CN115310736A - 设备调度方法、装置、计算机设备及存储介质 - Google Patents
设备调度方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN115310736A CN115310736A CN202110496652.9A CN202110496652A CN115310736A CN 115310736 A CN115310736 A CN 115310736A CN 202110496652 A CN202110496652 A CN 202110496652A CN 115310736 A CN115310736 A CN 115310736A
- Authority
- CN
- China
- Prior art keywords
- peak
- equipment
- scheduling
- quantity data
- data
- 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
- G06Q10/06—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
-
- 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
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- 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
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/283—Multi-dimensional databases or data warehouses, e.g. MOLAP or ROLAP
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种设备调度方法、装置、计算机设备及存储介质,该设备调度方法包括:获取目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据;根据高峰集货件量数据和高峰散货件量数据,计算每种分拣设备调度场景下的设备调度参数;对每种分拣设备调度场景下的设备调度参数进行整合,得到多种分拣设备调度场景下的设备调度参数;根据多种分拣设备调度场景下的设备调度参数,确定分拣设备利用率最高的分拣设备调度方案。由于在多种分拣设备调度场景下中确定分拣设备利用率最高的分拣设备调度方案,因此可以结合各业务网点的实际情况确定分拣设备调度方案,提高了在多种分拣设备调度场景下设备调度的准确性和网点的分拣设备利用率。
Description
技术领域
本申请主要涉及计算机仿真设计领域,具体涉及一种设备调度方法、装置、计算机设备及存储介质。
背景技术
快递在全国的流转,需要依托每个流转城市的快递分拣中转场。中转场内的设备限制了快递在每个城市的流转速度和分拣过程。不同城市中带有不同分拣目标的场地,需要不同的分拣设备,来处理各自的快递。业务点的差异包括不同分拣粒度、不同分拣目标、不同分拣总量、不同分拣班次、不同的快递到件规律、不同场地面积、不同场地租金。
当前市场上的第三方分拣设备供应商供应的分拣设备主要分为两大类:直线分拣机和环形分拣机。直线分拣机为直线设备,需要占据场地一整块长方形的面积,业务点场地的直线长度和宽度限制了可用直线分拣机的规格大小;环形分拣机为椭圆形闭环分拣设备,长宽可根据场地的形状进行调整,并且可设计多层,即增加的设备往上面的空间增加,不占用场地的额外面积。场地对于设备类型和设备参数规格的选择,主要基于场地的租金、分拣需求(快递量、分拣班次、快递到件分布等)、人工成本等。
由于场地的差异,使得各个业务点的设备选择、设备使用调度方案也存在巨大差异,全国业务点难以使用统一的设备选择与调度方案,在多种分拣设备调度场景下的设备调度准确性较低。
发明内容
本申请提供一种设备调度方法、装置、计算机设备及存储介质,通过设备调度参数计算确定分拣设备利用率最高的分拣设备调度方案,提高了在多种分拣设备调度场景下设备调度的准确性和网点的分拣设备利用率。
第一方面,本申请提供一种设备调度方法,所述方法包括:
获取目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据;
根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,所述目标网点中包括多种类型的分拣设备,所述设备调度参数用于计算分拣设备利用率;
对所述每种分拣设备调度场景下的设备调度参数进行整合,得到所述多种分拣设备调度场景下的设备调度参数;
根据所述多种分拣设备调度场景下的设备调度参数,确定分拣设备利用率最高的分拣设备调度方案。
在本申请一些实施例中,根据所述多种分拣设备调度场景下的设备调度参数,确定分拣设备利用率最高的分拣设备调度方案,包括:
确定所述多种分拣设备调度场景对应的多种分拣设备调度方案;
根据所述多种分拣设备调度场景下的设备调度参数,计算所述多种分拣设备调度方案分别对应的多个分拣设备利用率指示参数;
根据所述多个分拣设备利用率指示参数,确定所述多种分拣设备调度方案中分拣设备利用率最高的分拣设备调度方案。
在本申请一些实施例中,所述多种分拣设备调度场景包括直集直散场景,所述直集直散场景下集货件量和散货件量均采用直线分拣机分拣;所述设备调度参数包括调度成本;
所述根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,包括:
根据所述高峰集货件量数据和所述高峰散货件量数据,计算高峰集货件量设备数和高峰散货件量设备数;
根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述直集直散场景下的设备成本、场地成本和人力成本,得到所述直集直散场景下的调度成本。
在本申请一些实施例中,所述多种分拣设备调度场景包括直集环散场景,所述直集环散场景下集货件量采用直线分拣机分拣、散货件量采用环形分拣机分拣;所述设备调度参数包括调度成本;
所述根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,包括:
根据所述高峰集货件量数据,计算高峰集货件量设备数;
根据所述高峰散货件量数据,选择大于所述高峰散货件量数据需求的设备数作为高峰散货件量设备数;
根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述直集环散场景下的设备成本、场地成本和人力成本,得到所述直集环散场景下的调度成本。
在本申请一些实施例中,所述多种分拣设备调度场景包括环集直散场景,所述环集直散场景下集货件量采用环形分拣机分拣、散货件量采用直线分拣机分拣;所述设备调度参数包括调度成本;
所述根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,包括:
根据所述高峰集货件量数据,计算高峰散货件量设备数;
根据所述高峰集货件量数据,选择大于所述高峰集货件量数据需求的设备数作为高峰集货件量设备数;
