CN113177761B - 一种考虑时效性的电商仓储智能排产预警系统 - Google Patents
一种考虑时效性的电商仓储智能排产预警系统 Download PDFInfo
- Publication number
- CN113177761B CN113177761B CN202110490587.9A CN202110490587A CN113177761B CN 113177761 B CN113177761 B CN 113177761B CN 202110490587 A CN202110490587 A CN 202110490587A CN 113177761 B CN113177761 B CN 113177761B
- Authority
- CN
- China
- Prior art keywords
- warehouse
- order
- scheduling
- wave
- wave number
- 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
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- 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
-
- 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
Abstract
本发明涉及一种考虑时效性的电商仓储智能排产预警系统,所述智能排产预警系统包括:资源与波次预配子系统,用于进行仓库人员、设备资源,以及长期适用的仓库静态发车波次的预安排;动态排产与波次更新子系统,用于采用动态优化的方法,进行仓库排产安排和波次更新,通过对实时订单量进行监测,调整静态波次安排,同时在每个波次内应用动态排产算法以实现仓库的拣货顺序和装车顺序的优化;异常状况检测预警子系统,用于对系统异常状况进行预警并提示管理者进行相应方面的动态调整。本发明的系统提高了物流企业的仓配效率和服务质量,能为企业提供数字化、系统化、智能化的排产决策工具。
Description
技术领域
本发明涉及智能物流领域,尤其是一种考虑时效性的电商仓储智能排产预警系统。
背景技术
智能物流及仓储系统是由立体货架、出入库系统、信息识别系统、自动控制系统、计算机监控系统、计算机管理系统以及其他辅助设备组成的智能化系统,是智能制造工业4.0快速发展的一个重要组成部分,具有有效减少订单积压、减轻工人劳动强度、提高仓储自动化水平及管理水平和提高系统运作效率等诸多优点。随着电子商务的发展,智能物流及仓储系统也逐渐被业务涉及电商领域的物流企业争相采用。面对日均十万级、大促峰值可达百万级的庞大订单量,为了更好地满足消费者对物流时效的要求,物流企业亟需开发系统化、智能化的工具,从全流程的角度对资源准备、作业波次排定等方面进行优化,以打造用户与客户的最佳服务体验。
目前,面对海量消费订单,许多物流企业在仓储网络的全流程资源准备、作业波次排定等方面,仍存在以下不足:①资源(人员及机器)排定,大多依赖人工经验(如不同订单量情况下,仓库应该准备多少人员、多少设备等);②各环节的作业波次安排依赖人工经验(如一天安排几个波次车辆进行发货、什么时间配车、每次配多少辆等);③每个排定波次的作业执行情况,是否按计划完成、异常情况提醒与处理等,缺少系统化检测和预警工具。以上方面的不足,导致仓储系统效率低下、协调性和灵活性差、抗风险能力不足的同时难以满足消费者逐渐攀升的服务时效要求。
发明内容
为了解决现有技术中的上述问题,即为了改进依赖人工经验进行资源准备和仓库作业波次排产,导致系统效率低下、灵活性不高的同时难以满足消费者逐渐攀升的服务时效要求的现状,提高物流企业的仓配效率和服务质量,为企业提供数字化、系统化、智能化的排产决策工具,本发明提供了一种适用于物流企业电商仓储网络场景的考虑订单运输时效限制的智能排产预警系统。
本发明的技术方案为:一种考虑时效性的电商仓储智能排产预警系统,所述智能排产预警系统包括:
资源与波次预配子系统,用于进行仓库人员、设备资源,以及长期适用的仓库静态发车波次的预安排;
动态排产与波次更新子系统,用于采用动态优化的方法,进行排产安排和波次更新;通过对实时需求进行监测,调整静态波次安排,同时在每个波次内应用动态排产算法以实现仓库的拣货顺序和装车顺序的优化;
异常状况检测预警子系统,用于对系统异常状况进行预警并提示管理者进行相应方面的动态调整。
进一步地,所述资源与波次预配子系统,包括需求预测模块和静态波次设计模块;所述需求预测模块,选用复杂程度不同的两种预测方法,分别是BP-ARIMA时间序列组合预测和模糊认知图的图论需求预测;得到预测需求量后,结合仓库中工人、机器的工作效率,进行工人和机器的排班,也即每日仓库资源配置安排;
