CN117541156A - 仓库管理数据库数据处理方法及系统 - Google Patents
仓库管理数据库数据处理方法及系统 Download PDFInfo
- Publication number
- CN117541156A CN117541156A CN202311729609.8A CN202311729609A CN117541156A CN 117541156 A CN117541156 A CN 117541156A CN 202311729609 A CN202311729609 A CN 202311729609A CN 117541156 A CN117541156 A CN 117541156A
- Authority
- CN
- China
- Prior art keywords
- inventory
- adjustment request
- request data
- target
- 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.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000012545 processing Methods 0.000 claims description 19
- 238000013527 convolutional neural network Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 9
- 238000007726 management method Methods 0.000 description 69
- 230000006870 function Effects 0.000 description 26
- 230000008569 process Effects 0.000 description 7
- 230000003993 interaction Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06Q10/08—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
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/546—Message passing systems or structures, e.g. queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/547—Remote procedure calls [RPC]; Web services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Human Resources & Organizations (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- Data Mining & Analysis (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开涉及一种仓库管理数据库数据处理方法及系统，该方法应用于仓库管理设备，包括：获取库存调整请求数据，将所述库存调整请求数据存储至缓存中；从所述缓存中获取至少部分库存调整请求数据，将所述至少部分库存调整请求数据放置于消息队列MQ中；基于多个线程从所述消息队列MQ中获取目标库存调整请求数据，并基于所述目标库存调整请求数据与仓库管理数据库服务器交互以更新目标商品的库存数据；其中所述目标库存调整请求数据是所述至少部分库存调整请求数据中的一个或多个，所述目标商品是所述目标库存调整请求数据相关的一个或多个商品。
Description
技术领域
本公开实施例涉及智能仓储技术领域，尤其涉及一种仓库管理数据库数据处理方法及系统。
背景技术
目前随着电商的快速发展，需要大量的仓库存储商品货物，通常一个仓库包含多个货架，每个货架可以存放不同的商品，商品的入库存放以及出库信息都需要记录存储以便于管理仓库的商品例如显示库存信息等。通过对仓库现有的商品库存进行调整、重新安排或者改修实现在库调整，在库调整的目的是确保库存数据的准确性、可用性和成本效益。在库调整的重要性体现在以下的多个方面：
优化库存管理：在库调整允许仓库管理人员实时监测库存情况，这有助于确保库存水平在合适的范围内，避免库存过剩或缺货的问题，且通过定期的库存调整，可以调整库存水平以适应需求的变化，从而实现库存的最佳管理。
减少库存成本：仓库中存放和维护库存是需要成本的。通过库存调整，可以识别和减少滞留库存、废料库存或非必要库存，从而降低库存相关的成本，包括存储成本、保险成本和资本占用成本等。
提高库存准确性：在库调整有助于提高库存数据的准确性。通过实时监测和调整库存，可以降低数据错误的风险，确保库存信息与实际库存一致。这有助于减少订单错误、避免库存损失和提高客户满意度。
支持订单处理：库存调整是订单处理的关键步骤。它允许库存管理人员根据订单需求对库存进行调整。这确保了订单能够及时交付，提高了客户服务水平。
提高运营效率：通过库存调整，仓库管理人员可以更好地规划和组织库存布局。这可以减少工作流程中的不必要步骤和移动，提高了运营效率，并降低了员工的劳动强度。
