CN113627667A - 基于仓库全流程协同最优化的智能化布局方法和系统 - Google Patents

Abstract

本发明公开了一种基于仓库全流程协同最优化的智能化布局方法和系统，将原有完全靠人工经验进行决策的仓库布局变成了一个科学的决策流程。其技术方案为：步骤1：基于导入的商品信息和读取的订单销售数据，结合预设的可用库容规格来计算商品库容；步骤2：根据计算出的商品库容自动绘制仓库布局图并得到仓位编码；步骤3：结合步骤2获得的仓位编码，以及读取到的商品信息和订单销售数据，将商品和库位进行匹配，以使每个商品布置在一个具体的库位上，完成商品落位。

Description

基于仓库全流程协同最优化的智能化布局方法和系统

技术领域

本发明涉及仓库自动化布局技术，具体涉及应用于电商领域的仓库自动化布局的智能化决策方法和系统。

背景技术

随着电商行业对于发货时效的要求越来越高，以及当前电商行业利润率降低的大背景之下。电商行业对于各个环节，包括采用传统的粗犷式管理的电商仓库布局提出了更精细化的要求。

当前粗犷式管理下的仓库布局中存在的问题如下。

(1)库容问题：库容是指对于一个商品在拣货区内应该给予多大的存储空间(本发明主要考虑一品一位的布局模式，一个商品只有一个整体的存储空间)。传统的仓库布局方式在设计每个商品的库容问题时，无法很好的结合商品本身的属性，以及商品的销售状况，设计出一种兼顾拣货区周转率和拣货区存储量的方案。所以传统仓库库容设计之中一般采用以下两种方案：单纯的根据商品的大小设计对应的库容；单纯的根据单个商品的销售状况设计库容。

(2)仓库拣货区绘图：传统的仓库布局都是利用诸如CAD等制图软件根据估算出来的库容，给出一份到货架级别的仓库布局图，这种仓库布局依赖于外部制图软件，精度不够，也不能进行微调。

(3)商品落位问题：商品落位是指在拣货区具体将每个货物放到哪个对应的库位之中。传统的方式之中在仓库布局中大部分是规划到区域级别，并且商品和货架的对应关系更多的是一种随机的对应关系，无法兼顾到每个商品的特性以及货架本身的一些属性约束。