所述静态波次设计模块针对产品的不同时效要求进行长期适用的仓库静态发车波次安排。
进一步地,所述静态发车波次安排包括日需求波动趋势提取和波次间工作量平衡:
所述日需求波动趋势提取的过程为:首先,将初始订单数据采用小波分解的方法进行降噪处理;然后,设计时间序列趋势提取算法,通过获取全局最优分段点的方式,学习订单量的波动趋势;最后,基于得到的每一天的波动趋势数据,采用聚类的方法,得到不同的趋势簇,分别对每个簇的特征进行分析,得到与时期特点相结合的需求波动趋势;
所述波次间工作量平衡具体包括如下过程:得到不同时期日需求的变化趋势后,根据所需安排波次时期的特征,确定其日需求波动趋势;然后通过综合考虑工人的拣货效率、备货区面积、车辆的容积限制以及订单的出库时间要求因素的限制,采用“削峰填谷”的方式设计每天的发车波次,以避免各波次车辆出现忙闲不均的状况,造成资源浪费或订单拥堵。
进一步地,所述动态排产与波次更新子系统,包括动态波次更新模块和动态排产模块;
所述动态波次更新模块用于在静态波次安排结果的基础上进行灵活调整;
所述动态波次更新模块对订单情况进行实时监测,在日常静态波次安排的基础上考虑下一波次的运力、备货空间等方面的限制,当产品的订单量的波动情况发生超过阈值的变化时,系统将会给出波次运力不足的提醒,并给出建议的动态波次调整方案,建议仓库管理人员临时增加波次。
进一步地,所述动态排产模块在需求预测模块、静态波次设计模块以及动态波次更新模块的基础上,将静态分析得到的每日仓库资源配置、静态波次安排、以及动态更新的波次调整结果作为系统输入;通过构建顶层数据库系统,实现对所有仓库的数据对接,进行实时订单指令下发以及订单状态反馈,并实现对企业仓库网络的整体监测,实时统计更新网络内出入库所需时间以及运输时间;并根据仓库运输网络信息更新情况实时更新;最后调用单个仓库级别的排产方案,对仓库收到的所有订单指令动态进行排产安排。
进一步地,所述单个仓库级别的排产方案是指单个仓库内接收到的是系统数据库下发的订单下一站运输指令,每一个运输指令共需要完成两个操作,第一是拣货操作,第二是装车操作;在拣货阶段,拣货人员再分配仅在每个装车波次期初进行,根据系统现有拣货订单数量进行分配;综合优先级根据订单时效阈值和订单数量加权计算得到;针对两个区域的拣货订单,进行时效阈值由低到高进行排序,并按顺序进行拣货操作;订单优先级排序使用综合时效阈值进行,最终对系统表现的衡量也由订单时效完成比例更改为产品数时效完成比例。
进一步地,所有拣出订单经过扫描进入装车环节,即进入待装车列表,装车环节根据配车逻辑进行配车,并按顺序装车;首先对所有待装车订单根据下一站目的地进行分组,然后每组按照优先级进行排序,同一优先级的产品同车并分配相应车型;所有车辆安排完成之后,按照分配车辆的综合优先级排序进行订单装车;每一次订单装车整合都在波次开始时进行,即根据波次开始的那一时刻的待装车订单列表进行装车整合,并在该波次根据整合结果装货发车;若在下一波次到来前完成所有装车任务,则没有拖延订单,装货工人等待下一个装车波次到来。若波次内未能完成所有装车任务,则未完成订单自动流入下一个波次,与新拣货完成的订单一起,重新进行新一轮的装车整合与装车作业。
进一步地,所述异常状况检测预警子系统,对系统中的三类情况进行预警,分别是需求异常预警、动态波次预警和动态排产预警;
所述需求异常预警在产品总量的需求预测超过某一固定阈值时,系统将产生需求异常预警,经计算后提醒管理者仓库现有资源短缺情况,并给出相应的增补建议;
所述动态波次预警是在静态波次安排给出每天的车辆波次安排后,系统根据当天的人员、车辆资源安排计算各个环节的资源上限,并对当天的实际订单量进行实时监测;当仓库订单量的波动情况发生超过阈值的变化,导致某一环节需要的资源超过系统资源上限时,系统将会产生预警,建议管理人员在该波次额外增加资源投入或临时增加车辆发货波次;
所述动态排产预警,在动态排产算法运行过程中,针对实时订单流入与仓库排产运行过程,实时进行订单堆积拥堵超时预警,上层数据库针对仓库资源限制,实时监测系统整体运行情况,在订单异常堆积,发生大规模超时之前发出动态预警,检测各环节瓶颈,并给出资源配置建议。
有益效果:
本发明提供的一种考虑时效性的电商仓储智能排产预警系统,具有以下优点:
1.本发明采用基于日订单量波动的静态波次设计和基于实时订单的动态波次更新的方式进行组合设计,更加符合仓库的实际运营要求,降低实施难度,提高实施效率。
2.本发明基于全链路系统监测,着重于对订单拣选顺序和发车顺序两个核心环节的优化,能够根据接收到的实时订单给出系统的排产方案。
