与各个存储方案的货物种类数量的最大值与最小值的差值的比值,确定第二参数;根据该存储方案的产能利用率与各个存储方案的产能利用率的最小值的差值与各个存储方案的产能利用率的最大值与最小值的差值的比值,确定第三参数;根据该存储方案的体积利用率与各个存储方案的体积利用率的最小值的差值与各个存储方案的体积利用率的最大值与最小值的差值的比值,确定第四参数;将该存储方案对应的第一参数,第二参数,第三参数,第四参数进行加权,选取对应的加权值最大的一种存储方案。
在一些实施例中,针对每个存储方案,将测试数据中合流订单的数量与全部订单数量的比值,作为订单合流比例,其中,合流订单中部分货物属于该存储方案对应的货物的分类,部分货物不属于该存储方案对应的货物的分类;或者,针对每个存储方案,将属于该存储方案对应的分类的货物作为参考货物,根据测试数据确定参考货物的单位度量内的平均出库量与该存储区域的产能区间上限的比值,作为产能利用率;或者,针对每个存储方案,将属于该存储方案对应的货物的分类的货物作为参考货物,根据测试数据确定参考货物的库存体积与该存储区域的可用容积的比值,作为体积利用率。
根据本公开的另一些实施例,提供的一种仓内货物存储装置,包括:获取模块,用于获取各个存储区域的可用容积和产能区间,以及预设历史时间段内各个分类的货物的库存体积和单位度量内的平均出库量;产能区间为存储区域单位度量内的平均出库量区间;确定模块,用于针对每个存储区域,从对应的备选货物集合中根据约束条件确定存放至该存储区域内的货物的分类;其中,约束条件包括:存放至该存储区域内的货物的库存体积的总和不超过该存储区域的可用容积,单位度量内的平均出库量的总和在该存储区域的产能区间内;存储模块,用于根据确定的存放至各个存储区域内的货物的分类,将各个分类的货物存放至对应的存储区域。
在一些实施例中,确定模块用于针对每个存储区域,从对应的备选货物集合中根据各个货物选取模型和约束条件分别确定存放至该存储区域内的货物的分类,得到该存储区域对应的多个存储方案;利用测试数据确定各个存储方案的订单合流比例,货物种类数量,产能利用率和体积利用率中至少一项;其中,测试数据包括:与预设历史时间段不同的另一历史时间段内各个订单的信息;根据确定的各个存储方案的订单合流比例,货物种类数量,产能利用率和体积利用率中至少一项,选取一种存储方案,根据选取的存储方案确定存放至该存储区域内的货物的分类。
在一些实施例中,单位度量包括:单位时间或单位波次;在单位度量为单位时间的情况下,针对每个存储区域,产能区间是根据该存储区域的工作站数量,工作时长和每个工作站单位时间内的拣选数量确定的;在单位度量为单位波次的情况下,针对每个存储区域,产能区间是根据该存储区域的工作站数量,每个工作站单位波次内的拣选数量确定的。
在一些实施例中,货物的分类是根据货物的种类和各个种类的货物之间的关联度中至少一项确定的;任意两个种类的货物之间的关联度是根据预设时间段内包含该两个种类的货物的订单数量与预设时间段内订单总量确定的。
在一些实施例中,针对每个分类的货物,库存体积是根据该分类的货物的补货上限天数,单位时间内的平均出库量,最少库存数量和单件货物体积确定的。
在一些实施例中,在货物选取模型包括第一货物选取模型的情况下,确定模块用于在第一货物选取模型中,确定对应的备选货物集合中各个分类的货物的数量与体积的比值;按照数量与体积的比值由大到小的顺序,将各个分类进行排序;按照排序从前到后的顺序选取分类,直至选取的分类的货物满足约束条件。
在一些实施例中,在货物选取模型包括第二货物选取模型的情况下,确定模块用于在第二货物选取模型中,确定对应的备选货物集合中各个分类之间的相似度矩阵;根据相似度矩阵确定拉普拉斯矩阵;根据第一目标函数与约束条件,确定存放至该存储区域内的货物的分类;其中,第一目标函数采用以下公式表示:
minxTLx
其中,x表示分类选取向量,x中的元素xi=1表示选取分类i存放至该存储区域,xi=0表示不选取分类i存放至该存储区域,L表示拉普拉斯矩阵。
在一些实施例中,各个分类之间的相似度矩阵根据以下公式确定:
其中,Wij表示相似度矩阵中第i行第j列的元素,Kij为包含分类i和分类j的订单集合,k为订单集合中订单的编号,Wii=0;或者,各个分类之间的相似度矩阵根据以下公式确定:
其中,Wij表示相似度矩阵中第i行第j列的元素,|Pk|表示订单k中的货物的种类数量,Wii=0;或者,各个分类之间的相似度矩阵根据以下公式确定:
Wij=Zij-minZij
其中,Wij表示相似度矩阵中第i行第j列的元素,Zij表示矩阵Z中第i行第j列的元素,矩阵Z为订单矩阵F的协方差矩阵,F∈RM×N,其中,M为订单数量,N为对应的备选货物集合中货物的分类数量,Fmn=1表示F中第m行第n列的元素,表示订单m中包含分类n的货物,Fmn=0表示订单m中不包含分类n的货物。
在一些实施例中,确定模块用于在第三货物选取模型中,将订单矩阵进行降维,其中,订单矩阵F∈RM×N,其中,M为订单数量,N为对应的备选货物集合中货物的分类数量,Fmn=1表示F中第m行第n列的元素,表示订单m中包含分类n的货物,Fmn=0表示订单m中不包含分类n的货物;对降维后的订单矩阵进行谱聚类;根据第二目标函数和约束条件从进行谱聚类后的各个簇中,选取一个簇,将选取的簇中的货物的分类,确定为存放至该存储区域内的货物的分类;其中,第二目标函数表示选取的货物的种类数量最小的函数。
在一些实施例中,在货物选取模型包括第四货物选取模型的情况下,确定模块用于在第四货物选取模型中,对订单矩阵进行均匀采样,得到采样后的矩阵,其中,订单矩阵F∈RM×N,其中,M为订单数量,N为对应的备选货物集合中货物的分类数量,Fmn=1表示F中第m行第n列的元素,表示订单m中包含分类n的货物,Fmn=0表示订单m中不包含分类n的货物;根据第三目标函数与约束条件,确定存放至该存储区域内的货物的分类;其中,第三目标函数采用以下公式表示:
max(NX-‖b-Ax‖0)+(NX-‖b-A(e-x)‖0)
其中,NX表示采样后的矩阵A的行数,b=Ae,e=[1,1,…,1]T,x表示分类选取向量,x中的元素xi=1表示选取分类i存放至该存储区域,xi=0表示不选取分类i存放至该存储区域。
