CN115146810A - 一种库存优化方法、存储介质及电子设备 - Google Patents
一种库存优化方法、存储介质及电子设备 Download PDFInfo
- Publication number
- CN115146810A CN115146810A CN202110337988.0A CN202110337988A CN115146810A CN 115146810 A CN115146810 A CN 115146810A CN 202110337988 A CN202110337988 A CN 202110337988A CN 115146810 A CN115146810 A CN 115146810A
- Authority
- CN
- China
- Prior art keywords
- sku
- order
- skus
- determining
- inventory
- 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.)
- Pending
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Accounting & Taxation (AREA)
- Computer Hardware Design (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Finance (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书公开了一种库存优化方法、存储介质及电子设备,本说明书实施例以减小一个订单命中的库存容器的数量、减小一个订单命中的库存容器面的数量、减小所有订单命中的库存容器的数量中的至少一种为优化目标,对各订单对应的商品在库存容器上的存放位置进行优化,可有效减小AGV搬运一个订单对应的所有商品时所需移动的距离,进而提高了AGV的搬运效率。
Description
技术领域
本说明书涉及机器人技术领域,尤其涉及一种库存优化方法、存储介质及电子设备。
背景技术
目前,在仓储应用场景中,常使用自驱动引导车(Automated Guided Vehicle,AGV)来执行诸如拣选和分拣等搬运任务,以实现自动化搬运。
虽然通过AGV自动化搬运存放在仓库中的商品可以提高搬运效率,但是,在实际应用场景中,一个订单往往对应多种商品,因此,如果一个订单对应的多种商品在不同的库存容器上,甚至这些库存容器距离较远,就会降低AGV的搬运效率。
由此可见,如何对库存的商品在存放位置上进行优化,以尽量提高AGV的搬运效率,提高库存容器面和/或库存容器的命中率,及提高订单的周转率,是一个亟待解决的问题。
发明内容
本说明书实施例提供一种库存优化方法、存储介质及电子设备,以部分解决上述现有技术存在的问题。
本说明书实施例采用下述技术方案:
本说明书提供的一种库存优化方法,包括:
获取各订单;
针对每个订单,将该订单对应的商品所在的库存容器作为该订单备选的库存容器,将该订单对应的商品所在的库存容器面作为该订单备选的库存容器面;
采用预设的优化算法,以减小一个订单命中的库存容器的数量、减小一个订单命中的库存容器面的数量、减小所有订单命中的库存容器的数量中的至少一种为优化目标,确定各订单对应的商品在各库存容器上的优化存放位置;
根据确定的各订单对应的商品在各库存容器上的优化存放位置,生成搬运任务;
将搬运任务发送给搬运设备,以使所述搬运设备根据所述搬运任务,对各订单对应的商品在各库存容器上的当前存放位置进行调整。
可选地,获取各订单,具体包括:
获取待拣选的订单;和/或
预测未来指定时间段内将要接收到的订单,并获取预测结果。
可选地,确定该订单对应的商品所在的库存容器,具体包括:
确定该订单对应的商品所在的库存保有单位SKU;
确定所述SKU所在的库存容器;
确定各订单对应的商品在各库存容器上的优化存放位置,具体包括:
确定各订单对应的商品所在的SKU在各库存容器上的优化存放位置;
对各订单对应的商品在各库存容器上的当前存放位置进行调整,具体包括:
对各订单对应的商品所在的SKU在各库存容器上的当前存放位置进行调整。
可选地,确定各订单对应的商品所在的SKU在各库存容器上的优化存放位置,具体包括:
根据获取的各订单对应的商品,确定各商品所在的SKU之间的相关度;
根据各SKU之间的相关度,确定各SKU的调整顺序;
根据各库存容器的属性信息,按照各SKU的调整顺序,依次确定各订单对应的商品所在的SKU在各库存容器上的优化存放位置。
可选地,根据获取的各订单对应的商品,确定各商品所在的SKU之间的相关度,具体包括:
针对任意两个SKU,在获取的各订单中确定同时出现该两个SKU的指定订单;
根据所述指定订单对应的该两个SKU中的商品的数量,确定该两个SKU之间的相关度。
可选地,根据各SKU之间的相关度,确定各SKU的调整顺序,具体包括:
针对每个SKU,确定该SKU与其他各SKU之间的相关度之和,作为该SKU的优先级;
将各SKU的优先级从高到低的顺序,确定为各SKU的调整顺序。
可选地,针对每个SKU,确定该SKU与其他各SKU之间的相关度之和,具体包括:
根据各商品所在的SKU之间的相关度,确定各商品所在的SKU的相关性矩阵M,其中,所述相关性矩阵M中第i行第j列的元素mij表示第i个SKU与第j个SKU之间的相关度;
针对第i个SKU,确定相关性矩阵M中第i行的元素的数值之和,作为第i个SKU与其他各SKU之间的相关度之和。
可选地,根据各库存容器的属性信息,按照各SKU的调整顺序,依次确定各订单对应的商品所在的SKU在各库存容器上的优化存放位置,具体包括:
根据各SKU之间的相关度,对各SKU进行聚类,得到若干类;
按照各SKU的调整顺序,依次针对每个SKU,将该SKU作为当前SKU,确定获取的所有订单中出现该当前SKU的商品的数量,作为第一指定数量;
根据各库存容器的属性信息,确定至少包含所述第一指定数量的商品的当前SKU在各库存容器上的优化存放位置;
针对该当前SKU所在的类中的每个其他SKU,确定获取的所有订单中出现该其他SKU的商品的数量,作为第二指定数量;
根据各库存容器的属性信息以及该当前SKU的优化存放位置,确定至少包含所述第二指定数量的商品的该其他SKU在各库存容器上的优化存放位置。
可选地,根据各库存容器的属性信息以及该当前SKU的优化存放位置,确定至少包含所述第二指定数量的商品的该其他SKU在各库存容器上的优化存放位置,具体包括:
若该当前SKU的优化存放位置所在的库存容器面能够存放至少包含所述第二指定数量的商品的该其他SKU,则确定至少包含所述第二指定数量的商品的该其他SKU的优化存放位置为该当前SKU的优化存放位置所在的库存容器面;
若该当前SKU的优化存放位置所在的库存容器面不能存放至少包含所述第二指定数量的商品的该其他SKU,且该当前SKU的优化存放位置所在的库存容器能够存放至少包含所述第二指定数量的商品的该其他SKU,则确定至少包含所述第二指定数量的商品的该其他SKU的优化存放位置为该当前SKU的优化存放位置所在的库存容器;
若该当前SKU的优化存放位置所在的库存容器不能存放至少包含所述第二指定数量的商品的该其他SKU,则确定至少包含所述第二指定数量的商品的该其他SKU的优化存放位置为其他库存容器。
可选地,根据确定的各订单对应的商品在各库存容器上的优化存放位置,生成搬运任务,具体包括:
针对每个商品,将该商品作为指定商品,并将该商品的优化存放位置所在的库存容器作为指定库存容器;
若所述指定库存容器上存放有不与任何订单相对应的商品,则生成的针对该指定商品的搬运任务中包括:将所述指定库存容器上存放的不与任何订单相对应的商品下架的下架任务,以及,将该指定商品上架的上架任务。
本说明书提供的一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的库存优化方法。
本说明书提供的一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述的库存优化方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
本说明书实施例以减小一个订单命中的库存容器的数量、减小一个订单命中的库存容器面的数量、减小所有订单命中的库存容器的数量中的至少一种为优化目标,对各订单对应的商品在库存容器上的存放位置进行优化,可有效减小AGV搬运一个订单对应的所有商品时所需移动的距离,进而提高了AGV的搬运效率。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书实施例提供的库存优化方法示意图;
图2为本说明书实施例提供的确定各订单对应的商品所在的SKU在各库存容器上的优化存放位置的详细过程示意图;
图3为本说明书实施例提供的电子设备的结构示意图。
具体实施方式
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书实施例提供的库存优化方法示意图,包括:
S100:获取各订单。
在本说明书实施例中,可由服务器等各种电子设备执行如图1所示的库存优化方法,以下仅以服务器为例进行说明。
服务器可先获取各订单。具体的,服务器获取的各订单可以是尚未执行的订单,包括已经接收到但尚未拣选的订单,即待拣选的订单,还可包括预测的未来指定时间段内将要接收到的订单。
当服务器获取的订单为括预测的未来指定时间段内将要接收到的订单时,可通过预先训练的预测模型,对未来指定时间段内将要接收到的订单进行预测,并获取预测结果。预测结果包括但不限于预测的未来指定时间段内将要接收到的订单的数量,以及每个订单所对应的商品及商品的数量。
S102:针对每个订单,将该订单对应的商品所在的库存容器作为该订单备选的库存容器,将该订单对应的商品所在的库存容器面作为该订单备选的库存容器面。
由于在实际应用场景中,库存货物的调整都是以库存保有单位(Stock KeepingUnit,SKU)为单位进行的,因此,在本说明书实施例中,同样也以SKU为单位进行库存的优化。
具体的,在针对通过步骤S100获取到的每个订单,可确定该订单对应的商品所在的SKU,再将该SKU所在的库存容器作为该订单备选的库存容器。
进一步的,由于一个库存容器可能不止有一个库存容器面,通常可能会有两个库存容器面或更多的库存容器面,因此,一个订单对应的商品所在的SKU所位于的库存容器面,即为该订单备选的库存容器面。
S104:采用预设的优化算法,以减小一个订单命中的库存容器的数量、减小一个订单命中的库存容器面的数量、减小所有订单命中的库存容器的数量中的至少一种为优化目标,确定各订单对应的商品在各库存容器上的优化存放位置。
在本说明书实施例中,可采用诸如模拟退火算法、遗传算法等任意的优化算法作为预设的优化算法,并以一个订单命中的库存容器的数量最小化、一个订单命中的库存容器面的数量最小化、所有订单命中的库存容器的数量最小化中的至少一种为优化目标,来获得库存优化的结果,即各订单对应的商品的优化存放位置。
当以SKU为单位进行库存优化时,具体可确定各订单对应的商品所在的SKU在各库存容器上的优化存放位置。
当然,也可以以其他等效于上述优化目标的其他优化目标作为替代,如,以一个订单命中的库存容器的最大数量最小化、一个订单命中的库存容器面的最大数量最小化为优化目标,这里就不再一一赘述。
S106:根据确定的各订单对应的商品在各库存容器上的优化存放位置,生成搬运任务。
S108:将搬运任务发送给搬运设备,以使所述搬运设备根据所述搬运任务,对各订单对应的商品在各库存容器上的当前存放位置进行调整。
在本说明书实施例中,通过步骤S104确定了各SKU的优化存放位置后,可根据确定的优化存放位置,通过AGV自动化的实现对各SKU当前存放位置的调整。
具体的,可先根据确定的各SKU的优化存放位置,生成搬运任务,再将搬运任务发送给搬运设备,以使搬运设备根据接收到的搬运任务,对各订单对应的商品所在的SKU在各库存容器上的当前存放位置进行调整。即,通过AGV将SKU从当前存放位置调整到步骤S104确定出的优化存放位置。
通过上述方法,由于以减小一个订单命中的库存容器的数量、减小一个订单命中的库存容器面的数量、减小所有订单命中的库存容器的数量中的至少一种为优化目标,对各订单对应的商品在库存容器上的存放位置进行优化,因此,可提高库存容器面和/或库存容器的命中率,从而有效减小AGV搬运一个订单对应的所有商品时所需移动的距离,进而提高了AGV的搬运效率,提高了订单的周转率及仓库出库效率。
进一步的,在步骤S104中,采用现有技术中的各优化算法确定各订单对应的商品所在的SKU在各库存容器上的优化存放位置时,由于各优化算法往往需要反复迭代多次才能确定出优化存放位置,优化效率较低,因此,本说明书实施例提供一种优化效率较高的优化方法,如图2所示。
图2为本说明书实施例提供的确定各订单对应的商品所在的SKU在各库存容器上的优化存放位置的详细过程示意图,具体包括以下步骤:
S1040:根据获取的各订单对应的商品,确定各商品所在的SKU之间的相关度。
通常来说,对于两种不同的商品,如果这两种商品出现在同一订单中的概率越高,则说明这两种商品分别所在的SKU之间的相关度越大,反之,说明这两种商品分别所在的SKU之间的相关度越小。如,某型号手机与适配该型号手机的屏幕贴膜这两种商品,会较大概率出现在同一个订单中,因此这两种商品分别所在的SKU之间的相关度较高。也就是说,两个SKU之间的相关度可以表征两个SKU中的商品同时对应于同一个订单的概率。
但是,本说明书实施例中两个SKU之间的相关度不仅能够表征两个SKU中的商品同时对应于同一个订单的概率,还能够表征这两种商品出现在同一个订单时的数量。
具体的,在确定各商品所在的SKU之间的相关度时,针对任意两个SKU,可在通过步骤S100获取到的各订单中,确定同时出现该两个SKU中商品的指定订单,再根据该指定订单对应的该两个SKU中的商品的数量,确定该两个SKU之间的相关度。
其中,同时出现该两个SKU中商品的指定订单是指:若一个订单对应的商品包括这两个SKU中的商品,则该订单就是同时出现该两个SKU中商品的指定订单。
在根据该指定订单对应的该两个SKU中的商品的数量,确定该两个SKU之间的相关度时,可先将这两个SKU中的一个作为基准SKU,将另一个SKU作为比对SKU,针对每个指定订单,确定该指定订单中的基准SKU中商品的数量(以下称为基准数量),以及该指定订单中的比对SKU中商品的数量(以下称为比对数量),并根据基准数量和比对数量确定该指定订单中的基准SKU和比对SKU中的商品的比例,以将该基准数量归一化的方式,根据该比例,确定比对数量对应的归一化数量。最后,将针对每个指定订单确定出的归一化数量之和,作为该基准SKU相对于比对SKU的相关度。相关度越高,说明基准SKU与比对SKU中的商品出现在同一订单中的概率越大,而且同一个订单中比对SKU中的商品数量与基准SKU中的商品数量的比例也越大,从而说明比对SKU中的商品对基准SKU中的商品的依赖程度越高。
需要说明的是,以上述方法确定出的两个SKU之间的相关度与这两个SKU中哪个是基准SKU哪个是比对SKU有关。继续沿用上例,若将某型号手机所在的SKU作为基准SKU,适配该型号手机的屏幕贴膜所在的SKU作为比对SKU,则假设同时命中这两个商品的指定订单有订单A和订单B,订单A中包括1个该型号手机和2个屏幕贴膜,订单B中包括1个该型号手机和3个手机贴膜,则按照上述方法所计算出的基准SKU相对于比对SKU的相关度为2/1+3/1=5。而若将屏幕贴膜所在的SKU作为基准SKU,将手机所在的SKU作为比对SKU,则按照上述方法所计算出的基准SKU相对于比对SKU的相关度为1/2+1/3=0.83。
当然,也可以采用其他方法确定两个SKU之间的相关度,如,确定同时出现该两个SKU中商品的指定订单后,直接将所有指定订单所对应的该两个SKU中的商品数量总和,作为该两个SKU之间的相关度,则此方法不再区分基准SKU和比对SKU。
S1042:根据各SKU之间的相关度,确定各SKU的调整顺序。
具体的,可针对每个SKU,先确定该SKU与其他各SKU之间的相关度之和,作为该SKU的优先级,再将各SKU的优先级从高到底的顺序,确定为各SKU的调整顺序。
其中,无论是上述只表征同时出现在同一个订单中的概率的相关度,还是区分基准SKU和比对SKU的相关度,亦或是不区分基准SKU和比对SKU的相关度,对于一个SKU来说,如果该SKU与其他各SKU之间的相关度之和越大,则说明该SKU中的商品越被其他SKU中的商品所依赖,该SKU中的商品的重要性越高,也就越需要优先调整。
进一步的,在确定一个SKU与其他各SKU之间的相关度之和时,可根据各商品所在的SKU之间的相关度,确定各商品所在的SKU的相关性矩阵M,其中,所述相关性矩阵M中第i行第j列的元素mij表示第i个SKU与第j个SKU之间的相关度(对于需要区分基准SKU和比对SKU的相关度来说,mij表示第i个SKU相对于第j个SKU的相关度);针对第i个SKU,确定相关性矩阵M中第i行的元素的数值之和,作为第i个SKU与其他各SKU之间的相关度之和。
S1044:根据各库存容器的属性信息,按照各SKU的调整顺序,依次确定各订单对应的商品所在的SKU在各库存容器上的优化存放位置。
具体的,可先根据各SKU之间的相关度,对各SKU进行聚类,得到若干类,再按照各SKU的调整顺序,依次针对每个SKU,将该SKU作为当前SKU,确定获取的所有订单中出现该当前SKU的商品的数量,作为第一指定数量;根据各库存容器的属性信息,确定至少包含所述第一指定数量的商品的当前SKU在各库存容器上的优化存放位置;针对该当前SKU所在的类中的每个其他SKU,确定获取的所有订单中出现该其他SKU的商品的数量,作为第二指定数量;根据各库存容器的属性信息以及该当前SKU的优化存放位置,确定至少包含所述第二指定数量的商品的该其他SKU在各库存容器上的优化存放位置。
在聚类时,若SKU之间的相关度是不区分基准SKU和比对SKU的相关度,则可将相关度大于设定阈值的各SKU聚为一类,若SKU之间的相关度是区分基准SKU和比对SKU的相关度,则对于第i个SKU和第j个SKU,可将第i个SKU相对于第j个SKU的相关度与第j个SKU相对于第i个SKU的相关度的均值重新作为这两个SKU之间的相关度,再将相关度大于设定阈值的各SKU聚为一类。具体的聚类方法可采用现有技术中的任何聚类方法,如k-means等,本说明书对此不作限制。
由上述确定优化存放位置的具体方法可见,本说明书中先确定优先级最高的SKU的优化存放位置,再确定该优先级最高的SKU所在的类中的其他SKU的优化存放位置,此为一个迭代过程,然后,确定优先级次高的SKU的优化存放位置,再确定该优先级次高的SKU所在的类中的其他SKU的优化存放位置,以此类推,可高效的确定出各SKU的优化存放位置,而无需进行次数过多的迭代。
更进一步的,在已经确定了当前SKU的优化存放位置后,根据各库存容器的属性信息以及该当前SKU的优化存放位置,确定至少包含第二指定数量的商品的其他SKU的优化存放位置时,若该当前SKU的优化存放位置所在的库存容器面能够存放至少包含第二指定数量的商品的该其他SKU,则确定至少包含第二指定数量的商品的该其他SKU的优化存放位置为该当前SKU的优化存放位置所在的库存容器面。即,该其他SKU的优化存放位置与当前SKU的优化存放位置为同一个库存容器面。
若该当前SKU的优化存放位置所在的库存容器面不能存放至少包含第二指定数量的商品的该其他SKU,且该当前SKU的优化存放位置所在的库存容器能够存放至少包含第二指定数量的商品的该其他SKU,则确定至少包含第二指定数量的商品的该其他SKU的优化存放位置为该当前SKU的优化存放位置所在的库存容器。即,该其他SKU的优化存放位置与当前SKU的优化存放位置为同一个库存容器,但位于不同的库存容器面。
若该当前SKU的优化存放位置所在的库存容器不能存放至少包含第二指定数量的商品的该其他SKU,则确定至少包含第二指定数量的商品的该其他SKU的优化存放位置为其他库存容器。即,该其他SKU的优化存放位置与当前SKU的优化存放位置为不同的库存容器。
由此即可达到“减小一个订单命中的库存容器的数量、减小一个订单命中的库存容器面的数量、减小所有订单命中的库存容器的数量”的优化目标。
另外,在确定出每个SKU的优化存放位置后,服务器则可根据每个SKU的优化存放位置,生成相应的搬运任务,通过由AGV执行搬运任务,来实现将各SKU的当前存放位置调整为优化存放位置,以实现库存优化。
在服务器生成搬运任务时,可生成用于理货的搬运任务。本说明书中所述的理货包括上架和下架两种搬运任务。具体的,针对每个商品,将该商品作为指定商品,并将该商品的优化存放位置所在的库存容器作为指定库存容器,若指定库存容器上存放有不与任何订单相对应的商品,则生成的针对该指定商品的搬运任务中包括:将指定库存容器上存放的不与任何订单相对应的商品下架的下架任务,以及,将该指定商品上架的上架任务。
即,如果一个指定SKU的优化存放位置所在的库存容器上当前存放了没有被任何订单命中的SKU,则先生成将这些没有被任何订单命中的SKU下架的下架任务,使AGV通过执行该下架任务将没有被任何订单命中的SKU下架,再生成将该指定SKU上架的上架任务,使AGV通过执行该上架任务将该指定SKU存放在优化存放位置上。
当然,在将全部确定了优化存放位置的各SKU都上架完毕后,对于已经下架的没有被任何订单命中的SKU,则可再进行随机上架。
以上为本说明书实施例提供的库存优化方法,基于同样的思路,本说明书还提供了相应的存储介质和电子设备。
本说明书还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可用于执行上述图1提供的库存优化方法。
基于图1所示的库存优化方法,本说明书实施例还提供了图3所示的电子设备的结构示意图。如图3,在硬件层面,该电子设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的库存优化方法。
当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (12)
1.一种库存优化方法,其特征在于,包括:
获取各订单;
针对每个订单,将该订单对应的商品所在的库存容器作为该订单备选的库存容器,将该订单对应的商品所在的库存容器面作为该订单备选的库存容器面;
采用预设的优化算法,以减小一个订单命中的库存容器的数量、减小一个订单命中的库存容器面的数量、减小所有订单命中的库存容器的数量中的至少一种为优化目标,确定各订单对应的商品在各库存容器上的优化存放位置;
根据确定的各订单对应的商品在各库存容器上的优化存放位置,生成搬运任务;
将搬运任务发送给搬运设备,以使所述搬运设备根据所述搬运任务,对各订单对应的商品在各库存容器上的当前存放位置进行调整。
2.如权利要求1所述的方法,其特征在于,获取各订单,具体包括:
获取待拣选的订单;和/或
预测未来指定时间段内将要接收到的订单,并获取预测结果。
3.如权利要求1所述的方法,其特征在于,确定该订单对应的商品所在的库存容器,具体包括:
确定该订单对应的商品所在的库存保有单位SKU;
确定所述SKU所在的库存容器;
确定各订单对应的商品在各库存容器上的优化存放位置,具体包括:
确定各订单对应的商品所在的SKU在各库存容器上的优化存放位置;
对各订单对应的商品在各库存容器上的当前存放位置进行调整,具体包括:
对各订单对应的商品所在的SKU在各库存容器上的当前存放位置进行调整。
4.如权利要求3所述的方法,其特征在于,确定各订单对应的商品所在的SKU在各库存容器上的优化存放位置,具体包括:
根据获取的各订单对应的商品,确定各商品所在的SKU之间的相关度;
根据各SKU之间的相关度,确定各SKU的调整顺序;
根据各库存容器的属性信息,按照各SKU的调整顺序,依次确定各订单对应的商品所在的SKU在各库存容器上的优化存放位置。
5.如权利要求4所述的方法,其特征在于,根据获取的各订单对应的商品,确定各商品所在的SKU之间的相关度,具体包括:
针对任意两个SKU,在获取的各订单中确定同时出现该两个SKU的指定订单;
根据所述指定订单对应的该两个SKU中的商品的数量,确定该两个SKU之间的相关度。
6.如权利要求4所述的方法,其特征在于,根据各SKU之间的相关度,确定各SKU的调整顺序,具体包括:
针对每个SKU,确定该SKU与其他各SKU之间的相关度之和,作为该SKU的优先级;
将各SKU的优先级从高到低的顺序,确定为各SKU的调整顺序。
7.如权利要求6所述的方法,其特征在于,针对每个SKU,确定该SKU与其他各SKU之间的相关度之和,具体包括:
根据各商品所在的SKU之间的相关度,确定各商品所在的SKU的相关性矩阵M,其中,所述相关性矩阵M中第i行第j列的元素mij表示第i个SKU与第j个SKU之间的相关度;
针对第i个SKU,确定相关性矩阵M中第i行的元素的数值之和,作为第i个SKU与其他各SKU之间的相关度之和。
8.如权利要求5所述的方法,其特征在于,根据各库存容器的属性信息,按照各SKU的调整顺序,依次确定各订单对应的商品所在的SKU在各库存容器上的优化存放位置,具体包括:
根据各SKU之间的相关度,对各SKU进行聚类,得到若干类;
按照各SKU的调整顺序,依次针对每个SKU,将该SKU作为当前SKU,确定获取的所有订单中出现该当前SKU的商品的数量,作为第一指定数量;
根据各库存容器的属性信息,确定至少包含所述第一指定数量的商品的当前SKU在各库存容器上的优化存放位置;
针对该当前SKU所在的类中的每个其他SKU,确定获取的所有订单中出现该其他SKU的商品的数量,作为第二指定数量;
根据各库存容器的属性信息以及该当前SKU的优化存放位置,确定至少包含所述第二指定数量的商品的该其他SKU在各库存容器上的优化存放位置。
9.如权利要求8所述的方法,其特征在于,根据各库存容器的属性信息以及该当前SKU的优化存放位置,确定至少包含所述第二指定数量的商品的该其他SKU在各库存容器上的优化存放位置,具体包括:
若该当前SKU的优化存放位置所在的库存容器面能够存放至少包含所述第二指定数量的商品的该其他SKU,则确定至少包含所述第二指定数量的商品的该其他SKU的优化存放位置为该当前SKU的优化存放位置所在的库存容器面;
若该当前SKU的优化存放位置所在的库存容器面不能存放至少包含所述第二指定数量的商品的该其他SKU,且该当前SKU的优化存放位置所在的库存容器能够存放至少包含所述第二指定数量的商品的该其他SKU,则确定至少包含所述第二指定数量的商品的该其他SKU的优化存放位置为该当前SKU的优化存放位置所在的库存容器;
若该当前SKU的优化存放位置所在的库存容器不能存放至少包含所述第二指定数量的商品的该其他SKU,则确定至少包含所述第二指定数量的商品的该其他SKU的优化存放位置为其他库存容器。
10.如权利要求1~9任一所述的方法,其特征在于,根据确定的各订单对应的商品在各库存容器上的优化存放位置,生成搬运任务,具体包括:
针对每个商品,将该商品作为指定商品,并将该商品的优化存放位置所在的库存容器作为指定库存容器;
若所述指定库存容器上存放有不与任何订单相对应的商品,则生成的针对该指定商品的搬运任务中包括:将所述指定库存容器上存放的不与任何订单相对应的商品下架的下架任务,以及,将该指定商品上架的上架任务。
11.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1-10任一项所述的方法。
12.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现上述权利要求1-10任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110337988.0A CN115146810A (zh) | 2021-03-30 | 2021-03-30 | 一种库存优化方法、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110337988.0A CN115146810A (zh) | 2021-03-30 | 2021-03-30 | 一种库存优化方法、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115146810A true CN115146810A (zh) | 2022-10-04 |
Family
ID=83403737
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110337988.0A Pending CN115146810A (zh) | 2021-03-30 | 2021-03-30 | 一种库存优化方法、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115146810A (zh) |
-
2021
- 2021-03-30 CN CN202110337988.0A patent/CN115146810A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414731B (zh) | 订单分配的方法、装置、计算机可读存储介质及电子设备 | |
US20230067416A1 (en) | Merging processing system, method and device | |
CN110231044B (zh) | 一种路径规划方法及装置 | |
CN108960708B (zh) | 货物上架方法、装置、系统、货物上架终端及存储介质 | |
CN110525855B (zh) | 一种货物仓储的方法及装置 | |
CN108596540B (zh) | 补货方法及装置、计算机可读存储介质、电子设备 | |
CN113184430A (zh) | 货到人机器人拣选系统、方法及装置 | |
US11010308B2 (en) | Optimizing data partitioning and replacement strategy for convolutional neural networks | |
JP7417631B2 (ja) | 畳み込みニューラルネットワークベースのランドマークトラッカ | |
CN115618964B (zh) | 一种模型训练的方法、装置、存储介质及电子设备 | |
CN113177766B (zh) | 储藏物料的方法、装置及终端设备 | |
CN116521350B (zh) | 基于深度学习算法的etl调度方法及装置 | |
CN112241857A (zh) | 一种仓库库存量确定方法和装置 | |
CN116402113B (zh) | 一种任务执行的方法、装置、存储介质及电子设备 | |
US11507799B2 (en) | Information processing apparatus and method of operating neural network computing device therein | |
CN115146810A (zh) | 一种库存优化方法、存储介质及电子设备 | |
CN116150563B (zh) | 一种业务执行方法、装置、存储介质及电子设备 | |
CN116823104A (zh) | 用于确定最优货位的方法、装置、存储介质及处理器 | |
CN113888080A (zh) | 一种货品管理方法、装置、存储介质及电子设备 | |
CN114077944A (zh) | 一种订单分配方法、装置、存储介质及电子设备 | |
CN112686924B (zh) | 一种智能叉车以及定位托盘的方法 | |
CN114863206A (zh) | 一种模型训练的方法、目标检测的方法及装置 | |
CN116151907A (zh) | 一种处理订单的方法、装置、电子设备及计算机存储介质 | |
CN114120273A (zh) | 一种模型训练的方法及装置 | |
CN112990805B (zh) | 一种物品上架处理系统、方法及装置 |
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 |