CN116187914A - 一种智能仓储物流数据处理方法 - Google Patents
一种智能仓储物流数据处理方法 Download PDFInfo
- Publication number
- CN116187914A CN116187914A CN202211621079.0A CN202211621079A CN116187914A CN 116187914 A CN116187914 A CN 116187914A CN 202211621079 A CN202211621079 A CN 202211621079A CN 116187914 A CN116187914 A CN 116187914A
- Authority
- CN
- China
- Prior art keywords
- data
- goods
- processing
- data processing
- receiving
- 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
- G06Q10/08—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
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种智能仓储物流数据处理方法,涉及物流数据管理领域,现提出如下方案,S1、数据统计处理:首先将运营的关键性指标数据进行统一的收集统计处理,将运营的关键性指标数据加入统计范围内,可以有效的较为清晰的量化仓库运营状况,并快速挖掘出来仓库物流数据管理存在的一些关键问题;本发明通过将运营的关键性指标数据进行统一的收集统计处理,将运营的关键性指标数据加入统计范围内,可以有效的较为清晰的量化仓库运营状况,并快速挖掘出来仓库物流数据管理存在的一些关键问题,同时利用托盘或货箱并不能完全被充满是为了满足作业的顺利进行,由此保证作业效率的大幅提升。
Description
技术领域
本发明涉及物流数据管理领域,尤其涉及一种智能仓储物流数据处理方法。
背景技术
物流原意为“实物分配”或“货物配送”,是供应链活动的一部分,是为了满足客户需要而对商品、服务消费以及相关信息从产地到消费地的高效、低成本流动和储存进行的规划、实施与控制的过程。物流以仓储为中心,促进生产与市场保持同步。物流是为了满足客户的需要,以最低的成本,通过运输、保管、配送等方式,实现原材料、半成品、成品及相关信息由商品的产地到商品的消费地所进行的计划、实施和管理的全过程,物流由商品的运输、服务、配送、仓储、包装、搬运装卸、流通加工,以及相关的物流信息等环节构成;
随着海淘需求的出现,国内市场与国外市场的对接、国内买家与国外市场的对接以及国外买家与国内市场的对接成为了电商平台多元化的一个趋势,而电商与物流之间如何能够满足在购物旺季的订单需求,成为了现今亟待解决的问题,现有的仓库物流数据在在管理中比较混乱,针对收货信息数据、发货信息数据和退货信息数据无法精准掌握仓库运行的状况,无法精准的对工作出现的问题进行调整处理,为此,我们提出了一种智能仓储物流数据处理方法。
发明内容
本发明的目的是为了解决现有技术中存在的缺点,而提出的一种智能仓储物流数据处理方法。
为了实现上述目的,本发明采用了如下技术方案:
一种智能仓储物流数据处理方法,包括以下步骤:
S1、数据统计处理:首先将运营的关键性指标数据进行统一的收集统计处理,将运营的关键性指标数据加入统计范围内,可以有效的较为清晰的量化仓库运营状况,通过计算共同供给天数和分配给各个配送中心数量进行库存运营状况的计算,并快速挖掘出来仓库物流数据管理存在的一些关键问题,所述共同供给天数计算公式为:其中DS为配送中心库存的共同供给天数,Aj为从工厂“仓库分配的库存单位数”,Ij为用单位数表示的配送中心j的库存,Dj为配送中心j的日需求量;
S2、收货数据处理:然后将与收货有关的所有数据信息通过专职人员进行统一收集并登记处理,车辆的装载量和装卸时间主要对于站台设计有影响,需要考虑车辆大小、载重量问题,同时还要分析卸货的方式和速度,以便详细规划站台的数量,由于仓库每天到货品种繁多、大量混包的情况发生,为此,收货使需要进行专门的验收挑选处理;
S3、数据储存处理:数据储存分为两种形式,分别为以托盘为单位存储和以货箱为单位储存,通过托盘或货箱为单位对货物数据量进行数据统计储存处理,随着电子商务的兴起sku数量不断扩大,ABC分类库存控制法尤为重要,由于托盘或货箱并不能完全被充满是为了满足作业的顺利进行,由此保证作业效率的大幅提升;
S4、数据拣选处理:对订单数、订单行数、发货量的重要数据进行拣选,拣选环节设计关键主要是拣选、包装和输送三大问题,拣选处理分为整盘出库量、整件出库量和拆件出库量;
S5、发货数据处理:对需要发货的货物订单数据信息进行分析,精准的确定所需要的货物名称、数量、发货时间和预计到达时间进行分析核对处理,以及集货区的大小与发货区的波次关系,如小的物流中心每天只安排一次发货,其发货区就要大一些,一些大型的物流中心,一般要按多次大波次组织发货,每个大波次需要有若干小波次,通过最高库存量、经济批量和持时经济批量进行库存存货处理,由此可以大幅度降低对集货区的需求,所述最高库存量计算公式为T=K(L+F),其中T为最高库存量,K为每天需求量,L为订货周期,F为订货间隔期;