根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述环集直散场景下的设备成本、场地成本和人力成本,得到所述环集直散场景下的调度成本。
在本申请一些实施例中,所述多种分拣设备调度场景包括环集环散场景,所述环集环散场景下集货件量和散货件量均采用环形分拣机分拣,所述设备调度参数包括调度成本;所述根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,包括:
根据所述高峰集货件量数据,选择大于所述高峰集货件量数据需求的设备数作为高峰集货件量设备数;
根据所述高峰散货件量数据,选择大于所述高峰散货件量数据需求的设备数作为高峰散货件量设备数;
根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述环集环散场景下的设备成本、场地成本和人力成本,得到所述环集环散场景下的调度成本。
在本申请一些实施例中,所述获取目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据,包括:
获取目标网点在预设时间段内待分拣的初始件量数据;
对所述初始集货件量数据进行数据清洗,得到清洗后的集货件量数据;
对所述初始散货件量数据进行数据清洗,得到清洗后的散货件量数据;
对所述清洗后的集货件量数据和所述清洗后的散货件量数据进行整合,得到清洗后的件量数据;
根据所述清洗后的件量数据进行高峰数据筛选,得到目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据。
在本申请一些实施例中,所述对所述初始集货件量数据进行数据清洗,得到清洗后的集货件量数据,包括:
对所述初始集货件量数据进行数据匹配,得到匹配后的集货件量数据;
对所述匹配后的集货件量数据中非正常日期的集货件量数据进行剔除,得到正常集货件量数据;
在所述正常集货件量数据中为每个集货件量数据添加班次标签和到件时间标签,得到所述清洗后的集货件量数据。
在本申请一些实施例中,所述对所述初始散货件量数据进行数据清洗,得到清洗后的散货件量数据,包括:
对所述初始散货件量数据进行数据匹配,得到匹配后的散货件量数据;
在所述匹配后的散货件量数据中为每个散货件量数据添加到件时间标签,得到所述清洗后的散货件量数据。
在本申请一些实施例中,所述根据所述清洗后的件量数据进行高峰数据筛选,得到目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据,包括:
获取所述清洗后的件量数据的每小时总件量;
根据所述每小时总件量,确定单日内件量最大的高峰小时数;
根据所述高峰小时数,对所述清洗后的件量数据进行高峰数据筛选,得到在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据。
第二方面,本申请提供一种设备调度装置,所述装置包括:
获取单元,用于获取目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据;
计算单元,用于根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,所述目标网点中包括多种类型的分拣设备,所述设备调度参数用于计算分拣设备利用率;
整合单元,用于对所述每种分拣设备调度场景下的设备调度参数进行整合,得到所述多种分拣设备调度场景下的设备调度参数;
确定单元,用于根据所述多种分拣设备调度场景下的设备调度参数,确定分拣设备利用率最高的分拣设备调度方案。
在本申请一些实施例中,所述确定单元具体用于:
确定所述多种分拣设备调度场景对应的多种分拣设备调度方案;
根据所述多种分拣设备调度场景下的设备调度参数,计算所述多种分拣设备调度方案分别对应的多个分拣设备利用率指示参数;
根据所述多个分拣设备利用率指示参数,确定所述多种分拣设备调度方案中分拣设备利用率最高的分拣设备调度方案。
在本申请一些实施例中,所述多种分拣设备调度场景包括直集直散场景,所述直集直散场景下集货件量和散货件量均采用直线分拣机分拣;所述设备调度参数包括调度成本;
所述计算单元具体用于:
根据所述高峰集货件量数据和所述高峰散货件量数据,计算高峰集货件量设备数和高峰散货件量设备数;
根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述直集直散场景下的设备成本、场地成本和人力成本,得到所述直集直散场景下的调度成本。
在本申请一些实施例中,所述多种分拣设备调度场景包括直集环散场景,所述直集环散场景下集货件量采用直线分拣机分拣、散货件量采用环形分拣机分拣;所述设备调度参数包括调度成本;
所述计算单元具体用于:
根据所述高峰集货件量数据,计算高峰集货件量设备数;
根据所述高峰散货件量数据,选择大于所述高峰散货件量数据需求的设备数作为高峰散货件量设备数;
根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述直集环散场景下的设备成本、场地成本和人力成本,得到所述直集环散场景下的调度成本。
在本申请一些实施例中,所述多种分拣设备调度场景包括环集直散场景,所述环集直散场景下集货件量采用环形分拣机分拣、散货件量采用直线分拣机分拣;所述设备调度参数包括调度成本;
所述计算单元具体用于:
根据所述高峰集货件量数据,计算高峰散货件量设备数;
根据所述高峰集货件量数据,选择大于所述高峰集货件量数据需求的设备数作为高峰集货件量设备数;
根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述环集直散场景下的设备成本、场地成本和人力成本,得到所述环集直散场景下的调度成本。
在本申请一些实施例中,所述多种分拣设备调度场景包括环集环散场景,所述环集环散场景下集货件量和散货件量均采用环形分拣机分拣,所述设备调度参数包括调度成本;所述计算单元具体用于:
根据所述高峰集货件量数据,选择大于所述高峰集货件量数据需求的设备数作为高峰集货件量设备数;
根据所述高峰散货件量数据,选择大于所述高峰散货件量数据需求的设备数作为高峰散货件量设备数;
根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述环集环散场景下的设备成本、场地成本和人力成本,得到所述环集环散场景下的调度成本。
在本申请一些实施例中,所述获取单元具体用于:
获取目标网点在预设时间段内待分拣的初始件量数据;
对所述初始集货件量数据进行数据清洗,得到清洗后的集货件量数据;
对所述初始散货件量数据进行数据清洗,得到清洗后的散货件量数据;
对所述清洗后的集货件量数据和所述清洗后的散货件量数据进行整合,得到清洗后的件量数据;
根据所述清洗后的件量数据进行高峰数据筛选,得到目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据。
在本申请一些实施例中,所述获取单元具体用于:
对所述初始集货件量数据进行数据匹配,得到匹配后的集货件量数据;
对所述匹配后的集货件量数据中非正常日期的集货件量数据进行剔除,得到正常集货件量数据;
在所述正常集货件量数据中为每个集货件量数据添加班次标签和到件时间标签,得到所述清洗后的集货件量数据。
在本申请一些实施例中,所述获取单元具体用于:
对所述初始散货件量数据进行数据匹配,得到匹配后的散货件量数据;
