CN113222304A - 一种库存调度方法和装置 - Google Patents
一种库存调度方法和装置 Download PDFInfo
- Publication number
- CN113222304A CN113222304A CN202010071171.9A CN202010071171A CN113222304A CN 113222304 A CN113222304 A CN 113222304A CN 202010071171 A CN202010071171 A CN 202010071171A CN 113222304 A CN113222304 A CN 113222304A
- Authority
- CN
- China
- Prior art keywords
- warehouse
- dispatching
- batch
- commodities
- scheduling
- 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
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种库存调度方法和装置,涉及计算机技术领域。该方法的一具体实施方式包括:在约束条件集下计算使得商品总调度次数最小时,商品的一个或多个仓库调度关系,仓库调度关系包括调出仓库、调入仓库、调度批次、初始调度数量;对于每一仓库调度关系,根据商品在各仓库的当前库存和未来N个单位时间的预测销量,对初始调度数量进行优化,得到对应该仓库调度关系的商品的实际调度数量;输出每一仓库调度关系,以按实际调度数量进行商品调度。该实施方式能够考虑每个SKU批次,进行细粒度库存调度,使得仓库间该商品的批次差异不会大于给定的要求,充分满足批次均衡需求,不仅使得本次调度次数尽量少,还能实现未来一段时间调度次数最小。
Description
技术领域
本发明涉及计算机技术领域,尤其涉及一种库存调度方法和装置。
背景技术
对于线上销售平台而言,一般都需要将商品销售到全国各地,每个仓库都需要存储一个或多个SKU(商品的唯一标识),且每个SKU一般都会存储在多个仓库中。对于每个SKU来说,由于制造商生产需要一定时间等原因,通常有多个批次。这些批次的生产时间不同,因此可能会有有效期,包装等不同。在SKU的销售过程中,通常需要每个仓库的销售批次尽量一致,从而可以保证不同仓库发出的商品有效期和包装基本一致。
现有的库存调度是研究如何调度SKU使得SKU的件数满足销量要求,属于粗粒度的库存调度策略,调度目标也差异较大。
在实现本发明过程中,发明人发现现有技术中至少存在如下问题:
现有的库存调度方案为粗粒度地库存调度,对一个SKU的商品在仓库中调度时仓库间的该商品批次差异较大,无法满足批次均衡要求。
发明内容
有鉴于此,本发明实施例提供一种库存调度方法和装置,能够考虑每个SKU的批次,进行细粒度地库存调度,对于一个SKU的商品在仓库中调度,使得仓库之间该商品的批次差异不会大于给定的要求,充分满足批次均衡需求,此外,不仅使得本次调度次数尽量少,还考虑了长期调度问题,能够实现未来一段时间的调度次数最小。
为实现上述目的,根据本发明实施例的一个方面,提供了一种库存调度方法。
一种库存调度方法,包括:在约束条件集下,计算使得商品在各仓库之间总调度次数最小时,所述商品的一个或多个仓库调度关系,所述仓库调度关系包括调出仓库、调入仓库、调度批次以及初始调度数量;对于每一所述仓库调度关系,根据所述商品在所述各仓库的当前库存和未来N个单位时间的预测销量,对该仓库调度关系的所述初始调度数量进行优化,得到对应该仓库调度关系的所述商品的实际调度数量;输出每一所述仓库调度关系,以按照所述商品的实际调度数量,分别从对应的所述仓库调度关系的所述调出仓库中,将所述调度批次的所述商品调度至相应的所述调入仓库。
可选地,利用库存调度模型计算所述仓库调度关系,所述库存调度模型包括优化目标和所述约束条件集,所述优化目标为最小化所述商品在所述各仓库之间的总调度次数,所述约束条件集包括以下约束条件:对于第一仓库中所述商品的任一批次,将所述商品调往其他仓库的数量之和不超过所述第一仓库中所述商品的该批次数量,所述第一仓库为所述各仓库中任一仓库;对于所述第一仓库中所述商品的任一批次,如果调度后所述商品库存数量为0,则该批次不是所述第一仓库调度后的最早批次;对于所述第一仓库的任一批次,如果调度后所述商品库存数量不为0,那么所述第一仓库的最早批次编号小于或等于该批次编号;对于任一最早批次仓库,应满足批次均衡约束,所述批次均衡约束基于所述最早批次仓库的至少部分批次的所述商品库存数量、所述最早批次仓库的所述商品平均单位时间销量、单位时间数量上限来构建,所述最早批次仓库为包括所述商品最早批次的仓库;所述各仓库的最早批次编号最大值必然不小于所述第一仓库的最早批次编号;所述各仓库的所述最早批次编号最大值是唯一的;所述第一仓库的最早批次编号是唯一的。
可选地,所述批次均衡约束包括:所述最早批次仓库在w批次之前的各批次的所述商品库存数量之和,小于或等于所述最早批次仓库的所述商品平均单位时间销量与所述单位时间数量上限之积,w为所述各仓库的最早批次编号最大值。
可选地,所述根据所述商品在所述各仓库的当前库存和未来N个单位时间的预测销量,对该仓库调度关系的所述初始调度数量进行优化,得到对应该仓库调度关系的所述商品的实际调度数量,包括:根据所述商品在所述各仓库的当前库存和所述未来N个单位时间的预测销量,计算未来每一单位时间所述商品在所述各仓库的预测库存数量;对于未来每一单位时间,逐一根据计算得到的所述预测库存数量,判断该仓库调度关系的所述调出仓库是否满足所述批次均衡约束,当不满足所述批次均衡约束且需要向该仓库调度关系的所述调入仓库调度所述商品时,将该仓库调度关系的所述初始调度数量累加1,直到所述未来N个单位时间后,得到所述累加后的所述初始调度数量,作为对应该仓库调度关系的所述商品的实际调度数量。
