CN113139766A - 巷道拥堵率的计算方法和装置、储位选择方法和装置 - Google Patents
巷道拥堵率的计算方法和装置、储位选择方法和装置 Download PDFInfo
- Publication number
- CN113139766A CN113139766A CN202010067073.8A CN202010067073A CN113139766A CN 113139766 A CN113139766 A CN 113139766A CN 202010067073 A CN202010067073 A CN 202010067073A CN 113139766 A CN113139766 A CN 113139766A
- Authority
- CN
- China
- Prior art keywords
- picking
- determining
- congestion
- time
- current
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 189
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004519 manufacturing process Methods 0.000 claims description 93
- 238000009792 diffusion process Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 14
- 239000002184 metal Substances 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000004806 packaging method and process Methods 0.000 description 3
- 238000012856 packing Methods 0.000 description 3
- 238000010187 selection method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction 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
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
Abstract
本发明公开了一种巷道拥堵率的计算方法和装置、储位选择方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:确定货物对应的当前储位;确定所述货物的拣货时间区间;根据所述拣货时间区间,确定目标时间的拣货概率;根据所述当前储位和所述目标时间的拣货概率,确定所述目标时间所述巷道的拥堵率。该实施方式能够预测未来某一时间的巷道的拥堵率。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种巷道拥堵率的计算方法和装置、储位选择方法和装置。
背景技术
在拣货过程中,拣货人员可以通过拣货车等工具从货架的各个储位中拣货。由于促销、节日等原因,拣货量会急剧增加,此时,位于货架间的巷道容易发生拥堵。在实际应用场景中,需要计算巷道的拥堵率,以便于及时了解巷道的拥堵情况。
现有的方法通过在拣货人员的身上安装定位工具来确定巷道的拥堵率。但是,通过该方法获得的巷道的拥堵率反映的已经发生的拥堵,其并不能预测未来某一时间的拥堵情况。
发明内容
有鉴于此,本发明实施例提供一种巷道拥堵率的计算方法和装置、储位选择方法和装置,能够预测未来某一时间的巷道的拥堵率。
第一方面,本发明实施例提供了一种巷道拥堵率的计算方法,包括:
确定货物对应的当前储位;
确定所述货物的拣货时间区间;
根据所述拣货时间区间,确定目标时间的拣货概率;
根据所述当前储位和所述目标时间的拣货概率,确定所述目标时间所述巷道的拥堵率。
优选地,
所述确定所述货物的拣货时间区间,包括:
确定所述货物的生产耗时和生产终止时间;
根据所述生产终止时间和各个生产环节耗时与所述生产耗时的比值,确定所述拣货时间区间;其中,所述生产环节,包括:拣货。
优选地,
所述确定所述货物的拣货时间区间,包括:
确定所述货物的生产耗时和生产起始时间;
根据所述生产起始时间和各个生产环节耗时与所述生产耗时的比值,确定所述拣货时间区间;其中,所述生产环节,包括:拣货。
优选地,
所述确定所述货物的拣货时间区间,包括:
确定所述货物的生产终止时间和生产起始时间;
根据所述生产起始时间和各个生产环节耗时与所述生产耗时的比值,确定所述拣货时间区间;其中,所述生产环节,包括:拣货。
优选地,
所述根据所述拣货时间区间,确定目标时间的拣货概率,包括:
确定所述拣货时间区间中各个拣货时间的拣货概率;其中,所述拣货时间区间中各个拣货时间的拣货概率正态分布;
根据所述拣货时间区间中各个拣货时间的拣货概率,确定所述目标时间的拣货概率。
优选地,
所述根据所述当前储位和所述目标时间的拣货概率,确定所述目标时间所述巷道的拥堵率,包括:
根据所述目标时间的拣货概率,确定所述目标时间所述当前储位的热度增量;其中,所述热度增量用于衡量所述目标时间拣货人员在所述当前储位的概率;
根据所述目标时间所述当前储位的热度增量,确定所述目标时间所述巷道的拥堵率。
优选地,
所述根据所述目标时间所述当前储位的热度增量,确定所述目标时间所述巷道的拥堵率,包括:
针对所述巷道中的每个拥堵点:
根据所述目标时间所述当前储位的热度增量,确定所述目标时间当前拥堵点的拥堵率增量;
确定当前时间所述当前拥堵点的拥堵率;
确定所述目标时间所述当前拥堵点的拥堵率为所述当前时间所述当前拥堵点的拥堵率与所述拥堵率增量之和。
优选地,
所述根据所述目标时间所述当前储位的热度增量,确定所述目标时间当前拥堵点的拥堵率增量,包括:
根据所述巷道两侧与所述当前拥堵点对应的储位的热度增量,确定所述目标时间当前拥堵点的定位拥堵率增量;