发明内容

以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。

本发明的目的在于解决上述问题，提供了一种基于仓库全流程协同最优化的智能化布局方法和系统，将原有完全靠人工经验进行决策的仓库布局变成了一个科学的决策流程。

本发明的技术方案为：本发明揭示了一种基于仓库全流程协同最优化的智能化布局方法，方法包括：

步骤1：基于导入的商品信息和读取的订单销售数据，结合预设的可用库容规格来计算商品库容；

步骤2：根据计算出的商品库容自动绘制仓库布局图并得到仓位编码；

步骤3：结合步骤2获得的仓位编码，以及读取到的商品信息和订单销售数据，将商品和库位进行匹配，以使每个商品布置在一个具体的库位上，完成商品落位。

根据本发明的基于仓库全流程协同最优化的智能化布局方法的一实施例，步骤1进一步包括：

导入商品信息并读取订单销售数据，并设置可用库容规格；

根据箱规体积和销量体积，计算获得每个商品的库容；

根据商品尺寸调整商品库容；

根据商品关联性调整商品库容；

根据货架顶部堆积约束将部分商品库容缩小。

根据本发明的基于仓库全流程协同最优化的智能化布局方法的一实施例，步骤2中的自动绘制而来的仓库布局图可进行人工调整。

根据本发明的基于仓库全流程协同最优化的智能化布局方法的一实施例，步骤2进一步包括：

导入商品的库容信息和商品销量；

根据仓库历史操作状况获得货架商品销量阈值；

获得热销区商品集合和滞销区商品集合；

设定每个通道可容纳的货架数；

获得每个通道对应的库容规格；

设置仓位编号规则；

通过在布局处理中输入参数，自动绘制仓库布局图和获得仓位编码；

现场人员根据实际状况对绘制好的仓库布局图进行人工调整；

基于调整后的仓库布局图获得新的仓位编码。

根据本发明的基于仓库全流程协同最优化的智能化布局方法的一实施例，步骤3进一步包括：

根据读取到的仓位编码和商品信息调整部分商品的库容规格；

根据读取到的订单销售数据、经上一步骤调整后的商品库容规格，以及读取到的商品信息，将每个商品对应到具体的货架上；

将商品对应到上一步骤所获得的货架的具体仓位上。

本发明还揭示了一种基于仓库全流程协同最优化的智能化布局系统，系统包括：

商品库容计算模块，用于基于导入的商品信息和读取的订单销售数据，结合预设的可用库容规格来计算商品库容；

仓库布局绘制模块，用于根据计算出的商品库容自动绘制仓库布局图并得到仓位编码；

商品落位模块，用于结合步骤仓库布局绘制模块获得的仓位编码，以及读取到的商品信息和订单销售数据，将商品和库位进行匹配，以使每个商品布置在一个具体的库位上，完成商品落位。

根据本发明的基于仓库全流程协同最优化的智能化布局系统的一实施例，商品库容计算模块进一步配置为执行以下的处理：

导入商品信息并读取订单销售数据，并设置可用库容规格；

根据箱规体积和销量体积，计算获得每个商品的库容；

根据商品尺寸调整商品库容；

根据商品关联性调整商品库容；

根据货架顶部堆积约束将部分商品库容缩小。

根据本发明的基于仓库全流程协同最优化的智能化布局系统的一实施例，仓库布局绘制模块中的自动绘制而来的仓库布局图可进行人工调整。

根据本发明的基于仓库全流程协同最优化的智能化布局系统的一实施例，仓库布局绘制模块进一步配置为执行以下的处理：

导入商品的库容信息和商品销量；

根据仓库历史操作状况获得货架商品销量阈值；

获得热销区商品集合和滞销区商品集合；

设定每个通道可容纳的货架数；

获得每个通道对应的库容规格；

设置仓位编号规则；

通过在布局处理中输入参数，自动绘制仓库布局图和获得仓位编码；

现场人员根据实际状况对绘制好的仓库布局图进行人工调整；

基于调整后的仓库布局图获得新的仓位编码。

根据本发明的基于仓库全流程协同最优化的智能化布局系统的一实施例，商品落位模块进一步配置为执行以下的处理：

根据读取到的仓位编码和商品信息调整部分商品的库容规格；

根据读取到的订单销售数据、经上一步骤调整后的商品库容规格，以及读取到的商品信息，将每个商品对应到具体的货架上；

将商品对应到上一步骤所获得的货架的具体仓位上。

本发明对比现有技术有如下的有益效果：本发明有以下几个方面的改进，分别是：(1)根据商品的销售状况，比如商品的箱规体积和销量体积，以及商品本身的特性(比如商品本身尺寸)，以及商品彼此之间的关联性来规划商品对应的库容信息；(2)根据计算出的库容规划信息给出精确到库位级别的拣货区布局初始方案，自动绘制仓库布局图并进行人工微调；(3)结合商品的库容、商品的特性以及仓库货架的特性和库位的特性，将商品和库位进行一一匹配，即，将每个商品布置在一个具体的库位上，从而实现现场仓库布局落地过程的可控。

附图说明

在结合以下附图阅读本公开的实施例的详细描述之后，能够更好地理解本发明的上述特征和优点。在附图中，各组件不一定是按比例绘制，并且具有类似的相关特性或特征的组件可能具有相同或相近的附图标记。

图1示出了本发明的基于仓库全流程协同最优化的智能化布局方法的一实施例的流程图。

图2示出了图1所示的方法实施例中的某一步骤的细化流程图。

图3示出了图1所示的方法实施例中的某一步骤的细化流程图。

图4示出了图1所示的方法实施例中的某一步骤的细化流程图。

图5示出了本发明的基于仓库全流程协同最优化的智能化布局系统的一实施例的原理图。

图6示出了应用图1所示的方法的计算机系统的原理图。

具体实施方式

以下结合附图和具体实施例对本发明作详细描述。注意，以下结合附图和具体实施例描述的诸方面仅是示例性的，而不应被理解为对本发明的保护范围进行任何限制。

图1示出了本发明的基于仓库全流程协同最优化的智能化布局方法的一实施例的流程。请参见图1，本实施例的仓库自动化布局的智能化决策方法的实施步骤详述如下。

步骤1：基于导入的商品信息和读取的订单销售数据，结合预设的可用库容规格来计算商品库容。

商品库容的计算本位中主要为了现场的操作，需要满足如下a至d的四个要求：

a.每个商品一天内补货频率不会超过一次：补货是指大部分电商仓库因为有备货的原因，会将大量的商品放置在存货区，部分商品放置在一个更小的拣货区之中，从存货区到拣货区的环节称之为补货。考虑到补货过程之中是按箱进行补货的，所以要求设计的商品库容必须可以容纳一天的销量加上该商品的装箱数量；

