CN113256192B - 一种仓储物品规划方法和装置 - Google Patents
一种仓储物品规划方法和装置 Download PDFInfo
- Publication number
- CN113256192B CN113256192B CN202010082688.8A CN202010082688A CN113256192B CN 113256192 B CN113256192 B CN 113256192B CN 202010082688 A CN202010082688 A CN 202010082688A CN 113256192 B CN113256192 B CN 113256192B
- Authority
- CN
- China
- Prior art keywords
- warehouse
- local
- optimized
- planning
- satisfaction rate
- 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
- 238000013439 planning Methods 0.000 title claims abstract description 202
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012384 transportation and delivery Methods 0.000 claims abstract description 30
- 230000007306 turnover Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 37
- 238000005457 optimization Methods 0.000 description 44
- 238000010586 diagram Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 238000007726 management method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 101150082690 Pou3f1 gene Proteins 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/08—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
- 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
本发明公开了一种仓储物品规划方法和装置，涉及仓储物流技术领域。该方法的一具体实施方式包括：获取仓储数据；根据仓储数据、本地仓库满足率和约束条件构建规划模型；基于对规划模型求解得到优化出库量和优化本地仓库满足率。该实施方式同时考量多重因素对本地仓库中仓储物品的影响，快速高效的实现仓储物品的合理规划，规划效果较好，显著提升本地仓库的利用率的技术效果。
Description
技术领域
本发明涉及仓储物流技术领域，尤其涉及一种仓储物品规划方法和装置。
背景技术
本地仓库是指网络层级较低的仓/仓群，如城市仓TDC(Town DistributionCenter，又称城市配送中心)、前置综合仓FDC(Front Distribution Center，又称前端配送中心)或微型中心仓miniRDC(regional distribution center，又称区域配送中心)。为了提升其覆盖站点的用户体验，本地仓库一般建在距离城市较近且交通便利的位置，同时，本地仓库具备存储的物品品类比RDC更丰富，配送履约时效快等优点。但是本地仓库同时存在仓租较高，仓储容量有限，且出库产能有限等缺点。因此，如何合理规划本地仓库内的仓储物品的种类越来越重要。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：
现有的规划方法通常是根据经验或者仅考量单一因素变量来实现仓储物品的规划，存在规划效果差、对本地仓库的利用率低等问题。
发明内容
有鉴于此，本发明实施例提供一种仓储物品规划方法和装置，能够同时考量多因素对本地仓库仓储物品的影响，快速高效的实现仓储物品的合理规划，规划效果较好，显著提升了本地仓库的利用率。
为实现上述目的，根据本发明实施例的第一方面，提供了一种仓储物品规划方法，包括：
获取仓储数据；
根据仓储数据、本地仓库满足率和约束条件构建规划模型；
基于对规划模型求解得到优化出库量和优化本地仓库满足率。
进一步地，仓储数据包括本地仓库对应的全部站点的任务单数据、本地仓库的仓库属性数据、本地仓库及其对应的中心仓库的物品库存量和物品出库量；仓库属性数据包括仓库最大库存量和仓库最大出库量。
进一步地，仓储数据包括：本地仓库对应的全部站点的站点需求量和本地仓库中各品类物品的周转期；基于对规划模型求解得到优化出库量和优化本地满足率的步骤包括：根据站点需求量、周转期、仓库属性数据、本地仓库满足率以及第一约束条件构建第一规划模型；基于对第一规划模型求解得到第一优化出库量和第一优化本地仓库满足率，其中，站点需求量包括各站点中全部物品的总需求量和各品类物品的需求量。
进一步地，第一约束条件包括下列中的一种或多种：库存量约束、出库量约束和本地仓库满足率约束。
进一步地，在基于对第一规划模型求解得到第一优化出库量和第一优化本地满足率的步骤之后，仓储物品规划方法还包括：根据仓储数据确定各品类物品的销量波动率，根据第一优化出库量、第一优化本地仓库满足率、销量波动率和第二约束条件构建第二规划模型，基于对第二规划模型求解得到本地仓库对应的优化品类集合。
进一步地，第二优化条件包括下列中的一种或多种：松弛变量约束和品类变量约束。