S6、退货数据处理:在通常中退货分为两种形式,一种是终端退回到物流中心,第二种是物流中心退回到供应商或者报废处理,两者差异较大,在数据分析汇中要区别对待。
进一步地:所述S1数据统计处理中提到的运营的关键性指标数据包括月常规收入、总客户获取成本、常规性毛利、毛利回收期、预计生命周期、生命周期价值和总客户获取成本所得汇报率。
进一步地:所述S2收货数据处理中提到的收货有关的所有数据信息包括:到货物量、订单数、车辆装载量、收货区大小、收货作业时间和每天收获SKU数据,其中SKU指库存量单位,就是库存进出计量的基本单元,可以是以件、盒、托盘或货箱为单位进行收货数据的统计处理。
进一步地:所述S3中的数据储存处理,用于将签收的收货数据信息分别以托盘或货箱为单位的数据信息进行存储。
进一步地:所述S4中的数据拣选处理,通过对订单数、订单行数、发货量的重要数据进行拣选后,物料人员在系统中录入物料需求清单,或对接外部系统获取物料清单,上位机发送拣选任务给控制器,控制器将拣料任务传送至货架电子标签上,电子标签按键灯亮灯并显示拣货数量,同时巷道指示灯亮灯,拣料人员根据灯光的指引,准确、快速的执行拣选任务,拣料人员按动完成按钮,回传完成信号给计算机,电子标签灭灯,进入下一张订单。
进一步地:所述S5发货数据处理中提到的发货数据包括发货路线、发货数量、车辆形式、作业时间和暂存时间的重要数据,通过建立相对应的专区页面对发货数据进行统一完善的保存建档处理。
进一步地:所述S6退货数据处理,首先基于原始业务系统的数据需要对数据归属进行维护,包括生产、所属、报告分公司的归类,型号、系列的分类汇总以及kpi值的维护,通过退货率及误退率的降低进行逐步提高,其次需选择对应指标及相应的维度,所述退货率计算公式为其中R为退货率,W为总退货件数,V为总订单件数,针对各管理层级人员如集团高层和分公司经理定制化开发监管驾驶舱,其中各关键指标除了展示目标值与实际值的对比之外,还需开发相应专区页面保证数据及问题的可溯源性。
本发明通过将运营的关键性指标数据进行统一的收集统计处理,将运营的关键性指标数据加入统计范围内,可以有效的较为清晰的量化仓库运营状况,并快速挖掘出来仓库物流数据管理存在的一些关键问题,同时利用托盘或货箱并不能完全被充满是为了满足作业的顺利进行,由此保证作业效率的大幅提升。
附图说明
为了更清楚地说明本申请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中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种智能仓储物流数据处理方法整体步骤框图。
具体实施方式
下面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。
请参阅图1,本方案提供的一种实施例:一种智能仓储物流数据处理方法,包括以下步骤:
S1、数据统计处理:首先将运营的关键性指标数据进行统一的收集统计处理,将运营的关键性指标数据加入统计范围内,可以有效的较为清晰的量化仓库运营状况,通过计算共同供给天数和分配给各个配送中心数量进行库存运营状况的计算,并快速挖掘出来仓库物流数据管理存在的一些关键问题,共同供给天数计算公式为:其中DS为配送中心库存的共同供给天数,Aj为从工厂“仓库分配的库存单位数”,Ij为用单位数表示的配送中心j的库存,Dj为配送中心j的日需求量;
S2、收货数据处理:然后将与收货有关的所有数据信息通过专职人员进行统一收集并登记处理,车辆的装载量和装卸时间主要对于站台设计有影响,需要考虑车辆大小、载重量问题,同时还要分析卸货的方式和速度,以便详细规划站台的数量,由于仓库每天到货品种繁多、大量混包的情况发生,为此,收货使需要进行专门的验收挑选处理;
S3、数据储存处理:数据储存分为两种形式,分别为以托盘为单位存储和以货箱为单位储存,通过托盘或货箱为单位对货物数据量进行数据统计储存处理,随着电子商务的兴起sku数量不断扩大,ABC分类库存控制法尤为重要,由于托盘或货箱并不能完全被充满是为了满足作业的顺利进行,由此保证作业效率的大幅提升;
S4、数据拣选处理:对订单数、订单行数、发货量的重要数据进行拣选,拣选环节设计关键主要是拣选、包装和输送三大问题,拣选处理分为整盘出库量、整件出库量和拆件出库量;
S5、发货数据处理:对需要发货的货物订单数据信息进行分析,精准的确定所需要的货物名称、数量、发货时间和预计到达时间进行分析核对处理,以及集货区的大小与发货区的波次关系,如小的物流中心每天只安排一次发货,其发货区就要大一些,一些大型的物流中心,一般要按多次大波次组织发货,每个大波次需要有若干小波次,通过最高库存量、经济批量和持时经济批量进行库存存货处理,由此可以大幅度降低对集货区的需求,最高库存量计算公式为T=K(L+F),其中T为最高库存量,K为每天需求量,L为订货周期,F为订货间隔期;
S6、退货数据处理:在通常中退货分为两种形式,一种是终端退回到物流中心,第二种是物流中心退回到供应商或者报废处理,两者差异较大,在数据分析汇中要区别对待。
本发明中:S1数据统计处理中提到的运营的关键性指标数据包括月常规收入、总客户获取成本、常规性毛利、毛利回收期、预计生命周期、生命周期价值和总客户获取成本所得汇报率。
