CN110648099B - 仓储资源的分配方法、装置、电子设备及存储介质 - Google Patents
仓储资源的分配方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN110648099B CN110648099B CN201910892462.1A CN201910892462A CN110648099B CN 110648099 B CN110648099 B CN 110648099B CN 201910892462 A CN201910892462 A CN 201910892462A CN 110648099 B CN110648099 B CN 110648099B
- Authority
- CN
- China
- Prior art keywords
- expected
- target
- commodity
- order
- goods
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000013468 resource allocation Methods 0.000 title claims description 10
- 238000010801 machine learning Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 3
- 238000004321 preservation Methods 0.000 claims 2
- 238000013439 planning Methods 0.000 abstract description 5
- 230000002093 peripheral effect Effects 0.000 description 10
- 230000001133 acceleration Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000003287 optical effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 101001121408 Homo sapiens L-amino-acid oxidase Proteins 0.000 description 3
- 102100026388 L-amino-acid oxidase Human genes 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 101100012902 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) FIG2 gene Proteins 0.000 description 2
- 101100233916 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) KAR5 gene Proteins 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 239000000919 ceramic Substances 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
- G06Q30/0635—Processing of requisition or of purchase orders
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种仓储资源的分配方法、装置、设备及存储介质，包括：基于历史订单获取一个或多个预期订单，每个预期订单包含一种或多种商品；获取每一种商品在各个预期订单内的数量和商品参数；根据每一种商品在目标预期订单内的数量、商品参数和目标仓储货区的目标货架的容积，确定满足约束条件的预期订单，满足约束条件的预期订单中包含参考种类数量的目标商品，目标商品在所有满足约束条件的预期订单中的数量总和不大于目标商品在保质期内的预期销售量，目标商品在所有满足约束条件的预期订单中总体积不大于目标仓储货区的目标货架的容积；为满足约束条件的预期订单中的商品分配目标仓储货区的目标货架资源。实现统一规划仓储资源。
Description
技术领域
本申请的实施例涉及仓储管理技术领域，特别涉及一种仓储资源的分配方法、装置、电子设备及存储介质。
背景技术
随着商超零售业的发展，商超零售模式也日渐丰富，例如日益流行的线上销售模式。在线上销售模式下，需要提前分配仓储资源，以预先存储商品。例如，对于在线上销售的商品，会根据商品的种类分配仓储资源，将商品预先储存在线下不同的仓储货区的货架上。
然而，按照商品的种类对仓储资源进行分配的方式具有一定的局限性，分配方式不够合理，且分配后的仓储资源不够均衡，因此，亟待提出一种对仓储资源进行统一规划，使仓储资源的分配结果更加合理化的方式。
发明内容
本申请实施例提供了一种仓储资源的分配方法、装置、电子设备及存储介质，以对仓储资源进行统一规划，使仓储资源的分配结果更加合理化。所述技术方案如下：
一方面，本申请实施例提供了一种仓储资源的分配方法，所述方法包括：基于历史订单获取预期订单，所述预期订单包括一个或多个，每个预期订单包含一种或多种商品；获取每一种商品在各个预期订单内的数量和商品参数，所述商品参数包括商品的保质期和商品的体积；根据所述每一种商品在目标预期订单内的数量、商品参数和目标仓储货区的目标货架的容积，确定满足约束条件的预期订单，所述满足约束条件的预期订单中包含参考种类数量的目标商品，所述目标商品在所有满足约束条件的预期订单中的数量总和不大于所述目标商品在保质期内的预期销售量，所述目标商品在所有满足约束条件的预期订单中总体积不大于所述目标仓储货区的目标货架的容积；为所述满足约束条件的预期订单中的商品分配目标仓储货区的目标货架资源。
在本申请的可能实施方式中，所述商品参数还包括商品的补货周期；所述根据所述每一种商品在目标预期订单内的数量、商品参数和目标仓储货区的目标货架的容积，确定满足约束条件的预期订单，所述满足约束条件的预期订单中包含参考种类数量的目标商品，所述目标商品在所有满足约束条件的预期订单中的数量总和不大于所述目标商品在保质期内的预期销售量，所述目标商品在所有满足约束条件的预期订单中总体积不大于所述目标仓储货区的目标货架的容积，包括：根据所述每一种商品在目标预期订单内的数量、商品的保质期、商品的补货周期、商品的体积和目标仓储货区的目标货架的容积，确定满足约束条件的预期订单，所述满足约束条件的预期订单中包含参考种类数量的目标商品，所述目标商品在所有满足约束条件的预期订单中的数量总和不大于所述目标商品在保质期内的预期销售量，所述目标商品在所有满足约束条件的预期订单中总体积不大于所述目标仓储货区的目标货架的容积，所述目标商品在所有满足约束条件的预期订单中的数量总和不小于所述目标商品在补货周期内的预期销售量。
在本申请的可能实施方式中，所述商品参数还包括商品的保存温度，所述目标仓储货区的目标货架包含多个不同储存温度的储存空间；所述根据所述每一种商品在目标预期订单内的数量、商品参数和目标仓储货区的目标货架的容积，确定满足约束条件的预期订单，所述满足约束条件的预期订单中包含参考种类数量的目标商品，所述目标商品在所有满足约束条件的预期订单中的数量总和不大于所述目标商品在保质期内的预期销售量，所述目标商品在所有满足约束条件的预期订单中总体积不大于所述目标仓储货区的目标货架的容积，包括：根据所述每一种商品在目标预期订单内的数量、商品的保质期、商品的体积、目标仓储货区的目标货架的容积和所述每一个储存空间的容积，确定满足约束条件的预期订单，所述满足约束条件的预期订单中包含参考种类数量的目标商品，所述目标商品在所有满足约束条件的预期订单中的数量总和不大于所述目标商品在保质期内的预期销售量，所述目标商品在所有满足约束条件的预期订单中总体积不大于所述目标仓储货区的目标货架的容积，同一保存温度下的所述目标商品在所有满足约束条件的预期订单中总体积不大于对应储存空间的容积。