在所述匹配后的散货件量数据中为每个散货件量数据添加到件时间标签,得到所述清洗后的散货件量数据。
在本申请一些实施例中,所述获取单元具体用于:
获取所述清洗后的件量数据的每小时总件量;
根据所述每小时总件量,确定单日内件量最大的高峰小时数;
根据所述高峰小时数,对所述清洗后的件量数据进行高峰数据筛选,得到在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据。
第三方面,本申请提供一种计算机设备,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现第一方面中任一项所述的设备调度方法。
第四方面,本申请提供一种计算机可读存储介质,所述计算机可读存储介质存储有多条指令,所述指令适于处理器进行加载,以执行第一方面中任一项所述的设备调度方法中的步骤。
本申请提供一种设备调度方法、装置、计算机设备及存储介质,通过计算多种分拣设备调度场景下的成本,得到多种分拣设备调度方案,并从中确定分拣设备利用率最高的分拣设备调度方案,由于是在多种分拣设备调度场景下的多种分拣设备调度方案中通过设备调度参数计算确定分拣设备利用率最高的分拣设备调度方案,因此可以结合各业务点的实际情况确定分拣设备调度方案,提高了在多种分拣设备调度场景下设备调度的准确性和网点的分拣设备利用率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的设备调度系统的场景示意图;
图2是本申请实施例中提供的设备调度方法的一个实施例流程示意图;
图3是本申请实施例中步骤201的一个实施例流程示意图;
图4是本申请实施例中提供的设备调度装置的一个实施例结构示意图;
图5是本申请实施例中提供的计算机设备的一个实施例结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本申请的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个所述特征。在本申请的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本申请中,“示例性”一词用来表示“用作例子、例证或说明”。本申请中被描述为“示例性”的任何实施例不一定被解释为比其它实施例更优选或更具优势。为了使本领域任何技术人员能够实现和使用本申请,给出了以下描述。在以下描述中,为了解释的目的而列出了细节。应当明白的是,本领域普通技术人员可以认识到,在不使用这些特定细节的情况下也可以实现本申请。在其它实例中,不会对公知的结构和过程进行详细阐述,以避免不必要的细节使本申请的描述变得晦涩。因此,本申请并非旨在限于所示的实施例,而是与符合本申请所公开的原理和特征的最广范围相一致。
下面首先对本申请实施例中涉及到的一些基本概念进行介绍:
数据清洗:数据清洗(Data cleaning)是指对数据进行重新审查和校验的过程,目的在于删除重复信息、纠正存在的错误,并提供数据一致性。数据清洗指发现并纠正数据文件中可识别的错误的最后一道程序,包括检查数据一致性,处理无效值和缺失值等。因为数据仓库中的数据是面向某一主题的数据的集合,这些数据从多个业务系统中抽取而来而且包含历史数据,这样就避免不了有的数据是错误数据、有的数据相互之间有冲突,这些错误的或有冲突的数据显然是我们不想要的,称为“脏数据”。我们要按照一定的规则把“脏数据”“洗掉”,这就是数据清洗。不符合要求的数据主要是有不完整的数据、错误的数据、重复的数据三大类。
本申请实施例提供一种设备调度方法、装置、计算机设备及存储介质,以下分别进行详细说明。
请参阅图1,图1为本申请实施例所提供的设备调度系统的场景示意图,该设备调度系统可以包括计算机设备100,计算机设备100中集成有设备调度装置。
本申请实施例中,该计算机设备100可以是独立的服务器,也可以是服务器组成的服务器网络或服务器集群,例如,本申请实施例中所描述的计算机设备100,其包括但不限于计算机、网络主机、单个网络服务器、多个网络服务器集或多个服务器构成的云服务器。其中,云服务器由基于云计算(Cloud Computing)的大量计算机或网络服务器构成。
本申请实施例中,上述的计算机设备100可以是一个通用计算机设备或者是一个专用计算机设备。在具体实现中计算机设备100可以是台式机、便携式电脑、网络服务器、掌上电脑(Personal Digital Assistant,PDA)、移动手机、平板电脑、无线终端设备、通信设备、嵌入式设备等,本实施例不限定计算机设备100的类型。
本领域技术人员可以理解,图1中示出的应用环境,仅仅是与本申请方案一种应用场景,并不构成对本申请方案应用场景的限定,其他的应用环境还可以包括比图1中所示更多或更少的计算机设备,例如图1中仅示出1个计算机设备,可以理解的,该设备调度系统还可以包括一个或多个可处理数据的其他计算机设备,具体此处不作限定。
另外,如图1所示,该设备调度系统还可以包括存储器200,用于存储数据,如存储用于参与计算的设备数据或快件数据等等。
需要说明的是,图1所示的设备调度系统的场景示意图仅仅是一个示例,本申请实施例描述的设备调度系统以及场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着设备调度系统的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
首先,本申请实施例中提供一种设备调度方法,包括:获取目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据;根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数;对所述每种分拣设备调度场景下的调度成本进行整合,得到所述多种分拣设备调度场景下的调度成本;根据所述多种分拣设备调度场景下的调度成本,确定分拣设备利用率最高的分拣设备调度方案。
如图2所示,为本申请实施例中设备调度方法的一个实施例流程示意图,该设备调度方法包括如下步骤201~204:
201、获取目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据。
其中,预设时间段可以是一周、一天或者一天中的小时时间段,具体此处不作限定。在一个具体实施例中,在对预设时间段内待分拣的初始件量数据进行进行数据清洗和高峰筛选之后,得到在预设时间段内待分拣的件量数据,所述件量数据包括高峰集货件量数据和高峰散货件量数据。具体的,所述高峰集货件量数据为单位时间内最高峰集货件量数据,所述高峰散货件量为单位时间内最高峰扫货件量数据。单位时间可以是预先设定的,例如1h,此时,1天内单位时间内最高峰集货件量,即为1天内每小时最高峰集货件量。
目标网点可以是物流网点中任一网点,可以是中转场,也可以是收派件网点,具体此处不作限定。
202、根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数。
其中,分拣设备调度场景可以是根据采用的分拣设备和件量数据的类型进行穷举得到的,在本申请一些实施例中,所述目标网点中包括多种类型的分拣设备,例如分拣设备可以包括直线分拣机、环形分拣机或者分拣柜等至少两种,每种分拣设备可以包括一个或多个设备,件量数据的类型可以分为集货件量数据、散货件量数据或者其他,由以上分拣设备和件量数据的类型可以得出例如直集直散、直集环散、环集直散、环集环散或者其他等等多种分拣设备调度场景。
