CN115456523B - 一种电商仓库拣货通道的规划方法及系统 - Google Patents

一种电商仓库拣货通道的规划方法及系统 Download PDF

Info

Publication number
CN115456523B
CN115456523B CN202211082065.6A CN202211082065A CN115456523B CN 115456523 B CN115456523 B CN 115456523B CN 202211082065 A CN202211082065 A CN 202211082065A CN 115456523 B CN115456523 B CN 115456523B
Authority
CN
China
Prior art keywords
pickers
warehouse
probability
channel
congestion
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
Application number
CN202211082065.6A
Other languages
English (en)
Other versions
CN115456523A (zh
Inventor
陈强
骆海东
颜嘉梁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Juhuotong E Commerce Co ltd
Original Assignee
Shanghai Juhuotong E Commerce Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Juhuotong E Commerce Co ltd filed Critical Shanghai Juhuotong E Commerce Co ltd
Priority to CN202211082065.6A priority Critical patent/CN115456523B/zh
Publication of CN115456523A publication Critical patent/CN115456523A/zh
Application granted granted Critical
Publication of CN115456523B publication Critical patent/CN115456523B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/08—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
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Warehouses Or Storage Devices (AREA)

Abstract

本发明公开了一种电商仓库拣货通道的规划方法及系统，涉及电商拣货技术领域，方法包括：获取目标仓库的拣货人员数量和商品历史拣货次数；针对每个仓库通道，基于所述拣货人员数量，根据商品历史拣货次数计算人数分布概率组；人数分布概率组包括多个元素，且不同的所述元素表示不同拣货人员的数量所对应的人数分布概率；根据人数分布概率组，计算仓库通道在不同预设容纳人数情况下的拥堵概率；根据不同预设容纳人数情况下的拥堵概率，确定最小拥堵概率；根据最小拥堵概率，计算仓库通道的宽度。本发明结合商品的历史拣货次数，对仓库通道的宽度进行快速准确的规划，从而解决仓库内的拣货拥堵问题。