本发明中:S2收货数据处理中提到的收货有关的所有数据信息包括:到货物量、订单数、车辆装载量、收货区大小、收货作业时间和每天收获SKU数据,其中SKU指库存量单位,就是库存进出计量的基本单元,可以是以件、盒、托盘或货箱为单位进行收货数据的统计处理。
本发明中:S3中的数据储存处理,用于将签收的收货数据信息分别以托盘或货箱为单位的数据信息进行存储。
本发明中:S4中的数据拣选处理,通过对订单数、订单行数、发货量的重要数据进行拣选后,物料人员在系统中录入物料需求清单,或对接外部系统获取物料清单,上位机发送拣选任务给控制器,控制器将拣料任务传送至货架电子标签上,电子标签按键灯亮灯并显示拣货数量,同时巷道指示灯亮灯,拣料人员根据灯光的指引,准确、快速的执行拣选任务,拣料人员按动完成按钮,回传完成信号给计算机,电子标签灭灯,进入下一张订单。
本发明中:S5发货数据处理中提到的发货数据包括发货路线、发货数量、车辆形式、作业时间和暂存时间的重要数据,通过建立相对应的专区页面对发货数据进行统一完善的保存建档处理。
本发明中:S6退货数据处理,首先基于原始业务系统的数据需要对数据归属进行维护,包括生产、所属、报告分公司的归类,型号、系列的分类汇总以及kpi值的维护,通过退货率及误退率的降低进行逐步提高,其次需选择对应指标及相应的维度,所述退货率计算公式为其中R为退货率,W为总退货件数,V为总订单件数,针对各管理层级人员如集团高层和分公司经理定制化开发监管驾驶舱,其中各关键指标除了展示目标值与实际值的对比之外,还需开发相应专区页面保证数据及问题的可溯源性。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种智能仓储物流数据处理方法,其特征在于,包括以下步骤:
S1、数据统计处理:首先将运营的关键性指标数据进行统一的收集统计处理;
S2、收货数据处理:然后将与收货有关的所有数据信息通过专职人员进行统一收集并登记处理;
S3、数据储存处理:数据储存分为两种形式,分别为以托盘为单位存储和以货箱为单位储存,通过托盘或货箱为单位对货物数据量进行数据统计储存处理;
S4、数据拣选处理:对订单数、订单行数、发货量的重要数据进行拣选;
S5、发货数据处理:对需要发货的货物订单数据信息进行分析,精准的确定所需要的货物名称、数量、发货时间和预计到达时间进行分析核对处理,以及集货区的大小与发货区的波次关系;
S6、退货数据处理:在通常中退货分为两种形式,一种是终端退回到物流中心,第二种是物流中心退回到供应商或者报废处理。
2.根据权利要求1所述的一种智能仓储物流数据处理方法,其特征在于:所述S1数据统计处理中提到的运营的关键性指标数据包括月常规收入、总客户获取成本、常规性毛利、毛利回收期、预计生命周期、生命周期价值和总客户获取成本所得汇报率。
3.根据权利要求1所述的一种智能仓储物流数据处理方法,其特征在于:所述S2收货数据处理中提到的收货有关的所有数据信息包括:到货物量、订单数、车辆装载量、收货区大小、收货作业时间和每天收获SKU数据,其中SKU指库存量单位,就是库存进出计量的基本单元,可以是以件、盒、托盘或货箱为单位进行收货数据的统计处理。
4.根据权利要求1所述的一种智能仓储物流数据处理方法,其特征在于:所述S3中的数据储存处理,用于将签收的收货数据信息分别以托盘或货箱为单位的数据信息进行存储。
5.根据权利要求1所述的一种智能仓储物流数据处理方法,其特征在于:所述S4中的数据拣选处理,通过对订单数、订单行数、发货量的重要数据进行拣选后,物料人员在系统中录入物料需求清单,或对接外部系统获取物料清单,上位机发送拣选任务给控制器,控制器将拣料任务传送至货架电子标签上,电子标签按键灯亮灯并显示拣货数量,同时巷道指示灯亮灯,拣料人员根据灯光的指引,准确、快速的执行拣选任务,拣料人员按动完成按钮,回传完成信号给计算机,电子标签灭灯,进入下一张订单。
6.根据权利要求1所述的一种智能仓储物流数据处理方法,其特征在于:所述S5发货数据处理中提到的发货数据包括发货路线、发货数量、车辆形式、作业时间和暂存时间的重要数据,通过建立相对应的专区页面对发货数据进行统一完善的保存建档处理。
7.根据权利要求1所述的一种智能仓储物流数据处理方法,其特征在于:所述S6退货数据处理,首先基于原始业务系统的数据需要对数据归属进行维护,包括生产、所属、报告分公司的归类,型号、系列的分类汇总以及kpi值的维护,通过退货率及误退率的降低进行逐步提高,其次需选择对应指标及相应的维度,针对各管理层级人员如集团高层和分公司经理定制化开发监管驾驶舱,其中各关键指标除了展示目标值与实际值的对比之外,需开发相应专区页面保证数据及问题的可溯源性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211621079.0A CN116187914A (zh) | 2022-12-16 | 2022-12-16 | 一种智能仓储物流数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211621079.0A CN116187914A (zh) | 2022-12-16 | 2022-12-16 | 一种智能仓储物流数据处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116187914A true CN116187914A (zh) | 2023-05-30 |