提高决策制定：库存调整提供了关于库存状况的实时数据和报告。这些数据支持仓库管理人员和决策者制定更明智的库存策略和采购决策，以适应市场需求的变化和降低风险。
综上可知，在库调整对于仓库管理来说是核心重要功能，而目前业界重点关注的是如何基于仓库的订单数据和库存量实现在库调整如增加仓库的商品或减少商品，而忽略了以下问题：在实现在库调整时，由于仓库如大型智能仓库内存储的不同类型的商品较多，因此在库调整涉及的调整数据量大，导致在库调整的实施效率低下，影响仓库管理的其它管理功能的执行。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种仓库管理数据库数据处理方法及系统。
第一方面，本公开实施例提供了一种仓库管理数据库数据处理方法，该方法应用于仓库管理设备，包括：
获取库存调整请求数据，将所述库存调整请求数据存储至缓存中；
从所述缓存中获取至少部分库存调整请求数据，将所述至少部分库存调整请求数据放置于消息队列MQ中；
基于多个线程从所述消息队列MQ中获取目标库存调整请求数据，并基于所述目标库存调整请求数据与仓库管理数据库服务器交互以更新目标商品的库存数据；其中所述目标库存调整请求数据是所述至少部分库存调整请求数据中的一个或多个，所述目标商品是所述目标库存调整请求数据相关的一个或多个商品。
在一个实施例中，该方法还包括：
基于指定的应用程序接口API获取多个商品订单数据；其中所述API至少包括电商平台的应用程序接口API，所述多个商品订单数据携带仓库信息；
基于所述多个商品订单数据确定目标仓库的订单数据，从所述仓库管理数据库服务器获取所述目标仓库的各类商品的理论库存数；
基于所述目标仓库的订单数据和所述各类商品的理论库存数，确定库存调整请求数据。
在一个实施例中，所述基于所述目标仓库的订单数据和所述各类商品的理论库存数，确定库存调整请求数据，包括：
确定所述目标仓库的订单数据中的各类商品的数量，基于所述各类商品的数量与所述各类商品的理论库存数的比较结果确定库存调整请求数据，所述库存调整请求数据包括减少或增加后的各类商品的理论库存数。
在一个实施例中，所述库存调整请求数据包括多个类别的商品的调整数据，所述多个类别的商品的调整数据是JSON格式的数据。
在一个实施例中，所述目标库存调整请求数据包括指定类别的商品的库存调整请求数据；所述基于所述目标库存调整请求数据与仓库管理数据库服务器交互以更新目标商品的库存数据，包括：基于所述指定类别的商品的库存调整请求数据与所述仓库管理数据库服务器交互以更新所述指定类别的商品的理论库存数。
在一个实施例中，该方法还包括：
基于所述库存调整请求数据生成所述目标仓库对应的各类商品的采购指示信息，所述采购指示信息指示采购人员减少或增加各类商品的采购量以使述目标仓库中各类商品的实际库存数与所述减少或增加后的各类商品的理论库存数之间符合预设数量条件。
在一个实施例中，该方法还包括：
将所述目标仓库的订单数据输入订单预测模型，以预测得到所述目标仓库对应的各类商品的预测需求数量；其中，所述订单预测模型是预先基于所述目标仓库的样本订单数据对卷积神经网络模型训练得到的；
基于所述目标仓库对应的各类商品的预测需求数量以及所述各类商品的理论库存数确定库存调整请求数据。
第二方面，本公开实施例提供一种仓库管理数据库数据处理系统，包括：
数据获取模块，用于获取库存调整请求数据，将所述库存调整请求数据存储至缓存中；
数据处理模块，用于从所述缓存中获取至少部分库存调整请求数据，将所述至少部分库存调整请求数据放置于消息队列MQ中；
库存调整模块，用于基于多个线程从所述消息队列MQ中获取目标库存调整请求数据，并基于所述目标库存调整请求数据与仓库管理数据库服务器交互以更新目标商品的库存数据；其中所述目标库存调整请求数据是所述至少部分库存调整请求数据中的一个或多个，所述目标商品是所述目标库存调整请求数据相关的一个或多个商品。
第三方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一实施例所述仓库管理数据库数据处理方法。
第四方面，本公开实施例提供一种电子设备，包括：
处理器；以及
存储器，用于存储计算机程序；
其中，所述处理器配置为经由执行所述计算机程序来执行上述任一实施例所述仓库管理数据库数据处理方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点：
本公开实施例提供的仓库管理数据库数据处理方法及系统，该方法应用于仓库管理设备，获取库存调整请求数据，将所述库存调整请求数据存储至缓存中；从所述缓存中获取至少部分库存调整请求数据，将所述至少部分库存调整请求数据放置于消息队列MQ中；基于多个线程从所述消息队列MQ中获取目标库存调整请求数据，并基于所述目标库存调整请求数据与仓库管理数据库服务器交互以更新目标商品的库存数据；其中所述目标库存调整请求数据是所述至少部分库存调整请求数据中的一个或多个，所述目标商品是所述目标库存调整请求数据相关的一个或多个商品。本公开实施例的方案在实现在库调整过程中，通过缓存以及消息队列的设置，并配合多线程技术，其可以用缓存暂替数据库，结合消息队列降低与数据库服务器的交互频率，从而降低系统压力，提高仓库管理数据库服务器的运行效率和可靠性，从而提高在库调整的实施效率，同时采用多线程技术，适用在库调整的大量调整请求数据的情况，并发执行提高在库调整的实施效率，进而整体上进一步提高在库调整的实施效率，且缓存以及消息队列的设置使得基本不影响仓库管理的其它管理功能的执行，达到两者的兼顾。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本公开实施例仓库管理数据库数据处理方法流程图；