根据所述巷道中其他拥堵点的定位拥堵率和所述其他拥堵点与所述当前拥堵点的距离,确定所述目标时间当前拥堵点的扩散拥堵率增量;
根据所述定位拥堵率增量和所述扩散拥堵率增量,确定所述当前拥堵点的拥堵率增量;
其中,所述当前拥堵点位于所述巷道的中心线上,所述当前拥堵点和所述巷道两侧与所述当前拥堵点对应的储位在同一直线上。
优选地,
所述根据所述目标时间的拣货概率,确定所述目标时间所述当前储位的热度增量,包括:
确定最大拣货概率对应的热度增量;
根据所述目标时间的拣货概率和最大拣货概率对应的热度增量,确定所述目标时间所述当前储位的热度增量。
第二方面,本发明实施例提供了一种储位选择方法,包括:
确定货物对应的若干储位;
确定所述货物的拣货时间区间;
针对每个所述储位,均执行:根据所述拣货时间区间,确定目标时间的拣货概率;根据所述当前储位和所述目标时间的拣货概率,确定所述目标时间所述巷道的拥堵率;
根据所述若干储位对应的巷道的拥堵率,从所述若干储位中选择目标储位。
优选地,
所述根据所述若干储位对应的巷道的拥堵率,从所述若干储位中选择目标储位,包括:
确定所述若干储位中是否存在对应的巷道的拥堵率小于预设拥堵率阈值的储位,如果是,确定所述目标储位为在对应的巷道的拥堵率小于所述拥堵率阈值的储位中巷道的拥堵率最大的储位。
第三方面,本发明实施例提供了一种巷道拥堵率的计算装置,包括:
储位确定模块,配置为确定货物对应的当前储位;
区间确定模块,配置为确定所述货物的拣货时间区间;
拣货概率确定模块,配置为根据所述拣货时间区间,确定目标时间的拣货概率;
计算模块,配置为根据所述当前储位和所述目标时间的拣货概率,确定所述目标时间所述巷道的拥堵率。
第四方面,本发明实施例提供了一种储位选择装置,包括:
储位确定模块,配置为确定货物对应的若干储位;
区间确定模块,配置为确定所述货物的拣货时间区间;
计算模块,配置为针对每个所述储位,均执行:根据所述拣货时间区间,确定目标时间的拣货概率;根据所述当前储位和所述目标时间的拣货概率,确定所述目标时间所述巷道的拥堵率;
选择模块,配置为根据所述若干储位对应的巷道的拥堵率,从所述若干储位中选择目标储位。
第五方面,本发明实施例提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述任一实施例所述的方法。
第六方面,本发明实施例提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果:该方法基于确定得到的拣货时间区间确定目标时间的拣货概率,并根据目标时间的拣货概率,确定目标时间巷道的拥堵率。该方法能够预测目标时间巷道的拥堵率,该巷道的拥堵率能够反映巷道在目标时间的拥堵情况。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明,不构成对本发明的不当限定。其中:
图1是本发明的一个实施例提供的一种巷道拥堵率的计算方法的流程图;
图2是本发明的一个实施例提供的一种储位的分布图;
图3是本发明的另一个实施例提供的一种储位的分布图;
图4是本发明的另一个实施例提供的一种巷道拥堵率的计算方法的流程图;
图5是本发明的一个实施例提供的一种储位选择方法的流程图;
图6是本发明的一个实施例提供的一种巷道拥堵率的计算装置的示意图;
图7是本发明的一个实施例提供的一种储位选择装置的示意图;
图8是本发明实施例可以应用于其中的示例性系统架构图;
图9是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明,其中包括本发明实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本发明的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
如图1所示,本发明实施例提供了一种巷道拥堵率的计算方法,包括:
步骤101:确定货物对应的当前储位。
当前储位指的是要拣出货物的储位。例如,现有储位1和储位2,确定货物对应的当前储位为储位1,则后续拣货人员将从储位1拣出货物。
如图2所示,是一种储位的分布图。图2中包括10排储位,每个小方格代表一个储位,这些储位分列于巷道的两侧。
步骤102:确定货物的拣货时间区间。
在实际应用场景中,步骤101和步骤102可以同时执行,步骤101也可以在步骤102之前或之后执行。在拣货时间区间内的任一拣货时间均可能发生拣货行为。
步骤103:根据拣货时间区间,确定目标时间的拣货概率。
目标时间为当前时间之后的某一时间。目标时间可以在拣货时间区间中,也可以不在拣货时间区间中,如果目标时间不在拣货时间区间中,那么目标时间的拣货概率为0。如果目标时间在拣货时间区间内,确定目标时间的拣货概率的方法将在以下的实施例中进行说明。
步骤104:根据当前储位和目标时间的拣货概率,确定目标时间巷道的拥堵率。
该方法基于确定得到的拣货时间区间确定目标时间的拣货概率,并根据目标时间的拣货概率,确定目标时间巷道的拥堵率。该方法能够预测目标时间巷道的拥堵率,该巷道的拥堵率能够反映巷道在目标时间的拥堵程度。巷道的拥堵率越大则说明巷道的拥堵程度越大。
在本发明的一个实施例中,确定货物的拣货时间区间,包括:
确定货物的生产耗时和生产终止时间;
根据生产终止时间和各个生产环节耗时与生产耗时的比值,确定拣货时间区间;其中,生产环节,包括:拣货。
本发明实施例中的生产指的从确定货物对应的当前储位到货物出库过程。该生产过程可以包括若干生产环节,例如,确定货物对应的当前储位、拣货、复核、打包、出库等。在不同的应用场景中,生产过程包括的生产环节可以不同,例如,场景1中,生产过程包括:确定货物对应的当前储位、拣货、复核、打包、出库;场景2中,生产过程包括:确定货物对应的当前储位、拣货、打包、出库。另外,生产还可以指其他包括拣货的过程,例如,从确定货物对应的当前储位到拣货过程。