3.本发明在给出仓库资源和仓库作业波次安排的基础上,给出三重异常状况监测和预警机制,对系统异常状况进行预警并提示管理者进行相应方面的动态调整,提高了系统的灵活性和抗风险能力。
4.本发明以仓库级排产算法为基础,利用全流程排产时效监测,助力企业全链路动态排产的实现。
附图说明
图1是本发明方法中的日需求波动趋势提取方法框图;
图2是本发明方法中的排产系统结构设计框图;
图3是本发明方法中的仓库级排产方案示例;
图4是本发明方法中的系统预警界面示例;
图5是本发明方法中的电商仓储智能排产预警系统框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅为本发明的一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例,都属于本发明的保护范围。
为了满足消费者对订单的物流服务时效要求,为电商物流企业提供数字化、系统化、智能化的排产决策工具,本发明提供了一种考虑时效性的电商仓储智能排产预警系统。
根据本发明的实施例,参见图5,所述智能排产预警系统包括:资源与波次预配子系统、动态排产与波次更新子系统和异常状况检测预警子系统,三个子系统相结合实现基于仓库的智能排产优化,通过对各仓库网点和配送干线的优化,最终助力于企业实现整个仓储网络的全链路智能排产。
根据本发明的实施例,所述资源与波次预配子系统,包括需求预测模块和静态波次设计模块。所述需求预测模块,本发明选用复杂程度不同的两种预测方法,分别是BP-ARIMA时间序列组合预测和模糊认知图的图论需求预测。第一种方法数据需求小、可操作性强,预测准确度相比于传统参数估计也更高。第二种方法数据需求较为苛刻,但能够适用于更加复杂的动态系统,能够很好地刻画具有反馈的动态因果系统,产生更加符合现实情况的预测结果,模型权重也可以给现实提供更多的指导。企业可以根据需求预测的精确度、时效性要求以及订单的特征,从这两种方法中选择合适本企业的需求预测方法。得到预测需求量后,结合仓库中工人、机器的工作效率,进行工人和机器的排班,也即每日仓库资源配置安排。
实现对需求量的预测后,可以根据订单量的大小将工作时期划分为:大促时期、小促时期和日常时期。在此基础上,综合考虑订单量以及每天不同时刻订单波动的情况,进行车辆发货波次安排。然而,考虑到每天临时地动态安排车辆的发车波次可能会带来:①工作人员数量和工作时间难以安排;②临时联系车辆难度大、意外状况多;③各环节安排混乱、难以协调等问题。因此,所述静态波次设计模块针对产品的不同时效要求(当日达、次日达等)进行长期适用的仓库静态发车波次安排。
根据本发明的实施例,静态发车波次安排主要分为两项工作进行:
①日需求波动趋势提取:参见图1,首先,将初始订单数据采用小波分解的方法进行降噪处理,以排除一些受人为、环境等因素导致的特殊波动。然后,设计时间序列趋势提取算法,识别转折点和趋势段,识别极值趋势段,通过获取全局最优分段点的方式,学习订单量的波动趋势。最后,基于得到的每一天的波动趋势数据(分段点数据),采用聚类的方法,得到不同的趋势簇,分别对每个簇的特征进行分析,可以得到与时期特点相结合的需求波动趋势。
②波次间工作量平衡:得到不同时期日需求的变化趋势后,我们可以根据所需安排波次时期的特征,确定其日需求波动趋势。然后通过综合考虑工人的拣货效率、备货区面积、车辆的容积限制以及订单的出库时间要求等因素的限制,采用“削峰填谷”的方式设计每天的发车波次,以避免各波次车辆出现忙闲不均的状况,造成资源浪费或订单拥堵。由此,得到每日仓库的静态波次安排。根据静态波次安排结果,完成对每天的波次进行设定后,正常需求波动阈值范围内每天都将按照该波次进行发货人员、设备和线路车辆的安排。
根据本发明的实施例,所述动态排产与波次更新子系统,分为动态波次更新模块和动态排产模块。考虑到静态波次安排虽然能方便快捷地得到每天的车辆发货波次预安排,但由于每日订单波动的不确定性,需要根据订单实时的变化对车辆的发货波次进行动态更新,以实现仓库波次安排的实用性和灵活性,进而建立动态波次更新模块在静态波次安排结果的基础上进行灵活调整。所述动态波次更新模块对订单情况进行实时监测,在日常静态波次安排的基础上考虑下一波次的运力、备货空间等方面的限制,当产品的订单量的波动情况发生较大变化时(如某一时刻突然涌入大量的订单超过阈值等),系统将会给出波次运力不足的提醒,并给出建议的动态波次调整方案,建议仓库管理人员临时增加波次。
