CN116542599A - 一种多维度订单合并方法 - Google Patents

Abstract

本发明公开了一种多维度订单合并方法，属于仓储技术领域。通过考虑订单要求的到货时间、订单目的地、订单内拣货位重合度、订单规模、天气情况、路况信息、运输车辆情况以及拣货、物流成本等多个维度，并通过考虑各维度的组合排列顺序确定一种多维度订单合并方法，可应用于仓储领域各种场景下，根据该方法合并后的订单处理任务可进行多订单同时配货，满足客户个性化发货需求的前提下，尽可能的减少了成本、提升了发货效率。

Description

一种多维度订单合并方法

技术领域

本发明涉及一种多维度订单合并方法，属于仓储技术领域。

背景技术

仓储管理技术领域中，仓库拣选作业模式最基本的两种模式为“摘果式”拣货模式和“播种式”拣货模式。所谓“摘果式”拣货模式，即针对每一份订单进行拣货，拣货人员或设备巡回于各个货物储位，将所处理订单上的货物取出、封装，形似摘果，故而称为“摘果式”拣货模式。而“播种式”拣货模式，又称为“先摘果后播种”，指的是把多份订单集合成一批，先把其中每种商品的数量分别汇总取出，形式摘果，再逐个品种对所涉及的多份订单进行分货、封装，形似播种，故而称为“先摘果后播种式”拣货模式。

上述两种模式中，“播种式”拣货模式可以对多个甚至几十个几百个订单同时进行摘果和播种，拣货效率远高于“摘果式”拣货模式，但其也需要额外设置“播种”区，也即摘果后再逐个品种对所涉及的多份订单进行分货、封装时需要额外设置较大场地实现，如果涉及几百个订单，则需要同时摆放几百个订单货箱的场地，而且业务流程长，处理环节多。

发明人结合上述两种模式，提出一种“直播式”拣货方式，即在拣货的同时直接实现对多个订单的“播种”，这种模式下，考虑拣货效率，配货前需要对订单进行合并，但现有技术中的订单合并规则都比较单一，比如上述“播种式”拣货模式中对多个甚至几十个几百个订单同时进行摘果时，仅仅是按照接到订单的时间顺序将一批订单进行合并摘果，不涉及任何其他合并规则。CN108573423A交易订单处理方法、装置及系统中提出将订单内所包含商品处于同一拣货区的订单进行合并，CN108154328A时间提示方法、装置、电子设备及计算机可读存储介质中提出基于订单相似度、取货地址等对订单进行合并。这些相对单一的合并规则并不能满足一些仓储中心考虑满足客户个性化发货需求且尽可能减少物流成本、提升拣货效率的要求，因此有必要研发一种多维度的订单合并方法以满足“直播式”拣货方式的需求。

发明内容

为了解决目前存在的问题，本发明提供了一种多维度订单合并方法，所述方法包括：

步骤S1：根据预设条件获取需要处理的订单信息，将满足预设条件的订单归为一个批次；

步骤S2：根据订单的收货地址、到货时间及订单中包含商品的储位信息进行订单预合并，预合并后的订单作为一个订单和其他未进行预合并的订单一起放入订单池，执行下述步骤S3；

步骤S3：判断订单池内各订单的规模是否超过第一阈值，若超过第一阈值，则将该订单单独生成一个配货任务；若未超过第一阈值，则转入步骤S4；所述第一阈值根据RFID拣货车所能承载的最大订单规模确定；