在一些实施例中,确定模块用于针对每个存储方案,根据该存储方案的订单合流比例与各个存储方案的订单合流比例的最小值的差值与各个存储方案的订单合流比例的最大值与最小值的差值的比值,确定第一参数;根据该存储方案的货物种类数量与各个存储方案的货物种类数量的最小值的差值与各个存储方案的货物种类数量的最大值与最小值的差值的比值,确定第二参数;根据该存储方案的产能利用率与各个存储方案的产能利用率的最小值的差值与各个存储方案的产能利用率的最大值与最小值的差值的比值,确定第三参数;根据该存储方案的体积利用率与各个存储方案的体积利用率的最小值的差值与各个存储方案的体积利用率的最大值与最小值的差值的比值,确定第四参数;将该存储方案对应的第一参数,第二参数,第三参数,第四参数进行加权,选取对应的加权值最大的一种存储方案。
在一些实施例中,针对每个存储方案,将测试数据中合流订单的数量与全部订单数量的比值,作为订单合流比例,其中,合流订单中部分货物属于该存储方案对应的货物的分类,部分货物不属于该存储方案对应的货物的分类;或者,针对每个存储方案,将属于该存储方案对应的分类的货物作为参考货物,根据测试数据确定参考货物的单位度量内的平均出库量与该存储区域的产能区间上限的比值,作为产能利用率;或者,针对每个存储方案,将属于该存储方案对应的货物的分类的货物作为参考货物,根据测试数据确定参考货物的库存体积与该存储区域的可用容积的比值,作为体积利用率。
根据本公开的又一些实施例,提供的一种仓内货物存储装置,包括:处理器;以及耦接至处理器的存储器,用于存储指令,指令被处理器执行时,使处理器执行如前述任意实施例的仓内货物存储方法。
根据本公开的再一些实施例,提供的一种非瞬时性计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现前述任意实施例仓内货物存储方法的步骤。
本公开中设置存放至该存储区域内的货物的库存体积的总和不超过该存储区域的可用容积以及单位度量内的平均出库量的总和在该存储区域的产能区间内的约束条件,根据约束条件,各个存储区域的可用容积和产能区间,以及预设历史时间段内各个分类的货物的库存体积和单位度量内的平均出库量,确定存放至各个存储区域内的货物的分类,从而将不同分类的货物存储至对应的存储区域。本公开自动化的根据历史数据确定各个存储区域中存储的货物的分类,满足了存储区域内可用容积和产能区间的约束,提高了确定效率并满足了产能需求。
通过以下参照附图对本公开的示例性实施例的详细描述,本公开的其它特征及其优点将会变得清楚。
附图说明
为了更清楚地说明本公开实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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的附图。
图1示出本公开的一些实施例的仓内货物存储方法的流程示意图。
图2示出本公开的另一些实施例的仓内货物存储方法的流程示意图。
图3示出本公开的一些实施例的仓内货物存储装置的结构示意图。
图4示出本公开的另一些实施例的仓内货物存储装置的结构示意图。
图5示出本公开的又一些实施例的仓内货物存储装置的结构示意图。
具体实施方式
下面将结合本公开实施例中的附图,对本公开实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本公开一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。基于本公开中的实施例,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,都属于本公开保护的范围。
本公开提出一种仓内货物存储方法,下面结合图1进行描述。
图1为本公开仓内货物存储方法一些实施例的流程图。如图1所示,该实施例的方法包括:步骤S102~S106。
在步骤S102中,获取各个存储区域的可用容积和产能区间,以及预设历史时间段内各个分类的货物的库存体积和单位度量内的平均出库量。
针对每个存储区域,可用容积可以根据该存储区域中规划的存储单元(例如,托盘、货架等)的可用容积(考虑空隙和预留,容积并非能够100%利用)与数量之积确定。产能区间为存储区域单位度量内的出库量区间。例如,单位度量包括:单位时间或单位波次;例如,每个波次可以由预设数量的订单组成。在单位度量为单位时间的情况下,针对每个存储区域,产能区间是根据该存储区域的工作站数量,工作时长和每个工作站单位时间内的拣选数量确定的。例如,针对每个存储区域产能上限和下限分别为Cu和Cl,如果是自动化存储区域,产能上限为区域中工作站数量、工作时长与每个工作站自动拣选装置单位时间内的平均拣选数量之积。如果存储区域采用人工拣选,产能上限为区域中拣选人员数量(通常一个工作站配置一个拣选人员)、工作时长和每个工作站拣选人员单位时间内的平均拣选数量之积。可以配置存储区域的产能下限与产能上限的比值为预设比值,例如0.5。
在单位度量为单位波次的情况下,针对每个存储区域,产能区间是根据该存储区域的工作站数量,每个工作站单位波次内的拣选数量确定的。
在一些实施例中,货物的分类是根据货物的种类和各个种类的货物之间的关联度中至少一项确定的;任意两个种类的货物之间的关联度是根据预设时间段内包含该两个种类的货物的订单数量与预设时间段内订单总量确定的。
例如,可以直接将货物的种类作为货物的分类,或者仅根据各个种类的货物之间的关联度确定货物的分类。或者,在货物的种类超过种类阈值的情况下,根据各个种类的货物之间的关联度确定货物的分类,在货物的种类低于种类阈值的情况下,直接将货物的种类作为货物的分类。分类的方式也可以根据实际需求采用其他方式。
例如,任意两个种类的货物之间的关联度为预设时间段内包含该两个种类的货物的订单数量与预设时间段内订单总量的比值。根据预设时间段(例如过去1个月)内的订单,可以根据以下公式确定任意两种货物i和j之间的关联度。
gij=Oij/OQ (1)
其中,Oij为同时包含两种货物的订单数量,OQ为订单总量。进一步,可以采用以下公式对关联度进行标准化处理。
其中,mingij表示得到的所有gij中的最小值,maxgij表示得到的所有gij中的最大值。可以将公式(2)标准化处理后的关联度作为两种货物之间的关联度,也可以直接将公式(1)中计算的关联度作为两种货物之间的关联度。