货物的生产耗时可以预先设置,其与具体的业务需求相关,例如,货物的生产耗时为2h,以上述场景1为例,从确定货物对应的当前储位到货物出库共需要2h。各个生产环节耗时与生产耗时的比值可以由生产环节的历史数据确定。例如,确定货物对应的当前储位耗时占10%,拣货耗时30%,复核耗时占10%,打包耗时占30%,出库耗时占20%。如果生产耗时为2h,生产终止时间为18:00,按照场景1各个生产环节的处理顺序,确定得到的拣货时间区间为(16:12-16:48)。在本发明的一个实施例中,确定货物的拣货时间区间,包括:确定货物的生产耗时和生产起始时间;根据生产起始时间和各个生产环节耗时与生产耗时的比值,确定拣货时间区间;其中,生产环节,包括:拣货。
在本发明的一个实施例中,确定货物的拣货时间区间,包括:确定货物的生产终止时间和生产起始时间;根据生产起始时间和各个生产环节耗时与生产耗时的比值,确定拣货时间区间;其中,生产环节,包括:拣货。
根据生产耗时和生产起始时间、以及根据生产终止时间和生产起始时间,确定拣货时间区间的过程与根据生产终止时间和生产起始时间确定拣货时间区间的过程类似,此处不再赘述。
由于生产环节与实际业务场景相适应,因此,本发明实施例能够得到更加准确的拣货时间区间,进而提高预测得到的巷道的拥堵率的可信度。
在本发明的一个实施例中,根据拣货时间区间,确定目标时间的拣货概率,包括:
确定拣货时间区间中各个拣货时间的拣货概率;其中,拣货时间区间中各个拣货时间的拣货概率正态分布;
根据拣货时间区间中各个拣货时间的拣货概率,确定目标时间的拣货概率。
在本发明实施例中,拣货时间区间的中点对应的拣货概率最大。拣货时间区间可以为(μ-3σ,μ+3σ),其中,μ为正态分布的期望,σ2为正态分布的方差。拣货时间区间的中点即为μ。当然,拣货时间区间还可以为(μ-2σ,μ+2σ)等其他形式。另外,拣货时间区间中各个拣货时间的拣货概率也可以为其他分布形式,如t分布、F分布等。
本发明实施例通过正态分布确定目标时间的拣货概率,能够使获得的目标时间的拣货概率更加贴近实际业务场景,提高预测的准确性和可信度。
在本发明的一个实施例中,根据当前储位和目标时间的拣货概率,确定目标时间巷道的拥堵率,包括:
根据目标时间的拣货概率,确定目标时间当前储位的热度增量;其中,热度增量用于衡量目标时间拣货人员在当前储位的概率;
根据目标时间当前储位的热度增量,确定目标时间巷道的拥堵率。
当前储位的热度增量越高,则当前储位对巷道的拥堵率的贡献程度越大。
目标时间的拣货概率越大,说明目标时间拣货人员在当前储位的概率越大。目标时间拣货人员在当前储位的概率可以等于目标时间的拣货概率。
考虑到拣货人员可能受到巷道拥堵或者其他因素的影响而提早或者延迟出现在当前储位,目标时间拣货人员在当前储位的概率还可以根据目标时间的拣货概率计算得到。鉴于此,目标时间当前储位的热度增量=目标时间的拣货概率,或者,目标时间当前储位的热度增量=调整系数×目标时间的拣货概率。其中,调整系数可以为预先设置的固定值,也可以根据最大拣货概率确定。
需要说明的是,在本说明书实施例中,目标时间当前储位的热量增量与一个货物相对应,即目标时间在当前储位存在拣货可能的货物仅有一个。如果目标时间多个货物均可能在当前储位发生拣货,那么该目标时间当前储位的热量增量为各个货物对应的目标时间当前储位的热量增量之和。
在本发明的一个实施例中,在确定目标时间当前储位的热度增量之后,该方法还可以包括:根据目标时间各个储位的热度增量,生成热度增量图,展示热度增量图;参考图2,热度增量越高,储位的颜色越深。
在本发明的一个实施例中,该方法还包括:根据目标时间当前储位的热度增量,确定目标时间当前储位的热度;根据目标时间各个储位的热度,生成热度图,展示热度图;其中,目标时间当前储位的热度为当前时间当前储位的热度与目标时间当前储位的热度增量之和。与热度增量图类似,在热度图中,储位的颜色越深,表示储位的热度越高。
通过热度增量图和热度图,管理人员可以直观地获知目标时间各个储位拣货行为发生的概率。
在本发明的一个实施例中,根据目标时间的拣货概率,确定目标时间当前储位的热度增量,包括:
确定最大拣货概率对应的热度增量;
确定目标时间当前储位的热度增量=目标时间的拣货概率×最大拣货概率对应的热度增量。
最大拣货概率对应的热度增量即为前述调整系数。
巷道的拥堵率可以包括:综合拥堵率和拥堵点的拥堵率;其中,综合拥堵率从巷道整体的角度衡量巷道的拥堵情况,拥堵点的拥堵率用于衡量巷道中某一个位置点的拥堵情况。可以选择一个拥堵点的拥堵率直接作为综合拥堵率,也可以根据多个拥堵点的拥堵率计算综合拥堵率。拥堵点可以为巷道中的任意一个位置。
在本发明的一个实施例中,根据目标时间当前储位的热度增量,确定目标时间巷道的拥堵率,包括:
针对巷道中的每个拥堵点:
根据目标时间当前储位的热度增量,确定目标时间当前拥堵点的拥堵率增量;
确定当前时间当前拥堵点的拥堵率;
确定目标时间当前拥堵点的拥堵率为当前时间当前拥堵点的拥堵率与拥堵率增量之和。
当前拥堵点的拥堵率增量用于衡量货物导致的当前拥堵点的拥堵程度的增加幅度。当前时间当前拥堵点的拥堵率(或巷道的拥堵率)可以通过历史时间的储位数据确定,即通过上述实施例提到的巷道拥堵率的计算方法,在历史时间预测当前时间当前拥堵点的拥堵率(或巷道的拥堵率)。通过计算拥堵点的拥堵率,可以得到巷道中任意一个位置的拥堵程度。
在本发明的一个实施例中,根据目标时间当前储位的热度增量,确定目标时间当前拥堵点的拥堵率增量,包括:
根据巷道两侧与当前拥堵点对应的储位的热度增量,确定目标时间当前拥堵点的定位拥堵率增量;
根据巷道中其他拥堵点的定位拥堵率和其他拥堵点与当前拥堵点的距离,确定目标时间当前拥堵点的扩散拥堵率增量;
根据定位拥堵率增量和扩散拥堵率增量,确定当前拥堵点的拥堵率增量;
其中,当前拥堵点位于巷道的中心线上,当前拥堵点和巷道两侧与当前拥堵点对应的储位在同一直线上。
目标时间当前拥堵点的拥堵率增量用于衡量目标时间当前拥堵点的拥堵率的增加程度。
定位拥堵率增量能够衡量拣货车辆和拣货人员的停留对拥堵点的拥堵率的影响程度,扩散拥堵率增量能够衡量拣货人员和拣货车辆的在巷道中行走对拥堵点的拥堵率的影响程度。拥堵率增量由定位拥堵率增量和扩散拥堵率增量确定,因此,其能够综合考虑上述因素对拥堵点的拥堵率的影响程度,使得到的各个拥堵点的拥堵率增量与实际情况更加接近,提高预测的准确性。