Description

一种电商仓库拣货通道的规划方法及系统
技术领域
本发明涉及电商拣货技术领域，特别是涉及一种电商仓库拣货通道的规划方法及系统。
背景技术
在规划电商仓库的拣货热区时，往往不能回避的一个问题是：热区拣货时可能出现的仓库拥堵问题，现有技术中缓解拥堵的方式主要有以下两种：
1)减少仓库内热卖商品的聚集程度；例如将不同热区的商品分布在不同的通道内。2)增大拣货区通道的宽度，增加通道流量。但是，实际应用时常常仅采用两种方法中的其中一个，而无法达到最优的全局通道规划效果，以至于在缓解拥堵的同时，会增大占用的场地面积。
发明内容
本发明的目的是提供一种电商仓库拣货通道的规划方法及系统，结合商品的历史拣货次数，对仓库通道的宽度进行快速准确的规划，从而解决仓库内的拣货拥堵问题。
为实现上述目的，本发明提供了如下方案：
第一方面，本发明提供了一种电商仓库拣货通道的规划方法，包括：
获取目标仓库的拣货人员数量和商品历史拣货次数；
针对每个仓库通道，基于所述拣货人员数量，根据所述商品历史拣货次数计算人数分布概率组；所述人数分布概率组包括多个元素，且不同的所述元素表示不同拣货人员的数量所对应的人数分布概率；
根据所述人数分布概率组，计算所述仓库通道在不同预设容纳人数情况下的拥堵概率；
根据不同预设容纳人数情况下的拥堵概率，确定最小拥堵概率；
根据最小拥堵概率，计算所述仓库通道的宽度。
可选地，所述人数分布概率的计算过程为：
根据公式
Figure BDA0003833637900000011
计算仓库通道中分布的拣货人员数量为K时的人数分布概率；
其中，P1(X＝K)表示仓库通道中分布的拣货人员数量为K时的概率，P表示第一拣货次数总和与第二拣货次数总和的比值，所述第一拣货次数总和为仓库通道内的多个商品对应的商品历史拣货次数的和，所述第二拣货次数总和为目标仓库中所有商品对应的商品历史拣货次数的和，N表示目标仓库中的拣货人员数量，K≤N。
可选地，所述根据所述人数分布概率组，计算所述仓库通道在不同预设容纳人数情况下的拥堵概率，具体包括：
确定预设容纳人数；
判断所述仓库通道中的标记拣货人员数量是否大于或等于所述预设容纳人数；所述标记拣货人员数量为所述人数分布概率组中任一人数分布概率对应的拣货人员数量；
当所述仓库通道中的标记拣货人员数量小于所述预设容纳人数时，将所述标记拣货人员数量对应的人数分布概率舍弃；
当所述仓库通道中的标记拣货人员数量大于或等于所述预设容纳人数时，将所述标记拣货人员数量对应的人数分布概率确定为初步拥堵概率；
将多个所述初步拥堵概率相加，以得到拥堵概率。
可选地，所述根据最小拥堵概率，计算所述仓库通道的宽度，具体包括：
根据公式
Figure BDA0003833637900000021
计算所述仓库通道的宽度；
其中，s表示仓库通道的宽度，a表示所述最小拥堵概率对应的预设容纳人数，b表示拣货车面积，c表示货架宽度，d表示冗余值；所述冗余值和所述货架宽度均为预设常数值。
第二方面，本发明提供了一种电商仓库拣货通道的规划系统，包括：
数据获取模块，用于获取目标仓库的拣货人员数量和商品历史拣货次数；
人数分布确定模块，用于针对每个仓库通道，基于所述拣货人员数量，根据所述商品历史拣货次数计算人数分布概率组；所述人数分布概率组包括多个元素，且不同的所述元素表示不同拣货人员的数量所对应的人数分布概率；
拥堵概率计算模块，用于根据所述人数分布概率组，计算所述仓库通道在不同预设容纳人数情况下的拥堵概率；
最小拥堵确定模块，用于根据不同预设容纳人数情况下的拥堵概率，确定最小拥堵概率；
通道宽度计算模块，用于根据最小拥堵概率，计算所述仓库通道的宽度。
可选地，在人数分布概率方面，所述人数分布确定模块，具体包括：
分布概率计算子模块，用于根据公式