可选的,所述设备调度参数用于计算分拣设备利用率,设备调度参数可以包括调度成本,通过调度成本去计算分拣设备利用率,可以理解的是,调度成本可以是包括场地成本、设备成本、人力成本和其他成本中一种或多种,具体此处不作限定。
由于分拣过程包括初分拣环节和细分拣环节,初分拣环节可以采用直线分拣机或者环形分拣机,细分拣环节可以采用直线分拣机、环形分拣机或者分拣柜,根据采用不同的分拣设备和件量数据的类型得到多种分拣设备调度场景,并对每种分拣设备调度场景进行调度成本的计算。
203、对所述每种分拣设备调度场景下的设备调度参数进行整合,得到所述多种分拣设备调度场景下的设备调度参数。
在本申请一些实施例中,分拣设备调度方案可以包括人力需求、设备需求个数、设备格口和投资回收期等等内容。
具体的,所述多种分拣设备调度场景可以包括直集直散场景、直集环散场景、环集直散场景和环集环散场景等等,计算每种场景的调度成本,并将所有场景的调度成本进行整合。
其中,多种分拣设备调度场景下的设备调度参数为同样类型的设备调度参数,例如都是调度成本,进一步,每种分拣设备调度场景下的设备调度参数包括的种类也相同,例如设备调度参数为调度成本时,每种分拣设备调度场景下的设备调度参数都包括三种成本,场地成本、设备成本、人力成本。
204、根据所述多种分拣设备调度场景下的设备调度参数,确定分拣设备利用率最高的分拣设备调度方案。
本申请实施例中,分拣设备利用率可以用投资回收期作为参考指标,分拣设备利用率最高表示投资回收期最小。具体的,投资回收期是指投资项目投产后获得的收益总额达到该投资项目投入的投资总额所需要的时间。在本申请一些实施例中,在得到所述多种分拣设备调度方案之后,从所述多种分拣设备调度方案中选出投资回收期最小的分拣设备调度方案。
本申请实施例提供的设备调度方法,通过计算多种分拣设备调度场景下的成本,得到多种分拣设备调度方案,并从中确定分拣设备利用率最高的分拣设备调度方案,由于是在多种分拣设备调度场景下的多种分拣设备调度方案中通过设备调度参数计算确定分拣设备利用率最高的分拣设备调度方案,因此可以结合各业务点的实际情况确定分拣设备调度方案,提高了在多种分拣设备调度场景下设备调度的准确性和网点的分拣设备利用率。
进一步的,步骤204中根据所述多种分拣设备调度场景下的设备调度参数,确定分拣设备利用率最高的分拣设备调度方案,可以包括:确定所述多种分拣设备调度场景对应的多种分拣设备调度方案;根据所述多种分拣设备调度场景下的设备调度参数,计算所述多种分拣设备调度方案分别对应的多个分拣设备利用率指示参数;根据所述多个分拣设备利用率指示参数,确定所述多种分拣设备调度方案中分拣设备利用率最高的分拣设备调度方案。
其中,多个分拣设备利用率指示参数可以是投资回收期,此时根据所述多个分拣设备利用率指示参数,确定所述多种分拣设备调度方案中分拣设备利用率最高的分拣设备调度案,可以是在多种分拣设备调度方案中,选择投资回收期最小的分拣设备调度方案。
在本申请一些实施例中,所述获取目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据,包括:
301、获取目标网点在预设时间段内待分拣的初始件量数据。
其中,在本申请一些实施例中,件量数据可以包括件量数目、到件分钟数、日期、中转场、始发网点、目的地中转场、目的地网点、目的地单元区域、目的地城市和产品类型等数据标签。以获取一周内待分拣的件量数据为例,件量数据可以是如下表1所示:
表1
上述表1仅为举例,在实际应用中,表1中中转场,网点,区域,城市和产品类型等可以以编号的形式展现,编号可以是数字、字母或者其结合,例如目的地城市可以以城市区号作为编号,具体此处不作限定,可以理解的是,在本申请其他实施例中,可以有更多的件量数目、到件分钟数以及其他数据标签,具体此处不作限定。
进一步的,所述初始件量数据包括初始集货件量数据和初始散货件量数据。集货件量为从客户手中收到快递,需要经本地中转场进行分拣然后发往目的地城市;散货件量为从各个地方收到的快递,需要到中转场分拣,并最终派送到用户手中的快件量。集货件量和散货件量的分拣均在一个中转场,即场地的分拣任务为分拣集货件量加上散货件量。
302、对所述初始集货件量数据进行数据清洗,得到清洗后的集货件量数据。
在步骤301获取目标网点在预设时间段内待分拣的初始件量数据之后,由于涉及业务和分拣粒度不同,需要对初始集货件量数据和初始散货件量数据分别进行数据清洗并整合。
在本申请一些实施例中,所述对所述初始集货件量数据进行数据清洗,得到清洗后的集货件量数据,包括如下步骤:对所述初始集货件量数据进行数据匹配,得到匹配后的集货件量数据;对所述匹配后的集货件量数据中非正常日期的集货件量数据进行剔除,得到正常集货件量数据;在所述正常集货件量数据中为每个集货件量数据添加班次标签和到件时间标签,得到所述清洗后的集货件量数据。
具体的,对所述初始集货件量数据中的产品类型标签进行匹配,得到所述集货件量数据的产品类型,再对所述初始集货件量数据中的目的地中转场标签进行匹配,得到目的地为中转场的数据和目的地为非中转场的数据,保留目的地为中转场的数据,并将非中转场的数据中的目的地中转场标签设置为目的地城市标签,合并目的地为中转场的数据和目的地为非中转场的数据,得到匹配后的集货件量数据。
进一步的,对所述匹配后的集货件量数据中非正常日期的集货件量数据进行剔除。首先,剔除日期为周六和周日的集货件量数据;其次,根据历史件量的数值与数据观察经验,汇总出每日的件量数据总量,并计算每个日期的件量距离均值的变异系数,将变异系数在[-0.1,0.3]以外的日期的件量数据剔除,得到正常集货件量数据。
进一步的,在所述正常集货件量数据中为每个集货件量数据添加班次标签和到件时间标签,对集货件量数据做班次信息的补充,得到所述清洗后的集货件量数据。
303、对所述初始散货件量数据进行数据清洗,得到清洗后的散货件量数据。
在本申请一些实施例中,所述对所述初始散货件量数据进行数据清洗,得到清洗后的散货件量数据,包括如下步骤:对所述初始散货件量数据进行数据匹配,得到匹配后的散货件量数据;在所述匹配后的散货件量数据中为每个散货件量数据添加到件时间标签,得到所述清洗后的散货件量数据。
具体的,根据所述初始散货件量数据中的到件分钟数标签对所述初始散货件量数据进行数据匹配,根据数据匹配的结果为所述初始散货件量数据添加班次标签,得到所述匹配后的散货件量数据。
进一步的,根据所述初始散货件量数据中的到件分钟数标签,在所述匹配后的散货件量数据中为每个散货件量数据添加到件时间标签,得到所述清洗后的散货件量数据。
304、对所述清洗后的集货件量数据和所述清洗后的散货件量数据进行整合,得到清洗后的件量数据。
305、根据所述清洗后的件量数据进行高峰数据筛选,得到目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据。
在本申请一些实施例中,所述根据所述清洗后的件量数据进行高峰数据筛选,得到目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据,包括如下步骤:获取所述清洗后的件量数据的每小时总件量;根据所述每小时总件量,确定单日内件量最大的高峰小时数;根据所述高峰小时数,对所述清洗后的件量数据进行高峰数据筛选,得到目标网点在预设时间段内待分拣的件量数据中的高峰集货件量数据和高峰散货件量数据。