进一步地，基于对第二规划模型求解得到本地仓库对应的优化品类集合的步骤包括：对第二规划模型进行求解得到候选品类集合，判断候选品类集合内的品类数量是否小于总品类数量，若是，确定候选品类集合为本地仓库对应的优化品类集合。
进一步地，若候选品类集合内的品类数量等于总品类数量，仓储物品规划方法还包括：调整第二约束条件中松弛变量约束的松弛系数。
进一步地，在基于对第二规划模型求解得到本地仓库对应的优化品类集合的步骤之后，仓储物品规划方法还包括：根据优化品类集合中各品类对应的站点需求量、本地仓库满足率、第三约束条件构建第三规划模型，基于对第三规划模型求解得到第二优化出库量和第二优化本地仓库满足率。
进一步地，第三约束条件包括下列中的一种或多种：库存量约束、出库量约束和本地仓库满足率约束。
根据本发明实施例的第二方面，提供了一种仓储物品规划装置，包括：
仓储数据获取模块，用于获取仓储数据；
模型构建模块，用于根据仓储数据、本地仓库满足率和约束条件构建规划模型；
规划模块，用于基于对规划模型求解得到优化出库量和优化本地仓库满足率。
根据本发明实施例的第三方面，提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述任一种仓储物品规划方法。
根据本发明实施例的第四方面，提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上述任一种仓储物品规划方法。
上述发明中的一个实施例具有如下优点或有益效果：因为采用获取仓储数据；根据仓储数据、本地仓库满足率和约束条件构建规划模型；基于对规划模型求解得到优化出库量和优化本地仓库满足率的技术手段，所以克服了现有的规划方法由于根据经验或者仅考量单一因素变量来实现仓储物品的规划，导致的规划效果差、对本地仓库的利用率低的技术问题，进而达到同时考量多重因素对本地仓库仓储物品的影响，快速高效的实现仓储物品的合理规划，规划效果较好，显著提升本地仓库的利用率的技术效果。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是根据本发明第一实施例提供的仓储物品规划方法的主要流程的示意图；
图2是根据本发明第二实施例提供的仓储物品规划方法的主要流程的示意图；
图3是根据本发明实施例提供的仓储物品规划装置的主要模块的示意图；
图4是本发明实施例可以应用于其中的示例性系统架构图；
图5是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
图1是根据本发明第一实施例提供的仓储物品规划方法的主要流程的示意图；如图1所示，本发明实施例提供的仓储物品规划方法主要包括：
步骤S101，获取仓储数据。
具体地，根据本发明实施例，上述仓储数据包括本地仓库对应的全部站点的任务单数据、本地仓库的仓库属性数据、本地仓库及其对应的中心仓库的物品库存量和物品出库量；仓库属性数据包括仓库最大库存量和仓库最大出库量。
其中各站点的任务单数据中指示的各站点对不同品类物品的历史需求，后续可根据该历史需求确定本地仓库内仓储物品的品类及数量。仓库属性数据指示了本地仓库的仓库属性，后续可根据该仓库属性对仓储物品进行合理规划，同时提高仓库的利用率。由于本地仓库的仓储属性的限制，对于全部站点的所有需求，本地仓库并不一定能够全部解决，因此，当某个站点对应的任务单内的需求物品不存在于本地仓库的仓储物品列表时，可通过本地仓库对应的中心仓库进行供应，因此，为了提高本地仓库的合理规划，还需要获取本地仓库对应的中心仓库中相应物品的库存量和出库量，以便于后续对本地仓库的仓储物品进行合理规划，提升规划效果。
步骤S102，根据仓储数据、本地仓库满足率和约束条件构建规划模型。
本地仓库满足率，等于本地仓库配送至覆盖站点的单量/该站点收到的总单量，表示本地仓库对其覆盖的站点的任务单中指示的物品的满足率，该值大于等于0且小于等于1。
通过上述设置，利用仓储数据和本地仓库满足率，通过约束条件构建规划模型，能够同时考量多重因素(通过约束条件来体现)，有效降低计算量，提高规划效率，提升规划效果。
进一步地，根据本发明实施例，上述仓储数据包括：本地仓库对应的全部站点的站点需求量和本地仓库中各品类物品的周转期；基于对规划模型求解得到优化出库量和优化本地满足率的步骤包括：根据站点需求量、周转期、仓库属性数据、本地仓库满足率以及第一约束条件构建第一规划模型；基于对第一规划模型求解得到第一优化出库量和第一优化本地仓库满足率，其中，站点需求量包括各站点中全部物品的总需求量和各品类物品的需求量。
具体地，可根据仓储数据中指示的本地仓库对应的全部站点的任务单数据确定各站点中全部物品的总需求量和各品类物品的需求量。根据本地仓库及其对应的中心仓库的物品库存量确定各品类物品的周转期，如通过某一时段内的库存量除以该时段内的销售量确定周转期。
通过上述设置，由于本地仓库的仓库属性的限制，本地仓库的资源并不一定能满足其覆盖的全部站点的所有需求，因此本地仓库满足率为一个小于等于1的正数。利用第一规划模型得到最大化的本地仓库的出库量以及本地仓库对各站点的满足率。
具体地，根据本发明实施例，上述第一约束条件包括下列中的一种或多种：库存量约束、出库量约束和本地仓库满足率约束。
库存量约束：表示本地仓库在某一时段内的总库存量不能高于本地仓库的最大库存量。
出库量约束：表示本地仓库的出库总量不能超过该仓库的最大出库量。
本地仓库满足率约束：指本地仓库对于其所覆盖的各个站点的满足率在[0,1]区间范围内。
步骤S103，基于对规划模型求解得到优化出库量和优化本地仓库满足率。
通过上述设置，利用仓储数据和本地仓库满足率，通过约束条件构建规划模型，能够同时考量多重因素(库存量约束、出库量约束、本地仓库满足率约束)，有效降低计算量，提高规划效率，提升规划效果。
进一步地，根据本发明实施例，在基于对第一规划模型求解得到第一优化出库量和第一优化本地满足率的步骤之后，仓储物品规划方法还包括：根据仓储数据确定各品类物品的销量波动率，根据第一优化出库量、第一优化本地仓库满足率、销量波动率和第二约束条件构建第二规划模型，基于对第二规划模型求解得到本地仓库对应的优化品类集合。
第一规划模型获取的优化结果是针对库存量、出库量以及本地仓库满足率三种因素对本地仓库的仓储物品的影响进行相应的合理规划。为了进一步提升规划效果，还可以通过上述设置，将各品类物品的销量波动率纳入考量范围，从而精简优化本地仓库内的物品品类，使得本地仓库内尽量存储销量波动小(一般用户需求大(整体销量大)的物品品类对应的销量较为稳定，销量波动较小)，精简的物品品类利于本地仓库管理，同时能进一步提升本地仓库的有效利用率。
具体地，根据本发明实施例，第二优化条件包括下列中的一种或多种：松弛变量约束和品类变量约束。
松弛变量约束：表示对本地仓库的最大出库量进行适当松弛，以利于确定优化品类集合，从而达到最小化仓储物品的品类数量的目的。
品类变量约束：将本地仓库内某一品类的物品设置为0-1变量，根据该品类对应的销量波动率调整相应变量数值。
进一步地，根据本发明实施例，上述基于对第二规划模型求解得到本地仓库对应的优化品类集合的步骤包括：对第二规划模型进行求解得到候选品类集合，判断候选品类集合内的品类数量是否小于总品类数量，若是，确定候选品类集合为本地仓库对应的优化品类集合。
由于松弛变量的调整幅度需要合理设置(通过不断调整确定)，因此，可能一次求解并不能剔除任何品类，因此，通过上述设置，对得到的优化品类集合中的品类数量进行判断，确定是否进行了有效优化。
根据本发明实施例，若候选品类集合内的品类数量等于总品类数量，仓储物品规划方法还包括：调整第二约束条件中松弛变量约束的松弛系数。
若在一次优化求解之后，并未实现对仓储物品的品类进行有效优化，通过调整松弛变量约束中的松弛系数，循环上述第二次构建模型、求解的过程，直至实现了对仓储物品的物品品类进行了有效规划。
更进一步地，根据本发明实施例，上述在基于对第二规划模型求解得到本地仓库对应的优化品类集合的步骤之后，仓储物品规划方法还包括：根据优化品类集合中各品类对应的站点需求量、本地仓库满足率、第三约束条件构建第三规划模型，基于对第三规划模型求解得到第二优化出库量和第二优化本地仓库满足率。
通过第二次规划模型的构建和求解，得到了仓储物品对应的优化品类集合。然后根据该优化品类集合中各优化品类对应的站点需求量、本地仓库满足率(此时的本地仓库满足率指本地仓库对各站点的任务单中优化品类物品的满足率)、以及第三约束条件构建第三规划模型，进而求解得到第二优化出库量和第二优化本地仓库满足率。
具体地，根据本发明实施例，上述第三约束条件包括下列中的一种或多种：库存量约束、出库量约束和本地仓库满足率约束。
进一步地，根据本发明实施例，得到优化结果(优化出库量和优化本地仓库满足率)之后，可以根据上述优化结果分析得到本地仓库对其覆盖各站点的履约覆盖情况；还可以根据优化结果分析本地仓库的利用情况，进而对本地仓库进行扩容或者通过改进设备和/或增加工作人员等提升产能，以进一步提升本地仓库的履约状况，提升各站点用户的体验。
进一步地，根据本发明实施例，还可以通过比对第一优化结果(第一优化出库量和第一优化本地仓库满足率)和第二优化结果(第二优化出库量和第二优化本地仓库满足率)，验证考量不同因素时对本地仓库的仓储物品的优化效果，根据实际情况，选择适当的优化方案。
根据本发明实施例的技术方案，因为采用获取仓储数据；根据仓储数据、本地仓库满足率和约束条件构建规划模型；基于对规划模型求解得到优化出库量和优化本地仓库满足率的技术手段，所以克服了现有的规划方法由于根据经验或者仅考量单一因素变量来实现仓储物品的规划，导致的规划效果差、对本地仓库的利用率低的技术问题，进而达到同时考量多重因素对本地仓库仓储物品的影响，快速高效的实现仓储物品的合理规划，规划效果较好，显著提升本地仓库的利用率的技术效果。
图2是根据本发明第二实施例提供的仓储物品规划方法的主要流程的示意图；如图2所示，本发明实施例提供的仓储物品规划方法主要包括：
步骤S201，获取仓储数据。
具体地，根据本发明实施例，上述仓储数据包括本地仓库对应的全部站点的任务单数据、本地仓库的仓库属性数据、本地仓库及其对应的中心仓库的物品库存量和物品出库量；仓库属性数据包括仓库最大库存量和仓库最大出库量。
其中各站点的任务单数据中指示的各站点对不同品类物品的历史需求，由于本地仓库的仓储属性的限制，对于全部站点的所有需求，本地仓库并不一定能够全部解决，因此，当某个站点对应的任务单内的需求物品不存在于本地仓库的仓储物品列表时，可通过本地仓库对应的中心仓库进行供应，因此，为了提高本地仓库的合理规划，还需要获取本地仓库对应的中心仓库中相应物品的库存量和出库量，以便于后续对本地仓库的仓储物品进行合理规划，提升规划效果。因此，任务单数据不仅包括本地仓库配送的物品，还包括本地仓库对应的中心仓库(可以为多个)配送的物品。
仓库属性数据指示了本地仓库的仓库属性，包括本地仓库的仓库最大库存量storeCap表示，单位为件；仓库最大出库量，用storeObLimit，单位为件。
步骤S202，根据仓储数据确定本地仓库对应的全部站点的站点需求量、本地仓库中各品类物品的周转期和各品类物品的销量波动率，其中，站点需求量包括各站点中全部物品的总需求量和各品类物品的需求量。
根据本发明实施例，根据仓储数据确定本地仓库对应的全部站点的站点需求量的步骤包括：对仓储数据中包括的任务单数据进行解析、清晰、汇总计算得到各站点对于每个一级品类的日均站点需求量di,j。di,j表示i站点对于j品类物品的需求件数。需要说明的是，本实施中提及的日均站点需求量、一级品类仅为示例，实际应用时，可以计算一段时间内的站点需求量、多级品类等。
然后，根据本发明实施例，将各站点的日均站点需求量进行汇总得到各站点中全部物品的总需求量Di，表示i站点对全部品类物品的总需求量。因此，存在下列关系，i站点中J个品类的物品需求量之和等于Di，表达式如下：
∑j∈Jdi,j＝Di
进一步地，根据仓储数据中的任务单数据和本地仓库及其对应的中心仓库的物品库存量及物品出库量确定本地仓库中各品类物品的周转期(周转天数)Rj。具体地，周转天数＝日均库存量/日均销售量。由于本地仓库可能没有实现品类全覆盖(或者数据质量不佳，有遗漏或缺失等情形)，需要用整个区域(本地仓库及其对应的中心仓库)的物品库存量和物品出库量来计算周转期。
进一步地，根据仓储数据计算各品类的销量波动率。具体地，根据时间的顺序，计算每个品类的日均销量波动率Vj，计算方式为：Vj＝日均销售量的标准差/日均销售量。
步骤S203，根据站点需求量、周转期、仓库属性数据、本地仓库满足率以及第一约束条件构建第一规划模型。
由于本地仓库的资源有限，本地仓库的资源并不一定能够满足其所覆盖的站点的全部需求，即本地仓库满足率为一个小于等于1的正数。
根据本发明实施例，设各站点中全部物品的总需求量为Di，本地仓库对于各个站点的满足率为Xi，则有：本地仓库的出库量＝各个站点的站点总需求量*该站点对应的本地仓库满足率。设定本地仓库覆盖的站点共有M个，用S＝{site1,site2,…,sitem}表示，共包括N个物品品类，用J＝{site1,site2,…,siten}表示。构建第一规划模型如下：
式(1)表示在一定约束条件(第一约束条件)下最大化本地仓库的出库量(即获得第一优化出库量)，与该第一优化出库量对应的为第一优化本地仓库满足率。
具体地，根据本发明实施例，第一约束条件包括下列中的一种或多种：库存量约束、出库量约束和本地仓库满足率约束。
库存量约束：表示本地仓库在某一时段内的总库存量不能高于本地仓库的最大库存量，如下式所述：
∑j∈J∑i∈S(Xi*di,j*Rj)≤storeCap (2)
出库量约束：表示本地仓库的出库总量不能超过该仓库的最大出库量，如下式所述：
∑i∈SXi*Di≤storeObLimit (3)
本地仓库满足率约束：指本地仓库对于其所覆盖的各个站点的满足率在[0,1]区间范围内，如下式所述：
步骤S204，基于对第一规划模型求解得到第一优化出库量和第一优化本地仓库满足率。
具体地，根据本发明实施例，可以利用数学模型求解器(如scip(开源求解器)，cplex/gorubi(商用求解器))进行建模求解。具体求解过程中，最优决策变量为各个站点的最优本地仓库满足率(用表示，i∈S)，最优解为本地仓库最大出库量(用stageOneOptiQtty表示)。
步骤S205，根据第一优化出库量、第一优化本地仓库满足率、销量波动率和第二约束条件构建第二规划模型。
具体地，考量由于本地仓库的资源有限，当品类的数量较多或销量波动较高时，不利于仓储物品的规划。因此，对第一规划模型求解得到的优化结果(第一优化出库量和第一优化本地仓库满足率(也称第一优化决策变量))以及销量波动率加入约束构建第二规划模型，以剔除销量波动较高的品类物品，实现对品类数量的压缩。构建第二约束模型如下：
其中，式(5)表示在一定约束条件(第二约束条件)下使得最小化本地仓库的仓储物品的品类数量。得到优化品类集合。
具体地，根据本发明实施例，第二约束条件第二优化条件包括下列中的一种或多种：松弛变量约束和品类变量约束。
松弛变量约束：表示对本地仓库的最大出库量进行适当松弛，以利于确定优化品类集合，从而达到最小化仓储物品的品类数量的目的，如下式所示：
需要说明的是，初始松弛系数ξ设置为0.9仅为本发明实施例的一个示例，在具体执行过程中，可根据实际情况进行设定。
品类变量约束：将本地仓库内某一品类的物品设置为0-1变量，根据该品类对应的销量波动率调整相应变量数值，如下式所示：
Yj∈{0,1} (7)
其中，第二规划模型中，品类变量为0-1决策变量。
步骤S206，基于对第二规划模型求解得到候选品类集合，判断候选品类集合内的品类数量是否小于总品类数量。
根据建模前的数据分析或行业经验，整体销量大的品类的销量较为稳定，反之，销量小的波动较大(Vj较大)。由于目标函数(第二规划模型)的目标是最小化品类数量，所以需要用(式(6)约束)总出库量大于等于松弛后的数值(ξ*stageOneOptiQtty)，以实现决策变量对应的部分品类的Yj为0。且由于(6)约束的松弛系数(0.9)提供的解空间较小，故该第二规划模型也隐性的考虑了优先剔除销量较小的品类。
由于松弛变量的调整幅度需要合理设置(通过不断调整确定)，因此，可能一次求解并不能剔除任何品类(即最优解不存在Yj＝0)，因此，需要对第二优化模型的求解结果添加一步判定逻辑，令Yj＝1的品类集合为J'，若|J'|<|J|，则表示已求得最优解，执行步骤S207；若|J'|＝|J|，则表示并未求得有效解，转到步骤S208。通过上述设置，对得到的优化品类集合中的品类数量进行判断，确定是否进行了有效优化。
步骤S207，确定候选品类集合为本地仓库对应的优化品类集合。
步骤S208，调整第二约束条件中松弛变量约束的松弛系数。
具体地，根据本发明实施例的一具体实时方式，可以令ξ＝ξ-0.05，然后在转到步骤S205。循环执行第二规划模型的构建、求解过程，直至求得优化品类集合。
步骤S209，根据优化品类集合中各品类对应的站点需求量、本地仓库满足率、第三约束条件构建第三规划模型。
通过第二次规划模型的构建和求解，得到了仓储物品对应的优化品类集合。然后根据该优化品类集合中各优化品类对应的站点需求量、本地仓库满足率(此时的本地仓库满足率指本地仓库对各站点的任务单中优化品类物品的满足率)、以及第三约束条件构建第三规划模型，进而求解得到第二优化出库量和第二优化本地仓库满足率。构建第三规划模型如下：
式(8)表示在一定约束条件(第三约束条件)下最大化本地仓库的出库量(即获得第二优化出库量)，与该第二优化出库量对应的为第二优化本地仓库满足率。
具体地，根据本发明实施例，上述第三约束条件包括下列中的一种或多种：库存量约束、出库量约束和本地仓库满足率约束。其中，第三约束条件指示的范围与第一约束条件指示的范围一致，不同之处在于第三规划模型中采用的参数经过前两次规划模型求解进行了参数迭代更新，如站点需求量更新为品类集合更新为J'。
库存量约束：表示本地仓库在某一时段内的总库存量不能高于本地仓库的最大库存量，如下式所述：
∑j∈J∑i∈S(Xi*di,j*Rj)≤storeCap (2)
出库量约束：表示本地仓库的出库总量不能超过该仓库的最大出库量，如下式所述：
∑i∈SXi*Di≤storeObLimit (3)
本地仓库满足率约束：指本地仓库对于其所覆盖的各个站点的满足率在[0,1]区间范围内，如下式所述：
由于第二规划模型对本地仓库内的仓储物品的品类进行剔除删选，优化筛选后的本地仓库的出库量还没达到最优(饱和)，即本地仓库还没进行充分利用。通过上述设置，利用优化后的品类集合构建第三规划模型，求解得到优化品类集合下的最大化本地仓库出库量和最大化的本地仓库满足率(即第二优化出库量和第二优化本地仓库满足率)。
步骤S210，基于对第三规划模型求解得到第二优化出库量和第二优化本地仓库满足率。
具体地，根据本发明实施例，可以利用数学模型求解器(如scip(开源求解器)，cplex/gorubi(商用求解器))进行建模求解。具体求解过程中，最优决策变量为各个站点的最优本地仓库满足率(用表示，i∈S)，最优解为本地仓库最大出库量(用stageOneOptiQtty表示)。
进一步地，根据本发明实施例，得到优化结果(优化出库量和优化本地仓库满足率)之后，可以根据上述优化结果分析得到本地仓库对其覆盖各站点的履约覆盖情况；还可以根据优化结果分析本地仓库的利用情况，进而对本地仓库进行扩容或者通过改进设备和/或增加工作人员等提升产能，以进一步提升本地仓库的履约状况，提升各站点用户的体验。
进一步地，根据本发明实施例，还可以通过比对第一优化结果(第一优化出库量和第一优化本地仓库满足率)和第二优化结果(第二优化出库量和第二优化本地仓库满足率)，验证考量不同因素时对本地仓库的仓储物品的优化效果，根据实际情况，选择适当的优化方案。
根据本发明实施例的技术方案，因为采用获取仓储数据；根据仓储数据、本地仓库满足率和约束条件构建规划模型；基于对规划模型求解得到优化出库量和优化本地仓库满足率的技术手段，所以克服了现有的规划方法由于根据经验或者仅考量单一因素变量来实现仓储物品的规划，导致的规划效果差、对本地仓库的利用率低的技术问题，进而达到同时考量多重因素对本地仓库仓储物品的影响，快速高效的实现仓储物品的合理规划，规划效果较好，显著提升本地仓库的利用率的技术效果。
图3是根据本发明实施例提供的仓储物品规划装置的主要模块的示意图；如图3所示，本发明实施例提供的仓储物品规划装置300主要包括：
仓储数据获取模块301，用于获取仓储数据。
具体地，根据本发明实施例，上述仓储数据包括本地仓库对应的全部站点的任务单数据、本地仓库的仓库属性数据、本地仓库及其对应的中心仓库的物品库存量和物品出库量；仓库属性数据包括仓库最大库存量和仓库最大出库量。
其中各站点的任务单数据中指示的各站点对不同品类物品的历史需求，后续可根据该历史需求确定本地仓库内仓储物品的品类及数量。仓库属性数据指示了本地仓库的仓库属性，后续可根据该仓库属性对仓储物品进行合理规划，同时提高仓库的利用率。由于本地仓库的仓储属性的限制，对于全部站点的所有需求，本地仓库并不一定能够全部解决，因此，当某个站点对应的任务单内的需求物品不存在于本地仓库的仓储物品列表时，可通过本地仓库对应的中心仓库进行供应，因此，为了提高本地仓库的合理规划，还需要获取本地仓库对应的中心仓库中相应物品的库存量和出库量，以便于后续对本地仓库的仓储物品进行合理规划，提升规划效果。
模型构建模块302，用于根据仓储数据、本地仓库满足率和约束条件构建规划模型。
本地仓库满足率，指本地仓库对其覆盖的站点的任务单中指示的物品的满足率，该值大于等于0且小于等于1。
通过上述设置，利用仓储数据和本地仓库满足率，通过约束条件构建规划模型，能够同时考量多重因素(通过约束条件来体现)，有效降低计算量，提高规划效率，提升规划效果。
进一步地，根据本发明实施例，上述仓储数据包括：本地仓库对应的全部站点的站点需求量和本地仓库中各品类物品的周转期；上述模型构建模块302用于根据站点需求量、周转期、仓库属性数据、本地仓库满足率以及第一约束条件构建第一规划模型，其中，站点需求量包括各站点中全部物品的总需求量和各品类物品的需求量。
具体地，可根据仓储数据中指示的本地仓库对应的全部站点的任务单数据确定各站点中全部物品的总需求量和各品类物品的需求量。根据本地仓库及其对应的中心仓库的物品库存量确定各品类物品的周转期，如通过某一时段内的库存量除以该时段内的销售量确定周转期。
通过上述设置，由于本地仓库的仓库属性的限制，本地仓库的资源并不一定能满足其覆盖的全部站点的所有需求，因此本地仓库满足率为一个小于等于1的正数。利用第一规划模型得到最大化的本地仓库的出库量以及本地仓库对各站点的满足率。
具体地，根据本发明实施例，上述第一约束条件包括下列中的一种或多种：库存量约束、出库量约束和本地仓库满足率约束。
库存量约束：表示本地仓库在某一时段内的总库存量不能高于本地仓库的最大库存量。
出库量约束：表示本地仓库的出库总量不能超过该仓库的最大出库量。
本地仓库满足率约束：指本地仓库对于其所覆盖的各个站点的满足率在[0,1]区间范围内。
规划模块303，用于基于对规划模型求解得到优化出库量和优化本地仓库满足率。
通过上述设置，利用仓储数据和本地仓库满足率，通过约束条件构建规划模型，能够同时考量多重因素(库存量约束、出库量约束、本地仓库满足率约束)，有效降低计算量，提高规划效率，提升规划效果。
根据本发明实施例，上述规划模块303，用于基于对第一规划模型求解得到第一优化出库量和第一优化本地仓库满足率。利用第一规划模型得到最大化的本地仓库的出库量以及本地仓库对各站点的满足率。
进一步地，根据本发明实施例，根据仓储数据确定各品类物品的销量波动率，上述仓储物品规划装置300还包括优化品类集合确定模块，在基于对第一规划模型求解得到第一优化出库量和第一优化本地满足率的步骤之后，优化品类集合确定模块用于：根据第一优化出库量、第一优化本地仓库满足率、销量波动率和第二约束条件构建第二规划模型，基于对第二规划模型求解得到本地仓库对应的优化品类集合。
第一规划模型获取的优化结果是针对库存量、出库量以及本地仓库满足率三种因素对本地仓库的仓储物品的影响进行相应的合理规划。为了进一步提升规划效果，还可以通过上述设置，将各品类物品的销量波动率纳入考量范围，从而精简优化本地仓库内的物品品类，使得本地仓库内尽量存储销量波动小(一般用户需求大(整体销量大)的物品品类对应的销量较为稳定，销量波动较小)，精简的物品品类利于本地仓库管理，同时能进一步提升本地仓库的有效利用率。
具体地，根据本发明实施例，第二优化条件包括下列中的一种或多种：松弛变量约束和品类变量约束。
松弛变量约束：表示对本地仓库的最大出库量进行适当松弛，以利于确定优化品类集合，从而达到最小化仓储物品的品类数量的目的。
品类变量约束：将本地仓库内某一品类的物品设置为0-1变量，根据该品类对应的销量波动率调整相应变量数值。
进一步地，根据本发明实施例，上述优化品类集合确定模块还用于：对第二规划模型进行求解得到候选品类集合，判断候选品类集合内的品类数量是否小于总品类数量，若是，确定候选品类集合为本地仓库对应的优化品类集合。
由于松弛变量的调整幅度需要合理设置(通过不断调整确定)，因此，可能一次求解并不能剔除任何品类，因此，通过上述设置，对得到的优化品类集合中的品类数量进行判断，确定是否进行了有效优化。
根据本发明实施例，若候选品类集合内的品类数量等于总品类数量，上述优化品类集合确定模块还用于：调整第二约束条件中松弛变量约束的松弛系数。
若在一次优化求解之后，并未实现对仓储物品的品类进行有效优化，通过调整松弛变量约束中的松弛值，循环上述第二次构建模型、求解的过程，直至实现了对仓储物品的物品品类进行了有效规划。
更进一步地，根据本发明实施例，上述仓储物品规划装置300还包括第三模型构建模块和第三模型求解模块，上述在基于对第二规划模型求解得到本地仓库对应的优化品类集合的步骤之后，第三模型构建模块用于根据优化品类集合中各品类对应的站点需求量、本地仓库满足率、第三约束条件构建第三规划模型；第三模型求解模块用于基于对第三规划模型求解得到第二优化出库量和第二优化本地仓库满足率。
通过第二次规划模型的构建和求解，得到了仓储物品对应的优化品类集合。然后根据该优化品类集合中各优化品类对应的站点需求量、本地仓库满足率(此时的本地仓库满足率指本地仓库对各站点的任务单中优化品类物品的满足率)、以及第三约束条件构建第三规划模型，进而求解得到第二优化出库量和第二优化本地仓库满足率。
具体地，根据本发明实施例，上述第三约束条件包括下列中的一种或多种：库存量约束、出库量约束和本地仓库满足率约束。
进一步地，根据本发明实施例，仓储物品规划装置300还包括分析模块，在得到优化结果(优化出库量和优化本地仓库满足率)之后，分析模块用于根据上述优化结果分析得到本地仓库对其覆盖各站点的履约覆盖情况；根据优化结果分析本地仓库的利用情况。进而对本地仓库进行扩容或者通过改进设备和/或增加工作人员等提升产能，以进一步提升本地仓库的履约状况，提升各站点用户的体验。
进一步地，根据本发明实施例，仓储物品规划装置300还包括比对模块，用于比对第一优化结果(第一优化出库量和第一优化本地仓库满足率)和第二优化结果(第二优化出库量和第二优化本地仓库满足率)，验证考量不同因素时对本地仓库的仓储物品的优化效果，根据实际情况，选择适当的优化方案。
根据本发明实施例的技术方案，因为采用获取仓储数据；根据仓储数据、本地仓库满足率和约束条件构建规划模型；基于对规划模型求解得到优化出库量和优化本地仓库满足率的技术手段，所以克服了现有的规划方法由于根据经验或者仅考量单一因素变量来实现仓储物品的规划，导致的规划效果差、对本地仓库的利用率低的技术问题，进而达到同时考量多重因素对本地仓库仓储物品的影响，快速高效的实现仓储物品的合理规划，规划效果较好，显著提升本地仓库的利用率的技术效果。
图4示出了可以应用本发明实施例的仓储物品规划方法或仓储物品规划装置的示例性系统架构400。
如图4所示，系统架构400可以包括终端设备401、402、403，网络404和服务器405(此架构仅仅是示例，具体架构中包含的组件可以根据申请具体情况调整)。网络404用以在终端设备401、402、403和服务器405之间提供通信链路的介质。网络404可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备401、402、403通过网络404与服务器405交互，以接收或发送消息等。终端设备401、402、403上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备401、402、403可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器405可以是提供各种服务的服务器，例如对用户利用终端设备401、402、403所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的仓储数据、本地满足率、约束条件等数据进行分析等处理，并将处理结果(例如规划模型、优化出库量和优化本地仓库满足率--仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的仓储物品规划方法一般由服务器405执行，相应地，仓储物品规划装置一般设置于服务器405中。
应该理解，图4中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图5，其示出了适于用来实现本发明实施例的终端设备的计算机系统500的结构示意图。图5示出的终端设备仅仅是一个示例，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，计算机系统500包括中央处理单元(CPU)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有系统500操作所需的各种程序和数据。CPU 501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号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，其中承载了计算机可读的程序代码。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。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、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。计算机可读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、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括仓储数据获取模块、模型构建模块、规划模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，规划模块还可以被描述为“用于基于对所述规划模型求解得到优化出库量和优化本地仓库满足率的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：获取仓储数据；根据仓储数据、本地仓库满足率和约束条件构建规划模型；基于对规划模型求解得到优化出库量和优化本地仓库满足率。
根据本发明实施例的技术方案，因为采用获取仓储数据；根据仓储数据、本地仓库满足率和约束条件构建规划模型；基于对规划模型求解得到优化出库量和优化本地仓库满足率的技术手段，所以克服了现有的规划方法由于根据经验或者仅考量单一因素变量来实现仓储物品的规划，导致的规划效果差、对本地仓库的利用率低的技术问题，进而达到同时考量多重因素对本地仓库仓储物品的影响，快速高效的实现仓储物品的合理规划，规划效果较好，显著提升本地仓库的利用率的技术效果。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (11)
1.一种仓储物品规划方法，其特征在于，包括：
获取仓储数据；
根据所述仓储数据、本地仓库满足率和约束条件构建规划模型；
基于对所述规划模型求解得到优化出库量和优化本地仓库满足率，
其中，所述本地仓库满足率由本地仓库配送至覆盖站点的单量/该站点收到的总单量表示，
所述仓储数据包括：本地仓库对应的全部站点的站点需求量和本地仓库中各品类物品的周转期；所述基于对所述规划模型求解得到优化出库量和优化本地满足率的步骤包括：根据所述站点需求量、所述周转期、仓库属性数据、本地仓库满足率以及第一约束条件构建第一规划模型；基于对所述第一规划模型求解得到第一优化出库量和第一优化本地仓库满足率，其中，所述站点需求量包括各站点中全部物品的总需求量和各品类物品的需求量，并且
所述第一约束条件包括下列中的一种或多种：库存量约束、出库量约束和本地仓库满足率约束。
2.根据权利要求1所述的仓储物品规划方法，其特征在于，所述仓储数据包括本地仓库对应的全部站点的任务单数据、本地仓库的仓库属性数据、本地仓库及其对应的中心仓库的物品库存量和物品出库量；所述仓库属性数据包括仓库最大库存量和仓库最大出库量。
3.根据权利要求1所述的仓储物品规划方法，其特征在于，在所述基于对所述第一规划模型求解得到第一优化出库量和第一优化本地满足率的步骤之后，所述仓储物品规划方法还包括：根据所述仓储数据确定各品类物品的销量波动率，根据所述第一优化出库量、所述第一优化本地仓库满足率、所述销量波动率和第二约束条件构建第二规划模型，基于对所述第二规划模型求解得到本地仓库对应的优化品类集合。
4.根据权利要求3所述的仓储物品规划方法，其特征在于，所述第二约束条件包括下列中的一种或多种：松弛变量约束和品类变量约束，
其中，所述松弛变量约束表示对本地仓库的最大出库量进行适当松弛，以利于确定优化品类集合，从而达到最小化仓储物品的品类数量的目的。
5.根据权利要求3所述的仓储物品规划方法，其特征在于，所述基于对所述第二规划模型求解得到本地仓库对应的优化品类集合的步骤包括：对所述第二规划模型进行求解得到候选品类集合，判断所述候选品类集合内的品类数量是否小于总品类数量，若是，确定所述候选品类集合为本地仓库对应的优化品类集合。
6.根据权利要求5所述的仓储物品规划方法，其特征在于，若所述候选品类集合内的品类数量等于总品类数量，所述仓储物品规划方法还包括：调整所述第二约束条件中松弛变量约束的松弛系数。
7.根据权利要求3所述的仓储物品规划方法，其特征在于，在所述基于对所述第二规划模型求解得到本地仓库对应的优化品类集合的步骤之后，所述仓储物品规划方法还包括：根据所述优化品类集合中各品类对应的站点需求量、本地仓库满足率、第三约束条件构建第三规划模型，基于对所述第三规划模型求解得到第二优化出库量和第二优化本地仓库满足率。
8.根据权利要求7所述的仓储物品规划方法，其特征在于，第三约束条件包括下列中的一种或多种：库存量约束、出库量约束和本地仓库满足率约束。
9.一种仓储物品规划装置，其特征在于，包括：
仓储数据获取模块，用于获取仓储数据；
模型构建模块，用于根据所述仓储数据、本地仓库满足率和约束条件构建规划模型；
规划模块，用于基于对所述规划模型求解得到优化出库量和优化本地仓库满足率，
其中，所述本地仓库满足率由本地仓库配送至覆盖站点的单量/该站点收到的总单量表示，
所述仓储数据包括：本地仓库对应的全部站点的站点需求量和本地仓库中各品类物品的周转期；所述基于对所述规划模型求解得到优化出库量和优化本地满足率的步骤包括：根据所述站点需求量、所述周转期、仓库属性数据、本地仓库满足率以及第一约束条件构建第一规划模型；基于对所述第一规划模型求解得到第一优化出库量和第一优化本地仓库满足率，其中，所述站点需求量包括各站点中全部物品的总需求量和各品类物品的需求量，并且