在本申请的可能实施方式中，所述为所述满足约束条件的预期订单中的商品分配目标仓储货区的目标货架资源之前，所述方法还包括：确定目标仓储货区的货架上是否包含参考商品，所述参考商品表征货架的必放品；当所述目标仓储货区的货架上包含参考商品时，将放置所述参考商品之后剩余的货架作为所述目标仓储货区的目标货架。
在本申请的可能实施方式中，所述为所述满足约束条件的预期订单中的商品分配目标仓储货区的目标货架资源，包括：当满足约束条件的预期订单中包含所述参考商品时，获取所述参考商品的第一标准数量；为所述满足约束条件的预期订单中包含的所述参考商品分配目标仓储货区的目标货架资源，使得所述目标仓储货区的目标货架资源包含第二标准数量的所述参考商品，所述第一标准数量和所述第二标准数量的总和小于目标标准数量。
在本申请的可能实施方式中，所述为所述满足约束条件的预期订单中的商品分配目标仓储货区的目标货架资源之前，所述方法还包括：确定得到所述满足约束条件的预期订单的时间是否满足标准时间；当得到所述满足约束条件的预期订单的时间满足标准时间时，将所述标准时间内得到的结果作为满足约束条件的预期订单。
一方面，本申请实施例提供了一种仓储资源的分配装置，所述装置包括：第一获取模块，用于基于历史订单获取预期订单，所述预期订单包括一个或多个，每个预期订单包含一种或多种商品；第二获取模块，用于获取每一种商品在各个预期订单内的数量和商品参数，所述商品参数包括商品的保质期和商品的体积；确定模块，用于根据所述每一种商品在目标预期订单内的数量、商品参数和目标仓储货区的目标货架的容积，确定满足约束条件的预期订单，所述满足约束条件的预期订单中包含参考种类数量的目标商品，所述目标商品在所有满足约束条件的预期订单中的数量总和不大于所述目标商品在保质期内的预期销售量，所述目标商品在所有满足约束条件的预期订单中总体积不大于所述目标仓储货区的目标货架的容积；第三获取模块，用于为所述满足约束条件的预期订单中的商品分配目标仓储货区的目标货架资源。
在本申请的可能实施方式中，所述商品参数还包括商品的补货周期；所述确定模块，用于根据所述每一种商品在目标预期订单内的数量、商品的保质期、商品的补货周期、商品的体积和目标仓储货区的目标货架的容积，确定满足约束条件的预期订单，所述满足约束条件的预期订单中包含参考种类数量的目标商品，所述目标商品在所有满足约束条件的预期订单中的数量总和不大于所述目标商品在保质期内的预期销售量，所述目标商品在所有满足约束条件的预期订单中总体积不大于所述目标仓储货区的目标货架的容积，所述目标商品在所有满足约束条件的预期订单中的数量总和不小于所述目标商品在补货周期内的预期销售量。
在本申请的可能实施方式中，所述商品参数还包括商品的保存温度，所述目标仓储货区的目标货架包含多个不同储存温度的储存空间；所述确定模块，用于根据所述每一种商品在目标预期订单内的数量、商品的保质期、商品的体积、目标仓储货区的目标货架的容积和所述每一个储存空间的容积，确定满足约束条件的预期订单，所述满足约束条件的预期订单中包含参考种类数量的目标商品，所述目标商品在所有满足约束条件的预期订单中的数量总和不大于所述目标商品在保质期内的预期销售量，所述目标商品在所有满足约束条件的预期订单中总体积不大于所述目标仓储货区的目标货架的容积，同一保存温度下的所述目标商品在所有满足约束条件的预期订单中总体积不大于对应储存空间的容积。
在本申请的可能实施方式中，所述第三获取模块，还用于确定目标仓储货区的货架上是否包含参考商品，所述参考商品表征货架的必放品；当所述目标仓储货区的货架上包含参考商品时，将放置所述参考商品之后剩余的货架作为所述目标仓储货区的目标货架。
在本申请的可能实施方式中，所述第三获取模块，还用于当满足约束条件的预期订单中包含所述参考商品时，获取所述参考商品的第一标准数量；为所述满足约束条件的预期订单中包含的所述参考商品分配目标仓储货区的目标货架资源，使得所述目标仓储货区的目标货架资源包含第二标准数量的所述参考商品，所述第一标准数量和所述第二标准数量的总和小于目标标准数量。
在本申请的可能实施方式中，所述第三获取模块，还用于确定得到所述满足约束条件的预期订单的时间是否满足标准时间；当得到所述满足约束条件的预期订单的时间满足标准时间时，将所述标准时间内得到的结果作为满足约束条件的预期订单。
一方面，本申请实施例提供了一种电子设备，所述设备包括：存储器及处理器，所述存储器存储有至少一条指令，所述至少一条指令由所述处理器加载并执行，以实现如上任一所述的仓储资源的分配方法。
一方面，本申请实施例提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如上任一所述的仓储资源的分配方法。
一方面，本申请实施例提供了一种计算机程序(产品)，所述计算机程序(产品)包括：计算机程序代码，当所述计算机程序代码被计算机运行时，使得所述计算机执行上述各方面中的方法。
本申请实施例提供的技术方案至少可以包括以下有益效果：
通过基于历史订单获取预期订单以及预期订单内的商品，根据每一种商品在各个预期订单内的数量、商品的保质期和商品的体积，确定满足约束条件的预期订单中包含参考种类数量的目标商品，由于目标商品在预期订单中数量不大于对应的目标商品的保质期内的预期销售量、在所有满足约束条件的预期订单中总体积不大于目标仓储货区的目标货架的容积，将得到的预期订单内满足约束条件的商品均放置在一个目标仓储货区内，实现对仓储资源的统一规划，使仓储资源的分配结果更加合理化，可避免因预先储存的商品过多、未及时售出；或者预先储存的商品过多，由于仓储货区的货架容积有限，使得储存的商品受到挤压，影响商品出售而增加的储存成本。
附图说明
为了更清楚地说明本申请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申请的一些实施例，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是本申请实施例提供的一种仓储资源的分配方法的流程图；
图2是本申请实施例提供的一种仓储资源的分配装置的结构示意图；
图3是本申请实施例提供的一种电子设备的框图；
图4是本申请实施例提供的一种终端的示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
随着商超零售业的发展，商超零售模式也日渐丰富，例如日益流行的线上销售模式。但是，由于在线上销售的商品，会根据商品的种类预先储存在线下不同的仓储货区的货架上。当接收到的订单包含的多个种类的商品不在一个货区时，会将该订单进行拆分，分别到储存该种类商品的货区进行分拣。
比如当接收到的订单包含生活类商品和体育类商品，会分别到储存生活类商品的货区和体育类商品的货区进行分拣，降低了分拣效率、增加了线下的分拣成本。且当预先储存的商品过多，使得储存的商品未能及时售出或者预先储存的商品过多，由于仓储货区的货架容积有限，使得储存的商品受到挤压，影响商品出售，均同时增加了线下的储存成本。故亟待提出一种可以降低分拣成本和储存成本、提高分拣效率的仓储资源的分配方式。为避免上述问题，本申请实施例提出了仓储资源的分配方法，详见下述实施例阐述。