Figure BDA0003833637900000031
计算仓库通道中分布的拣货人员数量为K时的人数分布概率；
其中，P1(X＝K)表示仓库通道中分布的拣货人员数量为K时的概率，P表示第一拣货次数总和与第二拣货次数总和的比值，所述第一拣货次数总和为仓库通道内的多个商品对应的商品历史拣货次数的和，所述第二拣货次数总和为目标仓库中所有商品对应的商品历史拣货次数的和，N表示目标仓库中的拣货人员数量，K≤N。
可选地，所述拥堵概率计算模块，具体包括：
预设人数确定子模块，用于确定预设容纳人数；
人数判断子模块，用于判断所述仓库通道中的标记拣货人员数量是否大于或等于所述预设容纳人数；所述标记拣货人员数量为所述人数分布概率组中任一人数分布概率对应的拣货人员数量；
数据舍弃子模块，用于当所述仓库通道中的标记拣货人员数量小于所述预设容纳人数时，将所述标记拣货人员数量对应的人数分布概率舍弃；
初步拥堵确定子模块，用于当所述仓库通道中的标记拣货人员数量大于或等于所述预设容纳人数时，将所述标记拣货人员数量对应的人数分布概率确定为初步拥堵概率；
拥堵概率加和子模块，用于将多个所述初步拥堵概率相加，以得到拥堵概率。
可选地，所述通道宽度计算模块，具体包括：
根据公式
Figure BDA0003833637900000032
计算所述仓库通道的宽度；
其中，s表示仓库通道的宽度，a表示所述最小拥堵概率对应的预设容纳人数，b表示拣货车面积，c表示货架宽度，d表示冗余值；所述冗余值和所述货架宽度均为预设常数值。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明公开一种电商仓库拣货通道的规划方法及系统，根据拣货人员数量和商品历史拣货次数，确定出不同拣货人员数量对应的人数分布概率，进而计算出仓库通道在不同预设容纳人数情况下的拥堵概率，从而将电商仓库拣货区的拥堵问题转换为一种可量化的问题。然后根据不同容纳人数情况下的拥堵概率，确定出最小拥堵概率，进而计算出合理的仓库通道的宽度，实现对仓库通道宽度的合理规划，使得多个人对仓库中的商品进行拣货时不会出现拥堵的情况，从而提高拣货效率和速度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明电商仓库拣货通道的规划方法的流程示意图；
图2为本发明电商仓库拣货通道的规划系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明电商仓库拣货通道的规划方法及系统，在仓库内商品布局确定的状况下，基于仿真自动化计算仓库拣货区通道，并作出如下假设：
1)仓库内每个通道内的操作人数和每个通道内的商品热度是一个二项分布关系。
2)每个过道内的拣货分数均匀分布在不同的货架上，而仓库拥堵的本质问题是在于某个货架上的拣货人数超过了货架的容纳人数。
3)通道内每个货架相当于一个服务台，当货架前的人数超过货架可容纳的阈值时，仓库会发生拥堵。一个通道中无论哪个货架前出现拥堵，整个通道都是拥堵的。
4)货架前面的可容纳人数和拣货车的规格，以及拣货区通道宽度具有一定的关系。
实施例一
如图1所示，本实施例提供了一种电商仓库拣货通道的规划方法，包括：
步骤100，获取目标仓库的拣货人员数量和商品历史拣货次数。在一个具体实施例中，目标仓库中的拣货人员数量为N，拣货人员的工作主要是拣选商品，所以拣货人员在仓库通道内的分布会受到每个通道内商品热度的影响。其中，商品热度可以用商品历史拣货次数表示，商品历史历史拣货次数越大，表示商品热度越高。
步骤200，针对每个仓库通道，基于所述拣货人员数量，根据所述商品历史拣货次数计算人数分布概率组；所述人数分布概率组包括多个元素，且不同的所述元素表示不同拣货人员的数量所对应的人数分布概率。