b.每个商品在规划的库容之中可以放得下：规划的商品库容尺寸必须可以放得下当前商品；

c.商品关联性比较商品放置在相邻位置：商品关联性是指两个商品出现在同一个订单之中的频数，当两个关联性越高的状况下，将两个商品放置在更近的位置上总体拣货效率越高。本发明中主要研究的是标准化的仓库管理模式，所以将同一个通道内商品的库容规格设计为一致，因此要实现商品关联性比较商品放置在相邻位置的前提必须是关联性比较高的商品的库容规格是一致的；

d.顶部货架堆积最多3件商品：考虑到充分利用货架顶部的空间，会在上述要求a的设计基础之上，选择部分商品规划其库容规格导致可能会造成补货堆积的状况，但是会严格限定每个货架的补货溢出商品数量，防止货架上放不下溢出的商品。

计算商品库容的细化流程如图2所示。

首先，导入商品信息并读取订单销售数据，并设置可用库容规格。其中所设置的可用库容规格可以根据现场之中商品属性进行初步设计，也可以经过完成的库容测算之后选择出合理的库容规格。

然后，根据箱规体积和销量体积，计算获得每个商品的库容。其中，计算公式为：商品的库容＝VB+n*VS，公式中的各个参数的含义为：VB表示箱规体积(商品在生产过程之中大多数会固定的将某一标准数量装在一个箱子量，对应的箱子规格(长，宽，高)之积称为“箱规体积”)，n表示商品库容满足的天数，VS表示销量体积(商品一天之中的销量对应的体积之和称为“箱规体积”，本发明之中销量体积可以按照商品箱规数量和箱规体积进行换算)。箱规数量是指商品在生产过程之中大多数会固定的将某一标准数量装在一个箱子量，对应的标准装箱数量称之为箱规数量；箱规尺寸是指商品在生产过程之中大多数会固定的将某一标准数量装在一个箱子量，对应的箱子规格(长，宽，高)称之为箱规尺寸。

之后，根据商品尺寸调整商品库容。其中，考虑商品本身的属性问题，例如可折叠的商品(例如毛巾等)，这些商品可以在录入尺寸的基础上进行折叠，所以设计时会考虑这一情况。

接着，根据商品关联性调整商品库容。其中，考虑到电商里面的引流商品会和很多商品同时销售的次数都很多，因此在考虑关联性计算时会根据商品本身的销量排除掉销量前5％的引流商品。

最后，根据货架顶部堆积约束将部分商品库容缩小。其中，货架对应的商品如果补货溢出量过大，会导致货架顶部放不下，所以需要建立货架顶部堆积约束。

其中，货架对应的商品如果补货溢出量过大，会导致货架顶部放不下，所以需要建立货架顶部堆积约束。最后，根据货架顶部堆积约束，将部分商品库容缩小。例如我们定义的货架顶部堆积约束的值为3，则最多每个货架有3个商品可以由降低库容缩小而来。

步骤2：根据计算出的商品库容自动绘制仓库布局图并得到仓位编码，其中自动绘制而来的仓库布局图可进行人工微调。

理论上来说，当商品库容测算完毕以后，将商品销量从大往小进行排序就可以达到一个近似最优的布局效果。但是在实际的布局过程之中，这种方式会忽略以下三个问题：

(1)一个通道或者一个货架上的商品库容规格不一致，会导致现场管理难度非常复杂；

(2)这种按销量降序的方式，将每个商品都看做独立的个体，并未考虑商品彼此之间的关联性；

(3)将商品完全按照销量进行排序，会导致销量过高的商品集中在一起，进而导致仓库拥堵。

本发明结合现场的实际状况，设计的仓库布局希望达到如下效果：同过道内商品的库容规格是一致的，并且热销区域和非热销区域内相同库容规格的过道尽可能集中在一起。

为实现上述效果，步骤2的细化处理流程如图3所示。

步骤2-1：导入商品的库容信息和商品销量。

步骤2-2：根据仓库历史操作状况获得货架商品销量阈值。其中，可以根据商家的历史数据，或者同类目商家的操作数据，或者直接采用经验值，来获得货架商品销量阈值。货架商品销量阈值是指，当货架上的商品总销量超过一定阈值的时间，会让货架被需要的频率超出货架本身的承载能力，导致现场工作在此拥堵。