所述动态排产模块在需求预测模块、静态波次设计模块以及动态波次更新模块的基础上,将静态分析得到的每日仓库资源配置、静态波次安排、以及动态更新的波次调整结果作为系统输入。通过构建顶层数据库系统,实现对所有仓库的数据对接,进行实时订单指令下发以及订单状态反馈,并实现对企业仓库网络的整体监测,实时统计更新网络内出入库所需时间以及运输时间。在针对任一网络节点(仓库)进行单节点排产时,将网络运输时间纳入目标当中,既降低了全链路排产问题的难度又提升了单仓库网点排产的全局性,另辟蹊径实现全链路排产。
参见图2,为保证订单运输时效性,将订单剩余时效作为订单排单优先级信息,剩余时间越短的订单优先级越高。剩余时效计算依赖于订单本身时效限制以及全链路预计运输时间。由于订单运输链路已知,且仓库当前预计运输时间也可由仓库运输网络信息数据得知,因此系统可以通过订单剩余时间判断任意订单的运输紧急情况。同时,订单运输每个环节都需要对订单包进行扫描,记录运输进度,系统也因此可以持续追踪订单当前状态,实时更新预计剩余运输时间、订单优先级等。在订单到达一个仓库并扫描(或者外部订单流入)后,系统数据库实时更新订单状态(或获得订单信息),并向操作仓库下发下一步运输指令,这时指令下放到操作仓库中,下游操作仓库接收到的订单信息,包括订单下一站目的地、运输时间、剩余时效和时效阈值信息。由于考虑到订单多阶段运输转运,将订单剩余时效按照各阶段预计运输时间(仓库运输网络信息中获取)按比例进行分配,下发到仓库中,并根据仓库运输网络信息更新情况实时更新。最后调用单个仓库级别的排产方案,对仓库收到的所有订单指令动态进行排产安排。
根据本发明的实施例,所述单个仓库级别的排产方案是指单个仓库内接收到的是系统数据库下发的订单下一站运输指令,每一个运输指令共需要完成两个操作,第一是拣货操作,第二是装车操作,参见图3。同时仓库运输货物过程中,存在库存货物发出和中转货物发出两种情况。在拣货阶段,仓库发出货物需要从仓库货架中取货装车,而运输入库货物需要从卸货区拣货发出,因此在拣货阶段,需要将拣货人员进行分配分别进行拣货。由于人员分配也会造成时间浪费,不易过于频繁,因此拣货人员再分配仅在每个装车波次期初进行,根据系统现有拣货订单数量进行分配。综合优先级根据订单时效阈值和订单数量加权计算得到。针对两个区域的拣货订单,我们进行时效阈值由低到高进行排序,并按顺序进行拣货操作。同时由于订单在不断的流入系统,卸货操作也在不断的增加待拣货物,待拣货列表实时不断的进行更新,因此拣货人员拣出货物都是运输优先级更高的货物。综合优先级计算方式使用时效阈值平均值、中位数或时效阈值小于3小时订单百分比等指标进行计算,根据仓库实际需求确定。由于动态排产方案中未考虑订单内产品数量,可能造成产品数量较大的订单在前,导致后面产品量小的订单发生积压的情况。此时将数量大、时效阈值短的订单考虑在后,可以进一步提升效率。因此,此处提出补充拓展方案。即订单优先级排序使用综合时效阈值进行(计算公式如下),最终对系统表现的衡量也由订单时效完成比例更改为产品数时效完成比例即可。
综合时效阈值=(剩余时效-预计运输时间)-数量权重*产品数量
所有拣出订单经过扫描进入装车环节,即进入待装车列表,装车环节根据配车逻辑进行配车,并按顺序装车。首先对所有待装车订单根据下一站目的地进行分组,然后每组按照优先级(时效阈值)进行排序,同一优先级的产品同车并分配相应车型。由于仓库同时装车的车辆数有限,因此所有车辆安排完成之后,按照分配车辆的综合优先级排序进行订单装车。每一次订单装车整合都在波次开始时进行,即根据波次开始的那一时刻的待装车订单列表进行装车整合,并在该波次根据整合结果装货发车。若在下一波次到来前完成所有装车任务,则没有拖延订单,装货工人等待下一个装车波次到来。若波次内未能完成所有装车任务,则未完成订单自动流入下一个波次,与新拣货完成的待拣货订单一起,重新进行新一轮的装车整合与装车作业。然而,由于拣货订单是实时更新的,拣货过程不受波次的限制,一直持续不断的进行,但由于拣货人员分配问题,在每一波次开始时,需要重新进行拣货人员分配,可能会有工人在这个时间点进行移动,但不影响拣货工作的持续进行。因此整个系统完成了对订单的整体安排监控与运输排产,系统可以实时根据订单流入下发运输指令,并对剩余运输时间较短的产品进行优先处理,可以很好地完成排产任务。
根据本发明的实施例,所述异常状况检测预警子系统对系统中的三类情况进行预警,分别是需求异常预警、动态波次预警和动态排产预警。所述需求异常预警在产品总量的需求预测超过某一固定阈值时,系统将产生需求异常预警,经计算后提醒管理者仓库现有资源短缺情况,并给出相应的增补建议。该阈值可以根据仓库现有商品存储总量等变量确定。所述动态波次预警实在静态波次安排给出每天的车辆波次安排后,系统根据当天的人员、车辆等资源安排计算各个环节的资源上限,并对当天的实际订单量进行实时监测。当仓库订单量的波动情况发生较大变化(如某一时刻突然涌入大量的订单等),导致某一环节需要的资源超过系统资源上限时,系统将会产生预警,建议管理人员在该波次额外增加资源投入或临时增加车辆发货波次。所述动态排产预警,在动态排产算法运行过程中,针对实时订单流入与仓库排产运行过程,实时进行订单堆积拥堵超时预警。上层数据库针对仓库资源限制(工人数,车辆数等),可以实时监测系统整体运行情况,在订单异常堆积,发生大规模超时之前发出动态预警,检测各环节瓶颈,并给出资源配置建议。动态排产预警作为预警系统的第三层,是在实际发生发拥堵之前最后能够采取行动的机会,因此对仓库管理者至关重要。