具体地，基于上文中记载的假设1)，所述人数分布概率的计算过程为：
根据公式
Figure BDA0003833637900000051
计算仓库通道中分布的拣货人员数量为K时的人数分布概率。
其中，P1(X＝K)表示仓库通道中分布的拣货人员数量为K时的概率，P表示第一拣货次数总和与第二拣货次数总和的比值，所述第一拣货次数总和为仓库通道内的多个商品对应的商品历史拣货次数的和，所述第二拣货次数总和为目标仓库中所有商品对应的商品历史拣货次数的和，N表示目标仓库中的拣货人员数量，K≤N。
步骤300，根据所述人数分布概率组，计算所述仓库通道在不同预设容纳人数情况下的拥堵概率。
步骤300，具体包括：
1)确定预设容纳人数。
2)判断所述仓库通道中的标记拣货人员数量是否大于或等于所述预设容纳人数；所述标记拣货人员数量为所述人数分布概率组中任一人数分布概率对应的拣货人员数量。
3)当所述仓库通道中的标记拣货人员数量小于所述预设容纳人数时，将所述标记拣货人员数量对应的人数分布概率舍弃。
4)当所述仓库通道中的标记拣货人员数量大于或等于所述预设容纳人数时，将所述标记拣货人员数量对应的人数分布概率确定为初步拥堵概率。
5)将多个所述初步拥堵概率相加，以得到拥堵概率。
在实际应用中，可通过随机数试验的方式进行确定，假设当前通道内人数为10，通道内货架数为14，每个货架前最大容纳人数为3，试验思路如下：
第一步，将10个人随机分布在14个货架上，检验14个货架上人数的最大值Kmax。
第二步，将第一步的试验重复10000次。
第三步，记录货架上人数最大值Kmax出现的次数Ntest
第四步，得到货架上出现人数最大值的概率PKmax＝Ntest/10000。
第五步，根据货架前的最大容纳数3输出当前状况的的通道拥堵概率：
Figure BDA0003833637900000061
步骤400，根据不同预设容纳人数情况下的拥堵概率，确定最小拥堵概率；
步骤500，根据最小拥堵概率，计算所述仓库通道的宽度。具体地，每个货架前的拥堵人数，会受到通道宽度，拣货车长度，拣货车宽度的影响。因为每个拣货人员是跟随一个拣货车进行工作的，相当于每个货架前可容纳的人数＊拣货车的面积＝每个货架前应该设计的面积＝通道宽度＊货架宽度＊冗余值。
步骤500，具体包括：
根据公式
Figure BDA0003833637900000062
计算所述仓库通道的宽度。
其中，s表示仓库通道的宽度，a表示所述最小拥堵概率对应的预设容纳人数，b表示拣货车面积，c表示货架宽度，d表示冗余值；所述冗余值和所述货架宽度均为预设常数值。
在一个具体实施例中，目标仓库中的拣货人员数量为4，目标仓库中有ABCDE五种商品时，其在一个拣货通道内对应的人数分布概率可能为：P1(X＝2)＝0.5，P1(X＝3)＝0.3，P1(X＝4)＝0.2。
当预设容纳人数为2时，有以下三种情况：
通道内有2个人，任何一个货架超过2个人的概率，Pk-2。
通道内有3个人，任何一个货架超过2个人的概率，Pk-3。
通道内有4个人，任何一个货架超过2个人的概率，Pk-4。
进而可计算出：该通道内当最多容纳人数为2的拥堵概率则为：
0.5*Pk-2+0.3*Pk-3+0.2*Pk-4。
同理，可计算出预设容纳人数为3时对应的拥堵概率，预设容纳人数为4时对应的拥堵概率。
根据以上得出的三个拥堵概率可确定出最小拥堵概率为，进而确定出对应的预设容纳人数为。然后根据已知的拣货车面积、预设的货架宽度和冗余值计算出仓库通道的宽度。