步骤2-3：获得热销区商品集合S1和滞销区商品集合S2。其中，需要考虑货架顶部的堆积系数问题，保证热销区和滞销区的货架顶部堆积总体都控制在货架顶部堆积约束范围内。

因为要考虑货架商品销量阈值所导致的货架拥堵问题，所以在实际的仓库布局中会将部分销量比较高的商品分散开，但是又会让总体销量比较高的商品聚集在某个区域，这部分区域称为热销区。然后其它部分商品布局过程之中完全不再需要考虑拥堵问题，可以直接按照商品销量降序进行安排，称为非热销区。

步骤2-4：设定每个通道可容纳的货架数。

步骤2-5：获得每个通道对应的库容规格。

步骤2-6：设置仓位编号规则。

步骤2-7：通过在布局处理中输入参数，自动绘制仓库布局图和获得仓位编码。

步骤2-8：现场人员根据实际状况对绘制好的仓库布局图进行人工调整。

步骤2-9：基于调整后的仓库布局图获得新的仓位编码。

步骤3：结合步骤2获得的仓位编码，以及读取到的商品信息和订单销售数据，将商品和库位进行一一匹配，以使每个商品布置在一个具体的库位上，完成商品落位。

传统的仓位布局之中不可能做到仓位级别的落地，而本发明的实施例中结合前面2个步骤，已经可以生成每个仓位的编码，以及每个商品的属性信息(例如可折叠等商品属性信息)，进而本发明可以做到如下几点：

(1)商品和仓位基本按照商品所需要的库容规格和库位本身的规格进行对应。

(2)热销区的货架商品销量总和基本控制在货架顶部堆积约束范围内，滞销区的商品按照商品销量进行降序排序。

(3)商品关联性：将关联性比较高的商品放置在同一个货架上。

(4)某些商品对于库位有特殊要求，例如部分过重的商品必须放置在最下层，部分尖锐的物品必须放置在最小层(防止不可见划伤)。

(5)商品在货架内按照商品的销量和货架上每个仓位的拣货难度进行匹配，例如将销量最好的商品放置在最容易拣的仓位上。

步骤3的细化处理步骤如图4所示。

步骤3-1：根据读取到的仓位编码和商品信息调整部分商品的库容规格。

其中，对部分商品的库容规格的调整处理主要是考虑到仓库布局本身已经不可变，因此能调整的是商品本身的库容规格。具体的调整手段为：依次从最大库容规格开始进行测算，如果最大库容个数为N1，当前商品对应的该库容规格为N2。

a)当N1>N2时，需要增加(N1-N2)个商品变换库容规格为最大库容，商品选取可按照VB+VS降序进行选取。

b)当N1<N2时，需要将(N2-N1)个商品的库容规格变成小一级的库容规格，商品选取可按照VB+VS升序进行选取。

步骤3-2：根据读取到的订单销售数据、经步骤3-1调整后的商品库容规格，以及读取到的商品信息，将每个商品对应到具体的货架上。

在本步骤中，需要考虑商品本身的特性，例如需要放置在底部的商品个数不能超过本身货架底部的仓位数，还有每个货架的补货溢出商品数量不能超过货架顶部堆积约束。其中补货溢出是指一般备货区的商品放置方式都是按照整箱进行放置的，而补货之中因为考虑到拣货区充分利用的问题，不会将商品的库容设置的非常大，所以会利用货架顶部处理部分商品的溢出问题。