步骤S4：根据订单的收货地址所属区域、到货时间及订单中包含商品的储位信息对订单规模未超过第一阈值的订单进行分类；

步骤S5：对于同一类中的各订单，根据拣货位重合度将每N个订单生成一个配货任务，N根据RFID拣货车配置的分拣位确定。

可选的，所述步骤S1中预设条件包括时间、区域、商品或其他。

可选的，所述步骤S1包括：

根据订单的下单时间将预定时间范围内所收到的所有订单归为一个批次；

或者将订单收货地址归属同一区域的订单归为一个批次；

或者将包含特定商品的订单归为一个批次。

可选的，所述步骤S2包括：

将同时满足以下条件的订单预合并为一个订单：

条件1：到货时间为同一时间段内；

条件2：收获地址完全相同；

条件3：所包含的商品存储于同一个区。

可选的，所述步骤S2将同时满足上述条件1至条件3的订单进行预合并为一个订单之前，还包括：

判断同时满足上述条件1至条件3的各订单的规模是否超过第二阈值；

若同时满足上述条件1至条件3的订单的规模超过第二阈值，则不进行预合并，直接放入订单池；所述第二阈值为人为设定的阈值。

可选的，所述步骤S4包括：

将同时满足以下三个条件的订单划分为一类：

条件一：收货地址属于同一区域，所述区域指行政区域或者根据零售业态的销售模式划分的区域；

条件二：到货时间为同一时间段内；

条件三：所包含的商品存储于同一个区。

可选的，所述步骤S5包括：

将被划分至同一类的所有订单作为一个处理单元；

对任一处理单元，从其中选择订单规模最大的订单；

计算所述处理单元中其余订单与所述规模最大的订单的拣货位重合度，将与该规模最大的订单拣货位重合度最高的N-1个订单与其一起生成一个配货任务；并从所述处理单元中剔除所述配货任务对应的N个订单；

以处理单元中剩余订单作为新的处理单元执行上述过程，直至该类中所有订单均被生成配货任务。

可选的，所述步骤S5包括：

将被划分至同一类的所有订单作为一个处理单元；

对任一处理单元，从其中选择订单规模最大的订单；

计算其余订单与所述规模最大的订单的拣货位重合度，将与所述规模最大的订单拣货位重合度最高的一个订单与其一起生成第一虚拟订单；

计算其余订单与所述第一虚拟订单的拣货位重合度，将与该第一虚拟订单拣货位重合度最高的一个订单与其一起生成第二虚拟订单；……，以此类推，直至生成第N-1虚拟订单，将所述第N-1虚拟订单包含的N个订单生成一个配货任务；并从所述处理单元中剔除该配货任务对应的N个订单；

以处理单元中剩余订单作为新的处理单元执行上述过程，直至该类中所有订单均被生成配货任务。

可选的，所述拣货位为商品储位所处的通道，或所述拣货位为商品储位对应的通道具体位置。

可选的，所述方法还包括：

步骤S6：根据自定义因素为各配货任务设定优先级，所述自定义因素包括到货时间、收货地址所属区域，订单规模，订单包含的商品或仓储中心的商品存货量。

本发明有益效果是：

本发明提供一种多维度订单合并方法，通过考虑订单要求的到货时间、订单目的地、订单内拣货位重合度、订单规模、天气情况、路况信息、运输车辆情况以及拣货、物流成本等多个维度，并通过考虑各维度的组合排列顺序确定一种多维度订单合并方法，可应用于仓储领域各种场景下，根据该方法合并后的订单处理任务可进行多订单同时配货，满足客户个性化发货需求的前提下，尽可能的减少了成本、提升了发货效率。

附图说明

为了更清楚地说明本发明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的前提下，还可以根据这些附图获得其他的附图。

图1是一种“直播式”仓储管理系统示意图；

图2是本发明提供的多维度订单合并方法流程图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

图1为发明人提出的一种“直播式”仓储管理系统，所述系统包括：数据处理中心、RFID拣货车1、RFID通道机2以及自动分拨线3，其中，RFID拣货车1配置有拣货处理器，RFID通道机2配置有第一核验处理器，RFID通道机2设置于所述自动分拨线3的货箱放入端口处，所述自动分拨线3上还设置有DWS设备4，所述DWS设备4设置在所述自动分拨线3各分拨口之前。RFID通道机2还配置有箱码扫描装置和RFID读写器；所述DWS设备4配置有第二核验处理器。

该“直播式”仓储管理系统所要求的作业场地仅用于设置仓库5和自动分拨线3，仓库内设置有一排排的货架6，货架6一端设置有集货区7，集货区7用于临时存放打包好的货箱以及空箱。各RFID拣货车1穿梭于货架通道内同时实现多订单的拣货、第一次核验、封箱、打印箱码并粘贴等打包流程，拣货人员将打包完成后的货箱直接放置于集货区7，由专门负责运输货箱的运输人员将其运输放置到自动分拨线3的货箱放入端口，通过RFID通道机2后进入自动分拨线3，货箱通过RFID通道机2时，第一核验处理器读取货箱上黏贴的箱码以获取该货箱内的商品信息并与RFID读取到该货箱内商品RFID信息进行第二次核验后，该货箱进入自动分拨线3上，自动分拨线3设置有多个分拨口，货箱到达各分拨口之前通过DWS设备4，第二核验处理器根据DWS设备4扫描的箱码信息计算对应货箱的重量和/或体积的理论值，并与测量得到的货箱重量和/或体积进行比较，完成第三次核验，核验通过后按订单的目的地进入对应的分拨口进行装车运输。