图2为本公开另一实施例仓库管理数据库数据处理方法流程图；
图3为本公开又一实施例仓库管理数据库数据处理方法流程图；
图4为本公开实施例仓库管理数据库数据处理系统示意图；
图5为本公开实施例的电子设备示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
应当理解，在下文中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
在实现在库调整时，由于仓库内存储的不同类型的商品较多，因此在库调整涉及的调整数据量大，需要管理终端频繁访问仓库管理数据库服务器，导致该数据库服务器交互频率高，运行效率低，进而导致在库调整的实施效率低下，影响仓库管理的其它管理功能的执行。本公开实施例的方案即为此而提出。
图1为本公开实施例的一种仓库管理数据库数据处理方法流程图，该方法应用于仓库管理设备如计算机或移动终端等，具体可以包括以下步骤：
步骤S101：获取库存调整请求数据，将所述库存调整请求数据存储至缓存中。
示例性的，仓库管理人员可以操作仓库管理设备如计算机从电商平台获取商品订单数据，进而基于订单数据确定目标仓库的各类商品的订单数据，从而基于目标仓库的各类商品的订单数据与目标仓库的理论库存数比较确定库存调整请求数据。库存调整请求数据可以包括至少一个类型的商品的库存调整数据。仓库管理设备如计算机之后将库存调整请求数据存储至自身的缓存（cache）中。其中目标仓库可以是但不限于智能仓库。
步骤S102：从所述缓存中获取至少部分库存调整请求数据，将所述至少部分库存调整请求数据放置于消息队列MQ中。
示例性的，仓库管理设备如计算机可再从上述缓存（cache）中获取至少部分库存调整请求数据，然后将至少部分库存调整请求数据放置于消息队列MQ（Message Queue）中。其中，所述消息队列MQ可以预先设置。
步骤S103：基于多个线程从所述消息队列MQ中获取目标库存调整请求数据，并基于所述目标库存调整请求数据与仓库管理数据库服务器交互以更新目标商品的库存数据；其中所述目标库存调整请求数据是所述至少部分库存调整请求数据中的一个或多个，所述目标商品是所述目标库存调整请求数据相关的一个或多个商品。
示例性的，多个线程可以预先设置，用于与仓库管理数据库服务器交互，多个线程如2个以上的线程分别从消息队列MQ中各自获取目标库存调整请求数据即至少部分库存调整请求数据中的任意一个，然后相应线程基于目标库存调整请求数据与仓库管理数据库服务器交互如生成数据库交互语句（例如SQL语句）与仓库管理数据库服务器交互，以使仓库管理数据库服务器更新目标商品的库存数据。
本公开实施例的上述方案，在实现在库调整过程中，通过缓存以及消息队列的设置，并配合多线程技术，其可以用缓存暂替数据库，结合消息队列降低与数据库服务器的交互频率，从而降低系统压力，提高仓库管理数据库服务器的运行效率和可靠性，从而提高在库调整的实施效率，同时采用多线程技术，适用在库调整的的大量调整请求数据的情况，并发执行提高在库调整的实施效率，进而整体上进一步提高在库调整的实施效率，且缓存以及消息队列的设置使得基本不影响仓库管理的其它管理功能的执行，达到两者的兼顾。
在一个实施例中，参考图2中所示，该方法还可包括以下步骤：
步骤S201：基于指定的应用程序接口API获取多个商品订单数据；其中所述API至少包括电商平台的应用程序接口API，所述多个商品订单数据携带仓库信息。
示例性的，电商平台的应用程序接口API可以是智能API，其可以获取商品详情、获取商铺所有商品、物流信息、订单信息等。商品订单数据携带仓库信息如仓库标识、仓库编码、名称及地址等。本实施例中仓库管理设备如计算机可以预先配置电商平台的应用程序接口API以获取多个商品订单数据。
步骤S202：基于所述多个商品订单数据确定目标仓库的订单数据，从所述仓库管理数据库服务器获取所述目标仓库的各类商品的理论库存数。
示例性的，仓库管理设备如计算机可基于多个商品订单数据分析确定目标仓库的订单数据，例如10000个商品订单数据中包括5000个同一仓库编码即目标仓库的订单数据。目标仓库可以是多个商品订单数据中涉及的任意一个仓库。同时，仓库管理设备如计算机可以基于同一仓库编码从仓库管理数据库服务器查询获取目标仓库的各类商品的理论库存数。
步骤S203：基于所述目标仓库的订单数据和所述各类商品的理论库存数，确定库存调整请求数据。
示例性的，在一个实施例中，步骤S203中基于所述目标仓库的订单数据和所述各类商品的理论库存数，确定库存调整请求数据，具体可包括：确定所述目标仓库的订单数据中的各类商品的数量，基于所述各类商品的数量与所述各类商品的理论库存数的比较结果确定库存调整请求数据，所述库存调整请求数据包括减少或增加后的各类商品的理论库存数。