步骤3-3：将商品对应到步骤3-2所获得的货架的具体仓位上。

在本步骤中，需要考虑商品本身的特性需求，和商品销量和仓位拣货难易程度进行对应，即，依次将销量比较高的商品放置在货架最容易拣货的位置。

图5示出了本发明的基于仓库全流程协同最优化的智能化布局系统。请参见图5，本实施例的系统包括：商品库容计算模块，仓库布局绘制模块，商品落位模块。

商品库容计算模块的输出端连接仓库布局绘制模块，仓库布局绘制模块的输出端连接商品落位模块。

商品库容计算模块，用于基于导入的商品信息和读取的订单销售数据，结合预设的可用库容规格来计算商品库容。

商品库容的计算本位中主要为了现场的操作，需要满足如下a至d的四个要求：

a.每个商品一天内补货频率不会超过一次：补货是指大部分电商仓库因为有备货的原因，会将大量的商品放置在存货区，部分商品放置在一个更小的拣货区之中，从存货区到拣货区的环节称之为补货。考虑到补货过程之中是按箱进行补货的，所以要求设计的商品库容必须可以容纳一天的销量加上该商品的装箱数量；

b.每个商品在规划的库容之中可以放得下：规划的商品库容尺寸必须可以放得下当前商品；

c.商品关联性比较商品放置在相邻位置：商品关联性是指两个商品出现在同一个订单之中的频数，当两个关联性越高的状况下，将两个商品放置在更近的位置上总体拣货效率越高。本发明中主要研究的是标准化的仓库管理模式，所以将同一个通道内商品的库容规格设计为一致，因此要实现商品关联性比较商品放置在相邻位置的前提必须是关联性比较高的商品的库容规格是一致的；

d.顶部货架堆积最多3件商品：考虑到充分利用货架顶部的空间，会在上述要求a的设计基础之上，选择部分商品规划其库容规格导致可能会造成补货堆积的状况，但是会严格限定每个货架的补货溢出商品数量，防止货架上放不下溢出的商品。

结合图2，商品库容计算模块进一步配置为执行图2所示的处理。

首先，导入商品信息并读取订单销售数据，并设置可用库容规格。其中所设置的可用库容规格可以根据现场之中商品属性进行初步设计，也可以经过完成的库容测算之后选择出合理的库容规格。

然后，根据箱规体积和销量体积，计算获得每个商品的库容。其中，计算公式为：商品的库容＝VB+n*VS，公式中的各个参数的含义为：VB表示箱规体积(商品在生产过程之中大多数会固定的将某一标准数量装在一个箱子量，对应的箱子规格(长，宽，高)之积称为“箱规体积”)，n表示商品库容满足的天数，VS表示销量体积(商品一天之中的销量对应的体积之和称为“箱规体积”，本发明之中销量体积可以按照商品箱规数量和箱规体积进行换算)。箱规数量是指商品在生产过程之中大多数会固定的将某一标准数量装在一个箱子量，对应的标准装箱数量称之为箱规数量；箱规尺寸是指商品在生产过程之中大多数会固定的将某一标准数量装在一个箱子量，对应的箱子规格(长，宽，高)称之为箱规尺寸。

之后，根据商品尺寸调整商品库容。其中，考虑商品本身的属性问题，例如可折叠的商品(例如毛巾等)，这些商品可以在录入尺寸的基础上进行折叠，所以设计时会考虑这一情况。

接着，根据商品关联性调整商品库容。其中，考虑到电商里面的引流商品会和很多商品同时销售的次数都很多，因此在考虑关联性计算时会根据商品本身的销量排除掉销量前5％的引流商品。

最后，根据货架顶部堆积约束将部分商品库容缩小。其中，货架对应的商品如果补货溢出量过大，会导致货架顶部放不下，所以需要建立货架顶部堆积约束。

其中，货架对应的商品如果补货溢出量过大，会导致货架顶部放不下，所以需要建立货架顶部堆积约束。最后，根据货架顶部堆积约束，将部分商品库容缩小。例如我们定义的货架顶部堆积约束的值为3，则最多每个货架有3个商品可以由降低库容缩小而来。