上述系统中，RFID拣货车1同时实现多订单的拣货，需要数据处理中心预先将所有收到的门店订单进行合并，只有按照预设条件合并在一起的订单才能由RFID拣货车1同时实现拣货，从而在满足客户对于发货时间或到货时间的个性化需求的前提下尽可能降低成本，提高拣货效率。

仓储中心指仓库和发货中心，比如服装行业的仓储中心，会接收来自全国各城市门店下发的订单，通常门店订单不同于普通个人订单，门店订单通常包含一定数量的各种类型的服装商品，以便在门店进行销售，因此通常门店订单对发货时间或者到货时间有要求，而且实际场景中，还存在着门店在段时间内多次零散下单的情况，而仓储中心需要考虑：

①发往各城市的货车的装箱效率；如果不对订单进行合并，那么可能发往某一城市的货物处理时间比较分散，导致发往该城市的货车一直不能发车。因此在进行订单合并时，需要考虑将发往某城市的订单集中处理，以提高货车装车效率。

②RFID拣货车的拣货效率；通常针对单一订单的配货，可以根据各商品的存储位置进行最优路径规划，但针对多个订单，如果仅仅根据各订单中商品存储位置进行最优路径规划，则有可能无法达到最高的拣货效率，如果在合并订单时，可以将包含同一商品的订单一起配货，则会大大提高拣货效率，或者虽然商品不同，但储位处于临近位置，拣货人员可就近拿取，同样会提高拣货效率。

③RFID拣货车同时处理的多个订单的规模差别；如果一辆RFID拣货车同时完成6个订单的配货任务，其中5个订单都已完成，只剩余其中一个订单需要额外较多时间进行配货，那么在这段时间内，拣货人员只对这一个订单进行配货，也不利于提高配货效率。

④天气情况；若某个城市3日后会突发暴雨，按照订单顺序处理的话，发往这个城市的订单可能要在后天处理，那么就会导致正好在暴雨时间到达该城市，不利于送货。

⑤路况信息；若仓储中心所处城市至订单收货城市的高速路段在3日后封闭维修，则需要及时处理发往该城市的订单，以便在封闭维修前发出。

⑥运输车辆情况等其他因素。

以上所列出的只是示例情况，实际应用中还可能包含其他需要考虑的情形，本申请不再一一列举，为在满足客户对于发货时间或到货时间的个性化需求的前提下尽可能降低成本，提高拣货效率，同时考虑避免一些不必要麻烦，本申请提供一种多维度订单合并方法，具体如下实施例所述：

实施例一：

本实施例提供一种多维度订单合并方法，如图2所示，所述方法包括：

步骤S1：根据预设条件获取需要处理的订单信息，将满足预设条件的订单归为一个批次；所述预设条件包括时间、区域、商品及其他。

步骤S2：根据订单的收货地址、到货时间及订单中包含商品的储位信息进行订单预合并，预合并后的订单作为一个订单和其他未进行预合并的订单一起放入订单池，执行下述步骤S3；

步骤S3：判断订单池内各订单的规模是否超过第一阈值，若超过第一阈值，则将该订单单独生成一个配货任务；若未超过第一阈值，则转入步骤S4；所述第一阈值根据仓储中心配置的RFID拣货车所能承载的最大订单规模确定；

步骤S4：根据订单的收货地址所属区域、到货时间及商品储位信息对订单规模未超过第一阈值的订单进行分类，其中收获地址所属区域指行政区域或者根据零售业态的销售模式划分的区域；

步骤S5：对于同一类中的各订单，根据拣货位重合度将每N个订单生成一个配货任务，N根据RFID拣货车配置的分拣位确定，所述拣货位为商品储位所处的通道，或所述拣货位为商品储位对应的通道具体位置。