进一步,可以将关联度超过关联度阈值的多个种类的货物确定为同一分类。例如,(1)初始化一个新的分类集合J;(2)在尚未分类的货物中选择一个种类,加入集合J;(3)从尚未分类的货物中选取与集合J中至少一种货物的关联度超过关联度阈值gθ的货物加入集合J,重复上述步骤(3),直至在尚未分类的货物中无法找到与集合:中至少一种货物的关联度超过关联度阈值gθ的货物,重新返回步骤(1)开始执行,直至所有货物完成分类。
上述方法根据货物的关联度进行分类,同一分类的货物由于在同一订单中出现的概率较高,存储到同一存储区域后可以提高出库效率。
在一些实施例中,针对每个分类的货物,库存体积是根据该分类的货物的补货上限天数,单位时间内的平均出库量,最少库存数量和单件货物体积确定的。例如,计算预设历史时间段内每个种类的货物s的单位时间内平均出库件数os;每一分类i的库存体积 其中Si为分类i下的货物集合,Ms为货物s的最少库存件数(例如,一些滞销品需要设定最少存放件数,否则按照单位时间内的平均出库量和补货上限天数之积可能小于1件),vs为货物s的单件体积;
在一些实施例中,针对分类i的货物,单位时间(例如每天)内的平均出库量为或者,针对每个分类的货物,单位波次(例如每个波次)内的平均出库量为其中,o′s表示分类i下的种类为s的货物单位波次内的平均出库量。
在步骤S104中,针对每个存储区域,从对应的备选货物集合中根据约束条件确定存放至该存储区域内的货物的分类。
可以针对每个存储区域,可以确定备选货物集合,可以根据本存储区域规划存储容器(托盘、周转箱、多层货架等)特点(尺寸、承重等)以及其他限制条件(贵重货物单独区域存放等)确定备选货物集合。可以根据实际需求确定各个存储区域的顺序,按照顺序依次确定存放至每个存储区域内的货物的分类,每个存储区域的备选货物集合从剩余为选取的货物中确定。
约束条件例如包括:存放至该存储区域内的货物的库存体积的总和不超过该存储区域的可用容积,单位度量内的平均出库量的总和在该存储区域的产能区间内。
在一些实施例中,可以根据实际需求设置目标函数,并结合约束条件从对应的备选货物集合中确定存放至该存储区域内的货物的分类。目标函数例如可以设置为存放的货物种类数量最少,或者订单合流比例最小,或者产能利用率最高,或者体积利用率最高等。根据目标函数在约束条件下求解存放至该存储区域内的货物的分类。
在一些实施例中,如图2所示,针对每个存储区域,可以采用以下方法(步骤S202~S206)从对应的备选货物集合中根据约束条件确定存放至该存储区域内的货物的分类。
在步骤S202中,针对每个存储区域,从对应的备选货物集合中根据各个货物选取模型和约束条件分别确定存放至该存储区域内的货物的分类,得到该存储区域对应的多个存储方案。
不同的货物选取模型可以采用不同的方式确定存放至该存储区域内的货物的分类,得到的存储方案也不相同。后续将描述货物选取模型的一些实施例。
在步骤S204中,利用测试数据确定各个存储方案的订单合流比例,货物种类数量,产能利用率和体积利用率中至少一项。
测试数据例如包括:与预设历史时间段不同的另一历史时间段内各个订单的信息。根据预设历史时间段(例如,2019年9月份的前20天)内的各个订单的信息作为各个货物选取模型的训练数据,用于确定各个存储方案。将另一历史时间段内(例如,2019年9月份的后10天)各个订单的信息作为测试数据用于测试各个存储方案的订单合流比例,货物种类数量,产能利用率和/或体积利用率等指标。
在一些实施例中,针对每个存储方案,将测试数据中合流订单的数量与全部订单数量的比值,作为订单合流比例。例如,针对一个存储区域,每个存储方案的订单合流比例为其中,Ch为测试数据中合流订单数量,C为测试数据中全部订单数量。合流订单即订单中部分货物属于该存储方案对应的货物的分类,部分货物不属于该存储方案对应的货物的分类。如果一个订单中需求的货物存储在不同区域,则会带来订单拆分,分别在不同的存储区域拣选完成后再进行合流操作,因此,合流订单比例越高会导致出库效率越低,拣选和配送等成本越高。每个存储方案的确定的存放至该存储区域内的货物种类数量可以表示为Ns。
针对每个存储方案,将属于该存储方案对应的分类的货物作为参考货物,根据测试数据确定参考货物的单位度量内的平均出库量与该存储区域的产能区间上限的比值,作为产能利用率。例如,每个存储方案的产能利用率例如为其中,Cr为该存储方案确定的存放至该存储区域内的分类的货物的单位度量内的平均出库量,Cu为该存储区域产能上限。
针对每个存储方案,将属于该存储方案对应的货物的分类的货物作为参考货物,根据测试数据确定参考货物的库存体积与该存储区域的可用容积的比值,作为体积利用率。例如,每个存储方案的体积利用率例如为其中,Vr为该存储方案确定的存放至该存储区域内的货物的库存总体积,库存体积可以根据前述实施例确定。
在步骤S206中,根据确定的各个存储方案的订单合流比例,货物种类数量,产能利用率和体积利用率中至少一项,选取一种存储方案,根据选取的存储方案确定存放至该存储区域内的货物的分类。
在一些实施例中,针对每个存储方案,根据该存储方案的订单合流比例与各个存储方案的订单合流比例的最小值的差值与各个存储方案的订单合流比例的最大值与最小值的差值的比值,确定第一参数;根据该存储方案的货物种类数量与各个存储方案的货物种类数量的最小值的差值与各个存储方案的货物种类数量的最大值与最小值的差值的比值,确定第二参数;根据该存储方案的产能利用率与各个存储方案的产能利用率的最小值的差值与各个存储方案的产能利用率的最大值与最小值的差值的比值,确定第三参数;根据该存储方案的体积利用率与各个存储方案的体积利用率的最小值的差值与各个存储方案的体积利用率的最大值与最小值的差值的比值,确定第四参数;将该存储方案对应的第一参数,第二参数,第三参数,第四参数进行加权,选取对应的加权值最大的一种存储方案。
当然也可以根据订单合流比例,货物种类数量,产能利用率和体积利用率中任意一项,选取存储方案,例如订单合流比例最小的存储方案。也可以任意两种或三种进行组合选取存储方案,例如,将各个存储方案对应的第二参数,第三参数进行加权,选取对应的加权值最大的一种存储方案。
例如,针对每个存储方案可以根据订单合流比例,货物种类数量,产能利用率和体积利用率得到各个存储方案的评分score=f(H,Ns,Ec,Ev),选择score最高的方案。评分函数f(H,Ns,Ec,Ev)=α1h1(H)+α2h2(Ns)+α3h3(Ec)+P4h4(Ev)。αi≥0为权重,取值越大代表越关注某一评价项,等于0表示不关注这一项;根据业务规划目标不同hi(·)可以取不同函数。