示例性的，例如仓库管理设备如计算机确定5000个同一仓库编码即目标仓库的订单数据中涉及的各类商品的数量，每类商品可以包括多个。仓库管理设备如计算机基于确定的各类商品的数量与所述各类商品的理论库存数的比较结果确定库存调整请求数据，如减少或增加后的各类商品的理论库存数。作为示例，例如确定的A类商品的数量是3000，而A类商品的理论库存数是2500，说明A类商品的订单需求大，仓库中需要增加A类商品，因此可以将A类商品的理论库存数提高到例如2900，以便采购人员及时采购A类商品以在发货期限前尽量满足订单需求。又例如确定的B类商品的数量是2000，而B类商品的理论库存数是2500，说明B类商品的订单需求小，仓库中需要减少B类商品，因此可以将B类商品的理论库存数降低到例如2100，以便采购人员暂时不采购B类商品以在发货期限前尽量减少库存，为其它商品留出存储空间。
示例性的，所述库存调整请求数据包括多个类别的商品的调整数据，所述多个类别的商品的调整数据是JSON格式的数据。也即在确定的库存调整涉及多个不同类别的商品时，确定的库存调整请求数据可以包括多个类别的商品的调整数据，且数据格式为JSON格式。
JSON（JavaScript Object Notation）是一种轻量级的数据交换格式。它采用完全独立于编程语言的文本格式来存储和表示数据，具有简洁和清晰的层次结构使得 JSON 成为理想的数据交换语言，易于机器解析和生成，有效地提升网络传输效率。本实施例中通过电商平台的应用程序接口API获取商品订单数据进而确定目标仓库的订单数据，然后据此确定目标仓库的商品数量，进而与理论库存数比较确定库存调整请求数据，且库存调整请求数据是JSON格式的数据，如此可以准确地确定目标仓库的商品数量，进而准确确定目标仓库的库存调整请求数据，提高在库调整实施的数据准确性，避免错误调整，同时该API的执行时间及执行频率可达1秒以内，整体处理速度快，也进一步提高在库调整的实施效率。
在一个实施例中，所述目标库存调整请求数据可以包括指定类别的商品的库存调整请求数据。相应的，步骤S103中基于所述目标库存调整请求数据与仓库管理数据库服务器交互以更新目标商品的库存数据，具体可以包括：基于所述指定类别的商品的库存调整请求数据与所述仓库管理数据库服务器交互以更新所述指定类别的商品的理论库存数。
示例性的，例如基于A类商品的库存调整请求数据与所述仓库管理数据库服务器交互以更新所述A类商品的理论库存数为2900。或者，基于B类商品的库存调整请求数据与所述仓库管理数据库服务器交互以更新所述B类商品的理论库存数为2100。
在一个实施例中，该方法还可包括：基于所述库存调整请求数据生成所述目标仓库对应的各类商品的采购指示信息，所述采购指示信息指示采购人员减少或增加各类商品的采购量以使述目标仓库中各类商品的实际库存数与所述减少或增加后的各类商品的理论库存数之间符合预设数量条件。
示例性的，例如基于A类商品的库存调整请求数据生成目标仓库对应的A类商品的采购指示信息，该采购指示信息指示采购人员增加A类商品的采购量以使述目标仓库中A类商品的实际库存数与所述增加后的A类商品的理论库存数之间符合预设数量条件，例如A类商品的实际库存数大于或等于A类商品的理论库存数。又例如，基于B类商品的库存调整请求数据生成目标仓库对应的B类商品的采购指示信息，该采购指示信息指示采购人员减少B类商品的采购量以使述目标仓库中B类商品的实际库存数与所述减少后的B类商品的理论库存数之间符合预设数量条件，例如B类商品的实际库存数小于或等于B类商品的理论库存数。这样，可以尽量避免库存过剩或缺货的问题，通过定期的库存调整可以调整库存水平以适应需求的变化，从而实现库存的准确管理，进一步提高了在库调整实施的数据准确性，避免错误调整。
在一个实施例中，为了进一步提高了在库调整实施的数据准确性，避免错误调整。参考图3中所述，该方法还可包括以下步骤：
步骤S301：将所述目标仓库的订单数据输入订单预测模型，以预测得到所述目标仓库对应的各类商品的预测需求数量；其中，所述订单预测模型是预先基于所述目标仓库的样本订单数据对卷积神经网络模型训练得到的。
即上述步骤S202之后，将确定的目标仓库的订单数据输入订单预测模型，以预测得到目标仓库对应的各类商品的预测需求数量，如A类商品的预测需求数量X。
步骤S302：基于所述目标仓库对应的各类商品的预测需求数量以及所述各类商品的理论库存数确定库存调整请求数据。
示例性的，例如基于A类商品的预测需求数量X以及A类商品的理论库存数确定库存调整请求数据。具体可以参考上述步骤S203的详细描述，此处不再赘述。
本实施例与上述实施例的区别在于，通过预先训练的目标仓库的订单预测模型预测得到目标仓库对应的各类商品的预测需求数量，然后与各类商品的理论库存数比较确定库存调整请求数据，其可以更准确地反应未来目标仓库的商品数据，进而可以准确地确定库存调整请求数据，从而可以准确地调整库存水平以适应需求的变化，实现库存的准确管理，进一步提高了在库调整实施的数据准确性，避免错误调整。
在一个示例中，订单预测模型的训练过包括：构造所述卷积神经网络模型的指定损失函数，将样本订单数据以及对应标注的标签值输入所述卷积神经网络模型以输出对应的预测值，基于所述预测值对所述卷积神经网络模型进行迭代更新直至所述指定损失函数的损失值满足预设条件如损失值小于预设值时结束训练；其中，所述指定损失函数包括第一损失函数和第二损失函数；所述第一损失函数表征所述样本订单数据对应的标签值与所述卷积神经网络模型对应输出的预测值之间的差值；所述第二损失函数表征输入所述卷积神经网络模型的样本订单数据对应的预测值与标签值的偏离程度大小。