本申请实施例提供的设备调度方法,通过对预设时间段内待分拣的初始件量数据进行数据清洗和高峰筛选,进而对数据进行了重新审查和校验,删除重复和无效的数据,保证了数据的一致性。
在本申请一些实施例中,当设备调度参数为调度成本时,各分拣设备调度场景包括多种分拣设备调度场景。
其中,所述多种分拣设备调度场景包括直集直散场景,所述直集直散场景下集货件量和散货件量均采用直线分拣机分拣,此时,所述根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,包括如下步骤:根据所述高峰集货件量数据和所述高峰散货件量数据,计算高峰集货件量设备数和高峰散货件量设备数;根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述直集直散场景下的设备成本、场地成本和人力成本,得到所述直集直散场景下的调度成本。
具体的,因为集货件量和散货件量均采用直线分拣机分拣,所以根据所述高峰集货件量数据、所述高峰散货件量数据和直线分拣机的分拣效能,计算出高峰集货件量设备数和高峰散货件量设备数。
进一步的,使用整数规划求解出在初分拣环节的直线分拣机格口数和需要进行细分拣环节的格口数。
其中,整数规划的输入有分拣流向个数K、初分拣设备格口数P、细分拣设备格口数D和环形分拣机用于细分格口数C。
以直线分拣机格口数为x,细分拣环节的格口数为y为例,整数规划的配置约束条件具体如下:
(1)分拣设备可以处理的流向个数不小于实际分拣的流向数,具体如下公式所示,其中sign函数为示性函数,当C大于0时,函数取1,否则取0。
x+D*y≥K-sign(C)
(2)如下公式所示,初分拣的格口数等于直线分拣机格口数和需要进行细分拣环节的格口数。
x+y=P-sign(C)
设置目标函数为minimize y,利用求解器求解满足约束条件的x值和y值,即得到直线分拣机格口数和细分拣环节的格口数。
可以理解的是,细分拣环节可以采用分拣柜进行分拣。
进一步的,根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述直集直散场景下的设备成本、场地成本和人力成本,得到所述直集直散场景下的调度成本。
在本申请一些实施例中,所述多种分拣设备调度场景包括直集环散场景,所述直集环散场景下集货件量采用直线分拣机分拣、散货件量采用环形分拣机分拣,所述根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,包括如下步骤:根据所述高峰集货件量数据,计算高峰集货件量设备数;根据所述高峰散货件量数据,选择大于所述高峰散货件量数据需求的设备数作为高峰散货件量设备数;根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述直集环散场景下的设备成本、场地成本和人力成本,得到所述直集环散场景下的调度成本。
具体的,由于集货件量采用直线分拣机进行分拣,所以根据高峰集货件量数据和直线分拣机的分拣效能,计算出高峰集货件量设备数;由于散货件量采用环形分拣机进行分拣,所以根据所述高峰散货件量数据,选择大于所述高峰件量数据需求的设备数作为高峰散货件量数据。
进一步的,使用整数规划求解出在初分拣环节的直线分拣机格口数和需要进行细分拣环节的格口数。
进一步的,将环形分拣机的格口数设置为最小格口数,用以计算最大的设备需求。
可以理解的是,细分拣环节可以采用分拣柜进行分拣。
在本申请一些实施例中,所述多种分拣设备调度场景包括环集直散场景,所述环集直散场景下集货件量采用环形分拣机分拣、散货件量采用直线分拣机分拣,所述根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,包括如下步骤:根据所述高峰集货件量数据,计算高峰散货件量设备数;根据所述高峰集货件量数据,选择大于所述高峰集货件量数据需求的设备数作为高峰集货件量设备数;根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述环集直散场景下的设备成本、场地成本和人力成本,得到所述环集直散场景下的调度成本。
具体的,由于散货件量采用直线分拣机进行分拣,所以根据所述高峰集货件量数据和直线分拣机的分拣效能计算出所述高峰散货件量设备数;由于集货件量采用环形分拣机进行分拣,所以根据所述高峰集货件量数据,选择大于所述高峰集货件量数据需求的设备数作为高峰集货件量设备数。
进一步的,使用整数规划求解出在初分拣环节的直线分拣机格口数和需要进行细分拣环节的格口数。
可以理解的是,细分拣环节可以采用分拣柜进行分拣。
在本申请一些实施例中,所述多种分拣设备调度场景包括环集环散场景,所述环集环散场景下集货件量和散货件量均采用环形分拣机分拣,所述根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,包括如下步骤:根据所述高峰集货件量数据,选择大于所述高峰集货件量数据需求的设备数作为高峰集货件量设备数;根据所述高峰散货件量数据,选择大于所述高峰散货件量数据需求的设备数作为高峰散货件量设备数;根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述环集环散场景下的设备成本、场地成本和人力成本,得到所述环集环散场景下的调度成本。
具体的,由于集货件量和散货件量均采用环形分拣机进行分拣,考虑到件量水平明显区别于集货件量和散货件量分开分拣的情况,对环形分拣机的开启模式限定为“半开”状态,即环形分拣机每180度作为一个分拣整体,剩下的180度为前一半的完全复制,因此每个分拣单元对应环形分拣机的两个格口。
进一步的,根据所述高峰集货件量数据,选择大于所述高峰集货件量数据需求的设备数作为高峰集货件量设备数;根据所述高峰散货件量数据,选择大于所述高峰散货件量数据需求的设备数作为高峰散货件量设备数。
本申请提供的设备调度方法,由于是在多种分拣设备调度方案中通过成本计算确定分拣设备利用率最高的分拣设备调度方案,因此可以结合各业务点的实际情况确定分拣设备调度方案,提高了在多种分拣设备调度场景下设备调度的准确性,满足不同业务点个性化的业务需求。
为了更好实施本申请实施例中设备调度方法,在设备调度方法基础之上,本申请实施例中还提供一种设备调度装置,如图4所示,所述设备调度装置400包括:
获取单元401,用于获取目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据;
计算单元402,用于根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,所述目标网点中包括多种类型的分拣设备,所述设备调度参数用于计算分拣设备利用率;
整合单元403,用于对所述每种分拣设备调度场景下的设备调度参数进行整合,得到所述多种分拣设备调度场景下的设备调度参数;
确定单元404,用于根据所述多种分拣设备调度场景下的设备调度参数,确定分拣设备利用率最高的分拣设备调度方案。
本申请实施例通过计算多种分拣设备调度场景下的成本,得到多种分拣设备调度方案,并从中确定分拣设备利用率最高的分拣设备调度方案,由于是在多种分拣设备调度场景下的多种分拣设备调度方案中通过设备调度参数计算确定分拣设备利用率最高的分拣设备调度方案,因此可以结合各业务点的实际情况确定分拣设备调度方案,提高了在多种分拣设备调度场景下设备调度的准确性和网点的分拣设备利用率。