上述实施例的方法,针对多种存储方案参考订单合流比例,货物种类数量,产能利用率和体积利用率中一项或多项选取存储方案。如果参考订单合流比例选取存储方案,可以降低订单合流比例,减少订单中的货物存储在不同区域的概率,提高出库效率。如果参考货物种类数量可以使得同一存储区域的货物种类数量满足实际需求。如果参考产能利用率可以提高存储区域的产能利用率,减少资源的浪费。如果参考体积利用了,可以减少存储区域的空间的浪费。
在步骤S106中,根据确定的存放至各个存储区域内的货物的分类,将各个分类的货物存放至对应的存储区域。
上述实施例中设置存放至该存储区域内的货物的库存体积的总和不超过该存储区域的可用容积以及单位度量内的平均出库量的总和在该存储区域的产能区间内的约束条件,根据约束条件,各个存储区域的可用容积和产能区间,以及预设历史时间段内各个分类的货物的库存体积和单位度量内的平均出库量,确定存放至各个存储区域内的货物的分类,从而将不同分类的货物存储至对应的存储区域。上述实施例自动化的根据历史数据确定各个存储区域中存储的货物的分类,满足了存储区域内可用容积和产能区间的约束,提高了确定效率并满足了产能需求。
下面具体描述几种货物选取模型的实施例。
在一些实施例中,在货物选取模型包括第一货物选取模型的情况下,在第一货物选取模型中,确定对应的备选货物集合中各个分类的货物的数量与体积的比值;按照数量与体积的比值由大到小的顺序,将各个分类进行排序;按照排序从前到后的顺序选取分类,直至选取的分类的货物满足约束条件。如果两个约束条件无法全部满足,则返回“未找到可行方案”。
在一些实施例中,在货物选取模型包括第二货物选取模型的情况下,在第二货物选取模型中,确定对应的备选货物集合中各个分类之间的相似度矩阵;根据相似度矩阵确定拉普拉斯矩阵;根据第一目标函数与约束条件,确定存放至该存储区域内的货物的分类。第一目标函数可以采用以下公式表示。
minxTLx (3)
x表示分类选取向量,x中的元素xi=1表示选取分类i存放至该存储区域,xi=0表示不选取分类i存放至该存储区域,L表示拉普拉斯矩阵。
例如,各个分类之间的相似度矩阵根据以下公式确定。
其中,Wij表示相似度矩阵中第i行第j列的元素,Kij为包含分类i和分类j的订单集合(预设历史时间段内的订单集合),k为订单集合中订单的编号,Wii=0。
又例如,各个分类之间的相似度矩阵根据以下公式确定。
其中,Wij表示相似度矩阵中第i行第j列的元素,|Pk|表示订单k中的货物的种类数量,Wii=0;
又例如,各个分类之间的相似度矩阵根据以下公式确定。
Wij=Zij-minZij (6)
其中,Wij表示相似度矩阵中第i行第j列的元素,Zij表示矩阵Z中第i行第j列的元素,矩阵Z为订单矩阵F的协方差矩阵,F∈RM×N,其中,M为预设历史时间段内订单数量(可以是包含备选货物集合中分类的订单),N为对应的备选货物集合中货物的分类数量,Fmn=1表示F中第m行第n列的元素,表示订单m中包含分类n的货物,Fmn=0表示订单m中不包含分类n的货物。
进一步,拉普拉斯矩阵可以采用以下公式表示。
L=D-W (7)
其中,D中的元素Dii=∑jWij,Dij=0;W为各个分类之间的相似度矩阵。
根据上述公式(3)~(7)可以确定公式(3)的含义为尽可能将相似度大的货物划分到同一存储区域。
约束条件例如可以采用以下公式表示。
∑iVi·xi≤V (8)
其中,Vi表示分类i的货物的库存体积,xi=1表示选取分类i存放至该存储区域,xi=0表示不选取分类i存放至该存储区域,V表示该存储区域的可用容积。
∑iOi·xi≤Cu (9)
∑iOi·xi≥Cl (10)
其中,Ci表示分类i的货物的单位度量内的平均出库量,xi=1表示选取分类i存放至该存储区域,xi=0表示不选取分类i存放至该存储区域,Cu表示该存储区域的产能上限,Cl表示该存储区域的产能下限。
在一些实施例中,在货物选取模型包括第三货物选取模型的情况下,在第三货物选取模型中,将订单矩阵进行降维,其中,订单矩阵F∈RM×n,其中,M为预设历史时间段内订单数量(可以是包含备选货物集合中分类的订单),N为对应的备选货物集合中货物的分类数量,Fmn=1表示F中第m行第n列的元素,表示订单m中包含分类n的货物,Fmn=0表示订单m中不包含分类n的货物;对降维后的订单矩阵进行谱聚类;根据第二目标函数和约束条件从进行谱聚类后的各个簇中,选取一个簇,将选取的簇中的货物的分类,确定为存放至该存储区域内的货物的分类;其中,第二目标函数表示选取的货物的种类数量最小的函数。第二目标函数和约束条件可以形成0-1整数线性规划模型,求解该模型可得到存放至该存储区域内的货物的分类。
在一些实施例中,在货物选取模型包括第四货物选取模型的情况下,在第四货物选取模型中,对订单矩阵进行均匀采样,得到采样后的矩阵,其中,订单矩阵F∈RM×N,其中,M为预设历史时间段内订单数量(可以是包含备选货物集合中分类的订单),N为对应的备选货物集合中货物的分类数量,Fmn=1表示F中第m行第n列的元素,表示订单m中包含分类n的货物,Fmn=0表示订单m中不包含分类n的货物;根据第三目标函数与约束条件,确定存放至该存储区域内的货物的分类。第三目标函数可以采用以下公式表示。
max(NX-‖b-Ax‖0)+(NX-‖b-A(e-x)‖0) (11)
其中,NX表示采样后的矩阵A的行数,b=Ae,e=[1,1,…,1]T,x表示分类选取向量,x中的元素xi=1表示选取分类i存放至该存储区域,xi=0表示不选取分类i存放至该存储区域。第三目标函数表示最大化不合流订单的量。由于第三目标函数中涉及L0范数难以直接求解,可以通过引入slack变量,划归为0-1整数线性规划。
min∑iyi+∑izi (12)
进一步,约束条件除了用公式(8)~(10)进行表示外,还可以包括以下公式。
其中,Q为一较大正数,比分类数量大。
本公开还提供一种仓内货物存储装置,下面结合图3进行描述。
图3为本公开仓内货物存储装置的一些实施例的结构图。如图3所示,该实施例的装置30包括:获取模块310,确定模块320,存储模块330。
获取模块310用于获取各个存储区域的可用容积和产能区间,以及预设历史时间段内各个分类的货物的库存体积和单位度量内的平均出库量;产能区间为存储区域单位度量内的平均出库量区间。