根据本发明实施例的另一方面,提供了一种库存调度装置。
一种库存调度装置,包括:仓库调度关系计算模块,用于在约束条件集下,计算使得商品在各仓库之间总调度次数最小时,所述商品的一个或多个仓库调度关系,所述仓库调度关系包括调出仓库、调入仓库、调度批次以及初始调度数量;调度数量优化模块,用于对于每一所述仓库调度关系,根据所述商品在所述各仓库的当前库存和未来N个单位时间的预测销量,对该仓库调度关系的所述初始调度数量进行优化,得到对应该仓库调度关系的所述商品的实际调度数量;仓库调度关系输出模块,用于输出每一所述仓库调度关系,以按照所述商品的实际调度数量,分别从对应的所述仓库调度关系的所述调出仓库中,将所述调度批次的所述商品调度至相应的所述调入仓库。
可选地,所述仓库调度关系计算模块利用库存调度模型计算所述仓库调度关系,所述库存调度模型包括优化目标和所述约束条件集,所述优化目标为最小化所述商品在所述各仓库之间的总调度次数,所述约束条件集包括以下约束条件:对于第一仓库中所述商品的任一批次,将所述商品调往其他仓库的数量之和不超过所述第一仓库中所述商品的该批次数量,所述第一仓库为所述各仓库中任一仓库;对于所述第一仓库中所述商品的任一批次,如果调度后所述商品库存数量为0,则该批次不是所述第一仓库调度后的最早批次;对于所述第一仓库的任一批次,如果调度后所述商品库存数量不为0,那么所述第一仓库的最早批次编号小于或等于该批次编号;对于任一最早批次仓库,应满足批次均衡约束,所述批次均衡约束基于所述最早批次仓库的至少部分批次的所述商品库存数量、所述最早批次仓库的所述商品平均单位时间销量、单位时间数量上限来构建,所述最早批次仓库为包括所述商品最早批次的仓库;所述各仓库的最早批次编号最大值必然不小于所述第一仓库的最早批次编号;所述各仓库的所述最早批次编号最大值是唯一的;所述第一仓库的最早批次编号是唯一的。
可选地,所述批次均衡约束包括:所述最早批次仓库在w批次之前的各批次的所述商品库存数量之和,小于或等于所述最早批次仓库的所述商品平均单位时间销量与所述单位时间数量上限之积,w为所述各仓库的最早批次编号最大值。
可选地,所述调度数量优化模块还用于,对于每一所述仓库调度关系:根据所述商品在所述各仓库的当前库存和所述未来N个单位时间的预测销量,计算未来每一单位时间所述商品在所述各仓库的预测库存数量;对于未来每一单位时间,逐一根据计算得到的所述预测库存数量,判断该仓库调度关系的所述调出仓库是否满足所述批次均衡约束,当不满足所述批次均衡约束且需要向该仓库调度关系的所述调入仓库调度所述商品时,将该仓库调度关系的所述初始调度数量累加1,直到所述未来N个单位时间后,得到所述累加后的所述初始调度数量,作为对应该仓库调度关系的所述商品的实际调度数量。
根据本发明实施例的又一方面,提供了一种电子设备。
一种电子设备,包括:一个或多个处理器;存储器,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时,使得所述一个或多个处理器实现本发明实施例所提供的库存调度方法。
根据本发明实施例的又一方面,提供了一种计算机可读介质。
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本发明实施例所提供的库存调度方法。
上述发明中的一个实施例具有如下优点或有益效果:在约束条件集下,计算使得商品在各仓库之间总调度次数最小时,商品的一个或多个仓库调度关系,仓库调度关系包括调出仓库、调入仓库、调度批次以及初始调度数量,对于每一仓库调度关系,根据商品在各仓库的当前库存和未来N个单位时间的预测销量对初始调度数量优化,得到对应该仓库调度关系的商品实际调度数量,以按照实际调度数量,分别从对应的仓库调度关系的调出仓库将调度批次的商品调度至相应调入仓库。能够考虑每个SKU的批次,进行细粒度地库存调度,对于一个SKU的商品在仓库中调度,使得仓库之间该商品的批次差异不会大于给定的要求,充分满足批次均衡需求,此外,不仅使得本次调度次数尽量少,还考虑了长期调度问题,能够实现未来一段时间的调度次数最小。
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是根据本发明一个实施例的库存调度方法的主要步骤示意图;
图2是根据本发明一个实施例的库存调度示意图;
图3是根据本发明一个实施例的库存调度装置的主要模块示意图;
图4是根据本发明另一个实施例的库存调度装置的模块关系示意图;
图5是本发明实施例可以应用于其中的示例性系统架构图;
图6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。
图1是根据本发明实施例的库存调度方法的主要步骤示意图。
如图1所示,本发明一个实施例的库存调度方法主要包括如下的步骤S101至步骤S103。
步骤S101:在约束条件集下,计算使得商品在各仓库之间总调度次数最小时,商品的一个或多个仓库调度关系,仓库调度关系包括调出仓库、调入仓库、调度批次以及初始调度数量。
步骤S102:对于每一仓库调度关系,根据商品在各仓库的当前库存和未来N个单位时间的预测销量,对该仓库调度关系的初始调度数量进行优化,得到对应该仓库调度关系的商品实际调度数量。
步骤S103:输出每一仓库调度关系,以按照商品实际调度数量,分别从对应的仓库调度关系的调出仓库中,将调度批次的商品调度至相应的调入仓库。
其中,调出仓库是指调出该商品的仓库,调入仓库是指调入该商品的仓库,调度批次是指该商品调度的批次。
单位时间可以是天,周,月等,优选实施例以一天为一个单位时间。