参见图1，本申请实施例提供了一种仓储资源的分配方法，该方法可应用于电子设备，该电子设备可以是终端或者是服务器。本申请实施例以终端为例，如图1所示，该方法包括：
在步骤101中，基于历史订单获取预期订单，预期订单包括一个或多个，每个预期订单包含一种或多种商品。
示例性地，基于历史订单获取预期订单的方式，可以是通过统计目标时间的历史订单预测出预期订单，也可以是将预期时间输入到机器学习模型，通过机器学习模型给出预期时间内的预期订单。预期订单对应的预期时间可以根据实际仓储需要确定，比如可以是一个礼拜、一个月等预期时间。本申请实施例对预期时间不作限定。得到的预期订单可以是一个，也可以是多个。同时每个预期订单中包含的商品的种类也可以是一种或多种。本申请实施例对预期订单的数量以及每个预期订单内包含的商品的种类的数量不作限定。
在步骤102中，获取每一种商品在各个预期订单内的数量和商品参数，该商品参数包括商品的保质期和商品的体积。
示例性地，当获取到预期订单后，可以通过统计方式获取到每一种商品在各个预期订单内的数量。同时也可以得到每一种商品的商品参数。该商品参数可以是通过商品名称在网络中搜索得到。本申请实施例中，该商品参数包括商品的保质期和商品的体积，通过商品的保质期来限定预先储存的商品的数量，使得储存的商品能在商品保质期内售出以及保证储存的商品的体积满足目标仓储区的容积，避免了商品受到挤压而影响商品出售，降低了线下储存成本。
在步骤103中，根据每一种商品在目标预期订单内的数量、商品参数和目标仓储货区的目标货架的容积，确定满足约束条件的预期订单，满足约束条件的预期订单中包含参考种类数量的目标商品，目标商品在所有满足约束条件的预期订单中的数量总和不大于目标商品在保质期内的预期销售量，目标商品在所有满足约束条件的预期订单中总体积不大于目标仓储货区的目标货架的容积。
示例性地，该目标商品在所有满足约束条件的预期订单中的数量总和不大于目标商品在保质期内的预期销售量，如下式(1)所示：
其中：n为预期订单数量；skuj为第j种类商品；xi为第i个预期订单；q(xi,skuj)为第j种类商品在第i个预期订单中的数量；dj为第j种类商品的保质期；为第j种类商品预期日销量。
假设得到预期时间内的预期订单包括四个，分别为订单x1、订单x2、订单x3和订单x4，其中订单x1中包括的商品为(A、B、C)，订单x2中包括的商品为(B、C、D)，订单x3中包括的商品为(A、C、D)，订单x4中包括的商品为(A、B、C)。通过上式(1)可以得到A、B、C、D四类商品在四个订单内的数量的表达式为：
A：q(x1,skuA)+q(x3,skuA)+q(x4,skuA) (2)
B：q(x1,skuB)+q(x2,skuB)+q(x4,skuB) (3)
C：q(x1,skuC)+q(x2,skuC)+q(x3,skuC)+q(x4,skuC) (4)
D：q(x2,skuD)+q(x3,skuD) (5)
可以通过运筹学原理在上述四个表达式中获取对应订单内的目标商品，使得目标商品在所有满足约束条件的预期订单中的数量的总和不大于目标商品在保质期内的预期销售量。该参考数量可以是订单包含的所有商品的种类数量或者订单包含的一半以上种类数量，本申请实施例对参考数量不作限定，只要该参考数量大于1即可。例如对于订单x1，若其中包含的所有种类的商品均满足约束条件，将该订单中的所有种类的商品放在目标仓储货区，那么这个订单的储存成本和分拣成本均会降低，甚至是没有对应的储存成本和分拣成本，同时也提高了对应订单的分拣效率。故基于运筹学原理的评判标准可以是最大限度地使得满足约束条件的商品隶属于同一订单。例如对于订单x1中包含的商品，当其中的A类商品满足约束条件(6)，B类商品满足约束条件(7)。对于订单x1包含的C类商品，当订单x1、订单x2、订单x3中包含的C类商品的数量和订单x2、订单x3、订单x4中包含的C类商品的数量的总和均小于则优先选择包含订单x1的组合形式，则如公式(8)所示，如此使得订单x1中包含的商品均满足约束条件。
上述商品的预期日销量通过机器学习模型预测得到，具体如下式所示：
其中：ysku,t为预期日销量；为机器学习模型的预期日销量；t为预期时间，该预期时间的单位可以是天数，也可以是月数，本领域技术人员可以根据实际使用需要确定，本申请实施例中以天数为例进行说明；εsku,t为机器学习模型的未来t天的预测结果的随机误差，该误差可以服从正太分布机器学习模型预测得到的预期未来t天内预期销售量的置信度为p，其中zp为正太分布的置信度值。
确定满足商品保质期要求和储存商品的容积要求的预期订单的方式同上述确定满足商品保质期要求的预期订单原理一致，本申请实施例在此不再赘述。具体约束条件同时满足下式(1)和(9)所示：
其中：n为预期订单数量；skuj为第j种类商品；xi为第i个预期订单；q(xi,skuj)为第j种类商品在第i个预期订单中的数量；dj为第j种类商品的保质期；为第j种类商品预期日销量。
其中：n为预期订单数量；I为商品种类数量；skuj为第j种类商品；xi为第i个预期订单；q(xi,skuj)为第j种类商品在第i个预期订单中的数量；vj为第j种类商品体积；V为目标仓储货区的目标货架的容积。
通过获取同时满足上述约束条件的预期订单，将对应的预期订单内的商品放置在目标仓储货区的目标货架，保证了预先储存的商品的数量满足保质期要求的同时满足目标仓储货区的目标货架的容积要求，不会出现目标仓储货区内商品挤压的情况。
在步骤104中，为满足约束条件的预期订单中的商品分配目标仓储货区的目标货架资源。
示例性地，当通过上述分析订单x1包含所有种类的商品满足约束条件，则可以为订单x1中商品分配目标仓储货区的目标货架资源。若通过上述分析订单x1中只有A类商品和B类商品满足约束条件，可以为订单x1中的A类商品和B类商品分配目标仓储货区的目标货架资源，也可以为订单x1中的所有种类商品分配目标仓储货区的目标货架资源。通过分析可知，不论是将订单内所有种类的商品，还是部分种类的商品放置在同一目标仓储货区的目标货架上，均可相应的减少储存成本和分拣成本，提高分拣效率。
本申请实施例提供的仓储资源的分配方法，通过基于历史订单获取预期订单以及预期订单内的商品，根据每一种商品在各个预期订单内的数量、商品的保质期和商品的体积，确定满足约束条件的预期订单中包含参考种类数量的目标商品，由于目标商品在预期订单中数量不大于对应的目标商品的保质期内的预期销售量、在所有满足约束条件的预期订单中总体积不大于目标仓储货区的目标货架的容积，将得到的预期订单内满足约束条件的商品均放置在一个目标仓储货区内，实现对仓储资源的统一规划，使仓储资源的分配结果更加合理化，可避免因预先储存的商品过多、未及时售出；或者预先储存的商品过多，由于仓储货区的货架容积有限，使得储存的商品受到挤压，影响商品出售而增加的储存成本。
在本申请的可能实施方式中，该商品参数还包括商品的补货周期；
在步骤103中，包括：根据每一种商品在目标预期订单内的数量、商品的保质期和商品的补货周期，确定满足约束条件的预期订单，满足约束条件的预期订单中包含参考种类数量的目标商品，目标商品在所有满足约束条件的预期订单中的数量总和不大于目标商品在保质期内的预期销售量，目标商品在所有满足约束条件的预期订单中的数量总和不小于目标商品在补货周期内的预期销售量。
示例性地，具体确定满足商品保质期要求和商品补货周期要求的预期订单的方式同上述确定满足商品保质期要求的预期订单原理一致，本申请实施例在此不再赘述。具体约束条件同时满足下式(1)和(10)所示：