在一些实施例中,单位度量包括:单位时间或单位波次;在单位度量为单位时间的情况下,针对每个存储区域,产能区间是根据该存储区域的工作站数量,工作时长和每个工作站单位时间内的拣选数量确定的;在单位度量为单位波次的情况下,针对每个存储区域,产能区间是根据该存储区域的工作站数量,每个工作站单位波次内的拣选数量确定的。
在一些实施例中,货物的分类是根据货物的种类和各个种类的货物之间的关联度中至少一项确定的;任意两个种类的货物之间的关联度是根据预设时间段内包含该两个种类的货物的订单数量与预设时间段内订单总量确定的。
在一些实施例中,针对每个分类的货物,库存体积是根据该分类的货物的补货上限天数,单位时间内的平均出库量,最少库存数量和单件货物体积确定的。
确定模块320用于针对每个存储区域,从对应的备选货物集合中根据约束条件确定存放至该存储区域内的货物的分类;其中,约束条件包括:存放至该存储区域内的货物的库存体积的总和不超过该存储区域的可用容积,单位度量内的平均出库量的总和在该存储区域的产能区间内。
在一些实施例中,确定模块320用于针对每个存储区域,从对应的备选货物集合中根据各个货物选取模型和约束条件分别确定存放至该存储区域内的货物的分类,得到该存储区域对应的多个存储方案;利用测试数据确定各个存储方案的订单合流比例,货物种类数量,产能利用率和体积利用率中至少一项;其中,测试数据包括:与预设历史时间段不同的另一历史时间段内各个订单的信息;根据确定的各个存储方案的订单合流比例,货物种类数量,产能利用率和体积利用率中至少一项,选取一种存储方案,根据选取的存储方案确定存放至该存储区域内的货物的分类。
在一些实施例中,在货物选取模型包括第一货物选取模型的情况下,确定模块320用于在第一货物选取模型中,确定对应的备选货物集合中各个分类的货物的数量与体积的比值;按照数量与体积的比值由大到小的顺序,将各个分类进行排序;按照排序从前到后的顺序选取分类,直至选取的分类的货物满足约束条件。
在一些实施例中,在货物选取模型包括第二货物选取模型的情况下,确定模块320用于在第二货物选取模型中,确定对应的备选货物集合中各个分类之间的相似度矩阵;根据相似度矩阵确定拉普拉斯矩阵;根据第一目标函数与约束条件,确定存放至该存储区域内的货物的分类;其中,第一目标函数采用以下公式表示:
minxTLx
其中,x表示分类选取向量,x中的元素xi=1表示选取分类i存放至该存储区域,xi=0表示不选取分类i存放至该存储区域,L表示拉普拉斯矩阵。
在一些实施例中,各个分类之间的相似度矩阵根据以下公式确定:
其中,Wij表示相似度矩阵中第i行第j列的元素,Kij为包含分类i和分类j的订单集合,k为订单集合中订单的编号,Wii=0;或者,各个分类之间的相似度矩阵根据以下公式确定:
其中,Wij表示相似度矩阵中第i行第j列的元素,|Pk|表示订单k中的货物的种类数量,Wii=0;或者,各个分类之间的相似度矩阵根据以下公式确定:
Wij=Zij-minZij
其中,Wij表示相似度矩阵中第i行第j列的元素,Zij表示矩阵Z中第i行第j列的元素,矩阵Z为订单矩阵F的协方差矩阵,F∈RM×N,其中,M为订单数量,N为对应的备选货物集合中货物的分类数量,Fmn=1表示F中第m行第n列的元素,表示订单m中包含分类n的货物,Fmn=0表示订单m中不包含分类n的货物。
在一些实施例中,确定模块320用于在第三货物选取模型中,将订单矩阵进行降维,其中,订单矩阵F∈RM×N,其中,M为订单数量,N为对应的备选货物集合中货物的分类数量,Fmn=1表示F中第m行第n列的元素,表示订单m中包含分类n的货物,Fmn=0表示订单m中不包含分类n的货物;对降维后的订单矩阵进行谱聚类;根据第二目标函数和约束条件从进行谱聚类后的各个簇中,选取一个簇,将选取的簇中的货物的分类,确定为存放至该存储区域内的货物的分类;其中,第二目标函数表示选取的货物的种类数量最小的函数。
在一些实施例中,在货物选取模型包括第四货物选取模型的情况下,确定模块320用于在第四货物选取模型中,对订单矩阵进行均匀采样,得到采样后的矩阵,其中,订单矩阵F∈RM×N,其中,M为订单数量,N为对应的备选货物集合中货物的分类数量,Fmn=1表示F中第m行第n列的元素,表示订单m中包含分类n的货物,Fmn=0表示订单m中不包含分类n的货物;根据第三目标函数与约束条件,确定存放至该存储区域内的货物的分类;其中,第三目标函数采用以下公式表示:
max(NX-‖b-Ax‖0)+(NX-‖b-A(e-x)‖0)
其中,NX表示采样后的矩阵A的行数,b=Ae,e=[1,1,…,1]T,x表示分类选取向量,x中的元素xi=1表示选取分类i存放至该存储区域,xi=0表示不选取分类i存放至该存储区域。
在一些实施例中,确定模块320用于针对每个存储方案,根据该存储方案的订单合流比例与各个存储方案的订单合流比例的最小值的差值与各个存储方案的订单合流比例的最大值与最小值的差值的比值,确定第一参数;根据该存储方案的货物种类数量与各个存储方案的货物种类数量的最小值的差值与各个存储方案的货物种类数量的最大值与最小值的差值的比值,确定第二参数;根据该存储方案的产能利用率与各个存储方案的产能利用率的最小值的差值与各个存储方案的产能利用率的最大值与最小值的差值的比值,确定第三参数;根据该存储方案的体积利用率与各个存储方案的体积利用率的最小值的差值与各个存储方案的体积利用率的最大值与最小值的差值的比值,确定第四参数;将该存储方案对应的第一参数,第二参数,第三参数,第四参数进行加权,选取对应的加权值最大的一种存储方案。
在一些实施例中,针对每个存储方案,将测试数据中合流订单的数量与全部订单数量的比值,作为订单合流比例,其中,合流订单中部分货物属于该存储方案对应的货物的分类,部分货物不属于该存储方案对应的货物的分类;或者,针对每个存储方案,将属于该存储方案对应的分类的货物作为参考货物,根据测试数据确定参考货物的单位度量内的平均出库量与该存储区域的产能区间上限的比值,作为产能利用率;或者,针对每个存储方案,将属于该存储方案对应的货物的分类的货物作为参考货物,根据测试数据确定参考货物的库存体积与该存储区域的可用容积的比值,作为体积利用率。
存储模块330用于根据确定的存放至各个存储区域内的货物的分类,将各个分类的货物存放至对应的存储区域。
本公开的实施例中的仓内货物存储装置可各由各种计算设备或计算机系统来实现,下面结合图4以及图5进行描述。