在本申请一些实施例中,所述确定单元404具体用于:
确定所述多种分拣设备调度场景对应的多种分拣设备调度方案;
根据所述多种分拣设备调度场景下的设备调度参数,计算所述多种分拣设备调度方案分别对应的多个分拣设备利用率指示参数;
根据所述多个分拣设备利用率指示参数,确定所述多种分拣设备调度方案中分拣设备利用率最高的分拣设备调度方案。
在本申请一些实施例中,所述多种分拣设备调度场景包括直集直散场景,所述直集直散场景下集货件量和散货件量均采用直线分拣机分拣;所述设备调度参数包括调度成本;
所述计算单元402具体用于:
根据所述高峰集货件量数据和所述高峰散货件量数据,计算高峰集货件量设备数和高峰散货件量设备数;
根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述直集直散场景下的设备成本、场地成本和人力成本,得到所述直集直散场景下的调度成本。
在本申请一些实施例中,所述多种分拣设备调度场景包括直集环散场景,所述直集环散场景下集货件量采用直线分拣机分拣、散货件量采用环形分拣机分拣;所述设备调度参数包括调度成本;
所述计算单元402具体用于:
根据所述高峰集货件量数据,计算高峰集货件量设备数;
根据所述高峰散货件量数据,选择大于所述高峰散货件量数据需求的设备数作为高峰散货件量设备数;
根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述直集环散场景下的设备成本、场地成本和人力成本,得到所述直集环散场景下的调度成本。
在本申请一些实施例中,所述多种分拣设备调度场景包括环集直散场景,所述环集直散场景下集货件量采用环形分拣机分拣、散货件量采用直线分拣机分拣;所述设备调度参数包括调度成本;
所述计算单元402具体用于:
根据所述高峰集货件量数据,计算高峰散货件量设备数;
根据所述高峰集货件量数据,选择大于所述高峰集货件量数据需求的设备数作为高峰集货件量设备数;
根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述环集直散场景下的设备成本、场地成本和人力成本,得到所述环集直散场景下的调度成本。
在本申请一些实施例中,所述多种分拣设备调度场景包括环集环散场景,所述环集环散场景下集货件量和散货件量均采用环形分拣机分拣,所述设备调度参数包括调度成本;所述计算单元402具体用于:
根据所述高峰集货件量数据,选择大于所述高峰集货件量数据需求的设备数作为高峰集货件量设备数;
根据所述高峰散货件量数据,选择大于所述高峰散货件量数据需求的设备数作为高峰散货件量设备数;
根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述环集环散场景下的设备成本、场地成本和人力成本,得到所述环集环散场景下的调度成本。
在本申请一些实施例中,所述获取单元401具体用于:
获取目标网点在预设时间段内待分拣的初始件量数据;
对所述初始集货件量数据进行数据清洗,得到清洗后的集货件量数据;
对所述初始散货件量数据进行数据清洗,得到清洗后的散货件量数据;
对所述清洗后的集货件量数据和所述清洗后的散货件量数据进行整合,得到清洗后的件量数据;
根据所述清洗后的件量数据进行高峰数据筛选,得到目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据。
在本申请一些实施例中,所述获取单元401具体用于:
对所述初始集货件量数据进行数据匹配,得到匹配后的集货件量数据;
对所述匹配后的集货件量数据中非正常日期的集货件量数据进行剔除,得到正常集货件量数据;
在所述正常集货件量数据中为每个集货件量数据添加班次标签和到件时间标签,得到所述清洗后的集货件量数据。
在本申请一些实施例中,所述获取单元401具体用于:
对所述初始散货件量数据进行数据匹配,得到匹配后的散货件量数据;
在所述匹配后的散货件量数据中为每个散货件量数据添加到件时间标签,得到所述清洗后的散货件量数据。
在本申请一些实施例中,所述获取单元401具体用于:
获取所述清洗后的件量数据的每小时总件量;
根据所述每小时总件量,确定单日内件量最大的高峰小时数;
根据所述高峰小时数,对所述清洗后的件量数据进行高峰数据筛选,得到在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据。
本申请实施例还提供一种计算机设备,其集成了本申请实施例所提供的任一种设备调度装置,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行上述设备调度方法实施例中任一实施例中所述的设备调度方法中的步骤。
如图5所示,其示出了本申请实施例所涉及的计算机设备的结构示意图,具体来讲:
该计算机设备可以包括一个或者一个以上处理核心的处理器501、一个或一个以上计算机可读存储介质的存储器502、电源503和输入单元504等部件。本领域技术人员可以理解,图5中示出的计算机设备结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。其中:
处理器501是该计算机设备的控制中心,利用各种接口和线路连接整个计算机设备的各个部分,通过运行或执行存储在存储器502内的软件程序和/或模块,以及调用存储在存储器502内的数据,执行计算机设备的各种功能和处理数据,从而对计算机设备进行整体监控。可选的,处理器501可包括一个或多个处理核心;处理器501可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,优选的,处理器501可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器501中。
存储器502可用于存储软件程序以及模块,处理器501通过运行存储在存储器502的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器502可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器502还可以包括存储器控制器,以提供处理器501对存储器502的访问。
计算机设备还包括给各个部件供电的电源503,优选的,电源503可以通过电源管理系统与处理器501逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源503还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
该计算机设备还可包括输入单元504,该输入单元504可用于接收输入的数字或字符信息,以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
尽管未示出,计算机设备还可以包括显示单元等,在此不再赘述。具体在本实施例中,计算机设备中的处理器501会按照如下的指令,将一个或一个以上的应用程序的进程对应的可执行文件加载到存储器502中,并由处理器501来运行存储在存储器502中的应用程序,从而实现各种功能,如下:
获取目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据,所述高峰集货件量数据为单位时间内最高峰集货件量数据,所述高峰散货件量为单位时间内最高峰扫货件量数据;