本公开实施例中通过第一损失函数和第二损失函数构建特定的损失函数，其可以从两个不同维度体现订单预测模型的训练过程中对样本订单数据的预测结果的准确性影响程度，从该不同维度同时约束训练更新训练卷积神经网络模型参数直至指定损失函数的损失值满足预设条件时结束训练，此时得到的订单预测模型可以得到更为准确的预测结果。因此基于上述参数数据构建特定的损失函数进行训练，采用上述训练方式预先训练得到的订单预测模型得到的目标仓库的商品数量预测结果较为准确，这样可以更进一步准确地反应未来目标仓库的商品数据，进而可以更准确地确定库存调整请求数据，从而可以更准确地调整库存水平以适应需求的变化，实现库存的准确管理，更进一步提高了在库调整实施的数据准确性，避免错误调整。
需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。另外，也易于理解的是，这些步骤可以是例如在多个模块/进程/线程中同步或异步执行。
如图4所示，本公开实施例提供一种仓库管理数据库数据处理系统，包括：
数据获取模块401，用于获取库存调整请求数据，将所述库存调整请求数据存储至缓存中；
数据处理模块402，用于从所述缓存中获取至少部分库存调整请求数据，将所述至少部分库存调整请求数据放置于消息队列MQ中；
库存调整模块403，用于基于多个线程从所述消息队列MQ中获取目标库存调整请求数据，并基于所述目标库存调整请求数据与仓库管理数据库服务器交互以更新目标商品的库存数据；其中所述目标库存调整请求数据是所述至少部分库存调整请求数据中的一个或多个，所述目标商品是所述目标库存调整请求数据相关的一个或多个商品。
在一个实施例中，该数据获取模块401还用于：基于指定的应用程序接口API获取多个商品订单数据；其中所述API至少包括电商平台的应用程序接口API，所述多个商品订单数据携带仓库信息；基于所述多个商品订单数据确定目标仓库的订单数据，从所述仓库管理数据库服务器获取所述目标仓库的各类商品的理论库存数；基于所述目标仓库的订单数据和所述各类商品的理论库存数，确定库存调整请求数据。
在一个实施例中，所述数据获取模块401基于所述目标仓库的订单数据和所述各类商品的理论库存数，确定库存调整请求数据，包括：
确定所述目标仓库的订单数据中的各类商品的数量，基于所述各类商品的数量与所述各类商品的理论库存数的比较结果确定库存调整请求数据，所述库存调整请求数据包括减少或增加后的各类商品的理论库存数。
在一个实施例中，所述库存调整请求数据包括多个类别的商品的调整数据，所述多个类别的商品的调整数据是JSON格式的数据。
在一个实施例中，所述目标库存调整请求数据包括指定类别的商品的库存调整请求数据；所述库存调整模块403基于所述目标库存调整请求数据与仓库管理数据库服务器交互以更新目标商品的库存数据，包括：基于所述指定类别的商品的库存调整请求数据与所述仓库管理数据库服务器交互以更新所述指定类别的商品的理论库存数。
在一个实施例中，该系统还可包括采购指示模块，用于：基于所述库存调整请求数据生成所述目标仓库对应的各类商品的采购指示信息，所述采购指示信息指示采购人员减少或增加各类商品的采购量以使述目标仓库中各类商品的实际库存数与所述减少或增加后的各类商品的理论库存数之间符合预设数量条件。
在一个实施例中，该系统还可包括预测调整模块，用于：将所述目标仓库的订单数据输入订单预测模型，以预测得到所述目标仓库对应的各类商品的预测需求数量；其中，所述订单预测模型是预先基于所述目标仓库的样本订单数据对卷积神经网络模型训练得到的；基于所述目标仓库对应的各类商品的预测需求数量以及所述各类商品的理论库存数确定库存调整请求数据。
在一个示例中，订单预测模型的训练过包括：构造所述卷积神经网络模型的指定损失函数，将样本订单数据以及对应标注的标签值输入所述卷积神经网络模型以输出对应的预测值，基于所述预测值对所述卷积神经网络模型进行迭代更新直至所述指定损失函数的损失值满足预设条件如损失值小于预设值时结束训练；其中，所述指定损失函数包括第一损失函数和第二损失函数；所述第一损失函数表征所述样本订单数据对应的标签值与所述卷积神经网络模型对应输出的预测值之间的差值；所述第二损失函数表征输入所述卷积神经网络模型的样本订单数据对应的预测值与标签值的偏离程度大小。
关于上述实施例中的系统，其中各个模块执行操作的具体方式以及带来的相应技术效果已经在有关该方法的实施例中进行了对应的详细描述，此处将不做详细阐述说明。
应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。作为模块或单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项实施例所述仓库管理数据库数据处理方法。
示例性的，该可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
本公开实施例还提供一种电子设备，包括处理器以及存储器，存储器用于存储计算机程序。其中，所述处理器配置为经由执行所述计算机程序来执行上述任一项实施例中仓库管理数据库数据处理方法。