仓库布局绘制模块，用于根据计算出的商品库容自动绘制仓库布局图并得到仓位编码。较佳的，仓库布局图还能进行人工调整。

理论上来说，当商品库容测算完毕以后，将商品销量从大往小进行排序就可以达到一个近似最优的布局效果。但是在实际的布局过程之中，这种方式会忽略以下三个问题：

(1)一个通道或者一个货架上的商品库容规格不一致，会导致现场管理难度非常复杂；

(2)这种按销量降序的方式，将每个商品都看做独立的个体，并未考虑商品彼此之间的关联性；

(3)将商品完全按照销量进行排序，会导致销量过高的商品集中在一起，进而导致仓库拥堵。

本发明结合现场的实际状况，设计的仓库布局希望达到如下效果：同过道内商品的库容规格是一致的，并且热销区域和非热销区域内相同库容规格的过道尽可能集中在一起。

结合图3，仓库布局绘制模块进一步配置为执行如图3所示的具体处理。

步骤2-1：导入商品的库容信息和商品销量。

步骤2-2：根据仓库历史操作状况获得货架商品销量阈值。其中，可以根据商家的历史数据，或者同类目商家的操作数据，或者直接采用经验值，来获得货架商品销量阈值。货架商品销量阈值是指，当货架上的商品总销量超过一定阈值的时间，会让货架被需要的频率超出货架本身的承载能力，导致现场工作在此拥堵。

步骤2-3：获得热销区商品集合S1和滞销区商品集合S2。其中，需要考虑货架顶部的堆积系数问题，保证热销区和滞销区的货架顶部堆积总体都控制在货架顶部堆积约束范围内。

因为要考虑货架商品销量阈值所导致的货架拥堵问题，所以在实际的仓库布局中会将部分销量比较高的商品分散开，但是又会让总体销量比较高的商品聚集在某个区域，这部分区域称为热销区。然后其它部分商品布局过程之中完全不再需要考虑拥堵问题，可以直接按照商品销量降序进行安排，称为非热销区。

步骤2-4：设定每个通道可容纳的货架数。

步骤2-5：获得每个通道对应的库容规格。

步骤2-6：设置仓位编号规则。

步骤2-7：通过在布局处理中输入参数，自动绘制仓库布局图和获得仓位编码。

步骤2-8：现场人员根据实际状况对绘制好的仓库布局图进行人工调整。

步骤2-9：基于调整后的仓库布局图获得新的仓位编码。

商品落位模块，用于结合步骤仓库布局绘制模块获得的仓位编码，以及读取到的商品信息和订单销售数据，将商品和库位进行匹配，以使每个商品布置在一个具体的库位上，完成商品落位。

传统的仓位布局之中不可能做到仓位级别的落地，而本发明的实施例中结合前面2个步骤，已经可以生成每个仓位的编码，以及每个商品的属性信息(例如可折叠等商品属性信息)，进而本发明可以做到如下几点：

(1)商品和仓位基本按照商品所需要的库容规格和库位本身的规格进行对应。

(2)热销区的货架商品销量总和基本控制在货架顶部堆积约束范围内，滞销区的商品按照商品销量进行降序排序。

(3)商品关联性：将关联性比较高的商品放置在同一个货架上。

(4)某些商品对于库位有特殊要求，例如部分过重的商品必须放置在最下层，部分尖锐的物品必须放置在最小层(防止不可见划伤)。

(5)商品在货架内按照商品的销量和货架上每个仓位的拣货难度进行匹配，例如将销量最好的商品放置在最容易拣的仓位上。

结合图4，商品落位模块执行如图4所示的具体处理。

步骤3-1：根据读取到的仓位编码和商品信息调整部分商品的库容规格。

其中，对部分商品的库容规格的调整处理主要是考虑到仓库布局本身已经不可变，因此能调整的是商品本身的库容规格。具体的调整手段为：依次从最大库容规格开始进行测算，如果最大库容个数为N1，当前商品对应的该库容规格为N2。

a)当N1>N2时，需要增加(N1-N2)个商品变换库容规格为最大库容，商品选取可按照VB+VS降序进行选取。

b)当N1<N2时，需要将(N2-N1)个商品的库容规格变成小一级的库容规格，商品选取可按照VB+VS升序进行选取。

步骤3-2：根据读取到的订单销售数据、经步骤3-1调整后的商品库容规格，以及读取到的商品信息，将每个商品对应到具体的货架上。

在本步骤中，需要考虑商品本身的特性，例如需要放置在底部的商品个数不能超过本身货架底部的仓位数，还有每个货架的补货溢出商品数量不能超过货架顶部堆积约束。其中补货溢出是指一般备货区的商品放置方式都是按照整箱进行放置的，而补货之中因为考虑到拣货区充分利用的问题，不会将商品的库容设置的非常大，所以会利用货架顶部处理部分商品的溢出问题。