Family
ID=86437419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211621079.0A Pending CN116187914A (zh) | 2022-12-16 | 2022-12-16 | 一种智能仓储物流数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116187914A (zh) |
-
2022
- 2022-12-16 CN CN202211621079.0A patent/CN116187914A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ramaa et al. | Impact of warehouse management system in a supply chain | |
US11403585B2 (en) | Gateway balancing | |
Hompel et al. | Warehouse management: automation and organisation of warehouse and order picking systems | |
US5063506A (en) | Cost optimization system for supplying parts | |
Ten Hompel et al. | Warehouse management | |
AU2008282178B2 (en) | Transportation management system | |
Baars et al. | Combining RFID technology and business intelligence for supply chain optimization scenarios for retail logistics | |
CN111784257A (zh) | 一种基于云平台的大数据仓储管理系统 | |
CN114331291A (zh) | 一种智能制造用原料管理方法及系统 | |
CN115936588A (zh) | 一种跨境电商供应链的数据模拟方法 | |
CN117217662A (zh) | 一种仓库物流管理系统 | |
US20230027009A1 (en) | Logistics operation optimization apparatus and logistics operation optimization method | |
CN116187914A (zh) | 一种智能仓储物流数据处理方法 | |
Lilly | Manufacturing: Engineering, Management and Marketing | |
Tostar et al. | Lean Warehousing-Gaining from Lean thinking in Warehousing | |
Phan et al. | Redesigning Finished Product Warehouse Layout-A Case Study | |
Blomqvist | A warehouse design framework for order processing and materials handling improvement-Case Etra Oy | |
Rifai et al. | Inventory Control and EOQ Forecasting Tools as Effective Decision-Making Model | |
Soesilo | Supply Chain Performance Improvement Strategy in the Packaging Industry | |
Tostar et al. | Lean warehousing | |
WO2023286524A1 (ja) | ターゲット管理システム、ターゲット管理方法及びプログラム | |
Goyal et al. | Impact of warehouse management system in a supply chain | |
CN114445015A (zh) | 订单管理系统 | |
Kurniawan et al. | Inventory Control and EOQ Forecasting Tools as Effective Decision-Making Model | |
Neuvonen | Simplification and Modernization of the Material Flow on Remote Multideck Final Assembly Line |
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 |