图4为本公开仓内货物存储装置的一些实施例的结构图。如图4所示,该实施例的装置40包括:存储器410以及耦接至该存储器410的处理器420,处理器420被配置为基于存储在存储器410中的指令,执行本公开中任意一些实施例中的仓内货物存储方法。
其中,存储器410例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)、数据库以及其他程序等。
图5为本公开仓内货物存储装置的另一些实施例的结构图。如图5所示,该实施例的装置50包括:存储器510以及处理器520,分别与存储器410以及处理器420类似。还可以包括输入输出接口530、网络接口540、存储接口550等。这些接口530,540,550以及存储器510和处理器520之间例如可以通过总线560连接。其中,输入输出接口530为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口540为各种联网设备提供连接接口,例如可以连接到数据库服务器或者云端存储服务器等。存储接口550为SD卡、U盘等外置存储设备提供连接接口。
本领域内的技术人员应当明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本公开是参照根据本公开实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本公开的较佳实施例,并不用以限制本公开,凡在本公开的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (15)
1.一种仓内货物存储方法,包括:
获取各个存储区域的可用容积和产能区间,以及预设历史时间段内各个分类的货物的库存体积和单位度量内的平均出库量;所述产能区间为所述存储区域单位度量内的平均出库量区间;
针对每个存储区域,从对应的备选货物集合中根据约束条件确定存放至该存储区域内的货物的分类;其中,所述约束条件包括:存放至该存储区域内的货物的库存体积的总和不超过该存储区域的可用容积,单位度量内的平均出库量的总和在该存储区域的产能区间内;
根据确定的存放至各个存储区域内的货物的分类,将各个分类的货物存放至对应的存储区域。
2.根据权利要求1的仓内货物存储方法,其中,
所述针对每个存储区域,从对应的备选货物集合中根据约束条件确定存放至该存储区域内的货物的分类包括:
针对每个存储区域,从对应的备选货物集合中根据各个货物选取模型和所述约束条件分别确定存放至该存储区域内的货物的分类,得到该存储区域对应的多个存储方案;
利用测试数据确定各个存储方案的订单合流比例,货物种类数量,产能利用率和体积利用率中至少一项;其中,所述测试数据包括:与所述预设历史时间段不同的另一历史时间段内各个订单的信息;
根据确定的各个存储方案的订单合流比例,货物种类数量,产能利用率和体积利用率中至少一项,选取一种存储方案,根据选取的存储方案确定存放至该存储区域内的货物的分类。
3.根据权利要求1的仓内货物存储方法,其中,
所述单位度量包括:单位时间或单位波次;
在所述单位度量为单位时间的情况下,针对每个存储区域,所述产能区间是根据该存储区域的工作站数量,工作时长和每个工作站单位时间内的拣选数量确定的;
在所述单位度量为单位波次的情况下,针对每个存储区域,所述产能区间是根据该存储区域的工作站数量,每个工作站单位波次内的拣选数量确定的。
4.根据权利要求1的仓内货物存储方法,其中,
货物的分类是根据货物的种类和各个种类的货物之间的关联度中至少一项确定的;
任意两个种类的货物之间的关联度是根据预设时间段内包含该两个种类的货物的订单数量与所述预设时间段内订单总量确定的。
5.根据权利要求1的仓内货物存储方法,其中,
针对每个分类的货物,库存体积是根据该分类的货物的补货上限天数,单位时间内的平均出库量,最少库存数量和单件货物体积确定的。
6.根据权利要求2的仓内货物存储方法,其中,
在所述货物选取模型包括第一货物选取模型的情况下,所述从对应的备选货物集合中根据各个货物选取模型和约束条件分别确定存放至该存储区域内的货物的分类包括:
在第一货物选取模型中,确定对应的备选货物集合中各个分类的货物的数量与体积的比值;
按照所述数量与体积的比值由大到小的顺序,将各个分类进行排序;
按照排序从前到后的顺序选取分类,直至选取的分类的货物满足所述约束条件。
7.根据权利要求2的仓内货物存储方法,其中,
在所述货物选取模型包括第二货物选取模型的情况下,所述从对应的备选货物集合中根据各个货物选取模型和约束条件分别确定存放至该存储区域内的货物的分类包括:
在第二货物选取模型中,确定对应的备选货物集合中各个分类之间的相似度矩阵;
根据所述相似度矩阵确定拉普拉斯矩阵;
根据第一目标函数与所述约束条件,确定存放至该存储区域内的货物的分类;
其中,所述第一目标函数采用以下公式表示:
min xTLx
其中,x表示分类选取向量,x中的元素xi=1表示选取分类i存放至该存储区域,xi=0表示不选取分类i存放至该存储区域,L表示拉普拉斯矩阵。
8.根据权利要求7的仓内货物存储方法,其中,
所述各个分类之间的相似度矩阵根据以下公式确定:
其中,Wij表示相似度矩阵中第i行第j列的元素,Kij为包含分类i和分类j的订单集合,k为订单集合中订单的编号,Wii=0;
或者,所述各个分类之间的相似度矩阵根据以下公式确定:
其中,Wij表示相似度矩阵中第i行第j列的元素,|Pk|表示订单k中的货物的种类数量,Wii=0;
或者,所述各个分类之间的相似度矩阵根据以下公式确定:
Wij=Zij-min Zij
其中,Wij表示相似度矩阵中第i行第j列的元素,Zij表示矩阵Z中第i行第j列的元素,矩阵Z为订单矩阵F的协方差矩阵,F∈RM×N,其中,M为订单数量,N为对应的备选货物集合中货物的分类数量,Fmn=1表示F中第m行第n列的元素,表示订单m中包含分类n的货物,Fmn=0表示订单m中不包含分类n的货物。
9.根据权利要求2的仓内货物存储方法,其中,
在所述货物选取模型包括第三货物选取模型的情况下,所述从对应的备选货物集合中根据各个货物选取模型和约束条件分别确定存放至该存储区域内的货物的分类包括:
在第三货物选取模型中,将订单矩阵进行降维,其中,订单矩阵F∈RM×N,其中,M为订单数量,N为对应的备选货物集合中货物的分类数量,Fmn=1表示F中第m行第n列的元素,表示订单m中包含分类n的货物,Fmn=0表示订单m中不包含分类n的货物;