如图3所示,巷道中存在5个拥堵点,a-e。A-G储位代表在目标时间存在拣货可能的储位,因此,这些储位将对目标时间巷道的拥堵率以及目标时间拥堵点的拥堵率存在影响。A-G储位对应的数字代表目标时间当前储位的热度增量,例如,第一排左侧第三个储位在目标时间的热度增量为0.2,第二排左侧第六个储位在目标时间的热度增量为0.4。根据目标时间A和B储位的热度增量,可以确定目标时间拥堵点a的定位拥堵率增量,例如,目标时间拥堵点a的定位拥堵率增量为目标时间A和B储位的热度增量之和。类似的,根据目标时间C、D和E储位的热度增量,可以确定目标时间拥堵点b的定位拥堵率增量。
根据b-e拥堵点的定位拥堵率可以确定a拥堵点的扩散拥堵率增量。当前拥堵点的扩散拥堵率增量为其他拥堵点在当前拥堵点的扩散拥堵率增量之和,当前拥堵点和其他拥堵点可以为同一个巷道方向上,如a-e。随着其他拥堵点与当前拥堵点距离增加,当前拥堵点在其他拥堵点的扩散拥堵率降低。例如,a拥堵点的扩散拥堵率增量为b-e拥堵点在a拥堵点的扩散拥堵率增量之和。
如图4所示,本发明实施例提供了一种巷道拥堵率的计算方法,包括:
步骤401:确定货物对应的当前储位。
参考图3,当前储位为C,即拣货人员后续将从C储位拣出货物。
步骤402:确定货物的生产耗时和生产终止时间。
货物的生产环节依次包括:确定货物对应的当前储位→拣货→复核→打包→出库。生产耗时为4h,生产终止时间为14:00。
步骤403:根据生产终止时间和各个生产环节耗时与生产耗时的比值,确定拣货时间区间。
货物对应的当前储位耗时占10%,拣货耗时40%,复核耗时占10%,打包耗时占30%,出库耗时占10%。
有生产耗时占比和生产终止时间,确定拣货时间区间为(10:24-12:00)。
步骤404:确定拣货时间区间中各个拣货时间的拣货概率。
其中,拣货时间区间中各个拣货时间的拣货概率正态分布。
(10:24-12:00)对应的正态分布的横坐标区间为(μ-3σ,μ+3σ)。
步骤405:根据拣货时间区间中各个拣货时间的拣货概率,确定目标时间的拣货概率。
以目标时间为11:00进行说明,为描述方便,目标时间的拣货概率以f(11:00)表示。
步骤406:确定最大拣货概率对应的热度增量。
由于11:12为拣货时间区间的中点,因此,其对应的拣货概率最大,也就是说,最大拣货概率对应的热度增量即为f(11:12)对应的热度增量。例如,f(11:12)对应的热度增量为0.9。
步骤407:根据目标时间的拣货概率和最大拣货概率对应的热度增量,确定目标时间当前储位的热度增量。
11:00当前储位的热度增量=0.9×f(11:00)。
其中,热度增量用于衡量目标时间拣货人员在当前储位的概率。
步骤408:针对巷道中的每个拥堵点:根据巷道两侧与当前拥堵点对应的储位的热度增量,确定目标时间当前拥堵点的定位拥堵率增量。
巷道中的拥堵点包括a-e。以拥堵点b为例,11:00拥堵点b的定位拥堵率增量=0.4+0.8+0.8=2.0。
步骤409:根据巷道中其他拥堵点的定位拥堵率和其他拥堵点与当前拥堵点的距离,确定目标时间当前拥堵点的扩散拥堵率增量。
拥堵点a在拥堵点b、c、d、e的扩散拥堵率增量分别为0.7、0.6、0.5、0.4,即距离拥堵点a越远,拥堵点a对其影响越小。
拥堵点a、c、d、e在拥堵点b的扩散0.7、0.5、0.4、0,则拥堵点b的扩散拥堵率增量为0.7+0.5+0.4+0=1.6。
步骤410:根据定位拥堵率增量和扩散拥堵率增量,确定当前拥堵点的拥堵率增量。
拥堵点b的拥堵率增量为2.0+1.6=3.6。
其中,当前拥堵点位于巷道的中心线上,当前拥堵点和巷道两侧与当前拥堵点对应的储位在同一直线上。
步骤411:确定当前时间当前拥堵点的拥堵率。
当前时间为10:00。10:00当前拥堵点的拥堵率可以由9:59或者9:50等历史时间储位情况预测。
步骤412:确定目标时间当前拥堵点的拥堵率为当前时间当前拥堵点的拥堵率与拥堵率增量之和。
该方法通过确定货物的拣货时间区间预测未来某一时间巷道的拥堵程度,能够为后续选择储位提供数据支持,同时仓库管理人员可以通过预测结果对巷道、储位等进行调整。
如图5所示,本发明实施例提供了储位选择方法,包括:
步骤501:确定货物对应的若干储位;
步骤502:确定货物的拣货时间区间;
步骤503:针对每个储位,均执行:根据拣货时间区间,确定目标时间的拣货概率;根据当前储位和目标时间的拣货概率,确定目标时间巷道的拥堵率;
步骤504:根据若干储位对应的巷道的拥堵率,从若干储位中选择目标储位。
其中,若干储位是存放有货物的储位,也就是说,在若干储位中的每个储位中均可以拣出该货物,至于最终在哪个储位中进行拣货,通过该储位选择方法可以确定。
该方法基于预测得到的巷道的拥堵率选择储位,能够降低拣货行为对巷道的拥堵程度的影响,提高巷道的通行效率,进而提高拣货速度。
确定目标时间巷道的拥堵率的过程已在前述实施例中阐明,此处不再赘述。
在本发明的一个实施例中,根据若干储位对应的巷道的拥堵率,从若干储位中选择目标储位,包括:
确定若干储位中是否存在对应的巷道的拥堵率小于预设拥堵率阈值的储位,如果是,确定目标储位为在对应的巷道的拥堵率小于拥堵率阈值的储位中巷道的拥堵率最大的储位。
为了避免拥堵情况的发生,本发明实施例预先设置拥堵率阈值,如果对应的巷道的拥堵率不小于拥堵率阈值,则该储位不会被选择。如果选择该储位,则意味着拣货行为可能导致巷道发生拥堵。在不发生拥堵的情况下,为了避免要拣货的储位分布过于分散,优先选择巷道的拥堵率更大的储位。拥堵率阈值可以由巷道的宽度、拣货车辆的大小等因素确定。
当然,在实际应用场景中,还可以通过其他的方式选择目标储位,例如,将巷道的拥堵率最大或最小的储位作为目标储位。
如图6所示,本发明实施例提供了一种巷道拥堵率的计算装置,包括:
储位确定模块601,配置为确定货物对应的当前储位;
区间确定模块602,配置为确定货物的拣货时间区间;
拣货概率确定模块603,配置为根据拣货时间区间,确定目标时间的拣货概率;
计算模块604,配置为根据当前储位和目标时间的拣货概率,确定目标时间巷道的拥堵率。