综上,本发明通过采用静态安排和实时动态调整的方法进行发车波次的安排,兼顾安排的效率和灵活性的同时,能够有效改善目前仓库采用的每天下班前统一发车造成的订单拥堵情况,提高配送效率。具体体现在:预先安排发车波次,通过历史订单趋势的学习能够进行事先安排,降低复杂度并提高安排效率;同时考虑到现实订单的不确定性,给出动态调整的方法,保证了波次安排的灵活性和适应性。
本发明通过在现有各仓库各自进行拣货安排现状的基础上,通过对全链路订单时效进行实时监测,定义订单优先级,在此基础上进行排序拣货,能够实现对全链路时效的统筹考虑和动态调整。
根据本发明的又一个实施例,说明了本发明的智能预警在具体应用时的实施步骤和过程,具体如下:
步骤1.进行仓库人员、设备等资源预安排。为保证各个仓库工作流程的平稳进行,需要对仓库的人员、机器等资源进行事先安排。资源的安排需要知道市场订单量的情况,这里给出时间序列和图论两种需求预测方法,以保证需求预测的精准高效。通过需求预测得到预期需求量后(每天每条干线的预期方量),我们可以根据需求量并结合人员和机器的平均工作效率,给出第二天的人员排班、机器排班和线路车辆安排。(参见表1“需求量预测值”、“工作人员数量”、“机器数量”和“车辆数量”列)
步骤2.设计车辆发车波次。结合历史订单数据,采用小波降噪和时间序列趋势特征提取算法相结合的方法,对日需求量随时间波动的特征进行学习,进而采用“削峰填谷”的方式安排车辆的发车波次,有效避免各波次车辆忙闲不均的状况。(参见表1“波次安排”列)
步骤3.进行排产安排和波次更新设计。考虑到订单的实时变化和静态波次安排的灵活性不足,采用动态优化的方法,进行排产安排和波次更新(参见表1“临时增加波次”列)。通过对实时需求进行监测,调整静态波次安排,同时在每个波次内应用动态排产算法以实现仓库的拣货顺序和装车顺序的优化。(参见表2)
步骤4.通过异常状况监测预警系统给出异常状况的预警和相应提示。考虑到仓库实际工作过程中,常常会出现需求骤增、资源不足、排产安排不足等情况,建立了异常状况监测预警系统,对系统异常状况进行预警并提示管理者进行相应方面的动态调整。(参见图4)
表1
表2
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,且应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (3)
1.一种考虑时效性的电商仓储智能排产预警系统,其特征在于,所述智能排产预警系统包括:
资源与波次预配子系统,用于进行仓库人员、设备资源,以及长期适用的仓库静态发车波次的预安排;
所述资源与波次预配子系统,包括需求预测模块和静态波次设计模块;所述需求预测模块,选用复杂程度不同的两种预测方法,分别是BP-ARIMA时间序列组合预测和模糊认知图的图论需求预测;得到预测需求量后,结合仓库中工人、机器的工作效率,进行工人和机器的排班,也即每日仓库资源配置安排;
所述静态波次设计模块针对产品的不同时效要求进行长期适用的仓库静态发车波次安排;
所述静态发车波次安排包括日需求波动趋势提取和波次间工作量平衡:
所述日需求波动趋势提取的过程为:首先,将初始订单数据采用小波分解的方法进行降噪处理;然后,设计时间序列趋势提取算法,通过获取全局最优分段点的方式,学习订单量的波动趋势;最后,基于得到的每一天的波动趋势数据,采用聚类的方法,得到不同的趋势簇,分别对每个簇的特征进行分析,得到与时期特点相结合的需求波动趋势;
所述波次间工作量平衡具体包括如下过程:得到不同时期日需求的变化趋势后,根据所需安排波次时期的特征,确定其日需求波动趋势;然后通过综合考虑工人的拣货效率、备货区面积、车辆的容积限制以及订单的出库时间要求因素的限制,采用“削峰填谷”的方式设计每天的发车波次,以避免各波次车辆出现忙闲不均的状况,造成资源浪费或订单拥堵;
动态排产与波次更新子系统,用于采用动态优化的方法,进行排产安排和波次更新;通过对实时需求进行监测,调整静态波次安排,同时在每个波次内应用动态排产算法以实现仓库的拣货顺序和装车顺序的优化;
所述动态排产与波次更新子系统,包括动态波次更新模块和动态排产模块;