对降维后的订单矩阵进行谱聚类;
根据第二目标函数和所述约束条件从进行谱聚类后的各个簇中,选取一个簇,将选取的簇中的货物的分类,确定为存放至该存储区域内的货物的分类;其中,所述第二目标函数表示选取的货物的种类数量最小的函数。
10.根据权利要求2的仓内货物存储方法,其中,
在所述货物选取模型包括第四货物选取模型的情况下,所述从对应的备选货物集合中根据各个货物选取模型和约束条件分别确定存放至该存储区域内的货物的分类包括:
在第四货物选取模型中,对订单矩阵进行均匀采样,得到采样后的矩阵,其中,订单矩阵F∈RM×N,其中,M为订单数量,N为对应的备选货物集合中货物的分类数量,Fmn=1表示F中第m行第n列的元素,表示订单m中包含分类n的货物,Fmn=0表示订单m中不包含分类n的货物;
根据第三目标函数与所述约束条件,确定存放至该存储区域内的货物的分类;
其中,所述第三目标函数采用以下公式表示:
max(Nx-||b-Ax||0)+(Nx-||b-A(e-x)||0)
其中,NX表示采样后的矩阵A的行数,b=Ae,e=[1,1,...,1]T,x表示分类选取向量,x中的元素xi=1表示选取分类i存放至该存储区域,xi=0表示不选取分类i存放至该存储区域。
11.根据权利要求2的仓内货物存储方法,其中,
所述根据确定的各个存储方案的订单合流比例,货物种类数量,产能利用率和体积利用率中至少一项,选取一种存储方案包括:
针对每个存储方案,根据该存储方案的订单合流比例与各个存储方案的订单合流比例的最小值的差值与各个存储方案的订单合流比例的最大值与最小值的差值的比值,确定第一参数;
根据该存储方案的货物种类数量与各个存储方案的货物种类数量的最小值的差值与各个存储方案的货物种类数量的最大值与最小值的差值的比值,确定第二参数;
根据该存储方案的产能利用率与各个存储方案的产能利用率的最小值的差值与各个存储方案的产能利用率的最大值与最小值的差值的比值,确定第三参数;
根据该存储方案的体积利用率与各个存储方案的体积利用率的最小值的差值与各个存储方案的体积利用率的最大值与最小值的差值的比值,确定第四参数;
将该存储方案对应的所述第一参数,第二参数,第三参数,第四参数进行加权,选取对应的加权值最大的一种存储方案。
12.根据权利要求2的仓内货物存储方法,其中,
针对每个存储方案,将所述测试数据中合流订单的数量与全部订单数量的比值,作为订单合流比例,其中,所述合流订单中部分货物属于该存储方案对应的货物的分类,部分货物不属于该存储方案对应的货物的分类;
或者,针对每个存储方案,将属于该存储方案对应的分类的货物作为参考货物,根据所述测试数据确定所述参考货物的单位度量内的平均出库量与该存储区域的产能区间上限的比值,作为产能利用率;
或者,针对每个存储方案,将属于该存储方案对应的货物的分类的货物作为参考货物,根据所述测试数据确定参考货物的库存体积与该存储区域的可用容积的比值,作为体积利用率。
13.一种仓内货物存储装置,包括:
获取模块,用于获取各个存储区域的可用容积和产能区间,以及预设历史时间段内各个分类的货物的库存体积和单位度量内的平均出库量;所述产能区间为所述存储区域单位度量内的平均出库量区间;
确定模块,用于针对每个存储区域,从对应的备选货物集合中根据约束条件确定存放至该存储区域内的货物的分类;其中,所述约束条件包括:存放至该存储区域内的货物的库存体积的总和不超过该存储区域的可用容积,单位度量内的平均出库量的总和在该存储区域的产能区间内;
存储模块,用于根据确定的存放至各个存储区域内的货物的分类,将各个分类的货物存放至对应的存储区域。
14.一种仓内货物存储装置,包括:
处理器;以及
耦接至所述处理器的存储器,用于存储指令,所述指令被所述处理器执行时,使所述处理器执行如权利要求1-12任一项所述的仓内货物存储方法。
15.一种非瞬时性计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现权利要求1-12所述仓内货物存储方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010046492.3A CN113139761A (zh) | 2020-01-16 | 2020-01-16 | 仓内货物存储方法,装置和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010046492.3A CN113139761A (zh) | 2020-01-16 | 2020-01-16 | 仓内货物存储方法,装置和计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113139761A true CN113139761A (zh) | 2021-07-20 |
Family
ID=76808237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010046492.3A Pending CN113139761A (zh) | 2020-01-16 | 2020-01-16 | 仓内货物存储方法,装置和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113139761A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106875148A (zh) * | 2017-03-30 | 2017-06-20 | 北京京东尚科信息技术有限公司 | 用于为物品确定存放位置的方法和装置 |
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 |
CN109767151A (zh) * | 2017-11-09 | 2019-05-17 | 北京京东尚科信息技术有限公司 | 仓储管理方法、装置、介质及电子设备 |
CN109978423A (zh) * | 2017-12-28 | 2019-07-05 | 北京京东尚科信息技术有限公司 | 库存调度方法、装置以及计算机可读存储介质 |