根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数;
对所述每种分拣设备调度场景下的设备调度参数进行整合,得到所述多种分拣设备调度场景下的设备调度参数,所述目标网点中包括多种类型的分拣设备,所述设备调度参数用于计算分拣设备利用率;
根据所述多种分拣设备调度场景下的设备调度参数,确定分拣设备利用率最高的分拣设备调度方案。
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本申请实施例提供一种计算机可读存储介质,该存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取记忆体(RAM,Random Access Memory)、磁盘或光盘等。其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行本申请实施例所提供的任一种设备调度方法中的步骤。例如,所述计算机程序被处理器进行加载可以执行如下步骤:
获取目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据,所述高峰集货件量数据为单位时间内最高峰集货件量数据,所述高峰散货件量为单位时间内最高峰扫货件量数据;
根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数;
对所述每种分拣设备调度场景下的设备调度参数进行整合,得到所述多种分拣设备调度场景下的设备调度参数,所述目标网点中包括多种类型的分拣设备,所述设备调度参数用于计算分拣设备利用率;
根据所述多种分拣设备调度场景下的设备调度参数,确定分拣设备利用率最高的分拣设备调度方案。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见上文针对其他实施例的详细描述,此处不再赘述。
具体实施时,以上各个单元或结构可以作为独立的实体来实现,也可以进行任意组合,作为同一或若干个实体来实现,以上各个单元或结构的具体实施可参见前面的方法实施例,在此不再赘述。
以上各个操作的具体实施可参见前面的实施例,在此不再赘述。
以上对本申请实施例所提供的一种设备调度方法、装置、计算机设备及存储介质进行了详细介绍,本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的方法及其核心思想;同时,对于本领域的技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
Claims (11)
1.一种设备调度方法,其特征在于,所述方法包括:
获取目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据,所述高峰集货件量数据为单位时间内最高峰集货件量数据,所述高峰散货件量为单位时间内最高峰扫货件量数据;
根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,所述目标网点中包括多种类型的分拣设备,所述设备调度参数用于计算分拣设备利用率;
对所述每种分拣设备调度场景下的设备调度参数进行整合,得到所述多种分拣设备调度场景下的设备调度参数;
根据所述多种分拣设备调度场景下的设备调度参数,确定分拣设备利用率最高的分拣设备调度方案。
2.根据权利要求1所述的设备调度方法,其特征在于,根据所述多种分拣设备调度场景下的设备调度参数,确定分拣设备利用率最高的分拣设备调度方案,包括:
确定所述多种分拣设备调度场景对应的多种分拣设备调度方案;
根据所述多种分拣设备调度场景下的设备调度参数,计算所述多种分拣设备调度方案分别对应的多个分拣设备利用率指示参数;
根据所述多个分拣设备利用率指示参数,确定所述多种分拣设备调度方案中分拣设备利用率最高的分拣设备调度方案。
3.根据权利要求1或2所述的设备调度方法,其特征在于,所述多种分拣设备调度场景包括直集直散场景,所述直集直散场景下集货件量和散货件量均采用直线分拣机分拣;所述设备调度参数包括调度成本;
所述根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,包括:
根据所述高峰集货件量数据和所述高峰散货件量数据,计算高峰集货件量设备数和高峰散货件量设备数;
根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述直集直散场景下的设备成本、场地成本和人力成本,得到所述直集直散场景下的调度成本。
4.根据权利要求1或2所述的设备调度方法,其特征在于,所述多种分拣设备调度场景包括直集环散场景,所述直集环散场景下集货件量采用直线分拣机分拣、散货件量采用环形分拣机分拣;所述设备调度参数包括调度成本;
所述根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,包括:
根据所述高峰集货件量数据,计算高峰集货件量设备数;
根据所述高峰散货件量数据,选择大于所述高峰散货件量数据需求的设备数作为高峰散货件量设备数;
根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述直集环散场景下的设备成本、场地成本和人力成本,得到所述直集环散场景下的调度成本。
5.根据权利要求1或2所述的设备调度方法,其特征在于,所述多种分拣设备调度场景包括环集直散场景,所述环集直散场景下集货件量采用环形分拣机分拣、散货件量采用直线分拣机分拣;所述设备调度参数包括调度成本;
所述根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,包括:
根据所述高峰集货件量数据,计算高峰散货件量设备数;
根据所述高峰集货件量数据,选择大于所述高峰集货件量数据需求的设备数作为高峰集货件量设备数;
根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述环集直散场景下的设备成本、场地成本和人力成本,得到所述环集直散场景下的调度成本。
6.根据权利要求1或2所述的设备调度方法,其特征在于,所述多种分拣设备调度场景包括环集环散场景,所述环集环散场景下集货件量和散货件量均采用环形分拣机分拣,所述设备调度参数包括调度成本;
所述根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,包括:
根据所述高峰集货件量数据,选择大于所述高峰集货件量数据需求的设备数作为高峰集货件量设备数;
根据所述高峰散货件量数据,选择大于所述高峰散货件量数据需求的设备数作为高峰散货件量设备数;
根据所述高峰集货件量设备数和所述高峰散货件量设备数,计算所述环集环散场景下的设备成本、场地成本和人力成本,得到所述环集环散场景下的调度成本。
7.根据权利要求1所述的设备调度方法,其特征在于,所述获取目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据,包括:
获取目标网点在预设时间段内待分拣的初始件量数据;
对所述初始集货件量数据进行数据清洗,得到清洗后的集货件量数据;
对所述初始散货件量数据进行数据清洗,得到清洗后的散货件量数据;