其中：n为预期订单数量；skuj为第j种类商品；xi为第i个预期订单；q(xi,skuj)为第j种类商品在第i个预期订单中的数量；dj为第j种类商品的保质期；为第j种类商品预期日销量。
其中：n为预期订单数量；skuj为第j种类商品；xi为第i个预期订单；q(xi,skuj)为第j种类商品在第i个预期订单中的数量；tj为第j种类商品的补货周期；为第j种类商品预期日销量。
通过获取同时满足上述约束条件的预期订单，将对应的预期订单内的商品放置在目标仓储货区的目标货架，保证了预先储存的商品的数量满足保质期要求的同时不会出现断货的情况。
在本申请的可能实施方式中，该商品参数还包括商品的保存温度，目标仓储货区的目标货架包含多个不同储存温度的储存空间；
在步骤103中，包括：根据每一种商品在目标预期订单内的数量、商品的保质期、商品的体积和每一个储存空间的容积，确定满足约束条件的预期订单，满足约束条件的预期订单中包含参考种类数量的目标商品，目标商品在所有满足约束条件的预期订单中的数量总和不大于目标商品在保质期内的预期销售量，同一保存温度下的目标商品在所有满足约束条件的预期订单中总体积不大于对应储存空间的容积。
示例性地，具体确定满足商品保质期要求和储存商品的容积要求的预期订单的方式同上述确定满足商品保质期要求的预期订单原理一致，本申请实施例在此不再赘述。具体约束条件同时满足下式(1)和(11)所示：
其中：n为预期订单数量；skuj为第j种类商品；xi为第i个预期订单；q(xi,skuj)为第j种类商品在第i个预期订单中的数量；dj为第j种类商品的保质期；为第j种类商品预期日销量。
其中：n为预期订单数量；I为商品种类数量；skuj为第j种类商品；xi为第i个预期订单；q(xi,skuj)为第j种类商品在第i个预期订单中的数量；vj为第j种类商品体积；Vk为目标仓储货区的目标货架的第k储存空间的容积。
通过获取同时满足上述约束条件的预期订单，将对应的预期订单内的商品放置在目标仓储货区的目标货架，保证了预先储存的商品的数量满足保质期要求的同时满足目标仓储货区的目标货架的不同储存温度下储存空间的容积要求，使得储存的商品可以存放在对应保存温度要求的储存空间，保证了储存商品的质量。
在本申请的可能实施方式中，在步骤104之前，该方法还包括：确定目标仓储货区的货架上是否包含参考商品，参考商品表征货架的必放品。当目标仓储货区的货架上包含参考商品时，将放置参考商品之后剩余的货架作为目标仓储货区的目标货架。
示例性地，对于目标仓储货区，在该目标仓储货区的货架上可以预先放置一些必放品，该必放品可以是例如矿泉水等日常必需品，或者是对于重量比较大的商品，为了便于储存和运输，会将重量比较大的商品放置在易于搬运的仓储货区的货架上。故如果目标仓储货区的货架上已放置了必放品，那么将放置参考商品之后剩余的货架作为目标仓储货区的目标货架。
在本申请的可能实施方式中，在步骤104中包括：当满足约束条件的预期订单中包含参考商品时，获取参考商品的第一标准数量。为满足约束条件的预期订单中包含的参考商品分配目标仓储货区的目标货架资源，使得目标仓储货区的目标货架资源包含第二标准数量的参考商品，第一标准数量和第二标准数量的总和小于目标标准数量。
示例性地，目标仓储货区的货架上已放置参考商品，当满足约束条件的预期订单中包含相同的参考商品时，获取目标仓储货区的货架上已放置的参考商品的第一标准数量。通过目标标准数量的限制，目标仓储货区的目标货架资源包含第二标准数量的参考商品，使得第一标准数量和第二标准数量的总和小于目标标准数量。该目标标准数量可以是对应的参考商品在保质期内的预期销售量之内的任意值。本领域技术人员可以根据实际使用场景确定参考商品在目标仓储货区内的数量。
在本申请的可能实施方式中，在步骤104之前，该方法还包括：确定得到满足约束条件的预期订单的时间是否满足标准时间。当得到满足约束条件的预期订单的时间满足标准时间时，将标准时间内得到的结果作为满足约束条件的预期订单。
示例性地，在上述确定满足约束条件的预期订单的过程中，随着约束条件的增加以及预期订单的数量的增加和预期订单中包含的商品的种类的增加，确定满足约束条件的预期订单的时间将会增加。为了满足实际使用要求，尽快得到满足约束条件的预期订单，及时为满足约束条件预期订单中的商品分配仓储资源，可以采用启发式算法，在可接受的标准时间内得到优化结果作为满足约束条件的预期订单，将该预期订单包含的商品储存在目标仓储货区的目标货架上。及时对目标仓储货区的目标货架进行商品储存，提高目标仓储货区的目标货架的利用率和商品周转率，使得目标仓储货区的储存空间得到充分利用。
基于相同构思，本申请实施例提供了一种仓储资源的分配装置，参见图2，该装置包括：
第一获取模块201，用于基于历史订单获取预期订单，预期订单包括一个或多个，每个预期订单包含一种或多种商品；
第二获取模块202，用于获取每一种商品在各个预期订单内的数量和商品参数，商品参数包括商品的保质期和商品的体积；
确定模块203，用于根据所述每一种商品在目标预期订单内的数量、商品参数和目标仓储货区的目标货架的容积，确定满足约束条件的预期订单，所述满足约束条件的预期订单中包含参考种类数量的目标商品，所述目标商品在所有满足约束条件的预期订单中的数量总和不大于所述目标商品在保质期内的预期销售量，所述目标商品在所有满足约束条件的预期订单中总体积不大于所述目标仓储货区的目标货架的容积；
第三获取模块204，用于为满足约束条件的预期订单中的商品分配目标仓储货区的目标货架资源。
本申请实施例提供的仓储资源的分配装置，通过基于历史订单获取预期订单以及预期订单内的商品，根据每一种商品在各个预期订单内的数量、商品的保质期和商品的体积，确定满足约束条件的预期订单中包含参考种类数量的目标商品，由于目标商品在预期订单中数量不大于对应的目标商品的保质期内的预期销售量、在所有满足约束条件的预期订单中总体积不大于目标仓储货区的目标货架的容积，将得到的预期订单内满足约束条件的商品均放置在一个目标仓储货区内，实现对仓储资源的统一规划，使仓储资源的分配结果更加合理化，可避免因预先储存的商品过多、未及时售出；或者预先储存的商品过多，由于仓储货区的货架容积有限，使得储存的商品受到挤压，影响商品出售而增加的储存成本。
在本申请的可能实施方式中，商品参数还包括商品的补货周期；
确定模块203，用于根据每一种商品在目标预期订单内的数量、商品的保质期、商品的补货周期、商品的体积和目标仓储货区的目标货架的容积，确定满足约束条件的预期订单，满足约束条件的预期订单中包含参考种类数量的目标商品，目标商品在所有满足约束条件的预期订单中的数量总和不大于目标商品在保质期内的预期销售量，目标商品在所有满足约束条件的预期订单中总体积不大于目标仓储货区的目标货架的容积，目标商品在所有满足约束条件的预期订单中的数量总和不小于目标商品在补货周期内的预期销售量。
在本申请的可能实施方式中，商品参数还包括商品的保存温度，目标仓储货区的目标货架包含多个不同储存温度的储存空间；
确定模块203，用于根据每一种商品在目标预期订单内的数量、商品的保质期、商品的体积、目标仓储货区的目标货架的容积和每一个储存空间的容积，确定满足约束条件的预期订单，满足约束条件的预期订单中包含参考种类数量的目标商品，目标商品在所有满足约束条件的预期订单中的数量总和不大于目标商品在保质期内的预期销售量，目标商品在所有满足约束条件的预期订单中总体积不大于目标仓储货区的目标货架的容积，同一保存温度下的目标商品在所有满足约束条件的预期订单中总体积不大于对应储存空间的容积。
在本申请的可能实施方式中，第三获取模块204，还用于确定目标仓储货区的货架上是否包含参考商品，参考商品表征货架的必放品；当目标仓储货区的货架上包含参考商品时，将放置参考商品之后剩余的货架作为目标仓储货区的目标货架。
在本申请的可能实施方式中，第三获取模块204，还用于当满足约束条件的预期订单中包含参考商品时，获取参考商品的第一标准数量；为满足约束条件的预期订单中包含的参考商品分配目标仓储货区的目标货架资源，使得目标仓储货区的目标货架资源包含第二标准数量的所述参考商品，第一标准数量和所述第二标准数量的总和小于目标标准数量。
在本申请的可能实施方式中，第三获取模块204，还用于确定得到满足约束条件的预期订单的时间是否满足标准时间；当得到满足约束条件的预期订单的时间满足标准时间时，将标准时间内得到的结果作为满足约束条件的预期订单。
需要说明的是，上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本申请实施例还提供一种电子设备，该电子设备可以是服务器。如图3所示，该设备包括：存储器302及处理器301，存储器302存储有至少一条指令，该至少一条指令由处理器301加载并执行，以实现上述实施例所述的仓储资源的分配方法。处理器301和存储器302通过通信总线303连接。
应理解的是，上述处理器可以是中央处理器(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(digital signal processing，DSP)、专用集成电路(application specific integrated circuit，ASIC)、现场可编程门阵列(field－programmable gate array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者是任何常规的处理器等。值得说明的是，处理器可以是支持进阶精简指令集机器(advanced RISC machines，ARM)架构的处理器。
进一步地，在一种可选的实施例中，上述存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据。存储器还可以包括非易失性随机存取存储器。例如，存储器还可以存储设备类型的信息。
该存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read-only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用。例如，静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic random access memory，DRAM)、同步动态随机存取存储器(synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data dateSDRAM，DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(directrambus RAM，DR RAM)。
参见图4，其示出了本申请实施例提供的一种终端500的结构示意图。该终端500可以是便携式移动终端，比如：智能手机、平板电脑笔记本电脑或台式电脑。终端500还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常，终端500包括有：处理器501和存储器502。
处理器501可以包括一个或多个处理核心，比如4核心处理器、5核心处理器等。处理器501可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器501也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(Central ProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中，处理器501可以在集成有GPU(Graphics Processing Unit，图像处理器)，GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中，处理器501还可以包括AI(Artificial Intelligence，人工智能)处理器，该AI处理器用于处理有关机器学习的计算操作。
存储器502可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器502还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器502中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器501所执行以实现本申请中方法实施例提供的仓储资源的分配方法。
在一些实施例中，终端500还可选包括有：外围设备接口503和至少一个外围设备。处理器501、存储器502和外围设备接口503之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口503相连。具体地，外围设备包括：射频电路504、触摸显示屏505、摄像头506、音频电路507、定位组件508和电源509中的至少一种。
外围设备接口503可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器501和存储器502。在一些实施例中，处理器501、存储器502和外围设备接口503被集成在同一芯片或电路板上；在一些其他实施例中，处理器501、存储器502和外围设备接口503中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。
射频电路504用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路504通过电磁信号与通信网络以及其他通信设备进行通信。射频电路504将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路504包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路504可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路504还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。
显示屏505用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏505是触摸显示屏时，显示屏505还具有采集在显示屏505的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器501进行处理。此时，显示屏505还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏505可以为一个，设置终端500的前面板；在另一些实施例中，显示屏505可以为至少两个，分别设置在终端500的不同表面或呈折叠设计；在再一些实施例中，显示屏505可以是柔性显示屏，设置在终端500的弯曲表面上或折叠面上。甚至，显示屏505还可以设置成非矩形的不规则图形，也即异形屏。显示屏505可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件506用于采集图像或视频。可选地，摄像头组件506包括前置摄像头和后置摄像头。通常，前置摄像头设置在终端的前面板，后置摄像头设置在终端的背面。在一些实施例中，后置摄像头为至少两个，分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种，以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality，虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中，摄像头组件506还可以包括闪光灯。闪光灯可以是单色温闪光灯，也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合，可以用于不同色温下的光线补偿。
音频电路507可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波，并将声波转换为电信号输入至处理器501进行处理，或者输入至射频电路504以实现语音通信。出于立体声采集或降噪的目的，麦克风可以为多个，分别设置在终端500的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器501或射频电路504的电信号转换为声波。扬声器可以是传统的薄膜扬声器，也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时，不仅可以将电信号转换为人类可听见的声波，也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中，音频电路507还可以包括耳机插孔。
定位组件508用于定位终端500的当前地理位置，以实现导航或LBS(LocationBased Service，基于位置的服务)。定位组件508可以是基于美国的GPS(GlobalPositioning System，全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源509用于为终端500中的各个组件进行供电。电源509可以是交流电、直流电、一次性电池或可充电电池。当电源509包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中，终端500还包括有一个或多个传感器510。该一个或多个传感器510包括但不限于：加速度传感器511、陀螺仪传感器512、压力传感器513、指纹传感器514、光学传感器515以及接近传感器516。
加速度传感器510可以检测以终端500建立的坐标系的三个坐标轴上的加速度大小。比如，加速度传感器511可以用于检测重力加速度在三个坐标轴上的分量。处理器501可以根据加速度传感器511采集的重力加速度信号，控制触摸显示屏505以横向视图或纵向视图进行用户界面的显示。加速度传感器511还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器512可以检测终端500的机体方向及转动角度，陀螺仪传感器512可以与加速度传感器511协同采集用户对终端500的3D动作。处理器501根据陀螺仪传感器512采集的数据，可以实现如下功能：动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器513可以设置在终端500的侧边框和/或触摸显示屏505的下层。当压力传感器513设置在终端500的侧边框时，可以检测用户对终端500的握持信号，由处理器501根据压力传感器513采集的握持信号进行左右手识别或快捷操作。当压力传感器513设置在触摸显示屏505的下层时，由处理器501根据用户对触摸显示屏505的压力操作，实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器514用于采集用户的指纹，由处理器501根据指纹传感器514采集到的指纹识别用户的身份，或者，由指纹传感器514根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时，由处理器501授权该用户执行相关的敏感操作，该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器514可以被设置终端500的正面、背面或侧面。当终端500上设置有物理按键或厂商Logo时，指纹传感器514可以与物理按键或厂商Logo集成在一起。
光学传感器515用于采集环境光强度。在一个实施例中，处理器501可以根据光学传感器515采集的环境光强度，控制触摸显示屏505的显示亮度。具体地，当环境光强度较高时，调高触摸显示屏505的显示亮度；当环境光强度较低时，调低触摸显示屏505的显示亮度。在另一个实施例中，处理器501还可以根据光学传感器515采集的环境光强度，动态调整摄像头组件506的拍摄参数。
接近传感器516，也称距离传感器，通常设置在终端500的前面板。接近传感器516用于采集用户与终端500的正面之间的距离。在一个实施例中，当接近传感器516检测到用户与终端500的正面之间的距离逐渐变小时，由处理器501控制触摸显示屏505从亮屏状态切换为息屏状态；当接近传感器516检测到用户与终端500的正面之间的距离逐渐变大时，由处理器501控制触摸显示屏505从息屏状态切换为亮屏状态。
本领域技术人员可以理解，图4中示出的结构并不构成对终端500的限定，可以包括比图示更多或更少的组件，或者组合某些组件，或者采用不同的组件布置。
本申请提供了一种计算机程序，当计算机程序被计算机执行时，可以使得处理器或计算机执行上述方法实施例中对应的各个步骤和/或流程。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid StateDisk)等。
上述所有可选技术方案，可以采用任意结合形成本申请的可选实施例，在此不再一一赘述。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请的实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (7)
1.一种仓储资源的分配方法，其特征在于，所述方法包括：
基于历史订单获取预期订单，所述预期订单包括一个或多个，每个预期订单包含一种或多种商品；
获取每一种商品在各个预期订单内的数量和商品参数，所述商品参数包括商品的保质期、商品的体积、商品的补货周期和商品的保存温度，目标仓储货区的目标货架包含多个不同储存温度的储存空间；
根据所述每一种商品在目标预期订单内的数量、商品参数、目标仓储货区的目标货架的容积和每一个所述储存空间的容积，确定满足约束条件的预期订单，所述满足约束条件的预期订单中包含参考种类数量的目标商品，所述目标商品在所有满足约束条件的预期订单中的数量总和不大于所述目标商品在保质期内的预期销售量，所述目标商品在所有满足约束条件的预期订单中总体积不大于所述目标仓储货区的目标货架的容积，所述目标商品在所有满足约束条件的预期订单中的数量总和不小于所述目标商品在补货周期内的预期销售量，同一保存温度下的所述目标商品在所有满足约束条件的预期订单中总体积不大于对应储存空间的容积；
为所述满足约束条件的预期订单中的商品分配目标仓储货区的目标货架资源；
所述目标商品在所有满足约束条件的预期订单中的数量总和不大于所述目标商品在保质期内的预期销售量，通过如下公式计算：
其中，n为预期订单数量，skuj为第j种类商品，xi为第i个预期订单，q(xi,skuj)为第j种类商品在第i个预期订单中的数量，dj为第j种类商品的保质期，为第j种类商品预期日销量；
所述目标商品在所有满足约束条件的预期订单中总体积不大于所述目标仓储货区的目标货架的容积，通过如下公式计算：
其中，n为预期订单数量，I为商品种类数量，skuj为第j种类商品，xi为第i个预期订单，q(xi,skuj)为第j种类商品在第i个预期订单中的数量，Vj为第j种类商品的体积，V为目标仓储货区的目标货架的容积；
所述目标商品在所有满足约束条件的预期订单中的数量总和不小于所述目标商品在补货周期内的预期销售量，通过如下公式计算：
其中，n为预期订单数量，skuj为第j种类商品，xi为第i个预期订单，q(xi,skuj)为第j种类商品在第i个预期订单中的数量，tj为第j种类商品的补货周期，为第j种类商品预期日销量；
上述商品的预期日销量通过机器学习模型预测得到，具体如下式所示：
其中，为预期日销量，为机器学习模型的预期日销量；t为预期时间，该预期时间的单位可以是天数，也可以是月数，为机器学习模型的未来t天的预测结果的随机误差，该误差可以服从正态分布；
机器学习模型预测得到的预期未来t天内预期销售量的置信度为p，其中zp为正态分布的置信度值；
在上述确定满足约束条件的预期订单的过程中，采用启发式算法，在可接受的标准时间内得到优化结果作为满足约束条件的预期订单，将该预期订单包含的商品储存在目标仓储货区的目标货架上。
2.根据权利要求1所述的方法，其特征在于，所述为所述满足约束条件的预期订单中的商品分配目标仓储货区的目标货架资源之前，所述方法还包括：
确定目标仓储货区的货架上是否包含参考商品，所述参考商品表征货架的必放品；
当所述目标仓储货区的货架上包含参考商品时，将放置所述参考商品之后剩余的货架作为所述目标仓储货区的目标货架。
3.根据权利要求2所述的方法，其特征在于，所述为所述满足约束条件的预期订单中的商品分配目标仓储货区的目标货架资源，包括：
当满足目标条件的预期订单中包含所述参考商品时，获取所述参考商品的第一标准数量；
为所述满足约束条件的预期订单中包含的所述参考商品分配目标仓储货区的目标货架资源，使得所述目标仓储货区的目标货架资源包含第二标准数量的所述参考商品，所述第一标准数量和所述第二标准数量的总和小于目标标准数量。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述为所述满足约束条件的预期订单中的商品分配目标仓储货区的目标货架资源之前，所述方法还包括：
确定得到所述满足约束条件的预期订单的时间是否满足标准时间；
当得到所述满足约束条件的预期订单的时间满足标准时间时，将所述标准时间内得到的结果作为满足约束条件的预期订单。
5.一种仓储资源的分配装置，其特征在于，所述装置包括：
第一获取模块，用于基于历史订单获取预期订单，所述预期订单包括一个或多个，每个预期订单包含一种或多种商品；
第二获取模块，用于获取每一种商品在各个预期订单内的数量和商品参数，所述商品参数包括商品的保质期、商品的体积、商品的补货周期和商品的保存温度，目标仓储货区的目标货架包含多个不同储存温度的储存空间；
确定模块，用于根据所述每一种商品在目标预期订单内的数量、商品参数、目标仓储货区的目标货架的容积和每一个所述储存空间的容积，确定满足约束条件的预期订单，所述满足约束条件的预期订单中包含参考种类数量的目标商品，所述目标商品在所有满足约束条件的预期订单中的数量总和不大于所述目标商品在保质期内的预期销售量，所述目标商品在所有满足约束条件的预期订单中总体积不大于所述目标仓储货区的目标货架的容积，所述目标商品在所有满足约束条件的预期订单中的数量总和不小于所述目标商品在补货周期内的预期销售量，同一保存温度下的所述目标商品在所有满足约束条件的预期订单中总体积不大于对应储存空间的容积；
第三获取模块，用于为所述满足约束条件的预期订单中的商品分配目标仓储货区的目标货架资源；
所述目标商品在所有满足约束条件的预期订单中的数量总和不大于所述目标商品在保质期内的预期销售量，通过如下公式计算：
其中，n为预期订单数量，skuj为第j种类商品，xi为第i个预期订单，q(xi,skuj)为第j种类商品在第i个预期订单中的数量，dj为第j种类商品的保质期，为第j种类商品预期日销量；
所述目标商品在所有满足约束条件的预期订单中总体积不大于所述目标仓储货区的目标货架的容积，通过如下公式计算：
其中，n为预期订单数量，I为商品种类数量，skuj为第j种类商品，xi为第i个预期订单，q(xi,skuj)为第j种类商品在第i个预期订单中的数量，Vj为第j种类商品的体积，V为目标仓储货区的目标货架的容积；
所述目标商品在所有满足约束条件的预期订单中的数量总和不小于所述目标商品在补货周期内的预期销售量，通过如下公式计算：
其中，n为预期订单数量，skuj为第j种类商品，xi为第i个预期订单，q(xi,skuj)为第j种类商品在第i个预期订单中的数量，tj为第j种类商品的补货周期，为第j种类商品预期日销量；
上述商品的预期日销量通过机器学习模型预测得到，具体如下式所示：
其中，为预期日销量，为机器学习模型的预期日销量；t为预期时间，该预期时间的单位可以是天数，也可以是月数，为机器学习模型的未来t天的预测结果的随机误差，该误差可以服从正态分布；
机器学习模型预测得到的预期未来t天内预期销售量的置信度为p，其中zp为正态分布的置信度值；
在上述确定满足约束条件的预期订单的过程中，采用启发式算法，在可接受的标准时间内得到优化结果作为满足约束条件的预期订单，将该预期订单包含的商品储存在目标仓储货区的目标货架上。
6.一种电子设备，其特征在于，包括：所述设备包括：
存储器及处理器，所述存储器存储有至少一条指令，所述至少一条指令由所述处理器加载并执行，以实现权利要求1-4中任一所述的仓储资源的分配方法。
7.一种存储介质，其特征在于，包括：所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现权利要求1-4中任一所述的仓储资源的分配方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910892462.1A CN110648099B (zh) | 2019-09-20 | 2019-09-20 | 仓储资源的分配方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910892462.1A CN110648099B (zh) | 2019-09-20 | 2019-09-20 | 仓储资源的分配方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110648099A CN110648099A (zh) | 2020-01-03 |
| CN110648099B true CN110648099B (zh) | 2024-10-29 |
Family
ID=68992227
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910892462.1A Active CN110648099B (zh) | 2019-09-20 | 2019-09-20 | 仓储资源的分配方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110648099B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113139761B (zh) * | 2020-01-16 | 2025-01-10 | 北京京东乾石科技有限公司 | 仓内货物存储方法，装置和计算机可读存储介质 |
| CN113256192B (zh) * | 2020-02-07 | 2024-09-20 | 北京京东振世信息技术有限公司 | 一种仓储物品规划方法和装置 |
| CN113298451B (zh) * | 2020-04-30 | 2024-09-13 | 阿里巴巴(中国)网络技术有限公司 | 配送方法、装置、设备和存储介质 |
| CN113919764A (zh) * | 2020-07-07 | 2022-01-11 | 上海顺如丰来技术有限公司 | 仓内补货量确定方法、装置、计算机设备及存储介质 |
| CN112184100A (zh) * | 2020-09-09 | 2021-01-05 | 北京每日优鲜电子商务有限公司 | 物品库存监控方法、装置、电子设备和计算机可读介质 |
| CN112200390B (zh) * | 2020-11-13 | 2022-08-19 | 同济大学 | 基于分布估计算法的无人化发货仓承运货架空间规划方法 |
| CN114971037A (zh) * | 2022-05-31 | 2022-08-30 | 北京极智嘉科技股份有限公司 | 一种集货区域的划分方法、装置和电子设备 |
| CN115330299B (zh) * | 2022-07-22 | 2023-09-01 | 上海聚水潭网络科技有限公司 | 一种基于整数规划的热区规划方法、系统及电子设备 |
| CN119204746A (zh) * | 2024-11-21 | 2024-12-27 | 浙江一只鱼纺织有限公司 | 一种基于人工智能的医用辅助袜生产计划生成方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107563702A (zh) * | 2017-09-14 | 2018-01-09 | 北京京东尚科信息技术有限公司 | 商品仓储调配方法、装置以及存储介质 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103500389A (zh) * | 2013-09-16 | 2014-01-08 | 广东工业大学 | 一种工业炸药仓库优化管理操作系统及货物优化管理方法 |
| CN104574013B (zh) * | 2014-12-22 | 2018-04-03 | 北京京东尚科信息技术有限公司 | 确定仓储库存分布的方法和装置 |
| CN107545381B (zh) * | 2016-06-24 | 2021-02-26 | 北京京东振世信息技术有限公司 | 管理仓库库存的方法和仓库管理系统 |
| CN106384219B (zh) * | 2016-10-13 | 2021-09-07 | 北京京东振世信息技术有限公司 | 仓储分仓辅助分析方法及装置 |
| CN106529859A (zh) * | 2016-10-20 | 2017-03-22 | 浙江中烟工业有限责任公司 | 一种动态安全库存的控制装置及安全库存的调控方法 |
| CN110020817B (zh) * | 2018-01-08 | 2024-04-19 | 北京京东尚科信息技术有限公司 | 采购方法、装置、系统及介质 |
| CN109784809A (zh) * | 2019-01-10 | 2019-05-21 | 深圳市启海仓储有限公司 | 货位分配管理方法及系统 |
-
2019
- 2019-09-20 CN CN201910892462.1A patent/CN110648099B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107563702A (zh) * | 2017-09-14 | 2018-01-09 | 北京京东尚科信息技术有限公司 | 商品仓储调配方法、装置以及存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| 基于拆单率在线零售商多仓商品分配优化模型及策略研究;李乐乐;《中国优秀硕士学位论文全文数据库信息科技辑》;20170615(第06期);第I138-2页 * |
| 河北省交通运输厅.《高速公路服务区服务人员培训教材》.河北科学技术出版社,2015,(第1版),第145-146页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110648099A (zh) | 2020-01-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110648099B (zh) | 仓储资源的分配方法、装置、电子设备及存储介质 | |
| CN108304265B (zh) | 内存管理方法、装置及存储介质 | |
| CN111080207A (zh) | 订单处理方法、装置、设备及存储介质 | |
| CN111144822A (zh) | 出库时长确定方法、装置、计算机设备及存储介质 | |
| CN112905328B (zh) | 任务处理方法、装置及计算机可读存储介质 | |
| US20210294583A1 (en) | Mini program production method and apparatus, terminal, and storage medium | |
| CN111126925A (zh) | 前置仓的补货量确定方法、装置、计算机设备及存储介质 | |
| CN111028071B (zh) | 账单处理方法、装置、电子设备及存储介质 | |
| CN111612398A (zh) | 仓库配货方法、装置、计算机设备及存储介质 | |
| WO2021218634A1 (zh) | 内容推送 | |
| CN111159551B (zh) | 用户生成内容的显示方法、装置及计算机设备 | |
| CN113949678B (zh) | 流量控制方法、装置、电子设备及计算机可读存储介质 | |
| CN114329292B (zh) | 资源信息的配置方法、装置、电子设备以及存储介质 | |
| CN113434589B (zh) | 配送路线的显示方法、装置、设备及计算机可读存储介质 | |
| CN113554492A (zh) | 订单处理方法、装置、设备及计算机可读存储介质 | |
| CN113469590B (zh) | 提货时段分配方法、装置、设备和存储介质 | |
| CN116151708A (zh) | 资源数值的确定方法、装置、设备及计算机可读存储介质 | |
| CN114462938B (zh) | 资源异常的处理方法、装置、设备及存储介质 | |
| CN110519378B (zh) | 确定目标对象的方法、装置、服务器及存储介质 | |
| CN114723372B (zh) | 物品存放方法、装置、设备及存储介质 | |
| CN114723371B (zh) | 物品存放方法、装置、设备及存储介质 | |
| CN116151709A (zh) | 车源信息的选取方法、装置、设备及计算机可读存储介质 | |
| CN111526221B (zh) | 域名质量确定方法、装置及存储介质 | |
| CN116205415A (zh) | 任务信息的展示方法、装置、电子设备、存储介质及产品 | |
| CN116562754A (zh) | 物品调拨方法、装置、电子设备、存储介质及程序产品 |
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 |