在一个实施例中,利用库存调度模型计算仓库调度关系,库存调度模型包括优化目标和约束条件集,优化目标为最小化商品在各仓库之间的总调度次数,约束条件集包括以下约束条件:对于第一仓库中商品的任一批次,将商品调往其他仓库的数量之和不超过第一仓库中商品的该批次数量,第一仓库为各仓库中任一仓库;对于第一仓库中商品的任一批次,如果调度后商品库存数量为0,则该批次不是第一仓库调度后的最早批次;对于第一仓库的任一批次,如果调度后商品库存数量不为0,那么第一仓库的最早批次编号小于或等于该批次编号;对于任一最早批次仓库,应满足批次均衡约束,批次均衡约束基于最早批次仓库的至少部分批次的商品库存数量、最早批次仓库的商品平均单位时间销量、单位时间数量上限来构建,最早批次仓库为包括商品最早批次的仓库;各仓库的最早批次编号最大值必然不小于第一仓库的最早批次编号;各仓库的最早批次编号最大值是唯一的;第一仓库的最早批次编号是唯一的。
在一个实施例中,批次均衡约束包括:最早批次仓库在w批次之前的各批次的商品库存数量之和,小于或等于最早批次仓库的商品平均单位时间销量与单位时间数量上限之积,w为各仓库的最早批次编号最大值。
在一个实施例中,根据商品在各仓库的当前库存和未来N(N为正整数)个单位时间的预测销量,对该仓库调度关系的初始调度数量进行优化,得到对应该仓库调度关系的商品的实际调度数量,包括:根据商品在各仓库的当前库存和未来N个单位时间的预测销量,计算未来每一单位时间商品在各仓库的预测库存数量;对于未来每一单位时间,逐一根据计算得到的预测库存数量,判断该仓库调度关系的调出仓库是否满足批次均衡约束,当不满足批次均衡约束且需要向该仓库调度关系的调入仓库调度商品时,将该仓库调度关系的初始调度数量累加1,直到未来N个单位时间后,得到累加后的初始调度数量,作为对应该仓库调度关系的商品的实际调度数量。
SKU为商品的唯一标识,可以SKU表示商品。以某一个SKU为例,本发明实施例针对该SKU,假设该SKU在若干个仓库存储,且每个存储仓库中每个批次该SKU的库存数量均是已知的。在每天晚上自动检查这些仓库的各个批次该SKU的库存数量。记当前所有仓库的该SKU的总批次数为K0。假设每个仓库该SKU的批次信息是一个数组a,a的第i个位置数值为第i个批次该SKU的库存数量,假设至少有一个仓库的该SKU的第一个批次是大于0的,那么该仓库称为最早批次仓库,即最早批次仓库为包括该SKU最早批次的仓库。
对于每个仓库,对应数组a中的第一个非零的数为该仓库的该SKU最早批次库存数量,该第一个非零的数所在的位置编号为该仓库的最早批次编号。如果仓库对应数组a中的各元素全为0,则最早批次为K0加1。将各仓库的最早批次编号最大值记作w,那么,最早批次仓库需要满足批次均衡约束,即:
其中,d为仓库中该SKU的平均日销量,T为预设的天数上限,此公式中qi为仓库中第i批次该SKU的库存数量。设置天数上限是基于商品销售的特点,通常商品都有保鲜期或生命周期的限制,对于仓库来说,商品销售时间距离生产日期不应过长。
由于仓库销售的随机性,很可能出现最早批次仓库不满足批次均衡要求的情况,这时候需要进行调度,目标是最小化调度次数。同时,由于仓库间需要每天检查是否满足批次均衡要求,因此在调度时不仅考虑本次调度次数尽量少,也需要考虑长期调度问题。
本发明一个实施例的库存调度示意图如图2所示,如图2,椭圆内是3个仓库的四个批次的某SKU的库存数量,其中,仓库1、仓库2、仓库3的四个批次该SKU的库存数量分别对应为(4,8,3,2)、(1,6,7,3)、(0,0,1,4),该三个仓库的最早批次分别是1、1、3,最早批次编号最大值为3,最早批次仓库是仓库1和仓库2,假设仓库1和仓库2的该SKU平均日销量分别是1.5和2,天数上限为3,根据批次均衡约束,需要仓库1和仓库2需要分别满足:4+8≤1.5×3;1+6≤2×3,可以看到最早批次仓库(仓库1和仓库2)均不满足批次均衡约束,因此需要至少调度一次。容易看到从仓库1调度1至8数量的第二批次该SKU到仓库3,即可满足批次均衡约束,因为调度后仓库3的最早批次为2,调度后最早批次仓库仍然是仓库1和仓库2。此时仓库1和仓库2均满足批次均衡要求:4≤1.5×3;1≤2×3,因此最优调度次数为1,本发明可以通过库存调度模型确定该SKU的仓库调度关系,并可以通过仿真方法对仓库调度关系中的初始调度数量优化,以得到最终的实际调度数量。
下面详细介绍本发明实施例的库存调度模型。首先对库存调度模型中所涉及的符号进行说明。其中SKU为任一SKU。
i和j均表示仓库编号,取值均可以为1,2,3,…,N之中的一个,N是仓库总数;
k表示批次编号,取值为1,2,3,…,K0之中的一个,K0是该SKU总批次数;
N表示仓库总数;
xk取值为1或0,其中,当各仓库的最早批次编号最大值为k时,xk=1;当各仓库的最早批次编号最大值不为k时,xk=0;
yi,k取值为1或0,其中,当仓库i的最早批次编号为k时,yi,k=1;当仓库i的最早批次编号不为k时,yi,k=0;
zi,j取值为1或0,其中,当仓库i调度了SKU到仓库j时,zi,j=1;当仓库i没有调度SKU到仓库j时,zi,j=0;
di,j,k为0或非0值,其中,di,j,k为非0值表示仓库i调度到仓库j的第k批次该SKU的数量为该非0值;di,j,k=0表示仓库i到仓库j没有调度第k批次该SKU;
K0表示该SKU总批次数;
T表示预设的天数上限;
di表示仓库i的该SKU的平均日销量,di为正数;
M为一个充分大的数值,其具体值可以自定义,例如以某个比库存调度模型中的数据最大值大两个数量级以上的值作为M的值;
Qi,k表示仓库i的第k批次该SKU的库存数量。
本发明实施例的库存调度模型如下:
其中,式(1)是优化目标,表示最小化该SKU的总调度次数;式(2)至式(8)为约束条件集。
具体地,式(2)表示对于任意一个仓库的该SKU的任一个批次,调往其他仓库的数量之和不超过该仓库该SKU的该批次数量。
式(3)表示对于任一个仓库i的任一个批次k,如果调度后数量为0,则批次k不是仓库i调度后的最早批次。
式(4)表示对于任一个仓库i的任一个批次k,如果调度后数量不为0,那么该仓库的最早批次编号小于或等于k。