在本发明的一个实施例中,区间确定模块602,配置为确定货物的生产耗时和生产终止时间;根据生产终止时间和各个生产环节耗时与生产耗时的比值,确定拣货时间区间;其中,生产环节,包括:拣货。
在本发明的一个实施例中,拣货概率确定模块603,配置为确定拣货时间区间中各个拣货时间的拣货概率;其中,拣货时间区间中各个拣货时间的拣货概率正态分布;根据拣货时间区间中各个拣货时间的拣货概率,确定目标时间的拣货概率。
在本发明的一个实施例中,计算模块604,配置为根据目标时间的拣货概率,确定目标时间当前储位的热度增量;其中,热度增量用于衡量目标时间拣货人员在当前储位的概率;根据目标时间当前储位的热度增量,确定目标时间巷道的拥堵率。
在本发明的一个实施例中,计算模块604,配置为针对巷道中的每个拥堵点:根据目标时间当前储位的热度增量,确定目标时间当前拥堵点的拥堵率增量;确定当前时间当前拥堵点的拥堵率;确定目标时间当前拥堵点的拥堵率为当前时间当前拥堵点的拥堵率与拥堵率增量之和。
如图7所示,本发明实施例提供了一种储位选择装置,包括:
储位确定模块701,配置为确定货物对应的若干储位;
区间确定模块702,配置为确定货物的拣货时间区间;
计算模块703,配置为针对每个储位,均执行:根据拣货时间区间,确定目标时间的拣货概率;根据当前储位和目标时间的拣货概率,确定目标时间巷道的拥堵率;
选择模块704,配置为根据若干储位对应的巷道的拥堵率,从若干储位中选择目标储位。
在本发明的一个实施例中,选择模块704,配置为确定若干储位中是否存在对应的巷道的拥堵率小于预设拥堵率阈值的储位,如果是,确定目标储位为在对应的巷道的拥堵率小于拥堵率阈值的储位中巷道的拥堵率最大的储位。
本发明实施例提供了一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如上述任一实施例的方法。
图8示出了可以应用本发明实施例的信息推送方法或信息推送装置的示例性系统架构800。
如图8所示,系统架构800可以包括终端设备801、802、803,网络804和服务器805。网络804用以在终端设备801、802、803和服务器805之间提供通信链路的介质。网络804可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备801、802、803通过网络804与服务器805交互,以接收或发送消息等。终端设备801、802、803上可以安装有各种通讯客户端应用,例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备801、802、803可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器805可以是提供各种服务的服务器,例如对用户利用终端设备801、802、803所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理,并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是,本发明实施例所提供的信息推送方法一般由服务器805执行,相应地,信息推送装置一般设置于服务器805中。
应该理解,图8中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
下面参考图9,其示出了适于用来实现本发明实施例的终端设备的计算机系统900的结构示意图。图9示出的终端设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图9所示,计算机系统900包括中央处理单元(CPU)901,其可以根据存储在只读存储器(ROM)902中的程序或者从存储部分908加载到随机访问存储器(RAM)903中的程序而执行各种适当的动作和处理。在RAM 903中,还存储有系统900操作所需的各种程序和数据。CPU 901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口905也连接至总线904。
以下部件连接至I/O接口905:包括键盘、鼠标等的输入部分906;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分907;包括硬盘等的存储部分908;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分909。通信部分909经由诸如因特网的网络执行通信处理。驱动器910也根据需要连接至I/O接口905。可拆卸介质911,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器910上,以便于从其上读出的计算机程序根据需要被安装入存储部分908。
特别地,根据本发明公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分909从网络上被下载和安装,和/或从可拆卸介质911被安装。在该计算机程序被中央处理单元(CPU)901执行时,执行本发明的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、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)、光纤、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。在本发明中,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。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、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。也应当注意,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于附图中所标注的顺序发生。例如,两个接连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。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中,例如,可以描述为:一种处理器包括发送模块、获取模块、确定模块和第一处理模块。其中,这些模块的名称在某种情况下并不构成对该模块本身的限定,例如,发送模块还可以被描述为“向所连接的服务端发送图片获取请求的模块”。