所述动态波次更新模块用于在静态波次安排结果的基础上进行灵活调整;
所述动态波次更新模块对订单情况进行实时监测,在日常静态波次安排的基础上考虑下一波次的运力、备货空间方面的限制,当产品的订单量的波动情况发生超过阈值的变化时,系统将会给出波次运力不足的提醒,并给出建议的动态波次调整方案,建议仓库管理人员临时增加波次;
所述动态排产模块在需求预测模块、静态波次设计模块以及动态波次更新模块的基础上,将静态分析得到的每日仓库资源配置、静态波次安排、以及动态更新的波次调整结果作为系统输入;通过构建顶层数据库系统,实现对所有仓库的数据对接,进行实时订单指令下发以及订单状态反馈,并实现对企业仓库网络的整体监测,实时统计更新网络内出入库所需时间以及运输时间;并根据仓库运输网络信息进行实时更新;最后调用单个仓库级别的排产方案,对仓库收到的所有订单指令动态进行排产安排;
异常状况检测预警子系统,用于对系统异常状况进行预警并提示管理者进行相应方面的动态调整;
所述异常状况检测预警子系统,对系统中的三类情况进行预警,分别是需求异常预警、动态波次预警和动态排产预警;
所述需求异常预警在产品总量的需求预测超过某一固定阈值时,系统将产生需求异常预警,经计算后提醒管理者仓库现有资源短缺情况,并给出相应的增补建议;
所述动态波次预警是在静态波次安排给出每天的车辆波次安排后,系统根据当天的人员、车辆资源安排计算各个环节的资源上限,并对当天的实际订单量进行实时监测;当仓库订单量的波动情况发生超过阈值的变化,导致某一环节需要的资源超过系统资源上限时,系统将会产生预警,建议管理人员在该波次额外增加资源投入或临时增加车辆发货波次;
所述动态排产预警,在动态排产算法运行过程中,针对实时订单流入与仓库排产运行过程,实时进行订单堆积拥堵超时预警,上层数据库针对仓库资源限制,实时监测系统整体运行情况,在订单异常堆积,发生大规模超时之前发出动态预警,检测各环节瓶颈,并给出资源配置建议。
2.根据权利要求1所述的一种考虑时效性的电商仓储智能排产预警系统,其特征在于,所述单个仓库级别的排产方案是指单个仓库内接收到的是系统数据库下发的订单下一站运输指令,每一个运输指令共需要完成两个操作,第一是拣货操作,第二是装车操作;在拣货阶段,拣货人员-分配仅在每个装车波次期初进行,根据系统现有拣货订单数量进行分配;综合优先级根据订单时效阈值和订单数量加权计算得到;针对两个区域的拣货订单,进行时效阈值由低到高进行排序,并按顺序进行拣货操作;订单优先级排序使用综合时效阈值进行,最终对系统表现的衡量也由订单时效完成比例更改为产品数时效完成比例。
3.根据权利要求2所述的一种考虑时效性的电商仓储智能排产预警系统,其特征在于,所有拣出订单经过扫描进入装车环节,即进入待装车列表,装车环节根据配车逻辑进行配车,并按顺序装车;首先对所有待装车订单根据下一站目的地进行分组,然后每组按照优先级进行排序,同一优先级的产品同车并分配相应车型;所有车辆安排完成之后,按照分配车辆的综合优先级排序进行订单装车;每一次订单装车整合都在波次开始时进行,即根据波次开始的那一时刻的待装车订单列表进行装车整合,并在该波次根据整合结果装货发车;若在下一波次到来前完成所有装车任务,则没有拖延订单,装货工人等待下一个装车波次到来;若波次内未能完成所有装车任务,则未完成订单自动流入下一个波次,与新拣货完成的待装车订单一起,重新进行新一轮的装车整合与装车作业。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110490587.9A CN113177761B (zh) | 2021-05-06 | 2021-05-06 | 一种考虑时效性的电商仓储智能排产预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110490587.9A CN113177761B (zh) | 2021-05-06 | 2021-05-06 | 一种考虑时效性的电商仓储智能排产预警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113177761A CN113177761A (zh) | 2021-07-27 |
CN113177761B true CN113177761B (zh) | 2023-06-30 |
Family
ID=76928434