生成配货任务的具体方法为方法一或方法二：

方法一：

将被划分至同一类的所有订单作为一个处理单元；

从该处理单元中选择订单规模最大的订单；

计算其余订单与所述规模最大的订单的拣货位重合度，将与该规模最大的订单拣货位重合度最高的N-1个订单与其一起生成一个配货任务；并从所述处理单元中剔除该配货任务对应的N个订单；

以处理单元中剩余订单作为新的处理单元执行上述过程，直至该类中所有订单均被生成配货任务。

方法二：

将被划分至同一类的所有订单作为一个处理单元；

从所述处理单元中选择订单规模最大的订单；

计算其余订单与所述规模最大的订单的拣货位重合度，将与该规模最大的订单拣货位重合度最高的一个订单与其一起生成第一虚拟订单；

计算其余订单与所述第一虚拟订单的拣货位重合度，将与该第一虚拟订单拣货位重合度最高的一个订单与其一起生成第二虚拟订单；……，以此类推，直至生成第N-1虚拟订单，将所述第N-1虚拟订单包含的N个订单生成一个配货任务；并从所述处理单元中剔除该配货任务对应的N个订单；

以处理单元中剩余订单作为新的处理单元执行上述过程，直至该类中所有订单均被生成配货任务。

实施例二：

本实施例提供一种多维度订单合并方法，具体的，考虑以下几个维度进行具体的合并：1订单要求的到货时间；2订单目的地；3订单内商品的拣货位重合度；4订单规模；5订单内商品；6天气情况；7运输车辆情况以及路况信息等。

如图2所示，本实施例以某一仓储中心为例，该仓储中心会接收来自全国各城市门店下发的订单，所采用的一种具体的订单合并策略为：

步骤S1：根据预设条件获取需要处理的订单信息，将满足预设条件的订单归为一个批次；所述预设条件包括时间、区域、商品及其他。

比如，可以根据订单的下单时间将预定时间范围内所收到的所有订单归为一个批次，也可以将订单收货地址归属同一区域的订单归为一个批次，还可以是将包含特定商品的订单归为一个批次；根据实际应用场景还可以是其他预设条件。

实际应用中，可根据具体情况将筛选出的订单归为一个批次：

比如，天气预报武汉地区3日后有暴雨，则数据处理中心在进行订单合并之前可将目的地为武汉的所有订单筛选出来，优先处理。比如，交通部门通知仓储中心至广州的某高速路段3日后进行封路维修，数据处理中心也可将目的地为广州的所有订单筛选出来，优先处理。

再比如，全国气温骤降，需将包含羽绒服这一特定商品的订单优先处理，则数据处理中心将包含羽绒服的订单筛选出来作为一个批次，优先处理。

订单信息包括到货时间，商品种类、尺码和对应的数量，收货信息(包括收货人、联系电话和收货地址)等。

步骤S2：根据订单的收货地址、到货时间及订单中包含商品的储位信息进行订单预合并；商品的储位信息预先存储于数据处理中心。

步骤S2.1：实际应用中，考虑同一门店存在短时间内多次零散下单的情况，可将同时满足以下三个条件的订单进行预合并：

条件1：到货时间为同一时间段内，比如同一天；

条件2：收获地址为同一门店；

条件3：所包含的商品存储于同一个区。

预合并后，同一门店短时间内多次零散下单且所包含商品拣货位处于同一个区的订单即可合并为一个订单。

步骤S2.2：实际应用中，筛选出同时满足上述三个条件的订单后，还可以以订单规模作为二次预筛选条件，对订单规模超过预设的第二阈值的订单不执行预合并，所述第二阈值为人为设定的阈值，考虑同一门店短时间内多次零散下单中也存在规模较大的订单，因此可根据经验设置第二阈值，对于规模超过第二阈值的订单就不再进行预合并。

执行上述步骤S2.1和S2.2后，预合并后的订单作为一个订单和其他未进行预合并的订单一起放入订单池，执行下述步骤。

步骤S3：判断订单池内各订单规模是否超过第一阈值，若超过第一阈值，则将该订单单独生成一个配货任务；若未超过第一阈值，则转入步骤S4；所述第一阈值根据RFID拣货车所能承载的最大订单规模确定。所述第一阈值大于第二阈值。

本步骤中，第一阈值根据RFID拣货车所能承载的最大订单规模确定，比如，第一阈值设置为800件，前述步骤S2.2中第二阈值可设置为300件。

步骤S4：根据订单的收货地址所属区域、到货时间及商品储位信息对订单规模未超过第一阈值的订单进行分类，其中收获地址所属区域指行政区域或者根据零售业态的销售模式划分的区域。

比如，所述行政区域包括同一城市或者同一省份或者其他行政区域划分区域，比如华东地区、华北地区等。所述零售业态的销售模式划分的区域，指企业根据自身分销模式划分的区域，比如某一城市有两个分销商，那么该城市就分为两个分销区域。

比如，同时满足以下三个条件的订单划分为一类：

条件一：收货地址属于同一省份；

条件二：到货时间为同一时间段内，比如同一天；

条件三：所包含的商品存储于同一个区。

步骤S5：对于同一类中的各订单，根据拣货位重合度将每N个订单生成一个配货任务；

定义拣货位为商品储位所处的通道，或者为商品储位对应的通道具体位置。

当拣货位定义为商品储位所处的通道时，位于同一通道内两侧货架上的所有商品的拣货位相同。

当拣货位定义为商品储位对应的通道具体位置时，同一通道两侧货架上相对的储位上的商品的拣货位相同。

实际应用中，考虑优先对订单规模较大的订单进行配货，生成配货任务的具体方法可以是方法一或者方法二：

方法一：选择同一类中订单规模最大的订单，计算其余订单与该规模最大的订单的拣货位重合度，将与该规模最大的订单拣货位重合度最高的N-1个订单与其一起生成一个配货任务；之后再选择剩余订单中规模最大的订单，再次计算其余各订单与规模最大的订单的拣货位重合度……，反复执行该步骤直至所有订单都被合并生成配货任务。所述拣货位重合度指订单规模最大的订单中与任一订单中拣货位相同的商品占该订单规模最大的订单中商品总数的比例。

方法二：选择同一类中订单规模最大的订单，依次计算其余订单与该规模最大的订单的拣货位重合度，将与该规模最大的订单拣货位重合度最高的一个订单与其进行合并为一个虚拟订单，计算其余订单与该虚拟订单的拣货位重合度，将与该虚拟订单的订单拣货位重合度最高的一个订单再与其进行合并为一个更大的虚拟订单，循环上述步骤，直至将N个订单合并为一个虚拟订单，将该虚拟订单中的所有订单生成一个配货任务。之后再选择剩余订单中规模最大的订单，再反复执行该步骤直至所有订单都被合并生成配货任务。

步骤S6：为各配货任务生成优先级；

实际应用中，可根据配货任务所包含的商品总量设定其优先级，也可以根据到货时间、收获地址及其归属或者其他因素设定其优先级。

比如，核算各配货任务所包含的商品总量，优先将商品总量大的配货任务进行处理。

比如，根据步骤S4中考虑的到货时间，将到货时间靠前的配货任务优先处理。

比如，根据步骤S4中考虑的收货地址，自定义各省份、城市或区域的优先级；

比如，考虑仓储中心各商品的存货量，优先将涉及存货量较多的商品的配货任务进行处理。

后续配货过程可根据设定的优先级分发给RFID拣货车进行配货。

上述步骤中，部分步骤根据实际情况可能存在适应性调整的情况，比如，若步骤S1中预设条件为区域，即将归属于同一区域的订单归为一个批次的订单进行处理，那么步骤S4根据订单的收货地址所属区域、到货时间及订单中包含商品的储位信息对订单规模未超过第一阈值的订单进行分类时，考虑订单的收货地址所属区域则可以是下一级的区域归属，比如，步骤S1将归属于同一省份的订单归为一个批次后，步骤S4根据订单的收货地址所属区域进行分类时，即可以同一城市或者其他级别区域进行分类。

本申请方法通过各维度的组合排列确定了一种多维度订单合并方法，可以满足发明人提出的“直播式”仓储系统对应订单合并的要求，根据该方法合并后的订单处理任务进行多订单同时配货，满足客户个性化发货需求的前提下，尽可能的减少了成本、提升了发货效率。

本发明实施例中的部分步骤，可以利用软件实现，相应的软件程序可以存储在可读取的存储介质中，如光盘或硬盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种多维度订单合并方法，其特征在于，所述方法包括：

步骤S1：根据预设条件获取需要处理的订单信息，将满足预设条件的订单归为一个批次；

步骤S2：根据订单的收货地址、到货时间及订单中包含商品的储位信息进行订单预合并，预合并后的订单作为一个订单和其他未进行预合并的订单一起放入订单池，执行下述步骤S3；

步骤S3：判断订单池内各订单的规模是否超过第一阈值，若超过第一阈值，则将该订单单独生成一个配货任务；若未超过第一阈值，则转入步骤S4；所述第一阈值根据RFID拣货车所能承载的最大订单规模确定；

步骤S4：根据订单的收货地址所属区域、到货时间及订单中包含商品的储位信息对订单规模未超过第一阈值的订单进行分类；

步骤S5：对于同一类中的各订单，根据拣货位重合度将每N个订单生成一个配货任务，N根据RFID拣货车配置的分拣位确定。

2.根据权利要求1所述的方法，其特征在于，所述步骤S1中预设条件包括时间、区域、商品或其他。

3.根据权利要求2所述的方法，其特征在于，所述步骤S1包括：

根据订单的下单时间将预定时间范围内所收到的所有订单归为一个批次；

或者将订单收货地址归属同一区域的订单归为一个批次；

或者将包含特定商品的订单归为一个批次。

4.根据权利要求1所述的方法，其特征在于，所述步骤S2包括：

将同时满足以下条件的订单预合并为一个订单：

条件1：到货时间为同一时间段内；

条件2：收获地址完全相同；

条件3：所包含的商品存储于同一个区。

5.根据权利要求4所述的方法，其特征在于，所述步骤S2将同时满足上述条件1至条件3的订单进行预合并为一个订单之前，还包括：

判断同时满足上述条件1至条件3的各订单的规模是否超过第二阈值；

若同时满足上述条件1至条件3的订单的规模超过第二阈值，则不进行预合并，直接放入订单池；所述第二阈值为人为设定的阈值。

6.根据权利要求1所述的方法，其特征在于，所述步骤S4包括：

将同时满足以下三个条件的订单划分为一类：

条件一：收货地址属于同一区域，所述区域指行政区域或者根据零售业态的销售模式划分的区域；

条件二：到货时间为同一时间段内；

条件三：所包含的商品存储于同一个区。

7.根据权利要求6所述的方法，其特征在于，所述步骤S5包括：

将被划分至同一类的所有订单作为一个处理单元；

对任一处理单元，从其中选择订单规模最大的订单；

计算所述处理单元中其余订单与所述规模最大的订单的拣货位重合度，将与该规模最大的订单拣货位重合度最高的N-1个订单与其一起生成一个配货任务；并从所述处理单元中剔除所述配货任务对应的N个订单；

以处理单元中剩余订单作为新的处理单元执行上述过程，直至该类中所有订单均被生成配货任务。

8.根据权利要求6所述的方法，其特征在于，所述步骤S5包括：

将被划分至同一类的所有订单作为一个处理单元；

对任一处理单元，从其中选择订单规模最大的订单；

计算其余订单与所述规模最大的订单的拣货位重合度，将与所述规模最大的订单拣货位重合度最高的一个订单与其一起生成第一虚拟订单；

计算其余订单与所述第一虚拟订单的拣货位重合度，将与该第一虚拟订单拣货位重合度最高的一个订单与其一起生成第二虚拟订单；……，以此类推，直至生成第N-1虚拟订单，将所述第N-1虚拟订单包含的N个订单生成一个配货任务；并从所述处理单元中剔除该配货任务对应的N个订单；

以处理单元中剩余订单作为新的处理单元执行上述过程，直至该类中所有订单均被生成配货任务。

9.根据权利要求1所述的方法，其特征在于，所述拣货位为商品储位所处的通道，或所述拣货位为商品储位对应的通道具体位置。

10.根据权利要求1所述的方法，其特征在于，所述方法还包括：

步骤S6：根据自定义因素为各配货任务设定优先级，所述自定义因素包括到货时间、收货地址所属区域，订单规模，订单包含的商品或仓储中心的商品存货量。