CN113780922B - 货品流向流量确定方法和装置 - Google Patents
货品流向流量确定方法和装置 Download PDFInfo
- Publication number
- CN113780922B CN113780922B CN202110057394.4A CN202110057394A CN113780922B CN 113780922 B CN113780922 B CN 113780922B CN 202110057394 A CN202110057394 A CN 202110057394A CN 113780922 B CN113780922 B CN 113780922B
- Authority
- CN
- China
- Prior art keywords
- warehouse
- goods
- flow
- model
- storage
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000010586 diagram Methods 0.000 claims abstract description 39
- 230000008569 process Effects 0.000 claims abstract description 21
- 230000006870 function Effects 0.000 claims description 17
- 230000007306 turnover Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000000047 product Substances 0.000 description 98
- 238000004891 communication Methods 0.000 description 7
- 230000015654 memory Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 102000002423 Octamer Transcription Factor-6 Human genes 0.000 description 2
- 108010068113 Octamer Transcription Factor-6 Proteins 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 239000004816 latex Substances 0.000 description 1
- 229920000126 latex Polymers 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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)
- Warehouses Or Storage Devices (AREA)
Abstract
本发明公开了货品流向流量确定方法和装置，涉及仓储物流技术领域。该方法的一具体实施方式包括：将货品的入库、存储和出库的过程表示为由节点和有向边构成的网络结构图，进而生成包含来源节点和对应的目的节点的网络结构表格，获取预定的仓库数据、货品的基本属性数据、货品的存储要求数据、预先设置的配置参数数据，根据所述网络结构表格中的各节点信息以及所获取各数据生成网络流模型以及网络流模型的约束和目标；以及基于所述约束和目标对所述网络流模型进行模型求解，进而确定所述货品的流向流量分布。该实施方式实现了对货品的流向和流量的智能化推荐，降低了成本并提高了效率。
Description
技术领域
本发明涉及仓储物流领域，尤其涉及一种货品流向流量确定方法和装置。
背景技术
仓库最基本的功能是物品的进出和存储，此外也涉及货品的分拣、包装和其它附加功能。一个大中型仓库经常存在多个存储区，货品的入库、出库和在不同存储区域之间转移(补货)需要使用特定的设备和人力操作。在货品入库时需要根据储区属性和货品属性为其货品推荐合适的入库区域。
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：
目前多基于经验或者货品的基本属性(尺寸、出库频率、存储要求等)来判断货品的入库流向(和流量)，没有针对货品入库流向(和流量)的智能推荐方法。
发明内容
有鉴于此，本发明实施例提供一种货品流向流量确定方法和装置，其将仓库各区域、设备和作业流程抽象为一个由节点和有向边构成的网络图，通过网络流模型为各货品规划适合的储区和出入库流量及流向，在满足出入库和存储业务需求的前提下优化整体的成本，提高整体效率，且实现智能化推荐。
为实现上述目的，根据本发明实施例的第一方面，提供了一种货品流向流量确定方法，包括：
将货品的入库、存储和出库的过程表示为由节点和有向边构成的网络结构图，进而生成包含来源节点和对应的目的节点的网络结构表格，
获取预定的仓库数据、货品的基本属性数据、货品的存储要求数据、预先设置的配置参数数据，
根据所述网络结构表格中的各节点信息以及所获取的仓库数据、货品的基本属性数据、货品的存储要求数据、配置参数数据生成网络流模型以及网络流模型的约束和目标；以及
基于所述约束和目标对所述网络流模型进行模型求解，进而确定所述货品的流向流量分布。
优选地，在第一方面的货品流向流量确定方法中，其中，在生成所述网络流模型的约束和目标之前，还包括如下步骤：
结合所述仓库数据，生成节点信息表格，其示出对于所述网络结构表格中的所包含的各节点的至少节点名称以及表示节点是否可存储的节点功能；
根据所述货品的基本属性数据生成货品信息表格，其示出每种货品的基本属性数据；
根据所述货品的存储要求数据生成存储策略表格，其示出每种货品在所述节点信息表格中的对应的节点名称处的存储策略，以及
根据预先设置的配置参数数据生成配置参数表格，其示出参数名称以及对应的参数值，并且
其中，根据所述网络结构图生成表格、所述节点信息表格、所述货品信息表格、所述存储策略表格以及所述配置参数表格，生成所述网络流模型以及网络流模型的约束和目标。
优选地，在第一方面的货品流向流量确定方法中，其中，所述网络流模型的约束和目标的生成包括如下步骤：
将网络流模型划分为第一至第三阶段，第一阶段流入安全库存，第二阶段流入和流出周转库存并满足周期内销量需求，第三阶段流出安全库存，
计算模型的模型参数，
生成模型的模型变量，
生成模型的模型约束，以及
生成模型的模型目标。