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110490587.9A Active CN113177761B (zh) | 2021-05-06 | 2021-05-06 | 一种考虑时效性的电商仓储智能排产预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113177761B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113610467A (zh) * | 2021-08-06 | 2021-11-05 | 浙江大学 | 一种对电商仓库滞留订单实时监控并处理的可视分析系统 |
CN113642894A (zh) * | 2021-08-16 | 2021-11-12 | 无锡美林数联科技有限公司 | 一种基于工业互联网的资源管理系统及方法 |
CN114154894B (zh) * | 2021-12-09 | 2023-06-30 | 浙江凯乐士科技集团股份有限公司 | 任务处理方法、装置、电子设备及计算机可读存储介质 |
CN114819813B (zh) * | 2022-04-07 | 2023-06-16 | 北京本来工坊科技有限公司 | 一种订单商品拣货任务智能管理系统及方法 |
CN117252360A (zh) * | 2023-09-12 | 2023-12-19 | 上海雅澳信息科技有限公司 | 一种基于实时监控数据和智能算法的仓内人员调度方法 |
CN117709857A (zh) * | 2024-02-06 | 2024-03-15 | 成都铭亿嘉科技有限公司 | 物流供应链智能管理方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977815A (zh) * | 2017-12-01 | 2018-05-01 | 广东安捷供应链管理股份有限公司 | 仓储管理系统及方法 |
CN110197353A (zh) * | 2019-04-25 | 2019-09-03 | 德邦物流股份有限公司 | 一种发货订单的处理方法和系统 |
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 |
CN110599090A (zh) * | 2019-09-04 | 2019-12-20 | 浙江明度智控科技有限公司 | 一种仓储出库管理方法、服务器和存储介质 |
CN110837907A (zh) * | 2018-08-17 | 2020-02-25 | 天津京东深拓机器人科技有限公司 | 一种预测波次订单量的方法和装置 |
CN111967815A (zh) * | 2020-07-24 | 2020-11-20 | 阿帕数字技术有限公司 | 一种仓储配送管理系统 |
KR20200137066A (ko) * | 2019-05-28 | 2020-12-09 | 주식회사 인스턴 | 자동 적재창고 연동 생산관리 시스템 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008250729A (ja) * | 2007-03-30 | 2008-10-16 | Fuji Xerox Co Ltd | スケジュール警告システムおよびスケジュール警告プログラム |
-
2021
- 2021-05-06 CN CN202110490587.9A patent/CN113177761B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107977815A (zh) * | 2017-12-01 | 2018-05-01 | 广东安捷供应链管理股份有限公司 | 仓储管理系统及方法 |
CN110837907A (zh) * | 2018-08-17 | 2020-02-25 | 天津京东深拓机器人科技有限公司 | 一种预测波次订单量的方法和装置 |
CN110197353A (zh) * | 2019-04-25 | 2019-09-03 | 德邦物流股份有限公司 | 一种发货订单的处理方法和系统 |
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 |
KR20200137066A (ko) * | 2019-05-28 | 2020-12-09 | 주식회사 인스턴 | 자동 적재창고 연동 생산관리 시스템 |
CN110599090A (zh) * | 2019-09-04 | 2019-12-20 | 浙江明度智控科技有限公司 | 一种仓储出库管理方法、服务器和存储介质 |
CN111967815A (zh) * | 2020-07-24 | 2020-11-20 | 阿帕数字技术有限公司 | 一种仓储配送管理系统 |
Non-Patent Citations (1)