另外，还可以设置出目标仓库的最大容忍拥堵概率；根据最大容忍拥堵概率以及在不同预设容纳人数情况下的拥堵概率，确定出最大容忍拥堵人数。具体地，分别判断不同预设容纳人数情况下的拥堵概率是否大于最大容忍拥堵概率，得到第一结果；当第一结果表示是，则将所述拥堵概率对应的预设容纳人数标记为待处理人数；当第一结果表示否，则将所述拥堵概率对应的预设容纳人数舍弃；将多个待处理人数从大到小进行排序，以得到最大的待处理人数；将所述最大的待处理人数作为最大容忍拥堵人数。比如，本实施例中，最大容忍拥堵概率＝0.6，假设预设容纳人数为2时，拥堵概率为0.5，预设容纳人数为3时，拥堵概率为0.3，预设容纳人数为4时，拥堵概率为0.7，由此可得，预设容纳人数为2或3时，拥堵概率均小于最大容忍拥堵概率，因此取二者中较大的预设容纳人数作为最大容忍拥堵人数，即最大容忍拥堵人数为3。
实施例二
如图2所示，本实施例提供了一种电商仓库拣货通道的规划系统，包括：
数据获取模块101，用于获取目标仓库的拣货人员数量和商品历史拣货次数。
人数分布确定模块201，用于针对每个仓库通道，基于所述拣货人员数量，根据所述商品历史拣货次数计算人数分布概率组；所述人数分布概率组包括多个元素，且不同的所述元素表示不同拣货人员的数量所对应的人数分布概率。
在人数分布概率方面，所述人数分布确定模块，具体包括：
分布概率计算子模块，用于根据公式
Figure BDA0003833637900000081
计算仓库通道中分布的拣货人员数量为K时的人数分布概率。
其中，P1(X＝K)表示仓库通道中分布的拣货人员数量为K时的概率，P表示第一拣货次数总和与第二拣货次数总和的比值，所述第一拣货次数总和为仓库通道内的多个商品对应的商品历史拣货次数的和，所述第二拣货次数总和为目标仓库中所有商品对应的商品历史拣货次数的和，N表示目标仓库中的拣货人员数量，K≤N。
拥堵概率计算模块301，用于根据所述人数分布概率组，计算所述仓库通道在不同预设容纳人数情况下的拥堵概率。
所述拥堵概率计算模块301，具体包括：
预设人数确定子模块，用于确定预设容纳人数；
人数判断子模块，用于判断所述仓库通道中的标记拣货人员数量是否大于或等于所述预设容纳人数；所述标记拣货人员数量为所述人数分布概率组中任一人数分布概率对应的拣货人员数量；
数据舍弃子模块，用于当所述仓库通道中的标记拣货人员数量小于所述预设容纳人数时，将所述标记拣货人员数量对应的人数分布概率舍弃；
初步拥堵确定子模块，用于当所述仓库通道中的标记拣货人员数量大于或等于所述预设容纳人数时，将所述标记拣货人员数量对应的人数分布概率确定为初步拥堵概率；
拥堵概率加和子模块，用于将多个所述初步拥堵概率相加，以得到拥堵概率。
最小拥堵确定模块401，用于根据不同预设容纳人数情况下的拥堵概率，确定最小拥堵概率。
通道宽度计算模块501，用于根据最小拥堵概率，计算所述仓库通道的宽度。
所述通道宽度计算模块501，具体包括：
根据公式
Figure BDA0003833637900000091
计算所述仓库通道的宽度。
其中，s表示仓库通道的宽度，a表示所述最小拥堵概率对应的预设容纳人数，b表示拣货车面积，c表示货架宽度，d表示冗余值；所述冗余值和所述货架宽度均为预设常数值。
相对于现有技术，本发明还具有如下优点：
本发明将电商仓库拣货区拥堵问题转化成一个可量化的问题，从而计算出每个通道的合理宽度，解决仓库拣货时的拥堵问题。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明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发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，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发明的限制。