优选地，在第一方面的货品流向流量确定方法中，其中，获取所述货品的基本属性数据包括获取所述货品的信息数据、所述货品在过去预定时间段的出入库和库存数据；并且获取所述仓库数据包括获取仓库的存储能力、存储成本、流量能力和流量成本的一项或几项。
优选地，在第一方面的货品流向流量确定方法中，其中，所述配置参数表格包含存储周期、预定单位的工作时长、存储体积系数、周期成本系数中的一项或几项以及对应的参数值。
优选地，在第一方面的货品流向流量确定方法中，其中，利用由有向边顺次连接的如下节点生成所述网络结构图：入库、人到货存储、人到货拣选和出库；以及入库、货到人存储、货到人拣选和出库；或者利用由有向边顺次连接的如下节点生成所述网络结构图：入库、立库保管区、堆垛机、立库零拣区、第1拣选和出库；入库、立库保管区、堆垛机、第2叉车、平库零拣区、第2拣选和出库；入库、平库零拣区、第2拣选和出库；入库、立库零拣区、第1拣选和出库；和入库、平库保管区、第1叉车、平库零拣区、第2拣选和出库。
优选地，在第一方面的货品流向流量确定方法中，其中，所述节点信息表格中包含各节点的节点名称、表示是否为可存储节点的节点功能、存储能力上限、存储成本、流量能力上线和流量成本。
优选地，在第一方面的货品流向流量确定方法中，其中，所述货品信息表格中包含各货品的货品名称，货品的单位体积、货品的低储库存件数/高储库存件数、货品销量。
优选地，在第一方面的货品流向流量确定方法中，其中，所述存储策略表格包含各货品的货品名称、节点名称、存储要求，货品的所述存储要求包含有库存情况下的最小存储件数、最大存储件数、周转时间，并且所述存储要求为大于零的数或者为空，在所述存储要求为空时，表示对存储要求没有约束。
为实现上述目的，根据本发明实施例的第二方面，提供了一种货品流向流量确定装置，包括：
网络结构表格生成模块：其通过将所述货品的入库、存储和出库的过程表示为由节点和有向边构成的网络结构图，进而生成包含来源节点和对应的目的节点的网络结构表格；
数据获取模块：其获取预定的仓库数据、货品的基本属性数据、货品的存储要求数据、预先设置的配置参数数据，
网络流模型生成模块，其根据由所述网络结构表格生成模块生成的所述网络结构表格中的各节点信息以及由所述数据获取模块所获取的仓库数据、货品的基本属性数据、货品的存储要求数据、配置参数数据生成网络流模型，并且生成所述网络流模型的约束和目标；以及
计算模块：其基于所述约束和目标对所述网络流模型进行模型求解，进而确定所述货品的流向流量分布。
优选地，在第二方面的货品流向流量确定装置中，所述网络流模型生成模块在生成所述网络流模型及其约束和目标之前，还进行如下操作：
结合所述仓库数据，生成节点信息表格，其示出对于所述网络结构表格中所包含的各节点的至少节点名称以及表示节点是否可存储的节点功能；
根据所述货品的基本属性数据生成货品信息表格，其示出每种货品的基本属性数据；
根据所述货品的存储要求数据生成存储策略表格，其示出每种货品在所述节点信息表格中的对应的节点名称处的存储策略，以及
根据预先设置的配置参数数据生成配置参数表格，其示出参数名称以及对应的参数值，并且
其中，所述网络流模型生成模块根据所述网络结构图生成表格、所述节点信息表格、所述货品信息表格、所述存储策略表格以及所述配置参数表格，生成所述网络流模型以及网络流模型的约束和目标。
优选地，在第二方面的货品流向流量确定装置中，所述网络流模型生成模块进行如下操作：
将生成的网络流模型划分为第一至第三阶段，第一阶段流入安全库存，第二阶段流入和流出周转库存并满足周期内销量需求，第三阶段流出安全库存，
计算模型的模型参数，
生成模型的模型变量，
生成模型的模型约束，以及
生成模型的模型目标。
优选地，在第二方面的货品流向流量确定装置中，数据获取模块获取的所述货品的基本属性数据包括所述货品的信息数据、所述货品在过去预定时间段的出入库和库存数据；并且
数据获取模块获取的所述仓库数据包括仓库的存储能力、存储成本、流量能力和流量成本的一项或几项。
优选地，在第二方面的货品流向流量确定装置中，数据获取模块获取的配置参数数据包含存储周期、预定单位的工作时长、存储体积系数、周期成本系数中的一项或几项以及对应的参数值。
优选地，在第二方面的货品流向流量确定装置中，所述网络结构表格生成模块利用由有向边顺次连接的如下节点生成所述网络结构图：入库、人到货存储、人到货拣选和出库；以及入库、货到人存储、货到人拣选和出库；或者
利用由有向边顺次连接的如下节点生成所述网络结构图：入库、立库保管区、堆垛机、立库零拣区、第1拣选和出库；入库、立库保管区、堆垛机、第2叉车、平库零拣区、第2拣选和出库；入库、平库零拣区、第2拣选和出库；入库、立库零拣区、第1拣选和出库；和入库、平库保管区、第1叉车、平库零拣区、第2拣选和出库。
优选地，在第二方面的货品流向流量确定装置中，所述节点信息表格中包含各节点的节点名称、表示是否为可存储节点的节点功能、存储能力上限、存储成本、流量能力上线和流量成本。
优选地，在第二方面的货品流向流量确定装置中，所述货品信息表格中包含各货品的货品名称，货品的单位体积、货品的低储库存件数/高储库存件数、货品销量。
优选地，在第二方面的货品流向流量确定装置中，所述存储策略表格包含各货品的货品名称、节点名称、存储要求，货品的所述存储要求包含有库存情况下的最小存储件数、最大存储件数、周转天数，并且所述存储要求为大于零的数或者为空，在所述存储要求为空时，表示对存储要求没有约束。
本发明的还提供了一种用于使得货品入库和/或出库的货品流向确定的电子设备，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第一方面所述的方法。
本发明的还提供了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第一方面所述的方法。
上述发明中的一个实施例具有如下优点或有益效果：因为采用通过网络流模型为各货品规划适合的储区和出入库流量及流向的技术手段，能够在满足出入库和存储业务需求的前提下优化整体的成本，提高整体效率。
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是根据本发明实施例的货品流向流量确定方法的基本流程的示意图；
图2是根据本发明实施例的货品流向确定装置的主要模块的示意图；
图3是根据本发明实施例的货品流向流量确定方法的一个具体流程的流程图实例；
图4是根据本发明实施例的货品流向流量确定方法中的网络结构图的一个实例；
图5是根据本发明实施例的货品流向流量确定方法中的网络结构图的另一个实例；
图6是本发明实施例可以应用于其中的示例性系统架构图；
图7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用于使得货品向仓库入库和/或从仓库出库的货品流向流量确定方法的主要流程的示意图。根据本实施的货品流向流量确定方法，其通过智能化过程，在满足出入库和存储业务需求的前提下优化整体的成本，提高整体效率。
如图1所示，根据本实施例的货品入库出库的流向流量确定方法的基本流程包括步骤S101-步骤S104。在步骤S101中，生成网络结构表格、获得货品和仓库的相关数据以及配置参数表格。在步骤102中，基于步骤S101中的结果，生成网络流模型及其约束和目标。在步骤S103中，利用求解器对网络流模型进行模型求解。最后，在步骤S104中，根据在步骤S103中的求解结果，确定货品的货品流向流量分布。
具体地，在上面的步骤S101中，获取货品的基本属性数据例如包括获取货品的信息数据、货品在过去预定时间段的出入库和库存数据；并且获取仓库数据例如包括获取仓库的存储能力、存储成本、流量能力和流量成本的一项或几项；并且例如通过人为输入配置参数等方式生成所述配置参数表格，例如包含存储周期、预定单位的工作时长、存储体积系数、周期成本系数中的一项或几项以及对应的参数值。
另外，在步骤S101中，将仓库各区域、设备或作业流程表示为由节点和有向边构成的网络结构图例如可以通过如下方式来完成。
将仓库各区域、设备或作业流程抽象为网络中节点，将区域、设备或作业流程之间的关系抽象为网络中的有向边，将货品入库、存储、出库的过程抽象为网络中流动的流。譬如，一个仓库由人到货拣选区和AGV货到人拣选区两个区域组成，两个区域均可直接入库和出库，网络结构图可以抽象为图4所示的网络结构图。再譬如，一个仓库由立库区和平库区组成，立库区和平库区均包含零拣区和存储区两个区域，四个区域均可以直接入库，货品可从立库零拣区和平库零拣区出库，立库保管区可以向两个零拣区补货，平库保管区只能向平库零拣区补货，则网络结构图可以抽象为图5所示的网络结构图。
值得注意的是，网络结构图中“入库”和“出库”是两个虚拟节点，在进行网络结构抽象时，不需要对所有流程进行建模而只要关注那些重要(或者瓶颈)的流程，以图4为例，在拣选环节后可能还有分拣、打包等流程，但是这些分拣、打包等的非关注点的流程并没有体现在网络结构图中。
当已经抽象出了网络结构图时，即可以明确由一条有向边所连接的来源节点以及对应的目的节点，因此，即可相应地生成网络结构表，其由来源节点，目的节点两列组成，每一行表示由来源节点到目的节点存在一条连接它们的有向边，即货品可以从来源节点流向目的节点。
利用上面获取到的各种数据以及已经建立的网络结构图，即可在步骤S102中生成关于货品入库和/或出库的网络流模型，并且生成该网络流模型的约束和目标。更具体地，为了能够更加清楚地利用所获取到的各种类型的上述数据，还可以在步骤S102之前针对所采集到的各种数据按类型生成例如四种表格，具体，结合所述仓库数据，生成节点信息表格，其示出对于所述网络结构表格中的包含的各节点的至少节点名称以及表示节点是否可存储的节点功能；根据货品的基本属性数据生成货品信息表格，其示出每种货品的基本属性数据；根据所述货品的存储要求数据生成存储策略表格，其示出每种货品在所述节点信息表格中的对应的节点名称处的存储策略，以及根据预先设置的配置参数数据生成配置参数表格，示出参数名称以及对应的参数值。根据所述网络结构图生成表格、所述节点信息表格、所述货品信息表格、所述存储策略表格以及所述配置参数表格，生成所述网络流模型以及网络流模型的约束和目标。
在步骤S103中，可以通过使用SCIP、Cplex、Gurobi等求解器进行模型求解，并且在步骤S104中基于步骤S103中的计算结果确定库存分布(各货品在各可存储节点的安全库存件数和循环库存件数)和流量模拟状况，并且以例如表格等的形式进行输出。
以下，以在步骤S101中，以图4所示出的实例完成将仓库各区域、设备或作业流程抽象为网络中节点，将区域、设备或作业流程之间的关系抽象为网络中的有向边，将货品入库、存储、出库的过程抽象为网络中流动的流为例，参照图3的流程图的一个实例对本发明的货品的流向流量方法进行更加清楚地说明。
如图3所示，首先，将仓库各区域、设备和作业流程抽象为图4所示的一个网络结构图，包括入库、人到货存储、人到货拣选和出库的各节点；以及入库、货到人存储、货到人拣选和出库的各节点。
然后，根据生成的网络结构表生成对应的网络结构表格network-structure，如下述的表1所示，其由来源节点、目的节点两列组成，每一行表示由来源节点到目的节点存在一条连接它们的有向边，即货品可以从来源节点流向目的节点。
[表1]
| 来源节点 | 目的节点 |
| 入库 | 人到货存储 |
| 入库 | 货到人存储 |
| 人到货存储 | 人到货拣选 |
| 货到人存储 | 货到人拣选 |
| 人到货拣选 | 出库 |
| 货到人拣选 | 出库 |
另外，如图3所示，可以获取货品、仓库(仓库设备、人员)相关的各种数据以及配置参数。在本具体流程中，获取货品信息数据、过去一段时期T(譬如一个月)的出入库和库存数据；获取设备(人员)能力、效率、成本等相关数据。
于是，根据所获取的各数据以及生成的网络结构表格生成节点信息表格site_info、货品信息表格product_info、存储策略表格inventory_policies以及配置参数表格config，其中，配置参数表格config可以通过人工输入生成。
<节点信息表格>
节点信息表包含各节点的基本属性，应至少包含节点名称，节点功能(是否可存储)，存储能力上限，存储成本，流量能力上线，流量成本等信息。除节点名称和节点功能以外，其它信息可以缺省，这样即默认存储或流量能力没有上限，没有存储或者流量成本。下表2为各节点生成的节点信息表的非限制性的一个示例。
[表2]
<生成货品信息表格>
货品信息表包含各货品的基本属性，应至少包含货品名称，货品的单位体积、货品的低储库存件数/高储库存件数、例如日均销量等信息。下表3为货品信息表的非限制性的一个示例。
[表3]
<生成存储策略表格>
存储策略表的一条记录表示某种货品可以在某个节点存储，另外可以输入存储要求，譬如有库存情况下的最小存储件数、周转天数等，也可以不填，则没有相应约束。下表4为存储策略表的非限制性的一个示例：
[表4]
<配置参数表格>
配置参数表格可以是由工作人员进行输入的表格，包含存储周期、预定单位的工作时长、存储体积系数、周期成本系数等参数。此处，存储体积系数是人为输入的小于1的百分比系数，由于不同货品在节点位置的循环库存件数不同且自身体积不同，并非每种货品都是在对应节点占用最高的存储库存，因此在计算模型约束时，例如后述第二阶段中设定“库存占用满足条件”时，优选不用最高的存储体积进行设定，而是乘以该预先设定的该存储体积系数。另外，此处的周期成本系数也是人为输入的小于1的百分比系数，由于不同货品的存储周期不同，可能并非每中货品都是按照所设定的周期来进行存储，例如，下表中的存储周期设定为30天，但是很可能后续有一些货品的存储周期是50天、80天等等，此时，如果乘以这个人为设置的周期成本系数，能够大致将成本计算都转化为在固定的存储周期内，对于模型约束的建立更加准确。
下表5为配置参数表格的非限制性的一个示例，例如，存储周期选择为存储的周期天数，并且设定为30天为一个存储周期；预定单位的工作时长选择为每日的工作时长，并且设定为12小时；存储体积系数设定为0.6，且周期成本系数设定为0.2。
[表5]
| 参数名称 | 参数值 |
| 周期天数(day) | 30 |
| 每日工作时长(h) | 12 |
| 存储体积系数 | 0.6 |
| 周期成本系数 | 0.2 |
如图3的具体流程图所示，根据所生成的网络结构表格network-structure、节点信息表格site_info、货品信息表格product_info、存储策略表格inventory_policies以及配置参数表格config，生成网络流模型的约束和目标。
在本实例中，对于网络流模型的约束和目标的生成可以具体包括如下的步骤。
<模型说明>
模型分为三阶段，第一阶段(horizon1)流入安全库存，第二阶段(horizon2)流入和流出周转库存并满足的周期内销量需求，第三阶段(horizon3)流出安全库存。模型通过整合三阶段约束，可以确定各货品在常态下的库存分布、流量和各项成本。
<计算模型参数(包括符号说明)>
ALL_SITES:所有节点的集合；
ALL_INVENTORY_SITES：所有允许存储的节点集合；
ALL_NONE_INVENTORY_SITES：所有不允许存储的节点集合；
IB：虚拟入库节点；
OB:虚拟出库节点；
ALL_DIRECT_INBOUND_INVENTORY_SITES：可以直接用作入库存储的节点集合(即直接与IB相连的存储节点，中间可能有不允许存储的设备节点、流程节点等)
NEXT(site)：节点site的前继节点集合；
PREV(site)：节点site的后继节点集合；
floutlim(site)：节点site的流量限制；
flout_cost(site)：节点site的每件处理成本；
invlim(site)：节点site的容量限制；
inv_cost(site)：节点site的单位体积成本；
ALL_PRODUCTS：所有货品的集合；
sale_qty(product):货品product周期内的销量需求，sale_qty(product)＝货品product的日均销量*周期天数；
uni_vol(product)：货品product的单位体积；
turn_times(product)：货品product在周期天数内的周转次数，可以理解为周期天数内货品的入库次数；
turn_times(product,site)：货品product在节点site的最大周转次数，可以用模型周期天数和表格inventory_policies中货品周转天数计算得到；
discount：存储体积系数；
lambda：周期成本系数。
<生成模型变量>
allow_inv(product,site):0-1变量，当该值为1时表示货品product在节点site存储，当该值为0时表示货品product不在节点site存储；
inv(product,site,horizon):horizon期末货品product在节点site的库存件数；
saf_inv(product,site):货品product在节点site的安全库存件数；
cycl_inv(product,site):货品product在节点site的循环库存件数；
flow(product,site1,site2,horizon):horizon货品product从节点site1到节点site2的流量(件数)。
<生成模型约束(下述公式为例如latex格式)>
A.第一阶段(horizon1)：期初库存为0，入库量为安全库存量；
第一阶段末的库存分布等于安全库存的分布
inv(product,site,horizon1)＝saf_inv(product,site)\forall product,site
入库量为所有安全库存
\sum_{floutnode\in next(IB)}flow(product,IB,floutnode,horizon1)＝＝saf_inv(product)\forall product
出库量为0
\sum_{flinnode\in prev(OB)}flow(product,flinnode,OB,horizon1)＝＝0\forall product
节点流平衡(有库存节点：入库＝期末库存+出流；无库存节点：入流＝出流)
有库存节点：\sum_{flinnode in PREV(site)}flow(product,flinnode,site,horizon1)＝＝saf_inv(product,site)+\sum_{floutnode in NEXT(site)}flow(product,site,floutnode,horizon1)\forall product,site\in ALL_INVENTORY_SITES
无库存节点：\sum_{flinnode in PREV(site)}flow(product,flinnode,site,horizon1)＝＝\sum_{floutnode in NEXT(site)}flow(product,site,floutnode,horizon1)\forall product,site\in ALL_NONE_INVENTORY_SITES
B.第二阶段(horizon2)：入库/出库量为货品的销量需求，期初和期末库存分布不改变；
第二阶段末的库存分布等于第一阶段末的库存分布
inv(product,site,horizon2)＝saf_inv(product,site)\forall product,site
出库量为货品的销量需求
\sum_{site\in prev(OB)}flow_normal(product,site,OB,horizon2)＝＝sale_qty(product)\forall product
节点流平衡(入流＝＝出流)
\sum_{flinnode in PREV(site)}flow(product,flinnode,site,horizon2)＝＝\sum_{floutnode in NEXT(site)}flow(product,site,floutnode,horizon2)\forallproduct,site
节点流量上限约束
\sum_{product\in ALL_PRODUCTS}\sum_{floutnode in NEXT(site)}(flow(product,site,floutnode,horizon2)+flow(product,site,floutnode,horizon2))<＝floutlim(site)\forall site
节点存储能力上限约束
所有可直接入库节点其存储的周转库存量大于等于单次入库量：flow(product,IB,site,horizon2)<＝turn_times(product)*cycl_inv(product,site)\forallproduct,site\in ALL_DIRECT_INBOUND_INVENTORY_SITES；
对于有库存的节点，第二阶段(Horizon2)内若某货品组合可以流经这个节点，则此货品组合在这个节点必须有库存，且货品组合的总流出量小于等于该组合在这个节点的库存量乘以该货品组合在该节点允许的最大周转次数：\sum{floutnode\in NEXT(site)}flow(product,site,floutnode,horizon2)<＝turn_times(product,site)*cycl_inv(product,site)；
库存占用体积满足条件：\sum_{product\in ALL_PRODUCTS}(saf_inv(product,site)+discount*cycl_inv(product,site))*uni_vol(product)<＝invlim(site)\forallsite\in ALL_INVENTORY_SITES；
其它存储相关的约束
如果某些货品不允许在某些节点保存：allow_inv(product,site)＝＝0；
如果某货品组合在某节点保存，可以有最小存放件数和最大存放件数的要求:m(product,site)*allow_inv(product,site)<＝inv(product,site,horizon)<＝M(product,site)*allow_inv(product,site)；若未给定m(product,site)和M(product,site)，则默认m(product,site)＝＝0，M(product,site)为一个足够大的正数；
C.第三阶段(horizon3)：出库量为安全库存量，期末库存为0；
第三阶段末库存为0
inv(product,site,horizon3)＝0\forall product,site
出库量为所有安全库存
\sum_{flinnode\in prev(OB)}flow(product,flinnode,OB,horizon3)＝＝saf_inv(product)\forall product
节点流平衡(有库存节点：期初库存+入库＝＝出流；无库存节点：入流＝＝出流)
有库存节点：\sum_{flinnode in PREV(site)}flow(product,flinnode,site,horizon3)+saf_inv(product,site)＝＝\sum_{floutnode in NEXT(site)}flow(product,site,floutnode,horizon3)\forall product,site\in ALL_INVENTORY_SITES
无库存节点：\sum_{flinnode in PREV(site)}flow(product,flinnode,site,horizon3)＝＝\sum_{floutnode in NEXT(site)}flow(product,site,floutnode,horizon3)\forall product,site\in ALL_NONE_INVENTORY_SITES。
<生成模型目标>
该模型的优化目标为最小化包括存储成本和作业成本在内的总成本；
Minimize(total_flow_cost+total_inv_cost)
存储成本为所有允许存储的节点的货品库存占用成本之和：
total_inv_cost＝＝\sum_{site\in ALL_INVENTORY_SITES}(\sum_{product\inALL_PRODUCTS}(saf_inv(product,site)+discount*cycl_inv(product,site))*uni_vol(product))*inv_cost(site))
作业成本为第二阶段和第三阶段所有节点的货品流经成本之和：
total_flow_cost＝＝\sum_{site in ALL_SITES}\sum_{product in ALL_PRODUCTS}\sum_{floutnode\in NEXT(site)}flow(product,site,floutnode,horizon2)*flow_cost(site)
+\sum_{site in ALL_SITES}\sum_{product in ALL_PRODUCTS}\sum_{floutnode\in NEXT(site)}flow(product,site,floutnode,horizon3)*flow_cost(site)*lambda。
在例如通过如上的方式生成了网络流模型的约束和目标之后，如图3所示，进行模型求解，在此使用SCIP、Cplex、Gurobi等求解器进行模型求解得到库存分布(各货品在各可存储节点的安全库存件数和循环库存件数)和流量模拟状况，并且然后将解出的货品的流向流量分布例如以表格输出。
另外，需要注意的是，若在求解过程中发现模型不可行，用户可以检查输入网络结构的连通性，和各表中的数据是否正确，以解决该其问题。
以上已经详细描述了本发明实施例的第一实施例以及更具体的实例，通过该货品流向流量确定方法和装置，其将仓库各区域、设备和作业流程抽象为一个由节点和有向边构成的网络图，通过网络流模型为各货品规划适合的储区和出入库流量及流向，在满足出入库和存储业务需求的前提下优化整体的成本，提高了整体效率。
另外，需要注意的是，上面参考图3进行了具体流程的实例的描述中的各个节点选择、各种数据等仅仅是在网络结构图以图4表示时的具体选择，而不是限制性的，可以根据需要进行合理选择。在实际中，可以根据网络结构图的抽象形式，例如也可以是图5所示的形式，来进行对应的具体的流程处理。
根据本发明实施例的第二方面，提供一种实现上述方法的装置。
图2是本发明实施例的货品流向流量确定装置的主要模块的示意图，如图2所示，货品流向流量确定装置200包括：网络结构表格生成模块201，数据获取模块202，网络流模型生成模块203和计算模块204。
网络结构表格生成模块201通过将所述货品的入库、存储和出库的过程表示为由节点和有向边构成的网络结构图，进而生成包含来源节点和对应的目的节点的网络结构表格。
数据获取模块202获取预定的仓库数据、货品的基本属性数据、货品的存储要求数据、预先设置的配置参数数据。该数据获取模块202还可以如在上面的实施例第一方面的图3所示，在获取各数据后生成节点信息表格site_info、货品信息表格product_info、存储策略表格inventory_policies以及配置参数表格config。
网络流模型生成模块203根据由所述网络结构表格生成模块201生成的所述网络结构表格中的各节点信息以及由所述数据获取模块202所获取的仓库数据、货品的基本属性数据、货品的存储要求数据、配置参数数据生成网络流模型，并且生成所述网络流模型的约束和目标。
计算模块204基于网络流模型的约束和目标对所述网络流模型进行模型求解，进而确定所述货品的流向流量分布。
述网络流模型生成模块203可以进行与第一方面的方法对应的如下操作：将生成的网络流模型划分为第一至第三阶段，第一阶段流入安全库存，第二阶段流入和流出周转库存并满足周期内销量需求，第三阶段流出安全库存，计算模型的模型参数，生成模型的模型变量，生成模型的模型约束，以及生成模型的模型目标。
图6示出了可以应用本发明实施例的货品流量流向确定方法或货品流量流向确定装置的示例性系统架构600。
如图6所示，系统架构600可以包括终端设备601、602、603，网络604和服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络604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601、602、603通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603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601、602、603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605可以是提供各种服务的服务器，例如对用户利用终端设备601、602、603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货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、货品信息--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货品流量流向确定方法一般由服务器605执行，相应地，货品流量流向确定装置一般设置于服务器605中。
应该理解，图6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7，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700的结构示意图。图7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7所示，计算机系统700包括中央处理单元(CPU)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统700操作所需的各种程序和数据。CPU 701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；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707；包括硬盘等的存储部分708；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709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，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710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708。
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货品，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709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(CPU)701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、方法和计算机程序货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：一种处理器包括网络结构表格生成模块，数据获取模块，网络流模型生成模块和计算模块。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，网络结构表格生成模块还可以被描述为“用于通过将货品的入库、存储和出库的过程表示为由节点和有向边构成的网络结构图，进而生成包含来源节点和对应的目的节点的网络结构表格的模块”。
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：将货品的入库、存储和出库的过程表示为由节点和有向边构成的网络结构图，进而生成包含来源节点和对应的目的节点的网络结构表格，
获取预定的仓库数据、货品的基本属性数据、货品的存储要求数据、预先设置的配置参数数据，
根据所述网络结构表格中的各节点信息以及所获取的仓库数据、货品的基本属性数据、货品的存储要求数据、配置参数数据生成网络流模型以及网络流模型的约束和目标；以及
基于所述约束和目标对所述网络流模型进行模型求解，进而确定所述货品的流向流量分布。
根据本发明实施例的技术方案，其将仓库各区域、设备和作业流程抽象为一个由节点和有向边构成的网络图，通过网络流模型为各货品规划适合的储区和出入库流量及流向，在满足出入库和存储业务需求的前提下优化整体的成本，提高整体效率，且实现智能化推荐。
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 (12)
1.一种货品流向流量确定方法，其特征在于，包括：
将货品的入库、存储和出库的过程表示为由节点和有向边构成的网络结构图，进而生成包含来源节点和对应的目的节点的网络结构表格，
获取预定的仓库数据、货品的基本属性数据、货品的存储要求数据、预先设置的配置参数数据，
根据所述网络结构表格中的各节点信息以及所获取的仓库数据、货品的基本属性数据、货品的存储要求数据、配置参数数据生成网络流模型以及网络流模型的约束和目标；以及
基于所述约束和目标对所述网络流模型进行模型求解，进而确定所述货品的流向流量分布；
利用由有向边顺次连接的如下节点生成所述网络结构图：入库、人到货存储、人到货拣选和出库；以及入库、货到人存储、货到人拣选和出库；或者
利用由有向边顺次连接的如下节点生成所述网络结构图：入库、立库保管区、堆垛机、立库零拣区、第1拣选和出库；入库、立库保管区、堆垛机、第2叉车、平库零拣区、第2拣选和出库；入库、平库零拣区、第2拣选和出库；入库、立库零拣区、第1拣选和出库；和入库、平库保管区、第1叉车、平库零拣区、第2拣选和出库。
2.根据权利要求1所述的货品流向流量确定方法，其特征在于，
其中，在生成所述网络流模型的约束和目标之前，还包括如下步骤：
结合所述仓库数据，生成节点信息表格，其示出对于所述网络结构表格中所包含的各节点的至少节点名称以及表示节点是否可存储的节点功能；
根据所述货品的基本属性数据生成货品信息表格，其示出每种货品的基本属性数据；
根据所述货品的存储要求数据生成存储策略表格，其示出每种货品在所述节点信息表格中的对应的节点名称处的存储策略，以及
根据预先设置的配置参数数据生成配置参数表格，其示出参数名称以及对应的参数值，并且
其中，根据所述网络结构表格、所述节点信息表格、所述货品信息表格、所述存储策略表格以及所述配置参数表格，生成所述网络流模型以及网络流模型的约束和目标。
3.根据权利要求2所述的货品流向流量确定方法，其特征在于，
所述网络流模型的约束和目标的生成包括如下步骤：
将网络流模型划分为第一阶段、第二阶段和第三阶段，第一阶段流入安全库存，第二阶段流入和流出周转库存并满足周期内销量需求，第三阶段流出安全库存，
计算模型的模型参数，
生成模型的模型变量，
生成模型的模型约束，以及
生成模型的模型目标。
4.根据权利要求1所述的货品流向流量确定方法，其特征在于，
获取所述货品的基本属性数据包括获取所述货品的信息数据、所述货品在过去预定时间段的出入库和库存数据；并且
获取所述仓库数据包括获取仓库的存储能力、存储成本、流量能力和流量成本的一项或几项。
5.根据权利要求2所述的货品流向流量确定方法，其特征在于，
所述配置参数表格包含存储周期、预定单位的工作时长、存储体积系数、周期成本系数中的一项或几项以及对应的参数值。
6.根据权利要求2所述的货品流向流量确定方法，其特征在于，
所述节点信息表格中包含各节点的节点名称、表示是否为可存储节点的节点功能、存储能力上限、存储成本、流量能力上线和流量成本。
7.根据权利要求2所述的货品流向流量确定方法，其特征在于，
所述货品信息表格中包含各货品的货品名称、货品的单位体积、货品的低储库存件数/高储库存件数、货品销量。
8.根据权利要求2所述的货品流向流量确定方法，其特征在于，
所述存储策略表格包含各货品的货品名称、节点名称、存储要求，
货品的所述存储要求包含有库存情况下的最小存储件数、最大存储件数、周转时间，并且
所述存储要求为大于零的数或者为空，在所述存储要求为空时，表示对存储要求没有约束。
9.一种货品流向流量确定装置，其特征在于，包括：
网络结构表格生成模块：其通过将货品的入库、存储和出库的过程表示为由节点和有向边构成的网络结构图，进而生成包含来源节点和对应的目的节点的网络结构表格；
数据获取模块：其获取预定的仓库数据、货品的基本属性数据、货品的存储要求数据、预先设置的配置参数数据，
网络流模型生成模块，其根据由所述网络结构表格生成模块生成的所述网络结构表格中的各节点信息以及由所述数据获取模块所获取的仓库数据、货品的基本属性数据、货品的存储要求数据、配置参数数据生成网络流模型，并且生成所述网络流模型的约束和目标；以及
计算模块：其基于所述约束和目标对所述网络流模型进行模型求解，进而确定所述货品的流向流量分布；
利用由有向边顺次连接的如下节点生成所述网络结构图：入库、人到货存储、人到货拣选和出库；以及入库、货到人存储、货到人拣选和出库；或者
利用由有向边顺次连接的如下节点生成所述网络结构图：入库、立库保管区、堆垛机、立库零拣区、第1拣选和出库；入库、立库保管区、堆垛机、第2叉车、平库零拣区、第2拣选和出库；入库、平库零拣区、第2拣选和出库；入库、立库零拣区、第1拣选和出库；和入库、平库保管区、第1叉车、平库零拣区、第2拣选和出库。
10.根据权利要求9所述的货品流向流量确定装置，其特征在于，
所述网络流模型生成模块进行如下操作：
将生成的网络流模型划分为第一至第三阶段，第一阶段流入安全库存，第二阶段流入和流出周转库存并满足周期内销量需求，第三阶段流出安全库存，
计算模型的模型参数，
生成模型的模型变量，
生成模型的模型约束，以及
生成模型的模型目标。
11.一种货品流向流量确定的电子设备，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1-8中任一所述的方法。
12.一种计算机可读介质，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1-8中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110057394.4A CN113780922B (zh) | 2021-01-15 | 2021-01-15 | 货品流向流量确定方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110057394.4A CN113780922B (zh) | 2021-01-15 | 2021-01-15 | 货品流向流量确定方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113780922A CN113780922A (zh) | 2021-12-10 |
| CN113780922B true CN113780922B (zh) | 2024-07-19 |
Family
ID=78835424
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110057394.4A Active CN113780922B (zh) | 2021-01-15 | 2021-01-15 | 货品流向流量确定方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113780922B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118658331A (zh) * | 2024-08-13 | 2024-09-17 | 宁波中集物流装备有限公司 | 多层agv智能停车库停取车系统的建模与求解方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111178606A (zh) * | 2019-12-22 | 2020-05-19 | 南京理工大学 | 基于nsga-ii的自动化仓储货位分配优化方法 |
| CN111832802A (zh) * | 2020-04-15 | 2020-10-27 | 北京旷视机器人技术有限公司 | 控制货品搬运车辆的方法、装置、系统、设备及介质 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109685403A (zh) * | 2017-10-18 | 2019-04-26 | 北京京东尚科信息技术有限公司 | 信息处理方法和装置 |
| US11615373B2 (en) * | 2018-05-09 | 2023-03-28 | Target Brands, Inc. | Inventory management |
| CN108830531B (zh) * | 2018-06-20 | 2020-03-13 | 深圳合新国际物流有限公司 | 一种智能分类物流仓储系统 |
| CN110866566A (zh) * | 2018-08-27 | 2020-03-06 | 广州熠点信息技术有限公司 | 仓储管理方法 |
| JP7062561B2 (ja) * | 2018-09-06 | 2022-05-06 | 株式会社日立製作所 | 在庫配置設計装置および在庫配置設計方法 |
| CN109784809A (zh) * | 2019-01-10 | 2019-05-21 | 深圳市启海仓储有限公司 | 货位分配管理方法及系统 |
| CN110334837A (zh) * | 2019-04-11 | 2019-10-15 | 浙江同筑科技有限公司 | 一种基于petri网分解的多AGV调度方法 |
| CN110286673A (zh) * | 2019-05-23 | 2019-09-27 | 北京京东尚科信息技术有限公司 | 仓储任务处理方法、装置、仓储系统以及存储介质 |
| CN110826955A (zh) * | 2019-09-25 | 2020-02-21 | 六安致跃供应链管理有限公司 | 一种仓储物料智能管理方法 |
| CN111798140A (zh) * | 2020-07-08 | 2020-10-20 | 南京信息工程大学 | 一种用于仓储货物的智能排布方法 |
-
2021
- 2021-01-15 CN CN202110057394.4A patent/CN113780922B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111178606A (zh) * | 2019-12-22 | 2020-05-19 | 南京理工大学 | 基于nsga-ii的自动化仓储货位分配优化方法 |
| CN111832802A (zh) * | 2020-04-15 | 2020-10-27 | 北京旷视机器人技术有限公司 | 控制货品搬运车辆的方法、装置、系统、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113780922A (zh) | 2021-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110363456B (zh) | 一种物品上架的方法和装置 | |
| CN110866709B (zh) | 合并订单的方法和装置 | |
| WO2022237667A1 (zh) | 确定订单履约仓库的方法和装置 | |
| CN112884405B (zh) | 一种询价系统及其调度方法 | |
| CN113673932B (zh) | 一种物流网络规划方法和装置 | |
| CN113259144B (zh) | 一种仓储网络规划方法和装置 | |
| CN110858332B (zh) | 订单生产方法和装置 | |
| CN113256193B (zh) | 一种仓库商品布局方法和装置 | |
| CN110826953B (zh) | 一种仓库存储设备规划的方法和装置 | |
| US20220258977A1 (en) | Method and device for determining warehouse inventory | |
| CN112784212B (zh) | 一种优化库存的方法和装置 | |
| CN111950830B (zh) | 一种任务分配方法和装置 | |
| CN113780922B (zh) | 货品流向流量确定方法和装置 | |
| CN109902847B (zh) | 预测分库订单量的方法和装置 | |
| CN109902980A (zh) | 用于业务处理的方法及装置 | |
| CN112633541B (zh) | 一种基于单品流的库存网络优化方法和装置 | |
| CN113650997A (zh) | 一种物品出库定位方法和装置 | |
| CN110322173B (zh) | 规划存储设备的方法和装置 | |
| CN112966992A (zh) | 一种订单生产方法和装置 | |
| CN115099865A (zh) | 一种数据处理方法和装置 | |
| CN112785213B (zh) | 一种仓库拣货单的组建方法和装置 | |
| CN110826948A (zh) | 仓库选品方法和装置 | |
| CN110363558A (zh) | 一种生成商品关联信息的方法和装置 | |
| CN113222304B (zh) | 一种库存调度方法和装置 | |
| CN113762849B (zh) | 立体仓库库存管理的方法、装置和系统 |
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 |