式(5)是批次均衡约束,为了便于处理此处引入了一个充分大的数值M,式(5)体现了批次均衡约束的定义,即:最早批次仓库在w批次之前的各批次的商品库存数量之和,小于或等于最早批次仓库的商品平均单位时间销量与单位时间数量上限之积,w为各仓库的最早批次编号最大值;
式(6)表示如果有一个仓库的最早批次编号为k,那么所有仓库的最早批次编号最大值必然不小于k。
式(7)是至多有一个xk为1,即各仓库的最早批次编号最大值是唯一的。
式(8)是至多有一个yi,k为1,即仓库i的最早批次编号是唯一的。
本发明实施例的库存调度模型的优化目标受限于(s.t.)约束条件集,通过对库存调度模型求解,可以得到该SKU的总调度次数最小时,该SKU的一个或多个仓库调度关系,其中,一个仓库调度关系包括调出仓库、调入仓库、调度批次以及初始调度数量。由于本发明实施例的库存调度模型的优化目标(目标函数,即式(1))和约束条件(式(2)至式(8))均是线性的,且变量有连续变量和整数变量,故本发明实施例的库存调度模型为混合整数线性规划模型。
通过库存调度模型可以得到SKU在仓库之间的调度与否的决策以及相应的初始调度数量,本发明实施例通过仿真方法对初始调度数量进行优化,得到调出仓库与调入仓库之间的实际调度数量。虽然对库存调度模型求解的结果包括调度数量,但是由于通过库存调度模型得到的调度决策只是对于当前情况得到的,调度数量的优化将有利于后续调度的减少。
假设仓库销售按照批次从小到大进行满足,即优先销售早批次商品。那么,仿真步骤如下:预测每个仓库未来一段时间该SKU的销量;将求解库存调度模型得到的调度数量di,j,k作为初始解,即初始调度数量;评估下次由仓库i向仓库j调度该SKU的时间,具体可以利用批次均衡约束来评估下次调度时间;如果未来一段时间内需要从仓库i向仓库j调度该SKU,则对于每次调度,提高调度数量,即将di,j,k累加1得到新的di,j,k,如果后续不再需要调度则结束仿真。
对于仓库而言,可以调用预测算法得到未来几天的销量,预测算法可以采用通用的预测销量的算法,例如指数平滑法、移动平均法、机器学习算法等等。
下面以具体示例详细介绍上述的仿真步骤。以图2为例,共有三个仓库,假设获取到预测出的未来5天该三个仓库的某SKU的销售数据(即预测销量)分别为(1,0,0,2,1),(1,0,1,0,1),(0,1,0,0,1)。假设初始调度数量d1,3,2=1,即通过库存调度模型得到的仓库调度关系包括:仓库1向仓库3调度第二批次的该SKU的数量为1。
第0天各仓库该SKU的库存情况分别是(4,7,3,2),(1,6,7,3),(0,1,1,4)。根据三个仓库第一天的预测销量分别为1,1,0,可以计算出,第1天各仓库该SKU的库存分别为(3,7,3,2),(0,6,7,3),(0,1,1,4),最早批次编号最大值为2,最早批次仓库为仓库1,仓库1的平均日销量为1.5,那么,根据批次均衡约束,3<1.5×3,满足批次均衡要求,无需调度。同理,可得第2天各仓库该SKU的库存分别为(3,7,3,2),(0,6,7,3),(0,0,1,4),根据批次均衡约束,可以计算3+7>1.5×3,不满足批次均衡要求,因此确定下次调度时间为2天后。此时,最早批次分别为批次1,批次2和批次3,仓库3的最早批次最大,所以需要调高仓库3的数量,即提高d1,3,2=2,重复上述过程,如果某一天的仓库调度关系不是仓库1向仓库3调度第二批次的该SKU,则结束仿真;否则在计算完未来5天d1,3,2的累加值之后,结束仿真流程。将最后得到的d1,3,2的累加值作为仓库1向仓库3调度第二批次的该SKU的实际调度数量。
通过仿真优化通过库存调度模型得到的调度数量,使得本发明实施例实现在商品调度时最小化了当前调度次数,并且实现了未来一段时间内的调度次数最小化。
图3是根据本发明一个实施例的库存调度装置的主要模块示意图。
本发明一个实施例的库存调度装置300主要包括仓库调度关系计算模块301、调度数量优化模块302、仓库调度关系输出模块303。
仓库调度关系计算模块301,用于在约束条件集下,计算使得商品在各仓库之间总调度次数最小时,商品的一个或多个仓库调度关系,仓库调度关系包括调出仓库、调入仓库、调度批次以及初始调度数量。
调度数量优化模块302,用于对于每一仓库调度关系,根据商品在各仓库的当前库存和未来N个单位时间的预测销量,对该仓库调度关系的初始调度数量进行优化,得到对应该仓库调度关系的商品的实际调度数量。
仓库调度关系输出模块303,用于输出每一仓库调度关系,以按照商品的实际调度数量,分别从对应的仓库调度关系的调出仓库中,将调度批次的商品调度至相应的调入仓库。
仓库调度关系计算模块301具体可以利用库存调度模型计算仓库调度关系,库存调度模型包括优化目标和约束条件集,优化目标为最小化商品在各仓库之间的总调度次数,约束条件集包括以下约束条件:对于第一仓库中商品的任一批次,将商品调往其他仓库的数量之和不超过第一仓库中商品的该批次数量,第一仓库为各仓库中任一仓库;对于第一仓库中商品的任一批次,如果调度后商品库存数量为0,则该批次不是第一仓库调度后的最早批次;对于第一仓库的任一批次,如果调度后商品库存数量不为0,那么第一仓库的最早批次编号小于或等于该批次编号;对于任一最早批次仓库,应满足批次均衡约束,批次均衡约束基于最早批次仓库的至少部分批次的商品库存数量、最早批次仓库的商品平均单位时间销量、单位时间数量上限来构建,最早批次仓库为包括商品最早批次的仓库;各仓库的最早批次编号最大值必然不小于第一仓库的最早批次编号;各仓库的最早批次编号最大值是唯一的;第一仓库的最早批次编号是唯一的。
批次均衡约束可以包括:最早批次仓库在w批次之前的各批次的商品库存数量之和,小于或等于最早批次仓库的商品平均单位时间销量与单位时间数量上限之积,w为各仓库的最早批次编号最大值。