下面参照图5来描述根据本发明的这种实施方式的电子设备600。图5显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同系统组件（包括存储单元620和处理单元610）的总线630、显示单元640等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述方法实施例部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示方法的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元（RAM）6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元（ROM）6203。
所述存储单元620还可以包括具有一组（至少一个）程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700（例如键盘、指向设备、蓝牙设备等）通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备（例如路由器、调制解调器等等）通信。这种通信可以通过输入/输出（I/O）接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络（例如局域网（LAN），广域网（WAN）和/或公共网络，例如因特网）通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质（可以是CD-ROM，U盘，移动硬盘等）中或网络上，包括若干指令以使得一台计算设备（可以是个人计算机、服务器、或者网络设备等）执行根据本公开实施方式的上述各实施例的方法步骤。
需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅是本公开的具体实施方式，使本领域技术人员能够理解或实现本公开。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本公开的精神或范围的情况下，在其它实施例中实现。因此，本公开将不会被限制于本文所述的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种仓库管理数据库数据处理方法，其特征在于，该方法应用于仓库管理设备，包括：
获取库存调整请求数据，将所述库存调整请求数据存储至缓存中；
从所述缓存中获取至少部分库存调整请求数据，将所述至少部分库存调整请求数据放置于消息队列MQ中；
基于多个线程从所述消息队列MQ中获取目标库存调整请求数据，并基于所述目标库存调整请求数据与仓库管理数据库服务器交互以更新目标商品的库存数据；其中所述目标库存调整请求数据是所述至少部分库存调整请求数据中的一个或多个，所述目标商品是所述目标库存调整请求数据相关的一个或多个商品。
2.根据权利要求1所述的方法，其特征在于，该方法还包括：
基于指定的应用程序接口API获取多个商品订单数据；其中所述API至少包括电商平台的应用程序接口API，所述多个商品订单数据携带仓库信息；
基于所述多个商品订单数据确定目标仓库的订单数据，从所述仓库管理数据库服务器获取所述目标仓库的各类商品的理论库存数；
基于所述目标仓库的订单数据和所述各类商品的理论库存数，确定库存调整请求数据。
3.根据权利要求2所述的方法，其特征在于，所述基于所述目标仓库的订单数据和所述各类商品的理论库存数，确定库存调整请求数据，包括：
确定所述目标仓库的订单数据中的各类商品的数量，基于所述各类商品的数量与所述各类商品的理论库存数的比较结果确定库存调整请求数据，所述库存调整请求数据包括减少或增加后的各类商品的理论库存数。
4.根据权利要求1~3任一项所述的方法，其特征在于，所述库存调整请求数据包括多个类别的商品的调整数据，所述多个类别的商品的调整数据是JSON格式的数据。
5.根据权利要求3所述的方法，其特征在于，所述目标库存调整请求数据包括指定类别的商品的库存调整请求数据；所述基于所述目标库存调整请求数据与仓库管理数据库服务器交互以更新目标商品的库存数据，包括：基于所述指定类别的商品的库存调整请求数据与所述仓库管理数据库服务器交互以更新所述指定类别的商品的理论库存数。
6.根据权利要求3所述的方法，其特征在于，该方法还包括：
基于所述库存调整请求数据生成所述目标仓库对应的各类商品的采购指示信息，所述采购指示信息指示采购人员减少或增加各类商品的采购量以使所述目标仓库中各类商品的实际库存数与所述减少或增加后的各类商品的理论库存数之间符合预设数量条件。
7.根据权利要求2所述的方法，其特征在于，该方法还包括：
将所述目标仓库的订单数据输入订单预测模型，以预测得到所述目标仓库对应的各类商品的预测需求数量；其中，所述订单预测模型是预先基于所述目标仓库的样本订单数据对卷积神经网络模型训练得到的；
基于所述目标仓库对应的各类商品的预测需求数量以及所述各类商品的理论库存数确定库存调整请求数据。
8.一种仓库管理数据库数据处理系统，其特征在于，包括：
数据获取模块，用于获取库存调整请求数据，将所述库存调整请求数据存储至缓存中；
数据处理模块，用于从所述缓存中获取至少部分库存调整请求数据，将所述至少部分库存调整请求数据放置于消息队列MQ中；
库存调整模块，用于基于多个线程从所述消息队列MQ中获取目标库存调整请求数据，并基于所述目标库存调整请求数据与仓库管理数据库服务器交互以更新目标商品的库存数据；其中所述目标库存调整请求数据是所述至少部分库存调整请求数据中的一个或多个，所述目标商品是所述目标库存调整请求数据相关的一个或多个商品。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1~7任一项所述仓库管理数据库数据处理方法。