CN110059993A (zh) * | 2018-01-19 | 2019-07-26 | 北京京东尚科信息技术有限公司 | 一种仓储管理的方法和装置 |
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 |
CN110390497A (zh) * | 2018-04-17 | 2019-10-29 | 北京京东尚科信息技术有限公司 | 物品入库方法和装置 |
CN110619471A (zh) * | 2019-09-18 | 2019-12-27 | 北京旷视机器人技术有限公司 | 货架调度方法、装置、电子设备和仓库管理系统 |
CN110633924A (zh) * | 2018-06-21 | 2019-12-31 | 北京京东振世信息技术有限公司 | 用于将商品分仓间存储的方法和系统 |
CN110648099A (zh) * | 2019-09-20 | 2020-01-03 | 北京三快在线科技有限公司 | 仓储资源的分配方法、装置、电子设备及存储介质 |
-
2020
- 2020-01-16 CN CN202010046492.3A patent/CN113139761A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106875148A (zh) * | 2017-03-30 | 2017-06-20 | 北京京东尚科信息技术有限公司 | 用于为物品确定存放位置的方法和装置 |
CN109767151A (zh) * | 2017-11-09 | 2019-05-17 | 北京京东尚科信息技术有限公司 | 仓储管理方法、装置、介质及电子设备 |
CN109978423A (zh) * | 2017-12-28 | 2019-07-05 | 北京京东尚科信息技术有限公司 | 库存调度方法、装置以及计算机可读存储介质 |
CN110059993A (zh) * | 2018-01-19 | 2019-07-26 | 北京京东尚科信息技术有限公司 | 一种仓储管理的方法和装置 |
CN110390497A (zh) * | 2018-04-17 | 2019-10-29 | 北京京东尚科信息技术有限公司 | 物品入库方法和装置 |
CN110633924A (zh) * | 2018-06-21 | 2019-12-31 | 北京京东振世信息技术有限公司 | 用于将商品分仓间存储的方法和系统 |
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 |
CN110619471A (zh) * | 2019-09-18 | 2019-12-27 | 北京旷视机器人技术有限公司 | 货架调度方法、装置、电子设备和仓库管理系统 |
CN110648099A (zh) * | 2019-09-20 | 2020-01-03 | 北京三快在线科技有限公司 | 仓储资源的分配方法、装置、电子设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
张启徽: "基于库存周转率的存储货位优化研究", 科技信息, no. 14, pages 513 - 514 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107103446B (zh) | 库存调度方法以及装置 | |
CN111178606B (zh) | 基于nsga-ii的自动化仓储货位分配优化方法 | |
CN109872036B (zh) | 基于分类算法的任务分配方法、装置及计算机设备 | |
CN110310057B (zh) | 货品排序和货位处理方法、装置、设备及其存储介质 | |
CN105929690B (zh) | 一种基于分解多目标进化算法的柔性车间鲁棒调度方法 | |
CN110751441A (zh) | 一种优化物流仓储系统中储位的方法及装置 | |
CN102750367A (zh) | 在云端平台的大数据检核系统及其方法 | |
Pedrielli et al. | Hybrid order picking strategies for fashion E-commerce warehouse systems | |
CN112860917A (zh) | 待入库货物数据的处理方法、装置、设备及存储介质 | |
CN112007865A (zh) | 入库分拣方法、入库分拣装置、电子设备及存储介质 | |
CN111401801A (zh) | 一种确定目标物品仓库分散化存储的处理系统、方法 | |
CN110650170A (zh) | 用于推送信息的方法和装置 | |
Ong et al. | A review of order picking improvement methods | |
CN113421056A (zh) | 一种互联网人力资源管理系统 | |
CN109711770A (zh) | 仓储物流快速拣选系统及方法 | |
CN116796910A (zh) | 基于货物分配策略的订单分批优化方法 | |
Bayram et al. | Optimal order batching in warehouse management: A data-driven robust approach | |
CN113139761A (zh) | 仓内货物存储方法,装置和计算机可读存储介质 | |
CN111274236A (zh) | 基于智能船舶数据库的缺失数据填充方法和装置 | |
CN110615226B (zh) | 储位分配方法、装置以及计算机可读存储介质 | |
CN114663022A (zh) | 一种基于决策树的仓储模型决策优化方法 | |
CN108305174A (zh) | 资源处理方法、装置、存储介质和计算机设备 | |
CN114186903A (zh) | 仓库选品方法、装置、计算机设备和存储介质 | |
CN113926714A (zh) | 分拣方案生成方法、装置、计算机设备和存储介质 | |
CN113379341B (zh) | 一种产品的拣选规划方法及装置、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 |