调度数量优化模块302具体可以用于,对于每一仓库调度关系:根据商品在各仓库的当前库存和未来N(N为正整数)个单位时间的预测销量,计算未来每一单位时间商品在各仓库的预测库存数量;对于未来每一单位时间,逐一根据计算得到的预测库存数量,判断该仓库调度关系的调出仓库是否满足批次均衡约束,当不满足批次均衡约束且需要向该仓库调度关系的调入仓库调度商品时,将该仓库调度关系的初始调度数量累加1,直到未来N个单位时间后,得到累加后的初始调度数量,作为对应该仓库调度关系的商品的实际调度数量。
在一个实施例中,库存调度装置300还可以包括输入模块,用于接收输入的各个仓库之间的所有SKU的各个批次的数量,日平均销量信息,以及预设的天数上限。另外,对于需要进行批次平衡的SKU也可以手动选择,通过输入模块可以接收关于SKU的选择信息,以对选择的SKU确定仓库调度关系。
图4是根据本发明另一个实施例的库存调度装置的模块关系示意图。
如图4所示,本发明一个实施例的库存调度装置中,输入模块404接收输入的各个仓库之间的所有SKU的各个批次的数量,日平均销量信息,以及预设的天数上限,还接收关于SKU的选择信息。
预测模块405根据历史订单信息得到每个仓库各个SKU的未来一段时间的销量,作为算法模块406中调度数量优化模块402的输入数据。预测模块405预测得到每个仓库各个SKU的未来一段时间的销量主要采用通用的预测销量的算法,例如指数平滑法、移动平均法、机器学习算法等等。还可以使用上述没有列举出的其他目前比较成熟的销量预测算法,本发明实施例对此不一一介绍。
算法模块406包括两部分:即仓库调度关系计算模块401和调度数量优化模块402。算法模块406通过对每个输入模块选中的SKU进行调度决策,包括仓库间调度与否与调度数量。具体地,仓库调度关系计算模块401利用输入模块404接收的数据,在约束条件集下,计算使得商品在各仓库之间总调度次数最小时,商品的一个或多个仓库调度关系。调度数量优化模块402对于每一仓库调度关系,根据商品在各仓库的当前库存和未来N个单位时间的预测销量,对该仓库调度关系的初始调度数量进行优化,得到对应该仓库调度关系的商品的实际调度数量。
仓库调度关系输出模块403,用于输出每一仓库调度关系,包括输出每个SKU的仓库调度与否与调度数量,一些统计信息等。从而,可以按照商品的实际调度数量,分别从对应的仓库调度关系的调出仓库中,将调度批次的商品调度至相应的调入仓库。
上述仓库调度关系计算模块401、调度数量优化模块402、仓库调度关系输出模块403的详细功能参见对仓库调度关系计算模块301、调度数量优化模块302、仓库调度关系输出模块303的介绍。
本发明实施例提出了基于最小化调度次数的混合整数线性规划模型,并提出了基于仿真的调度数量的优化方法,通过一种两阶段的启发式算法解决了批次均衡问题。能够考虑每个SKU的批次,进行细粒度地库存调度,对于一个SKU的商品在仓库中调度,使得仓库之间该商品的批次差异不会大于给定的要求,充分满足批次均衡需求,此外,不仅使得本次调度次数尽量少,还考虑了长期调度问题,能够实现未来一段时间的调度次数最小。
另外,在本发明实施例中所述库存调度装置的具体实施内容,在上面所述库存调度方法中已经详细说明了,故在此重复内容不再说明。
图5示出了可以应用本发明实施例的库存调度方法或库存调度装置的示例性系统架构500。
如图5所示,系统架构500可以包括终端设备501、502、503,网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504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501、502、503通过网络504与服务器505交互,以接收或发送消息等。终端设备501、502、503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501、502、503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505可以是提供各种服务的服务器,例如对用户利用终端设备501、502、503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库存调度方法一般由服务器505执行,相应地,库存调度装置一般设置于服务器505中。
应该理解,图5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6,其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统600的结构示意图。图6示出的终端设备或服务器仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;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607;包括硬盘等的存储部分608;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609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,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610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608。
特别地,根据本发明公开的实施例,上文参考主要步骤示意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主要步骤示意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609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请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。在本申请中,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。而在本申请中,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。