10.一种电子设备，其特征在于，包括：
处理器；以及
存储器，用于存储计算机程序；
其中，所述处理器配置为经由执行所述计算机程序来执行权利要求1~7任一项所述仓库管理数据库数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311729609.8A CN117541156B (zh) | 2023-12-15 | 2023-12-15 | 仓库管理数据库数据处理方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311729609.8A CN117541156B (zh) | 2023-12-15 | 2023-12-15 | 仓库管理数据库数据处理方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117541156A true CN117541156A (zh) | 2024-02-09 |
| CN117541156B CN117541156B (zh) | 2024-07-23 |
Family
ID=89786223
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311729609.8A Active CN117541156B (zh) | 2023-12-15 | 2023-12-15 | 仓库管理数据库数据处理方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117541156B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103700010A (zh) * | 2013-12-30 | 2014-04-02 | 世纪禾光科技发展（北京）有限责任公司 | 一种商品轨迹系统及相关方法 |
| US20150278321A1 (en) * | 2014-03-31 | 2015-10-01 | Wal-Mart Stores, Inc. | Synchronizing database data to a database cache |
| CN109582738A (zh) * | 2018-12-03 | 2019-04-05 | 广东鸭梨科技集团股份有限公司 | 一种处理高并发秒杀活动的方法 |
| CN110516990A (zh) * | 2019-07-18 | 2019-11-29 | 浙江子不语电子商务有限公司 | 一种库存预占用与管理系统 |
| CN111258741A (zh) * | 2020-02-14 | 2020-06-09 | 江苏苏宁物流有限公司 | 仓库任务执行的方法、分布式服务器集群及计算机设备 |
| CN113327073A (zh) * | 2019-12-30 | 2021-08-31 | 上海尊溢商务信息咨询有限公司 | 一种高效可配置的电商全量库存同步方法及系统 |
| CN114969070A (zh) * | 2022-06-06 | 2022-08-30 | 北京京东振世信息技术有限公司 | 一种物品的库存数据的处理方法和装置 |
| CN116542604A (zh) * | 2023-05-10 | 2023-08-04 | 深圳市鹰熊汇科技有限公司 | 全球电商平台商品进销存管理方法、装置、设备及介质 |
| CN117217669A (zh) * | 2023-09-28 | 2023-12-12 | 合肥维天运通信息科技股份有限公司 | 一种基于大数据的订单和物流匹配方法、系统及存储介质 |
-
2023
- 2023-12-15 CN CN202311729609.8A patent/CN117541156B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103700010A (zh) * | 2013-12-30 | 2014-04-02 | 世纪禾光科技发展（北京）有限责任公司 | 一种商品轨迹系统及相关方法 |
| US20150278321A1 (en) * | 2014-03-31 | 2015-10-01 | Wal-Mart Stores, Inc. | Synchronizing database data to a database cache |
| CN109582738A (zh) * | 2018-12-03 | 2019-04-05 | 广东鸭梨科技集团股份有限公司 | 一种处理高并发秒杀活动的方法 |
| CN110516990A (zh) * | 2019-07-18 | 2019-11-29 | 浙江子不语电子商务有限公司 | 一种库存预占用与管理系统 |
| CN113327073A (zh) * | 2019-12-30 | 2021-08-31 | 上海尊溢商务信息咨询有限公司 | 一种高效可配置的电商全量库存同步方法及系统 |
| CN111258741A (zh) * | 2020-02-14 | 2020-06-09 | 江苏苏宁物流有限公司 | 仓库任务执行的方法、分布式服务器集群及计算机设备 |