Title |
---|
多货种港区生产运营信息化管控平台;蒋一鹏;胡升欣;干文辉;王祥军;蔡诚;;港口科技(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113177761A (zh) | 2021-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113177761B (zh) | 一种考虑时效性的电商仓储智能排产预警系统 | |
Wang et al. | A proactive material handling method for CPS enabled shop-floor | |
Atieh et al. | A value stream mapping and simulation hybrid approach: application to glass industry | |
Arbel et al. | Performance evaluation of flexible manufacturing systems | |
CN111915410B (zh) | 面向高动态生产物流过程的智能管控系统 | |
Aqlan et al. | An integrated simulation–optimization study for consolidating production lines in a configure-to-order production environment | |
Lee et al. | Operational efficiency | |
CN111199309A (zh) | 一种电力物资供应链运营的预警管控系统 | |
US20090222123A1 (en) | Method and system for scheduling a set of events in real time | |
CN111915254A (zh) | 一种适用于汽车售后配件的库存优化控制方法和系统 | |
CN116843156A (zh) | 一种装配式建筑构件的供应链管理与控制方法 | |
CN111144632A (zh) | 一种电力储备物资的预测管控模型 | |
Zhang et al. | Stochastic models for performance analysis of multistate flexible manufacturing cells | |
US6920366B1 (en) | Heuristics for efficient supply chain planning in a heterogeneous production line | |
CN116258337A (zh) | 一种基于企业制造运营的产业链协同管理系统 | |
CN112053107A (zh) | 一种库存维度的排产结果评估装置 | |
CN110910065A (zh) | 基于大数据和知识图谱的仓库空间分配方法及系统 | |
Jin et al. | Dynamic scheduling of mobile-robotic warehouse logistics system | |
CN111598500A (zh) | 一种基于微服务架构的生产物资管理系统 | |
CN115685912A (zh) | 基于大数据的制造企业生产与物流协同优化调度方法及系统 | |
CN114418418B (zh) | 基于工序换算比的工单信息流转方法、系统、设备及介质 | |
Manzini et al. | Framework for designing and controlling a multicellular flexible manufacturing system | |
CN114707874A (zh) | 应用于铝合金生产的排程方法、设备及存储介质 | |
Cordes et al. | Conceptual approach for integrating tactical spare parts inventory management and transport planning | |
Ebrahimi et al. | Determining the optimal performance of flexible manufacturing systems using network analysis and simulation process |
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 |