作为另一方面,本发明还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的设备中所包含的;也可以是单独存在,而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:确定货物对应的当前储位;
确定所述货物的拣货时间区间;
根据所述拣货时间区间,确定目标时间的拣货概率;
根据所述当前储位和所述目标时间的拣货概率,确定所述目标时间所述巷道的拥堵率。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该设备执行时,使得该设备包括:
确定货物对应的若干储位;
确定所述货物的拣货时间区间;
针对每个所述储位,均执行:根据所述拣货时间区间,确定目标时间的拣货概率;根据所述当前储位和所述目标时间的拣货概率,确定所述目标时间所述巷道的拥堵率;
根据所述若干储位对应的巷道的拥堵率,从所述若干储位中选择目标储位。
根据本发明实施例的技术方案,能够预测目标时间巷道的拥堵率,该巷道的拥堵率能够反映巷道在目标时间的拥堵情况。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,取决于设计要求和其他因素,可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (13)
1.一种巷道拥堵率的计算方法,其特征在于,包括:
确定货物对应的当前储位;
确定所述货物的拣货时间区间;
根据所述拣货时间区间,确定目标时间的拣货概率;
根据所述当前储位和所述目标时间的拣货概率,确定所述目标时间所述巷道的拥堵率。
2.如权利要求1所述的方法,其特征在于,
所述确定所述货物的拣货时间区间,包括:
确定所述货物的生产耗时和生产终止时间;
根据所述生产终止时间和各个生产环节耗时与所述生产耗时的比值,确定所述拣货时间区间;其中,所述生产环节,包括:拣货;
或,
所述确定所述货物的拣货时间区间,包括:
确定所述货物的生产耗时和生产起始时间;
根据所述生产起始时间和各个生产环节耗时与所述生产耗时的比值,确定所述拣货时间区间;其中,所述生产环节,包括:拣货;
或,
所述确定所述货物的拣货时间区间,包括:
确定所述货物的生产终止时间和生产起始时间;
根据所述生产起始时间和各个生产环节耗时与所述生产耗时的比值,确定所述拣货时间区间;其中,所述生产环节,包括:拣货。
3.如权利要求1所述的方法,其特征在于,
所述根据所述拣货时间区间,确定目标时间的拣货概率,包括:
确定所述拣货时间区间中各个拣货时间的拣货概率;其中,所述拣货时间区间中各个拣货时间的拣货概率正态分布;
根据所述拣货时间区间中各个拣货时间的拣货概率,确定所述目标时间的拣货概率。
4.如权利要求1所述的方法,其特征在于,
所述根据所述当前储位和所述目标时间的拣货概率,确定所述目标时间所述巷道的拥堵率,包括:
根据所述目标时间的拣货概率,确定所述目标时间所述当前储位的热度增量;其中,所述热度增量用于衡量所述目标时间拣货人员在所述当前储位的概率;
根据所述目标时间所述当前储位的热度增量,确定所述目标时间所述巷道的拥堵率。
5.如权利要求4所述的方法,其特征在于,
所述根据所述目标时间所述当前储位的热度增量,确定所述目标时间所述巷道的拥堵率,包括:
针对所述巷道中的每个拥堵点:
根据所述目标时间所述当前储位的热度增量,确定所述目标时间当前拥堵点的拥堵率增量;
确定当前时间所述当前拥堵点的拥堵率;
确定所述目标时间所述当前拥堵点的拥堵率为所述当前时间所述当前拥堵点的拥堵率与所述拥堵率增量之和。
6.如权利要求5所述的方法,其特征在于,
所述根据所述目标时间所述当前储位的热度增量,确定所述目标时间当前拥堵点的拥堵率增量,包括:
根据所述巷道两侧与所述当前拥堵点对应的储位的热度增量,确定所述目标时间当前拥堵点的定位拥堵率增量;
根据所述巷道中其他拥堵点的定位拥堵率和所述其他拥堵点与所述当前拥堵点的距离,确定所述目标时间当前拥堵点的扩散拥堵率增量;
根据所述定位拥堵率增量和所述扩散拥堵率增量,确定所述当前拥堵点的拥堵率增量;
其中,所述当前拥堵点位于所述巷道的中心线上,所述当前拥堵点和所述巷道两侧与所述当前拥堵点对应的储位在同一直线上。
7.如权利要求4所述的方法,其特征在于,
所述根据所述目标时间的拣货概率,确定所述目标时间所述当前储位的热度增量,包括:
确定最大拣货概率对应的热度增量;
根据所述目标时间的拣货概率和最大拣货概率对应的热度增量,确定所述目标时间所述当前储位的热度增量。
8.一种储位选择方法,其特征在于,包括:
确定货物对应的若干储位;
确定所述货物的拣货时间区间;
针对每个所述储位,均执行:根据所述拣货时间区间,确定目标时间的拣货概率;根据所述当前储位和所述目标时间的拣货概率,确定所述目标时间所述巷道的拥堵率;
根据所述若干储位对应的巷道的拥堵率,从所述若干储位中选择目标储位。
9.如权利要求8所述的方法,其特征在于,
所述根据所述若干储位对应的巷道的拥堵率,从所述若干储位中选择目标储位,包括:
确定所述若干储位中是否存在对应的巷道的拥堵率小于预设拥堵率阈值的储位,如果是,确定所述目标储位为在对应的巷道的拥堵率小于所述拥堵率阈值的储位中巷道的拥堵率最大的储位。
10.一种巷道拥堵率的计算装置,其特征在于,包括:
储位确定模块,配置为确定货物对应的当前储位;
区间确定模块,配置为确定所述货物的拣货时间区间;
拣货概率确定模块,配置为根据所述拣货时间区间,确定目标时间的拣货概率;
计算模块,配置为根据所述当前储位和所述目标时间的拣货概率,确定所述目标时间所述巷道的拥堵率。
11.一种储位选择装置,其特征在于,包括:
储位确定模块,配置为确定货物对应的若干储位;
区间确定模块,配置为确定所述货物的拣货时间区间;
计算模块,配置为针对每个所述储位,均执行:根据所述拣货时间区间,确定目标时间的拣货概率;根据所述当前储位和所述目标时间的拣货概率,确定所述目标时间所述巷道的拥堵率;
选择模块,配置为根据所述若干储位对应的巷道的拥堵率,从所述若干储位中选择目标储位。
12.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。
13.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-9中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010067073.8A CN113139766B (zh) | 2020-01-20 | 2020-01-20 | 巷道拥堵率的计算方法和装置、储位选择方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010067073.8A CN113139766B (zh) | 2020-01-20 | 2020-01-20 | 巷道拥堵率的计算方法和装置、储位选择方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113139766A true CN113139766A (zh) | 2021-07-20 |
CN113139766B CN113139766B (zh) | 2024-06-18 |
Family
ID=76809123
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010067073.8A Active CN113139766B (zh) | 2020-01-20 | 2020-01-20 | 巷道拥堵率的计算方法和装置、储位选择方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113139766B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456523A (zh) * | 2022-09-06 | 2022-12-09 | 上海聚货通电子商务有限公司 | 一种电商仓库拣货通道的规划方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004272408A (ja) * | 2003-03-06 | 2004-09-30 | Nri & Ncc Co Ltd | 渋滞予測システムおよび渋滞予測方法 |
DE102012024144A1 (de) * | 2012-12-11 | 2013-07-11 | Daimler Ag | Verfahren und Vorrichtung zur Unterstützung eines Fahrers eines Kraftfahrzeugs bei der Routenführung in einem Straßenverkehrsnetz |
CN103942623A (zh) * | 2014-04-22 | 2014-07-23 | 中国民航大学 | 一种基于需求与容量不确定性的机场拥挤风险预测方法 |
CN105354641A (zh) * | 2015-11-12 | 2016-02-24 | 北京京东尚科信息技术有限公司 | 拣货路径优化方法及拣货路径优化装置 |
CN105528647A (zh) * | 2015-11-25 | 2016-04-27 | 南京航空航天大学 | 基于大数据分析的机场概率交通需求预测方法 |
CN105791022A (zh) * | 2016-04-14 | 2016-07-20 | 北京中电万联科技股份有限公司 | 一种拥挤度检测预警系统 |
CN108154139A (zh) * | 2018-01-22 | 2018-06-12 | 北京京东金融科技控股有限公司 | 商品热区探测系统及方法、电子设备、存储介质 |
CN108171357A (zh) * | 2016-12-08 | 2018-06-15 | 北京京东尚科信息技术有限公司 | 物流信息系统中的信息处理方法和装置 |
CN108237087A (zh) * | 2017-12-30 | 2018-07-03 | 广东技术师范学院 | 一种货物分流系统及方法 |
CN108805318A (zh) * | 2017-04-28 | 2018-11-13 | 北京京东尚科信息技术有限公司 | 用于评测仓库的方法和装置 |
CN110555216A (zh) * | 2018-05-30 | 2019-12-10 | 郑州大学 | 一种人群拥挤场景的模拟方法及系统 |
CN110580593A (zh) * | 2018-06-08 | 2019-12-17 | 北京京东尚科信息技术有限公司 | 货物分拣方法、控制系统和货物分拣系统 |
-
2020
- 2020-01-20 CN CN202010067073.8A patent/CN113139766B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004272408A (ja) * | 2003-03-06 | 2004-09-30 | Nri & Ncc Co Ltd | 渋滞予測システムおよび渋滞予測方法 |
DE102012024144A1 (de) * | 2012-12-11 | 2013-07-11 | Daimler Ag | Verfahren und Vorrichtung zur Unterstützung eines Fahrers eines Kraftfahrzeugs bei der Routenführung in einem Straßenverkehrsnetz |