步骤3-3：将商品对应到步骤3-2所获得的货架的具体仓位上。

在本步骤中，需要考虑商品本身的特性需求，和商品销量和仓位拣货难易程度进行对应，即，依次将销量比较高的商品放置在货架最容易拣货的位置。

如图6所示，本发明还揭示了一种应用上述方法的计算机系统，计算机系统包括处理器和存储器，存储器被配置为存储一系列计算机可执行的指令以及与这一系列计算机可执行的指令相关联的计算机可访问的数据。

当这一系列计算机可执行的指令被处理器执行时，使得处理器进行如上述图1所示的实施例中所描述的方法。

此外，本发明还公开了一种非临时性计算机可读存储介质，非临时性计算机可读存储介质上存储有一系列计算机可执行的指令，当这一系列可执行的指令被计算装置执行时，使得计算装置进行如上述图1所示的实施例中所描述的方法。

尽管为使解释简单化将上述方法图示并描述为一系列动作，但是应理解并领会，这些方法不受动作的次序所限，因为根据一个或多个实施例，一些动作可按不同次序发生和/或与来自本文中图示和描述或本文中未图示和描述但本领域技术人员可以理解的其他动作并发地发生。

本领域技术人员将进一步领会，结合本文中所公开的实施例来描述的各种解说性逻辑板块、模块、电路、和算法步骤可实现为电子硬件、计算机软件、或这两者的组合。为清楚地解说硬件与软件的这一可互换性，各种解说性组件、框、模块、电路、和步骤在上面是以其功能性的形式作一般化描述的。此类功能性是被实现为硬件还是软件取决于具体应用和施加于整体系统的设计约束。技术人员对于每种特定应用可用不同的方式来实现所描述的功能性，但这样的实现决策不应被解读成导致脱离了本发明的范围。

结合本文所公开的实施例描述的各种解说性逻辑板块、模块、和电路可用通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立的门或晶体管逻辑、分立的硬件组件、或其设计成执行本文所描述功能的任何组合来实现或执行。通用处理器可以是微处理器，但在替换方案中，该处理器可以是任何常规的处理器、控制器、微控制器、或状态机。处理器还可以被实现为计算设备的组合，例如DSP与微处理器的组合、多个微处理器、与DSP核心协作的一个或多个微处理器、或任何其他此类配置。

结合本文中公开的实施例描述的方法或算法的步骤可直接在硬件中、在由处理器执行的软件模块中、或在这两者的组合中体现。软件模块可驻留在RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域中所知的任何其他形式的存储介质中。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读取和写入信息。在替换方案中，存储介质可以被整合到处理器。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替换方案中，处理器和存储介质可作为分立组件驻留在用户终端中。

在一个或多个示例性实施例中，所描述的功能可在硬件、软件、固件或其任何组合中实现。如果在软件中实现为计算机程序产品，则各功能可以作为一条或更多条指令或代码存储在计算机可读介质上或机器进行传送。计算机可读介质包括计算机存储介质和通信介质两者，其包括促成计算机程序从一地向另一地转移的任何介质。存储介质可以是能被计算机访问的任何可用介质。作为示例而非限定，这样的计算机可读介质可包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁存储设备、或能被用来携带或存储指令或数据结构形式的合意程序代码且能被计算机访问的任何其它介质。任何连接也被正当地称为计算机可读介质。例如，如果软件是使用同轴电缆、光纤电缆、双绞线、数字订户线(DSL)、或诸如红外、无线电、以及微波之类的无线技术从web网站、服务器、或其它远程源传送而来，则该同轴电缆、光纤电缆、双绞线、DSL、或诸如红外、无线电、以及微波之类的无线技术就被包括在介质的定义之中。如本文中所使用的盘(disk)和碟(disc)包括压缩碟(CD)、激光碟、光碟、数字多用碟(DVD)、软盘和蓝光碟，其中盘(disk)往往以磁的方式再现数据，而碟(disc)用激光以光学方式再现数据。上述的组合也应被包括在计算机可读介质的范围内。

提供对本公开的先前描述是为使得本领域任何技术人员皆能够制作或使用本公开。对本公开的各种修改对本领域技术人员来说都将是显而易见的，且本文中所定义的普适原理可被应用到其他变体而不会脱离本公开的精神或范围。由此，本公开并非旨在被限定于本文中所描述的示例和设计，而是应被授予与本文中所公开的原理和新颖性特征相一致的最广范围。

Claims (10)