| CN114969070A (zh) * | 2022-06-06 | 2022-08-30 | 北京京东振世信息技术有限公司 | 一种物品的库存数据的处理方法和装置 |
| CN116542604A (zh) * | 2023-05-10 | 2023-08-04 | 深圳市鹰熊汇科技有限公司 | 全球电商平台商品进销存管理方法、装置、设备及介质 |
| CN117217669A (zh) * | 2023-09-28 | 2023-12-12 | 合肥维天运通信息科技股份有限公司 | 一种基于大数据的订单和物流匹配方法、系统及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 阮伟卿;: "电子商务企业WMS库存管理策略", 办公自动化, no. 18, 15 September 2020 (2020-09-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117541156B (zh) | 2024-07-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110751497B (zh) | 一种商品补货方法和装置 | |
| JP7105336B2 (ja) | スマートサプライチェーンシステム | |
| US8447664B1 (en) | Method and system for managing inventory by expected profitability | |
| US8463665B1 (en) | System and method for event-driven inventory disposition | |
| US20190172012A1 (en) | Healthcare supply chain management systems, methods, and computer program products | |
| US20220309436A1 (en) | Orchestrated intelligent supply chain optimizer | |
| US8543473B2 (en) | Business partner collaboration and buy analysis | |
| CN113128932B (zh) | 仓库备货处理方法、装置、存储介质与电子设备 | |
| CN111932188B (zh) | 用于库存管理的方法、电子设备和存储介质 | |
| CN111815198B (zh) | 一种门店补货方法、装置和设备 | |
| US20230306347A1 (en) | Systems and methods for supply chain optimization with channel saliency | |
| CN111352945A (zh) | 一种库存供应链管理系统、方法、装置、设备及介质 | |
| JP2009238100A (ja) | 販売支援装置、販売支援プログラム、および販売支援方法 | |
| Wang et al. | A rolling horizon approach for production planning and condition-based maintenance under uncertain demand | |
| KR102205214B1 (ko) | 이원화 관리 유저 인터페이스 및 이를 이용한 상품 정보 관리 시스템 | |
| Morgan et al. | Using SPC to measure a national supermarket chain's suppliers' performance | |
| CN110956417B (zh) | 一种门店商品处理方法和装置 | |
| CN117541156B (zh) | 仓库管理数据库数据处理方法及系统 | |
| CN112288484A (zh) | 商品自动定价方法、装置、电子设备和存储介质 | |
| US20160253728A1 (en) | Cooperation server, cooperation program, and ec system | |
| CN110880119B (zh) | 一种数据处理方法和装置 | |
| US20220284361A1 (en) | System and computer program for providing intelligent prescriptive analytics | |
| Das et al. | Pack size effects on retail store inventory and storage space needs | |
| KR20220135435A (ko) | 빅데이터 기반 주문량 예측 시스템 | |
| US20160253729A1 (en) | Cooperation server, cooperation program, and ec system |
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 |