CN103942623A (zh) * | 2014-04-22 | 2014-07-23 | 中国民航大学 | 一种基于需求与容量不确定性的机场拥挤风险预测方法 |
CN105354641A (zh) * | 2015-11-12 | 2016-02-24 | 北京京东尚科信息技术有限公司 | 拣货路径优化方法及拣货路径优化装置 |
CN105528647A (zh) * | 2015-11-25 | 2016-04-27 | 南京航空航天大学 | 基于大数据分析的机场概率交通需求预测方法 |
CN105791022A (zh) * | 2016-04-14 | 2016-07-20 | 北京中电万联科技股份有限公司 | 一种拥挤度检测预警系统 |
CN108171357A (zh) * | 2016-12-08 | 2018-06-15 | 北京京东尚科信息技术有限公司 | 物流信息系统中的信息处理方法和装置 |
CN108805318A (zh) * | 2017-04-28 | 2018-11-13 | 北京京东尚科信息技术有限公司 | 用于评测仓库的方法和装置 |
CN108237087A (zh) * | 2017-12-30 | 2018-07-03 | 广东技术师范学院 | 一种货物分流系统及方法 |
CN108154139A (zh) * | 2018-01-22 | 2018-06-12 | 北京京东金融科技控股有限公司 | 商品热区探测系统及方法、电子设备、存储介质 |
CN110555216A (zh) * | 2018-05-30 | 2019-12-10 | 郑州大学 | 一种人群拥挤场景的模拟方法及系统 |
CN110580593A (zh) * | 2018-06-08 | 2019-12-17 | 北京京东尚科信息技术有限公司 | 货物分拣方法、控制系统和货物分拣系统 |
Non-Patent Citations (3)
Title |
---|
TIANLIANG LIU等: "Regret Approach in Estimating Traffic Volume for a Congested Road with Unknown Inverse Demand Function", 2011 FOURTH INTERNATIONAL JOINT CONFERENCE ON COMPUTATIONAL SCIENCES AND OPTIMIZATION, pages 1091 - 1094 * |
乐美龙;李艳艳;: "基于eM-Plant的物流配送中心拣货作业优化研究", 重庆交通大学学报(自然科学版), no. 04, pages 150 - 155 * |
贺学成等: "高密集度 AGV 快递包裹分拣系统的路径规划", 计算机系统应用, vol. 28, no. 4, pages 39 - 44 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115456523A (zh) * | 2022-09-06 | 2022-12-09 | 上海聚货通电子商务有限公司 | 一种电商仓库拣货通道的规划方法及系统 |
CN115456523B (zh) * | 2022-09-06 | 2023-06-16 | 上海聚货通电子商务有限公司 | 一种电商仓库拣货通道的规划方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113139766B (zh) | 2024-06-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110826831A (zh) | 对仓库的拣选区补货的方法和装置 | |
CN108520454A (zh) | 实时回调订单的方法和系统 | |
CN109257320A (zh) | 消息存储方法和装置 | |
CN107451785B (zh) | 用于输出信息的方法和装置 | |
CN110738436B (zh) | 一种确定可用库存的方法和装置 | |
CN108595448B (zh) | 信息推送方法和装置 | |
CN107257379B (zh) | 用于推送信息的方法和装置 | |
CN113095893A (zh) | 确定物品销量的方法和装置 | |
CN111798167B (zh) | 一种仓库补货的方法和装置 | |
CN110738508A (zh) | 一种数据分析方法和装置 | |
CN113793081A (zh) | 仓储监控方法、装置、计算机可读介质及电子设备 | |
CN113139766A (zh) | 巷道拥堵率的计算方法和装置、储位选择方法和装置 | |
CN114663015A (zh) | 补货方法和装置 | |
CN110834858A (zh) | 一种在仓库中存储货物的方法和装置 | |
CN113780912A (zh) | 一种确定安全库存的方法及装置 | |
CN107609852B (zh) | 用于处理支付请求的方法和装置 | |
CN113034188B (zh) | 一种多媒体内容投放方法、装置及电子设备 | |
CN112862415B (zh) | 运输车辆调度方法、装置、电子设备和计算机可读介质 | |
CN113361739B (zh) | 一种生成拣货路径的方法和装置 | |
CN113120498B (zh) | 一种巷道拣货管理方法和装置 | |
CN114257521A (zh) | 流量预测方法、装置、电子设备和存储介质 | |
CN113762849A (zh) | 立体仓库库存管理的方法、装置和系统 | |
CN112418898A (zh) | 基于多时间窗口融合的物品需求数据分析方法和装置 | |
CN113127561A (zh) | 业务单号的生成方法、装置、电子设备和存储介质 | |
CN112784213A (zh) | 一种生成信息的方法和装置 |
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 |