Claims (2)

1.一种电商仓库拣货通道的规划方法，其特征在于，所述规划方法包括：
获取目标仓库的拣货人员数量和商品历史拣货次数；
针对每个仓库通道，基于所述拣货人员数量，根据所述商品历史拣货次数计算人数分布概率组；所述人数分布概率组包括多个元素，且不同的所述元素表示不同拣货人员的数量所对应的人数分布概率；所述人数分布概率的计算过程为：
根据公式
Figure FDA0004226683130000011
计算仓库通道中分布的拣货人员数量为K时的人数分布概率；其中，P1(X＝K)表示仓库通道中分布的拣货人员数量为K时的概率，P表示第一拣货次数总和与第二拣货次数总和的比值，所述第一拣货次数总和为仓库通道内的多个商品对应的商品历史拣货次数的和，所述第二拣货次数总和为目标仓库中所有商品对应的商品历史拣货次数的和，N表示目标仓库中的拣货人员数量，K≤N；仓库内每个通道内的操作人数和每个通道内的商品热度是一个二项分布关系；
根据所述人数分布概率组，计算所述仓库通道在不同预设容纳人数情况下的拥堵概率；具体包括：确定预设容纳人数；判断所述仓库通道中的标记拣货人员数量是否大于或等于所述预设容纳人数；所述标记拣货人员数量为所述人数分布概率组中任一人数分布概率对应的拣货人员数量；当所述仓库通道中的标记拣货人员数量小于所述预设容纳人数时，将所述标记拣货人员数量对应的人数分布概率舍弃；当所述仓库通道中的标记拣货人员数量大于或等于所述预设容纳人数时，将所述标记拣货人员数量对应的人数分布概率确定为初步拥堵概率；将多个所述初步拥堵概率相加，以得到拥堵概率；
根据不同预设容纳人数情况下的拥堵概率，确定最小拥堵概率；
根据最小拥堵概率，计算所述仓库通道的宽度；根据公式
Figure FDA0004226683130000012
计算所述仓库通道的宽度；其中，s表示仓库通道的宽度，a表示所述最小拥堵概率对应的预设容纳人数，b表示拣货车面积，c表示货架宽度，d表示冗余值；所述冗余值和所述货架宽度均为预设常数值。
2.一种电商仓库拣货通道的规划系统，其特征在于，所述规划系统包括：
数据获取模块，用于获取目标仓库的拣货人员数量和商品历史拣货次数；
人数分布确定模块，用于针对每个仓库通道，基于所述拣货人员数量，根据所述商品历史拣货次数计算人数分布概率组；所述人数分布概率组包括多个元素，且不同的所述元素表示不同拣货人员的数量所对应的人数分布概率；在人数分布概率方面，所述人数分布确定模块，具体包括：
分布概率计算子模块，用于根据公式
Figure FDA0004226683130000021
计算仓库通道中分布的拣货人员数量为K时的人数分布概率；其中，P1(X＝K)表示仓库通道中分布的拣货人员数量为K时的概率，P表示第一拣货次数总和与第二拣货次数总和的比值，所述第一拣货次数总和为仓库通道内的多个商品对应的商品历史拣货次数的和，所述第二拣货次数总和为目标仓库中所有商品对应的商品历史拣货次数的和，N表示目标仓库中的拣货人员数量，K≤N；仓库内每个通道内的操作人数和每个通道内的商品热度是一个二项分布关系；
拥堵概率计算模块，用于根据所述人数分布概率组，计算所述仓库通道在不同预设容纳人数情况下的拥堵概率；所述拥堵概率计算模块具体包括：预设人数确定子模块，用于确定预设容纳人数；人数判断子模块，用于判断所述仓库通道中的标记拣货人员数量是否大于或等于所述预设容纳人数；所述标记拣货人员数量为所述人数分布概率组中任一人数分布概率对应的拣货人员数量；数据舍弃子模块，用于当所述仓库通道中的标记拣货人员数量小于所述预设容纳人数时，将所述标记拣货人员数量对应的人数分布概率舍弃；初步拥堵确定子模块，用于当所述仓库通道中的标记拣货人员数量大于或等于所述预设容纳人数时，将所述标记拣货人员数量对应的人数分布概率确定为初步拥堵概率；拥堵概率加和子模块，用于将多个所述初步拥堵概率相加，以得到拥堵概率；
最小拥堵确定模块，用于根据不同预设容纳人数情况下的拥堵概率，确定最小拥堵概率；
通道宽度计算模块，用于根据最小拥堵概率，计算所述仓库通道的宽度；所述通道宽度计算模块，具体包括：
根据公式
Figure FDA0004226683130000022
计算所述仓库通道的宽度；其中，s表示仓库通道的宽度，a表示所述最小拥堵概率对应的预设容纳人数，b表示拣货车面积，c表示货架宽度，d表示冗余值；所述冗余值和所述货架宽度均为预设常数值。
CN202211082065.6A 2022-09-06 2022-09-06 一种电商仓库拣货通道的规划方法及系统 Active CN115456523B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211082065.6A CN115456523B (zh) 2022-09-06 2022-09-06 一种电商仓库拣货通道的规划方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211082065.6A CN115456523B (zh) 2022-09-06 2022-09-06 一种电商仓库拣货通道的规划方法及系统