1.一种基于仓库全流程协同最优化的智能化布局方法，其特征在于，方法包括：

步骤1：基于导入的商品信息和读取的订单销售数据，结合预设的可用库容规格来计算商品库容；

步骤2：根据计算出的商品库容自动绘制仓库布局图并得到仓位编码；

步骤3：结合步骤2获得的仓位编码，以及读取到的商品信息和订单销售数据，将商品和库位进行匹配，以使每个商品布置在一个具体的库位上，完成商品落位。

2.根据权利要求1所述的基于仓库全流程协同最优化的智能化布局方法，其特征在于，步骤1进一步包括：

导入商品信息并读取订单销售数据，并设置可用库容规格；

根据箱规体积和销量体积，计算获得每个商品的库容；

根据商品尺寸调整商品库容；

根据商品关联性调整商品库容；

根据货架顶部堆积约束将部分商品库容缩小。

3.根据权利要求1所述的基于仓库全流程协同最优化的智能化布局方法，其特征在于，步骤2中的自动绘制而来的仓库布局图可进行人工调整。

4.根据权利要求3所述的基于仓库全流程协同最优化的智能化布局方法，其特征在于，步骤2进一步包括：

导入商品的库容信息和商品销量；

根据仓库历史操作状况获得货架商品销量阈值；

获得热销区商品集合和滞销区商品集合；

设定每个通道可容纳的货架数；

获得每个通道对应的库容规格；

设置仓位编号规则；

通过在布局处理中输入参数，自动绘制仓库布局图和获得仓位编码；

现场人员根据实际状况对绘制好的仓库布局图进行人工调整；

基于调整后的仓库布局图获得新的仓位编码。

5.根据权利要求1所述的基于仓库全流程协同最优化的智能化布局方法，其特征在于，步骤3进一步包括：

根据读取到的仓位编码和商品信息调整部分商品的库容规格；

根据读取到的订单销售数据、经上一步骤调整后的商品库容规格，以及读取到的商品信息，将每个商品对应到具体的货架上；

将商品对应到上一步骤所获得的货架的具体仓位上。

6.一种基于仓库全流程协同最优化的智能化布局系统，其特征在于，系统包括：

商品库容计算模块，用于基于导入的商品信息和读取的订单销售数据，结合预设的可用库容规格来计算商品库容；

仓库布局绘制模块，用于根据计算出的商品库容自动绘制仓库布局图并得到仓位编码；

商品落位模块，用于结合步骤仓库布局绘制模块获得的仓位编码，以及读取到的商品信息和订单销售数据，将商品和库位进行匹配，以使每个商品布置在一个具体的库位上，完成商品落位。

7.根据权利要求6所述的基于仓库全流程协同最优化的智能化布局系统，其特征在于，商品库容计算模块进一步配置为执行以下的处理：

导入商品信息并读取订单销售数据，并设置可用库容规格；

根据箱规体积和销量体积，计算获得每个商品的库容；

根据商品尺寸调整商品库容；

根据商品关联性调整商品库容；

根据货架顶部堆积约束将部分商品库容缩小。

8.根据权利要求6所述的基于仓库全流程协同最优化的智能化布局系统，其特征在于，仓库布局绘制模块中的自动绘制而来的仓库布局图可进行人工调整。

9.根据权利要求8所述的基于仓库全流程协同最优化的智能化布局系统，其特征在于，仓库布局绘制模块进一步配置为执行以下的处理：

导入商品的库容信息和商品销量；

根据仓库历史操作状况获得货架商品销量阈值；

获得热销区商品集合和滞销区商品集合；

设定每个通道可容纳的货架数；

获得每个通道对应的库容规格；

设置仓位编号规则；

通过在布局处理中输入参数，自动绘制仓库布局图和获得仓位编码；

现场人员根据实际状况对绘制好的仓库布局图进行人工调整；

基于调整后的仓库布局图获得新的仓位编码。

10.根据权利要求6所述的基于仓库全流程协同最优化的智能化布局系统，其特征在于，商品落位模块进一步配置为执行以下的处理：

根据读取到的仓位编码和商品信息调整部分商品的库容规格；

根据读取到的订单销售数据、经上一步骤调整后的商品库容规格，以及读取到的商品信息，将每个商品对应到具体的货架上；

将商品对应到上一步骤所获得的货架的具体仓位上。

Images