附图中的主要步骤示意图和框图,图示了按照本申请各种实施例的系统、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,主要步骤示意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,框图或主要步骤示意图中的每个方框、以及框图或主要步骤示意图中的方框的组合,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:一种处理器包括仓库调度关系计算模块、调度数量优化模块、仓库调度关系输出模块。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,仓库调度关系计算模块还可以被描述为“用于在约束条件集下,计算使得商品在各仓库之间总调度次数最小时,商品的一个或多个仓库调度关系的模块”。
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:在约束条件集下,计算使得商品在各仓库之间总调度次数最小时,所述商品的一个或多个仓库调度关系,所述仓库调度关系包括调出仓库、调入仓库、调度批次以及初始调度数量;对于每一所述仓库调度关系,根据所述商品在所述各仓库的当前库存和未来N个单位时间的预测销量,对该仓库调度关系的所述初始调度数量进行优化,得到对应该仓库调度关系的所述商品的实际调度数量;输出每一所述仓库调度关系,以按照所述商品的实际调度数量,分别从对应的所述仓库调度关系的所述调出仓库中,将所述调度批次的所述商品调度至相应的所述调入仓库。
根据本发明实施例的技术方案,在约束条件集下,计算使得商品在各仓库之间总调度次数最小时,商品的一个或多个仓库调度关系,仓库调度关系包括调出仓库、调入仓库、调度批次以及初始调度数量,对于每一仓库调度关系,根据商品在各仓库的当前库存和未来N个单位时间的预测销量对初始调度数量优化,得到对应该仓库调度关系的商品实际调度数量,以按照实际调度数量,分别从对应的仓库调度关系的调出仓库将调度批次的商品调度至相应调入仓库。能够考虑每个SKU的批次,进行细粒度地库存调度,对于一个SKU的商品在仓库中调度,使得仓库之间该商品的批次差异不会大于给定的要求,充分满足批次均衡需求,此外,不仅使得本次调度次数尽量少,还考虑了长期调度问题,能够实现未来一段时间的调度次数最小。
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 (10)
1.一种库存调度方法,其特征在于,包括:
在约束条件集下,计算使得商品在各仓库之间总调度次数最小时,所述商品的一个或多个仓库调度关系,所述仓库调度关系包括调出仓库、调入仓库、调度批次以及初始调度数量;
对于每一所述仓库调度关系,根据所述商品在所述各仓库的当前库存和未来N个单位时间的预测销量,对该仓库调度关系的所述初始调度数量进行优化,得到对应该仓库调度关系的所述商品的实际调度数量;
输出每一所述仓库调度关系,以按照所述商品的实际调度数量,分别从对应的所述仓库调度关系的所述调出仓库中,将所述调度批次的所述商品调度至相应的所述调入仓库。
2.根据权利要求1所述的方法,其特征在于,利用库存调度模型计算所述仓库调度关系,所述库存调度模型包括优化目标和所述约束条件集,所述优化目标为最小化所述商品在所述各仓库之间的总调度次数,所述约束条件集包括以下约束条件:
对于第一仓库中所述商品的任一批次,将所述商品调往其他仓库的数量之和不超过所述第一仓库中所述商品的该批次数量,所述第一仓库为所述各仓库中任一仓库;
对于所述第一仓库中所述商品的任一批次,如果调度后所述商品库存数量为0,则该批次不是所述第一仓库调度后的最早批次;
对于所述第一仓库的任一批次,如果调度后所述商品库存数量不为0,那么所述第一仓库的最早批次编号小于或等于该批次编号;
对于任一最早批次仓库,应满足批次均衡约束,所述批次均衡约束基于所述最早批次仓库的至少部分批次的所述商品库存数量、所述最早批次仓库的所述商品平均单位时间销量、单位时间数量上限来构建,所述最早批次仓库为包括所述商品最早批次的仓库;
所述各仓库的最早批次编号最大值必然不小于所述第一仓库的最早批次编号;
所述各仓库的所述最早批次编号最大值是唯一的;
所述第一仓库的最早批次编号是唯一的。
3.根据权利要求2所述的方法,其特征在于,所述批次均衡约束包括:所述最早批次仓库在w批次之前的各批次的所述商品库存数量之和,小于或等于所述最早批次仓库的所述商品平均单位时间销量与所述单位时间数量上限之积,w为所述各仓库的最早批次编号最大值。
4.根据权利要求2或3所述的方法,其特征在于,所述根据所述商品在所述各仓库的当前库存和未来N个单位时间的预测销量,对该仓库调度关系的所述初始调度数量进行优化,得到对应该仓库调度关系的所述商品的实际调度数量,包括:
根据所述商品在所述各仓库的当前库存和所述未来N个单位时间的预测销量,计算未来每一单位时间所述商品在所述各仓库的预测库存数量;
对于未来每一单位时间,逐一根据计算得到的所述预测库存数量,判断该仓库调度关系的所述调出仓库是否满足所述批次均衡约束,当不满足所述批次均衡约束且需要向该仓库调度关系的所述调入仓库调度所述商品时,将该仓库调度关系的所述初始调度数量累加1,直到所述未来N个单位时间后,得到所述累加后的所述初始调度数量,作为对应该仓库调度关系的所述商品的实际调度数量。
5.一种库存调度装置,其特征在于,包括:
仓库调度关系计算模块,用于在约束条件集下,计算使得商品在各仓库之间总调度次数最小时,所述商品的一个或多个仓库调度关系,所述仓库调度关系包括调出仓库、调入仓库、调度批次以及初始调度数量;
调度数量优化模块,用于对于每一所述仓库调度关系,根据所述商品在所述各仓库的当前库存和未来N个单位时间的预测销量,对该仓库调度关系的所述初始调度数量进行优化,得到对应该仓库调度关系的所述商品的实际调度数量;
仓库调度关系输出模块,用于输出每一所述仓库调度关系,以按照所述商品的实际调度数量,分别从对应的所述仓库调度关系的所述调出仓库中,将所述调度批次的所述商品调度至相应的所述调入仓库。
6.根据权利要求5所述的装置,其特征在于,所述仓库调度关系计算模块利用库存调度模型计算所述仓库调度关系,所述库存调度模型包括优化目标和所述约束条件集,所述优化目标为最小化所述商品在所述各仓库之间的总调度次数,所述约束条件集包括以下约束条件:
对于第一仓库中所述商品的任一批次,将所述商品调往其他仓库的数量之和不超过所述第一仓库中所述商品的该批次数量,所述第一仓库为所述各仓库中任一仓库;
对于所述第一仓库中所述商品的任一批次,如果调度后所述商品库存数量为0,则该批次不是所述第一仓库调度后的最早批次;
对于所述第一仓库的任一批次,如果调度后所述商品库存数量不为0,那么所述第一仓库的最早批次编号小于或等于该批次编号;
对于任一最早批次仓库,应满足批次均衡约束,所述批次均衡约束基于所述最早批次仓库的至少部分批次的所述商品库存数量、所述最早批次仓库的所述商品平均单位时间销量、单位时间数量上限来构建,所述最早批次仓库为包括所述商品最早批次的仓库;
所述各仓库的最早批次编号最大值必然不小于所述第一仓库的最早批次编号;
所述各仓库的所述最早批次编号最大值是唯一的;
所述第一仓库的最早批次编号是唯一的。
7.根据权利要求6所述的装置,其特征在于,所述批次均衡约束包括:所述最早批次仓库在w批次之前的各批次的所述商品库存数量之和,小于或等于所述最早批次仓库的所述商品平均单位时间销量与所述单位时间数量上限之积,w为所述各仓库的最早批次编号最大值。
8.根据权利要求6或7所述的装置,其特征在于,所述调度数量优化模块还用于,对于每一所述仓库调度关系:
根据所述商品在所述各仓库的当前库存和所述未来N个单位时间的预测销量,计算未来每一单位时间所述商品在所述各仓库的预测库存数量;
对于未来每一单位时间,逐一根据计算得到的所述预测库存数量,判断该仓库调度关系的所述调出仓库是否满足所述批次均衡约束,当不满足所述批次均衡约束且需要向该仓库调度关系的所述调入仓库调度所述商品时,将该仓库调度关系的所述初始调度数量累加1,直到所述未来N个单位时间后,得到所述累加后的所述初始调度数量,作为对应该仓库调度关系的所述商品的实际调度数量。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,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时,使得所述一个或多个处理器实现如权利要求1-4中任一所述的方法。
10.一种计算机可读介质,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1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010071171.9A CN113222304B (zh) | 2020-01-21 | 2020-01-21 | 一种库存调度方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010071171.9A CN113222304B (zh) | 2020-01-21 | 2020-01-21 | 一种库存调度方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113222304A true CN113222304A (zh) | 2021-08-06 |
CN113222304B CN113222304B (zh) | 2023-09-22 |
Family
ID=77085462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010071171.9A Active CN113222304B (zh) | 2020-01-21 | 2020-01-21 | 一种库存调度方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113222304B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117853020A (zh) * | 2024-03-07 | 2024-04-09 | 中科云谷科技有限公司 | 库存调拨方法、装置及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070239536A1 (en) * | 2006-04-05 | 2007-10-11 | General Electric Company | System and method for scheduling audience deficiency units and makegoods |
CN105512747A (zh) * | 2015-11-25 | 2016-04-20 | 安吉汽车物流有限公司 | 物流智能优化调度系统 |
CN106971235A (zh) * | 2017-02-16 | 2017-07-21 | 上海大学 | 一种存在中间存储约束的柔性作业车间分批优化调度方法 |
CN109118139A (zh) * | 2018-08-07 | 2019-01-01 | 深圳市易达云科技有限公司 | 多维度库存处理方法、设备及计算机可读存储介质 |