对所述清洗后的集货件量数据和所述清洗后的散货件量数据进行整合,得到清洗后的件量数据;
根据所述清洗后的件量数据进行高峰数据筛选,得到目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据。
8.根据权利要求7所述的设备调度方法,其特征在于,所述根据所述清洗后的件量数据进行高峰数据筛选,得到目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据,包括:
获取所述清洗后的件量数据的每小时总件量;
根据所述每小时总件量,确定单日内件量最大的高峰小时数;
根据所述高峰小时数,对所述清洗后的件量数据进行高峰数据筛选,得到在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据。
9.一种设备调度装置,其特征在于,所述装置包括:
获取单元,用于获取目标网点在预设时间段内待分拣的高峰集货件量数据和高峰散货件量数据;
计算单元,用于根据所述高峰集货件量数据和所述高峰散货件量数据,计算目标网点中每种分拣设备调度场景下的设备调度参数,所述目标网点中包括多种类型的分拣设备,所述设备调度参数用于计算分拣设备利用率;
整合单元,用于对所述每种分拣设备调度场景下的设备调度参数进行整合,得到所述多种分拣设备调度场景下的设备调度参数;
确定单元,用于根据所述多种分拣设备调度场景下的设备调度参数,确定分拣设备利用率最高的分拣设备调度方案。
10.一种计算机设备,其特征在于,所述计算机设备包括:
一个或多个处理器;
存储器;以及
一个或多个应用程序,其中所述一个或多个应用程序被存储于所述存储器中,并配置为由所述处理器执行以实现权利要求1至8中任一项所述的设备调度方法。
11.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器进行加载,以执行权利要求1至8任一项所述的设备调度方法中的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110496652.9A CN115310736A (zh) | 2021-05-07 | 2021-05-07 | 设备调度方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110496652.9A CN115310736A (zh) | 2021-05-07 | 2021-05-07 | 设备调度方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115310736A true CN115310736A (zh) | 2022-11-08 |
Family
ID=83853835
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110496652.9A Pending CN115310736A (zh) | 2021-05-07 | 2021-05-07 | 设备调度方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115310736A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116384853A (zh) * | 2023-03-01 | 2023-07-04 | 湖北普罗格科技股份有限公司 | 一种数字孪生智慧物流的管理方法及装置 |
-
2021
- 2021-05-07 CN CN202110496652.9A patent/CN115310736A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116384853A (zh) * | 2023-03-01 | 2023-07-04 | 湖北普罗格科技股份有限公司 | 一种数字孪生智慧物流的管理方法及装置 |
CN116384853B (zh) * | 2023-03-01 | 2024-02-09 | 湖北普罗格科技股份有限公司 | 一种数字孪生智慧物流的管理方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105677836A (zh) | 一种同时支持离线数据和实时在线数据的大数据处理解决系统 | |
CN110647512B (zh) | 一种数据存储和分析方法、装置、设备和可读介质 | |
CN110060118A (zh) | 一种订单履约全链路实时监控方法、装置及计算机设备 | |
CN107909234A (zh) | 工作流数据的时限提醒方法、处理方法及其装置、设备 | |
CN113807553A (zh) | 预约服务的数量分析方法、装置、设备及存储介质 | |
CN109636252A (zh) | 流动人口大数据多维分析方法及系统 | |
CN115310736A (zh) | 设备调度方法、装置、计算机设备及存储介质 | |
Dominey et al. | Performance of approximations for compound Poisson distributed demand in the newsboy problem | |
CN114444751A (zh) | 物资需求预测方法、装置、计算机设备以及存储介质 | |
CN108074108A (zh) | 一种净推荐值的显示方法及其终端 | |
CN116468011A (zh) | 一种报表的生成方法、装置、设备及存储介质 | |
CN116304251A (zh) | 标签处理方法、装置、计算机设备和存储介质 | |
CN110059234A (zh) | 水务异常事件侦测方法及装置、计算机装置及存储介质 | |
CN115358679A (zh) | 一种基于云仓的医用物资智能管理方法 | |
CN115185830A (zh) | 基于测试单元的用例生成方法、装置、设备及存储介质 | |
CN113457990B (zh) | 货物分拣方法、装置、电子设备及介质 | |
CN113869859A (zh) | 事件审批人员的替换方法、装置、终端设备和存储介质 | |
CN114490137A (zh) | 业务数据实时统计方法、装置、电子设备及可读存储介质 | |
Smith | Measuring the Relative Outputs of Computational Researchers in Higher Education | |
CN115796710B (zh) | 电力物资智能抽检方法、装置、电子设备及可读存储介质 | |
CN112801323A (zh) | 分拣设备调度方法、装置、电子设备及存储介质 | |
CN112862385A (zh) | 集散货分拣方法、装置及存储介质 | |
CN110543897A (zh) | 一种内存条归类方法、系统、终端及存储介质 | |
CN113609236B (zh) | 数据处理方法、装置及设备 | |
CN115526367A (zh) | 业务量的预测方法、装置、计算机设备及存储介质 |
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 |