Publications (2)

Publication Number Publication Date
CN115456523A CN115456523A (zh) 2022-12-09
CN115456523B true CN115456523B (zh) 2023-06-16

Family

ID=84303579

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211082065.6A Active CN115456523B (zh) 2022-09-06 2022-09-06 一种电商仓库拣货通道的规划方法及系统

Country Status (1)

Country Link
CN (1) CN115456523B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104318333A (zh) * 2014-10-29 2015-01-28 广东电网公司电网规划研究中心 基于多源空间数据的输电线路通道优选系统及方法
CN107464013A (zh) * 2017-07-13 2017-12-12 南昌大学 一种应用于v型非传统布局仓库通道优化设计方法
CN107748975A (zh) * 2017-10-09 2018-03-02 重庆长安民生物流股份有限公司 仓库存储面积计算方法、获取方法以及仓库建立方法
CN109447317A (zh) * 2018-09-21 2019-03-08 江苏大学 一种基于多人同时拣货的仓库最短路径优化方法
CN112180919A (zh) * 2020-09-21 2021-01-05 苏州牧星智能科技有限公司 一种仓储系统中的机器人运行路径规划方法、装置及系统
CN113120498A (zh) * 2020-01-15 2021-07-16 北京京邦达贸易有限公司 一种巷道拣货管理方法和装置
CN113139766A (zh) * 2020-01-20 2021-07-20 北京京东振世信息技术有限公司 巷道拥堵率的计算方法和装置、储位选择方法和装置
CN113592199A (zh) * 2021-08-26 2021-11-02 南京希音电子商务有限公司 一种利用巷道浓度与最小化集合覆盖的波次规划方法
CN113762687A (zh) * 2021-01-04 2021-12-07 北京京东振世信息技术有限公司 一种仓库内的人员排班调度方法和装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9909271B2 (en) * 2015-11-12 2018-03-06 Rite-Hite Holding Corporation Shock absorbing retractable bollard systems
CN114742380A (zh) * 2022-03-24 2022-07-12 红云红河烟草(集团)有限责任公司 一种面向智慧园区的双层资源配置优化方法
CN114648272B (zh) * 2022-04-01 2023-07-21 上海聚货通电子商务有限公司 一种基于拣货热力图的商品布局调整方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104318333A (zh) * 2014-10-29 2015-01-28 广东电网公司电网规划研究中心 基于多源空间数据的输电线路通道优选系统及方法
CN107464013A (zh) * 2017-07-13 2017-12-12 南昌大学 一种应用于v型非传统布局仓库通道优化设计方法
CN107748975A (zh) * 2017-10-09 2018-03-02 重庆长安民生物流股份有限公司 仓库存储面积计算方法、获取方法以及仓库建立方法
CN109447317A (zh) * 2018-09-21 2019-03-08 江苏大学 一种基于多人同时拣货的仓库最短路径优化方法
CN113120498A (zh) * 2020-01-15 2021-07-16 北京京邦达贸易有限公司 一种巷道拣货管理方法和装置
CN113139766A (zh) * 2020-01-20 2021-07-20 北京京东振世信息技术有限公司 巷道拥堵率的计算方法和装置、储位选择方法和装置
CN112180919A (zh) * 2020-09-21 2021-01-05 苏州牧星智能科技有限公司 一种仓储系统中的机器人运行路径规划方法、装置及系统
CN113762687A (zh) * 2021-01-04 2021-12-07 北京京东振世信息技术有限公司 一种仓库内的人员排班调度方法和装置
CN113592199A (zh) * 2021-08-26 2021-11-02 南京希音电子商务有限公司 一种利用巷道浓度与最小化集合覆盖的波次规划方法

Also Published As

Publication number Publication date
CN115456523A (zh) 2022-12-09

Similar Documents

Publication Publication Date Title
CN106875148B (zh) 用于为物品确定存放位置的方法和装置
CN108830531B (zh) 一种智能分类物流仓储系统
CN109242184B (zh) 一种基于层次聚类的订单拣货优化方法
CN106940703B (zh) 推送信息粗选排序方法及装置
CN110727754B (zh) 货架热力图的生成方法、装置及电子设备
CN110826953B (zh) 一种仓库存储设备规划的方法和装置
CN107423350A (zh) 一种技术转移的方法和设备
CN115456523B (zh) 一种电商仓库拣货通道的规划方法及系统
Salmasnia et al. An integration of NSGA-II and DEA for economic–statistical design of T 2-Hotelling control chart with double warning lines
CN106875084A (zh) 巡检后期任务创建方法及系统
CN113935528B (zh) 智能调度方法、装置、计算机设备及存储介质
CN111754152A (zh) 货到人仓库的货架调度方法、装置、电子设备及介质
CN107169138B (zh) 一种面向分布式内存数据库查询引擎的数据分发方法
CN107368569A (zh) 数据差异对比方法和装置、存储介质以及处理器
CN114648272B (zh) 一种基于拣货热力图的商品布局调整方法及系统
CN115713290A (zh) 一种用于仓库管理的智能补货系统
CN113077070B (zh) 基于属性预测的动态abc分类仓储策略优化方法及实现系统
Tsubone et al. Impact of various flexibility types in a hybrid fabrication/assembly production system
Lee et al. Effect of manufacturing system constructs on pick-up and drop-off strategies of multiple-load AGVs
CN113034083A (zh) 一种仓储合托优化方法、装置及系统
CN112668951A (zh) 一种任务处理方法、装置、服务器及存储介质
EP3460732A1 (en) Dispatching method and system based on multiple levels of steady state production rate in working benches
CN113516224A (zh) 神经网络的优化方法及装置、电子设备及存储介质
CN110046831A (zh) 跟随移动控制方法和装置
CN110436099B (zh) 一种不良品拼托方法

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