CN110097203A (zh) * | 2018-01-29 | 2019-08-06 | 北京京东尚科信息技术有限公司 | 库存调度方法、库存调度装置以及计算机可读存储介质 |
-
2020
- 2020-01-21 CN CN202010071171.9A patent/CN113222304B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070239536A1 (en) * | 2006-04-05 | 2007-10-11 | General Electric Company | System and method for scheduling audience deficiency units and makegoods |
CN105512747A (zh) * | 2015-11-25 | 2016-04-20 | 安吉汽车物流有限公司 | 物流智能优化调度系统 |
CN106971235A (zh) * | 2017-02-16 | 2017-07-21 | 上海大学 | 一种存在中间存储约束的柔性作业车间分批优化调度方法 |
CN110097203A (zh) * | 2018-01-29 | 2019-08-06 | 北京京东尚科信息技术有限公司 | 库存调度方法、库存调度装置以及计算机可读存储介质 |
CN109118139A (zh) * | 2018-08-07 | 2019-01-01 | 深圳市易达云科技有限公司 | 多维度库存处理方法、设备及计算机可读存储介质 |
Non-Patent Citations (2)
Title |
---|
FAIZ AL-KHAYYAL ET AL: "Inventory constrained maritime routing and scheduling for multi-commodity liquid bulk, Part I Applications and model", 《EUROPEAN JOURNAL OF OPERATIONAL RESEARCH》, vol. 176, no. 1, pages 106 - 130, XP005671686, DOI: 10.1016/j.ejor.2005.06.047 * |
罗薇等: "需求受相关性影响的设备备件库存优化", 《工业工程》, vol. 22, no. 2, pages 57 - 66 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117853020A (zh) * | 2024-03-07 | 2024-04-09 | 中科云谷科技有限公司 | 库存调拨方法、装置及存储介质 |
CN117853020B (zh) * | 2024-03-07 | 2024-05-28 | 中科云谷科技有限公司 | 库存调拨方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113222304B (zh) | 2023-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109961306B (zh) | 一种物品的库存分配方法和装置 | |
CN111932161B (zh) | 针对物品的车辆调度方法、装置、电子设备和计算机介质 | |
CN113259144B (zh) | 一种仓储网络规划方法和装置 | |
CN110689159B (zh) | 一种商品补货的方法和装置 | |
CN111932189B (zh) | 库存相关信息显示方法、装置、电子设备和计算机介质 | |
CN113627846A (zh) | 一种库存调整方法、装置、电子设备及计算机可读介质 | |
CN112184100A (zh) | 物品库存监控方法、装置、电子设备和计算机可读介质 | |
CN110390449A (zh) | 仓库补货方法和装置 | |
CN110689157A (zh) | 一种确定调拨关系的方法和装置 | |
CN110738436A (zh) | 一种确定可用库存的方法和装置 | |
WO2023124363A1 (zh) | 库存的确定方法和装置 | |
CN113034090A (zh) | 运输设备调度方法、装置、电子设备和计算机可读介质 | |
CN113610448A (zh) | 物品调度方法、装置、电子设备和计算机可读介质 | |
CN114048931B (zh) | 补货信息生成方法、装置、电子设备和计算机可读介质 | |
CN113537861A (zh) | 补货方法和补货装置 | |
CN113256193A (zh) | 一种仓库商品布局方法和装置 | |
CN110555641B (zh) | 一种仓储调拨方法和装置 | |
CN112085442B (zh) | 设备操作方法、装置、电子设备和计算机可读介质 | |
CN116384718B (zh) | 一种基于智能决策的供应商联合排产方法、系统及设备 | |
CN112784212B (zh) | 一种优化库存的方法和装置 | |
CN113222304B (zh) | 一种库存调度方法和装置 | |
CN113222490A (zh) | 一种库存分配方法和装置 | |
CN112862415B (zh) | 运输车辆调度方法、装置、电子设备和计算机可读介质 | |
CN113780914A (zh) | 库存调配方法和装置 | |
CN112085441A (zh) | 信息生成方法、装置、电子设备和计算机可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |