CN117252360A - 一种基于实时监控数据和智能算法的仓内人员调度方法 - Google Patents
一种基于实时监控数据和智能算法的仓内人员调度方法 Download PDFInfo
- Publication number
- CN117252360A CN117252360A CN202311167819.2A CN202311167819A CN117252360A CN 117252360 A CN117252360 A CN 117252360A CN 202311167819 A CN202311167819 A CN 202311167819A CN 117252360 A CN117252360 A CN 117252360A
- Authority
- CN
- China
- Prior art keywords
- personnel
- order
- real
- bin
- 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
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000012544 monitoring process Methods 0.000 title claims abstract description 29
- 238000009826 distribution Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 238000007619 statistical method Methods 0.000 claims abstract description 7
- 238000007405 data analysis Methods 0.000 claims abstract description 5
- 230000000694 effects Effects 0.000 claims abstract description 5
- 241000257303 Hymenoptera Species 0.000 claims description 12
- 239000003016 pheromone Substances 0.000 claims description 12
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 230000007704 transition Effects 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000032683 aging Effects 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 239000011159 matrix material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
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
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3055—Monitoring arrangements for monitoring the status of the computing system or of the computing system component, e.g. monitoring if the computing system is on, off, available, not available
-
- 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- 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
- G06Q10/06316—Sequencing of tasks or work
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Finance (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Accounting & Taxation (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及智能仓储技术领域,尤其为一种基于实时监控数据和智能算法的仓内人员调度方法,包括:从数据库中收集仓内的实时数据;通过SQL语言对实时数据进行统计分析;根据数据的分析结果生成波次对仓内的人员进行智能分配;对人员分配的结果建立动态波次策略调整模型;监控和评估调整后的波次策略的运行效果。本发明能够根据仓库的实际情况自动调整波次策略,适应不同仓库的需求,解决了现有波次策略无法灵活适应不同仓库的问题,并且该方法通过智能算法和数据分析技术,系统能够实现智能分配同时系统能够根据货品属性和库位情况进行智能分配,解决了现有的波次策略无法对现场情况进行实时监控的问题,提高了仓库操作效率。
Description
技术领域
本发明涉及智能仓储技术领域,尤其是一种基于实时监控数据和智能算法的仓内人员调度方法。
背景技术
大部分仓储管理系统都采用了波次策略来优化仓库操作流程。常见的波次策略包括:按订单分拣、按货品分拣和按库位分拣。然而,现有技术中波次策略无法对现场的情况实时反馈,只能认为手动进行调整,并且现有的波次策略无法灵活适应不同仓库的实际情况,处理多种货品时效率较低。鉴于以上问题,本发明提出一种基于实时监控数据和智能算法的仓内人员调度方法以解决上述问题。
发明内容
本发明的目的是通过提出一种基于实时监控数据和智能算法的仓内人员调度方法,以解决上述背景技术中提出的缺陷。
本发明采用的技术方案如下:
提供一种基于实时监控数据和智能算法的仓内人员调度方法,包括:
S1:从数据库中收集仓内的实时数据;
S2:通过SQL语言对实时数据进行统计分析;
S3:根据数据的分析结果生成波次对仓内的人员进行智能分配;
S4:对人员分配的结果建立动态波次策略调整模型;
S5:监控和评估调整后的波次策略的运行效果。
作为本发明的一种优选技术方案:所述实时数据包括员工的工作产能、货品属性、库位情况和订单信息。
作为本发明的一种优选技术方案:所述通过SQL语言对实时数据进行统计分析的步骤是:
对实时数据进行清洗,以处理缺失值、异常值和重复数据;
对员工的人数以及每人的订单处理数量进行统计得出其工作产能,统计每个库位的剩余量和每种货品的个数,对不同的订单进行分类统计来查找各个订单之间共同标准;
根据分析结果可以生成报表、图表或可视化图像。
作为本发明的一种优选技术方案:所述共同标准分为:
第一共同标准:一个订单里面的商品数量很多;
第二共同标准:订单全部时一种商品并且购买数量是一件;
第三共同标准:订单全部都是多种商品且数量为一件;
第四共同标准:加急订单。
作为本发明的一种优选技术方案:所述分析订单的共同标准和相似性的判断的计算方法如下:
Sab=wab×Rab
其中,Rab表示订单a和订单b生产流向间的关联度,wab表示订单a和订单b生产流向时效要求差值系数。
作为本发明的一种优选技术方案:所述仓内人员的工作产能计算方式如下:
对于仓内人员Ui,任务状态Sj,个人操作的所有该状态的任务集合为{Fij1,...,Fijn},平均执行时间为:
Tavgij=∑Tijp n p
同理,处于状态Sj的任务集合为{Fj1,...,Fjm},
其平均执行时间为:
Tavgj=∑Tip mp
个人能力定义为:
Abilityij=Tavgj/Tavgij
其中,i表示仓内人员的编号,j表示订单的编号,m,n均表示数量级,p为表示范围。
作为本发明的一种优选技术方案:所述对仓内人员进行智能分配的算法如下:
给出n个数据样本,令J=1,随机选择k个初始聚类中心Bi(J),i=1,2,3...,k;
求解每个数据样本与初始聚类中心的距离:M(rjbi(J),j=1,2...k;若满足M(rjbi(J)=min{M(rjbi(J),j=1,2...,n},那么ri∈rj;
令J=J+1,计算:新聚类中心:如果未查询到,重复第二步骤;
其中,M表示第订单编号,B表示最快可用时间的操作人员,r为订单的相似性,b为仓内人员的个人能力,ri∈rj表示某两个订单相似性相同。
作为本发明的一种优选技术方案:所述建立动态波次策略调整模型的步骤为:
对仓内人员智能分配后的结果进行数据分析,并与货品属性、库位情况和订单信息进行整合;
在WNS系统中引入在更新人员分配结果后波次策略的算法。
作为本发明的一种优选技术方案:所述波次策略的算法基于多目标蚁群优化的任务调度算法,具体流程如下:
根据仓内人员集合O和预约单流程图T构建节点集合N,其中每个节点对应一个财务人员和其对应的订单类型;继续构建节点之间的有向边集合E,每一条边表示可以从当前节点转移到下一节点;N与E共同构成初始信息素图G;
根据待处理订单集合P结合预约单流程图T初始化蚁群A,其中每个蚂蚁a表示一个订单;
对于所有蚂蚁:根据蚂蚁当前所在节点,将当前待处理订单分配给下一节点对应的仓内人员;
订单执行完后,更新蚂蚁和执行者的信息,并将当前仓内人员记录到分配路径Path中;
根据公式x进行节点之间局部信息素的更新
若所有蚂蚁都已走到结束状态,继续进行下一步骤,否则回到步骤3;
根据公式x计算当前解的目标函数值,并更新全局信息素;
迭代次数加1,若迭代次数小于Nmax,将待处理订单集合P还原,回到步骤2;
输出待处理订单集合P中每个订单的分配路径Path。
作为本发明的一种优选技术方案:所述监控和评估调整后的波次策略的内容包括如下:
实时监控员工产能;
间断性的获得员工产能的数据;
根据得到的数据自动调整波次策略。
本发明提供的一种基于实时监控数据和智能算法的仓内人员调度方法,与现有技术相比,其有益效果有:
本发明能够根据仓库的实际情况自动调整波次策略,适应不同仓库的需求,解决了现有波次策略无法灵活适应不同仓库的问题,并且该方法通过智能算法和数据分析技术,系统能够实现智能分配同时系统能够根据货品属性和库位情况进行智能分配,解决了现有的波次策略无法对现场情况进行实时监控的问题,不仅提高仓库操作效率还减少错误发货的可能性。
附图说明
图1为本发明优选实施例的流程框图。
具体实施方式
需要说明的是,在不冲突的情况下,本实施例中的实施例及实施例中的特征可以相互组合,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。
参照图1,本发明优选实施例提供了一种基于实时监控数据和智能算法的仓内人员调度方法,包括:
S1:从数据库中收集仓内的实时数据;
S2:通过SQL语言对实时数据进行统计分析;
S3:根据数据的分析结果生成波次对仓内的人员进行智能分配;
S4:对人员分配的结果建立动态波次策略调整模型;
S5:监控和评估调整后的波次策略的运行效果。
所述实时数据包括员工的工作产能、货品属性、库位情况和订单信息。
所述通过SQL语言对实时数据进行统计分析的步骤是:
对实时数据进行清洗,以处理缺失值、异常值和重复数据;
对员工的人数以及每人的订单处理数量进行统计得出其工作产能,统计每个库位的剩余量和每种货品的个数,对不同的订单进行分类统计来查找各个订单之间共同标准;
根据分析结果可以生成报表、图表或可视化图像。
所述共同标准分为:
第一共同标准:一个订单里面的商品数量很多;
第二共同标准:订单全部时一种商品并且购买数量是一件;
第三共同标准:订单全部都是多种商品且数量为一件;
第四共同标准:加急订单。
所述分析订单的共同标准和相似性的判断的计算方法如下:
Sab=wab×Rab
其中,Rab表示订单a和订单b生产流向间的关联度,wab表示订单a和订单b生产流向时效要求差值系数。
所述仓内人员的工作产能计算方式如下:
对于仓内人员Ui,任务状态Sj,个人操作的所有该状态的任务集合为{Fij1,...,Fijn},平均执行时间为:
Tavgij=∑Tijp n p
同理,处于状态Sj的任务集合为{Fj1,...,Fjm},
其平均执行时间为:
Tavgj=∑Tip mp
个人能力定义为:
Abilityij=Tavgj/Tavgij
其中,i表示仓内人员的编号,j表示订单的编号,m,n均表示数量级,p为表示范围。
所述对仓内人员进行智能分配的算法如下:
给出n个数据样本,令J=1,随机选择k个初始聚类中心Bi(J),i=1,2,3...,k;
求解每个数据样本与初始聚类中心的距离:M(rjbi(J),j=1,2...k;若满足M(rjbi(J)=min{M(rjbi(J),j=1,2...,n},那么ri∈rj;
令J=J+1,计算:新聚类中心:如果未查询到,重复第二步骤;
其中,M表示第订单编号,B表示最快可用时间的操作人员,r为订单的相似性,b为仓内人员的个人能力,ri∈rj表示某两个订单相似性相同。
所述建立动态波次策略调整模型的步骤为:
步骤一:对仓内人员智能分配后的结果进行数据分析,并与货品属性、库位情况和订单信息进行整合;
步骤二:在WNS系统中引入在更新人员分配结果后波次策略的算法。
所述波次策略的算法基于多目标蚁群优化的任务调度算法,具体流程如下:
根据仓内人员集合O和预约单流程图T构建节点集合N,其中每个节点对应一个财务人员和其对应的订单类型;继续构建节点之间的有向边集合E,每一条边表示可以从当前节点转移到下一节点;N与E共同构成初始信息素图G;
根据待处理订单集合P结合预约单流程图T初始化蚁群A,其中每个蚂蚁a表示一个订单;
对于所有蚂蚁:根据蚂蚁当前所在节点,将当前待处理订单分配给下一节点对应的仓内人员;
订单执行完后,更新蚂蚁和执行者的信息,并将当前仓内人员记录到分配路径Path中;
根据公式x进行节点之间局部信息素的更新
若所有蚂蚁都已走到结束状态,继续进行下一步骤,否则回到步骤3;
根据公式x计算当前解的目标函数值,并更新全局信息素;
迭代次数加1,若迭代次数小于Nmax,将待处理订单集合P还原,回到步骤2;
输出待处理订单集合P中每个订单的分配路径Path。
所述监控和评估调整后的波次策略的内容包括如下:
实时监控员工产能;
间断性的获得员工产能的数据;
根据得到的数据自动调整波次策略。
在本实施例中,货品属性、库位情况和订单信息都是实时更新的,但是员工产能是稳定不变的,因此,根据实时的数据来分配员工会提高仓库的操作效率,首先收集仓内的实时数据包括工作产能、货品属性、库位情况和订单信息,对这些信息进行分析统计生成波次进而对仓内的人员进行调整,人员分配的算法为聚类算法,聚类算法能够快速的找到适合该订单的员工,然后对人员调整后的结果会自动生成新的波次策略模型,基于多目标蚁群优化的任务调度算法能够获取时间路径上的最优员工,系统会实时监控员工的工作产能,间断性的获取员工作产能数据,对波次策略进行实时的调整,大大增加了该波次策略的灵活性,可适用于不同仓库。
其中,要确定订单的共同标准,将同一标准的订单打包在一起,方便仓内人员取货,分析订单的共同标准和相似性的判断的计算方法如下:
Sab=wab×Rab
其中,Rab表示订单a和订单b生产流向间的关联度,wab表示订单a和订单b生产流向时效要求差值系数。Sab的取值范围在0到1之间,Sab越接近于1,说明流向间订单的相似性越高,将这样的流向进行合并生成生产波次的效果更佳;反之,流向间订单的相似性越低,不适合合并生成波次。
再其次,要确定每个仓内人员的工作产能,仓内人员的工作产能计算方式如下:
对于仓内人员Ui,任务状态Sj,个人操作的所有该状态的任务集合为{Fij1,...,Fijn},平均执行时间为:
Tavgij=∑Tijp n p
同理,处于状态Sj的任务集合为{Fj1,...,Fjm},
其平均执行时间为:
Tavgj=∑Tip mp
个人能力定义为:
Abilityij=Tavgj/Tavgij
其中,i表示仓内人员的编号,j表示订单的编号,m,n均表示数量级,p为表示范围。Abilityij数值越高,表示相对于该类任务的平均停留时间越短,仓内人员执行该任务的时间越快,即能力越强。
订单的共同标准和员工的工作产能确定后便可对仓内人员进行智能分配,对仓内人员进行智能分配的算法如下:
给出n个数据样本,令J=1,随机选择k个初始聚类中心Bi(J),i=1,2,3...,k;
求解每个数据样本与初始聚类中心的距离:M(rjbi(J),j=1,2...k;若满足M(rjbi(J)=min{M(rjbi(J),j=1,2...,n},那么ri∈rj;
令J=J+1,计算:新聚类中心:如果未查询到,重复第二步骤;
其中,M表示第订单编号,B表示最快可用时间的操作人员,r为订单的相似性,b为仓内人员的个人能力,ri∈rj表示某两个订单相似性相同。该聚类算法的运算过程比较快捷方便,其中订单是按照需求数量和订单规模从大到小的顺序排列的。然后对仓内人员进行聚类,并根据结果对订单矩阵进行重新排序,生成新的排序矩阵,并赋予每个仓内人员在分配中的优先级。
为了实时监控和调整仓内人员的变动,引入了波次策略算法,波次策略的算法基于多目标蚁群优化的任务调度算法,具体流程如下:
根据仓内人员集合O和预约单流程图T构建节点集合N,其中每个节点对应一个财务人员和其对应的订单类型;继续构建节点之间的有向边集合E,每一条边表示可以从当前节点转移到下一节点;N与E共同构成初始信息素图G;
根据待处理订单集合P结合预约单流程图T初始化蚁群A,其中每个蚂蚁a表示一个订单;
对于所有蚂蚁:根据蚂蚁当前所在节点,将当前待处理订单分配给下一节点对应的仓内人员;
订单执行完后,更新蚂蚁和执行者的信息,并将当前仓内人员记录到分配路径Path中;根据公式x进行节点之间局部信息素的更新
若所有蚂蚁都已走到结束状态,继续进行下一步骤,否则回到步骤3;
根据公式x计算当前解的目标函数值,并更新全局信息素;
迭代次数加1,若迭代次数小于Nmax,将待处理订单集合P还原,回到步骤2;
输出待处理订单集合P中每个订单的分配路径Path。
蚁群算法是一种全局的启发式算法,将整个工作流程和所有仓内人员纳入考虑,通过迭代,找到每一个待分配任务的最优分配路径,可以实时的进行数据监控以及根据数据自动调整算法的最优解,提高了波次策略使用的灵活性,可适用于不同类型的仓库,大大提高了仓库操作的效率。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (10)
1.一种基于实时监控数据和智能算法的仓内人员调度方法,其特征在于:包括:
S1:从数据库中收集仓内的实时数据;
S2:通过SQL语言对实时数据进行统计分析;
S3:根据数据的分析结果生成波次对仓内的人员进行智能分配;
S4:对人员分配的结果建立动态波次策略调整模型;
S5:监控和评估调整后的波次策略的运行效果。
2.根据权利要求1所述的一种基于实时监控数据和智能算法的仓内人员调度方法,其特征在于:所述实时数据包括员工的工作产能、货品属性、库位情况和订单信息。
3.根据权利要求2所述的一种基于实时监控数据和智能算法的仓内人员调度方法,其特征在于:所述通过SQL语言对实时数据进行统计分析的步骤是:
对实时数据进行清洗,以处理缺失值、异常值和重复数据;
对员工的人数以及每人的订单处理数量进行统计得出其工作产能,统计每个库位的剩余量和每种货品的个数,对不同的订单进行分类统计来查找各个订单之间共同标准;
根据分析结果可以生成报表、图表或可视化图像。
4.根据权利要求3所述的一种基于实时监控数据和智能算法的仓内人员调度方法,其特征在于:所述共同标准分为:
第一共同标准:一个订单里面的商品数量很多;
第二共同标准:订单全部时一种商品并且购买数量是一件;
第三共同标准:订单全部都是多种商品且数量为一件;
第四共同标准:加急订单。
5.根据权利要求4所述的一种基于实时监控数据和智能算法的仓内人员调度方法,其特征在于:所述分析订单的共同标准和相似性的判断的计算方法如下:
Sab=wab×Rab
其中,Rab表示订单a和订单b生产流向间的关联度,wab表示订单a和订单b生产流向时效要求差值系数。
6.根据权利要求5所述的一种基于实时监控数据和智能算法的仓内人员调度方法,其特征在于:所述仓内人员的工作产能计算方式如下:
对于仓内人员Ui,任务状态Sj,个人操作的所有该状态的任务集合为{Fij1,…,Fijn},平均执行时间为:
Tavgij=∑Tijp n p
同理,处于状态Sj的任务集合为{Fj1,…,Fjm},
其平均执行时间为:
Tavgj=∑Tip mp
个人能力定义为:
Abilityij=Tavgj/Tavgij
其中,i表示仓内人员的编号,j表示订单的编号,m,n均表示数量级,p为表示范围。
7.根据权利要求6所述的一种基于实时监控数据和智能算法的仓内人员调度方法,其特征在于:所述对仓内人员进行智能分配的算法如下:
给出n个数据样本,令J=1,随机选择k个初始聚类中心Bi(J),i=1,2,3...,k;
求解每个数据样本与初始聚类中心的距离:M(rjbi(J),j=1,2…k;若满足M(rjbi(J)=min{M(rjbi(J),j=1,2…,n},那么ri∈rj;
令J=J+1,计算:新聚类中心:如果未查询到,重复第二步骤;
其中,M表示第订单编号,B表示最快可用时间的操作人员,r为订单的相似性,b为仓内人员的个人能力,ri∈rj表示某两个订单相似性相同。
8.根据权利要求7所述的一种基于实时监控数据和智能算法的仓内人员调度方法,其特征在于:所述建立动态波次策略调整模型的步骤为:
步骤一:对仓内人员智能分配后的结果进行数据分析,并与货品属性、库位情况和订单信息进行整合;
步骤二:在WNS系统中引入在更新人员分配结果后波次策略的算法。
9.根据权利要求8所述的一种基于实时监控数据和智能算法的仓内人员调度方法,其特征在于:所述波次策略的算法基于多目标蚁群优化的任务调度算法,具体流程如下:
根据仓内人员集合O和预约单流程图T构建节点集合N,其中每个节点对应一个财务人员和其对应的订单类型;继续构建节点之间的有向边集合E,每一条边表示可以从当前节点转移到下一节点;N与E共同构成初始信息素图G;
根据待处理订单集合P结合预约单流程图T初始化蚁群A,其中每个蚂蚁a表示一个订单;
对于所有蚂蚁:根据蚂蚁当前所在节点,将当前待处理订单分配给下一节点对应的仓内人员;
订单执行完后,更新蚂蚁和执行者的信息,并将当前仓内人员记录到分配路径Path中;
根据公式x进行节点之间局部信息素的更新
若所有蚂蚁都已走到结束状态,继续进行下一步骤,否则回到步骤3;
根据公式x计算当前解的目标函数值,并更新全局信息素;
迭代次数加1,若迭代次数小于Nmax,将待处理订单集合P还原,回到步骤2;
输出待处理订单集合P中每个订单的分配路径Path。
10.根据权利要求1所述的一种基于实时监控数据和智能算法的仓内人员调度方法,其特征在于:所述监控和评估调整后的波次策略的内容包括如下:
实时监控员工产能;
间断性的获得员工产能的数据;
根据得到的数据自动调整波次策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311167819.2A CN117252360A (zh) | 2023-09-12 | 2023-09-12 | 一种基于实时监控数据和智能算法的仓内人员调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311167819.2A CN117252360A (zh) | 2023-09-12 | 2023-09-12 | 一种基于实时监控数据和智能算法的仓内人员调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117252360A true CN117252360A (zh) | 2023-12-19 |
Family
ID=89132312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311167819.2A Pending CN117252360A (zh) | 2023-09-12 | 2023-09-12 | 一种基于实时监控数据和智能算法的仓内人员调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117252360A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469201A (zh) * | 2015-07-20 | 2016-04-06 | 浙江工业大学 | 一种物流配送中心作业任务处理与调度的方法 |
CN107642217A (zh) * | 2017-08-28 | 2018-01-30 | 北京宝莲纳新材料技术有限公司 | 高效无缝石坪施工工艺 |
CN110443478A (zh) * | 2019-07-24 | 2019-11-12 | 清华大学天津高端装备研究院 | 一种基于mes的人员绩效分析方法 |
CN111222747A (zh) * | 2019-11-22 | 2020-06-02 | 南宁职业技术学院 | 一种生鲜货物拣货方法和装置 |
CN111310999A (zh) * | 2020-02-14 | 2020-06-19 | 西安建筑科技大学 | 一种基于改进蚁群算法的仓库移动机器人路径规划方法 |
CN113177761A (zh) * | 2021-05-06 | 2021-07-27 | 中国科学技术大学 | 一种考虑时效性的电商仓储智能排产预警系统 |
CN116104576A (zh) * | 2022-12-14 | 2023-05-12 | 崇义县源德矿业有限公司 | 一种石英石矿产资源采掘面作业远程监控系统 |
-
2023
- 2023-09-12 CN CN202311167819.2A patent/CN117252360A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105469201A (zh) * | 2015-07-20 | 2016-04-06 | 浙江工业大学 | 一种物流配送中心作业任务处理与调度的方法 |
CN107642217A (zh) * | 2017-08-28 | 2018-01-30 | 北京宝莲纳新材料技术有限公司 | 高效无缝石坪施工工艺 |
CN110443478A (zh) * | 2019-07-24 | 2019-11-12 | 清华大学天津高端装备研究院 | 一种基于mes的人员绩效分析方法 |
CN111222747A (zh) * | 2019-11-22 | 2020-06-02 | 南宁职业技术学院 | 一种生鲜货物拣货方法和装置 |
CN111310999A (zh) * | 2020-02-14 | 2020-06-19 | 西安建筑科技大学 | 一种基于改进蚁群算法的仓库移动机器人路径规划方法 |
CN113177761A (zh) * | 2021-05-06 | 2021-07-27 | 中国科学技术大学 | 一种考虑时效性的电商仓储智能排产预警系统 |
CN116104576A (zh) * | 2022-12-14 | 2023-05-12 | 崇义县源德矿业有限公司 | 一种石英石矿产资源采掘面作业远程监控系统 |
Non-Patent Citations (1)
Title |
---|
王旭光: "考虑流向和时效的B2C电商订单生产波次决策方法", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 02, 15 February 2023 (2023-02-15), pages 002 - 1877 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kusrini et al. | Determining key performance indicators for warehouse performance measurement–a case study in construction materials warehouse | |
You et al. | A decision-making framework for precision marketing | |
Abdolazimi et al. | Designing a new mathematical model based on ABC analysis for inventory control problem: A real case study | |
CN110751508A (zh) | 一种基于大数据分析的农产品市场价格预警管理系统 | |
US20230269265A1 (en) | Systems and methods for cybersecurity risk mitigation and management | |
US20080195431A1 (en) | System and method for correlating business transformation metrics with sustained business performance | |
US20240086726A1 (en) | Systems and methods for big data analytics | |
CN104346698A (zh) | 基于云计算和数据挖掘的餐饮会员大数据分析和考核系统 | |
Shamsaddini et al. | A new model for inventory items classification through integration of ABC–Fuzzy and fuzzy analytic hierarchy process | |
CN111260288B (zh) | 订单管理方法、装置、介质及电子设备 | |
CN116468536A (zh) | 一种自动化风险控制规则生成的方法 | |
CN112132343B (zh) | 一种商品采购预测方法及系统、可读存储介质 | |
CN112836960A (zh) | 基于bi技术的工业生产数据调度系统 | |
CN117252360A (zh) | 一种基于实时监控数据和智能算法的仓内人员调度方法 | |
CN115689201A (zh) | 面向企业资源供需调配的多准则智能决策优化方法及系统 | |
CN114926127A (zh) | 一种基于erp系统的产品供应库存管理方法 | |
CN113077189A (zh) | 一种小微企业生命周期评估的方法和装置 | |
Kenza et al. | A Conceptual Framework using Big Data Analytics for Effective Email Marketing | |
CN112967102A (zh) | 以物流数据建立客户画像的方法 | |
CN114092123A (zh) | 一种满意度智能分析系统 | |
CN115619292B (zh) | 一种问题管理的方法及装置 | |
CN117094648B (zh) | 一种基于物联网的仓库可视化管理系统 | |
Wijerathne et al. | A Novel Approach for Improving Quality and Process Optimization in the Garment Industry | |
CN117436718B (zh) | 一种基于多维引擎的智能数据管理平台 | |
KR102548849B1 (ko) | 의사결정 최적화 시스템 |
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 |