所述第一约束条件包括下列中的一种或多种：库存量约束、出库量约束和本地仓库满足率约束。
10.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-8中任一所述的方法。
11.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-8中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010082688.8A CN113256192B (zh) | 2020-02-07 | 2020-02-07 | 一种仓储物品规划方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010082688.8A CN113256192B (zh) | 2020-02-07 | 2020-02-07 | 一种仓储物品规划方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113256192A CN113256192A (zh) | 2021-08-13 |
| CN113256192B true CN113256192B (zh) | 2024-09-20 |
Family
ID=77219284
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010082688.8A Active CN113256192B (zh) | 2020-02-07 | 2020-02-07 | 一种仓储物品规划方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113256192B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115009755B (zh) * | 2022-04-13 | 2024-04-05 | 北京京东振世信息技术有限公司 | 一种仓储系统设备的控制方法和装置 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109993469A (zh) * | 2017-12-29 | 2019-07-09 | 北京京东尚科信息技术有限公司 | 货物调度信息生成方法与装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10373117B1 (en) * | 2016-11-15 | 2019-08-06 | Amazon Technologies, Inc. | Inventory optimization based on leftover demand distribution function |
| CN109677830B (zh) * | 2019-02-28 | 2021-04-16 | 陕西科技大学 | 一种四向穿梭车式密集仓储系统资源配置优化方法 |
| CN110570115A (zh) * | 2019-09-03 | 2019-12-13 | 上海百胜软件股份有限公司 | 处理大规模订单高效分配的方法和系统 |
| CN110648099B (zh) * | 2019-09-20 | 2024-10-29 | 北京三快在线科技有限公司 | 仓储资源的分配方法、装置、电子设备及存储介质 |
-
2020
- 2020-02-07 CN CN202010082688.8A patent/CN113256192B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109993469A (zh) * | 2017-12-29 | 2019-07-09 | 北京京东尚科信息技术有限公司 | 货物调度信息生成方法与装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113256192A (zh) | 2021-08-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110348771B (zh) | 一种对订单进行组单的方法和装置 | |
| CN110826831A (zh) | 对仓库的拣选区补货的方法和装置 | |
| CN113259144B (zh) | 一种仓储网络规划方法和装置 | |
| CN111044062B (zh) | 路径规划、推荐方法和装置 | |
| CN111695840A (zh) | 一种实现流程控制的方法和装置 | |
| CN110648089A (zh) | 一种确定物品送达时效的方法和装置 | |
| CN112784212B (zh) | 一种优化库存的方法和装置 | |
| CN110827102B (zh) | 用于调货比价的方法和装置 | |
| CN111798167B (zh) | 一种仓库补货的方法和装置 | |
| CN113780611A (zh) | 一种库存管理方法和装置 | |
| CN110895761B (zh) | 一种售后服务申请信息的处理方法和装置 | |
| CN113256192B (zh) | 一种仓储物品规划方法和装置 | |
| CN113760521B (zh) | 一种虚拟资源的分配方法和装置 | |
| CN113450042B (zh) | 一种确定补货量的方法和装置 | |
| CN112819555B (zh) | 一种物品推荐方法和装置 | |
| CN116777324A (zh) | 一种物流网络调度的方法和装置 | |
| CN112926907B (zh) | 一种仓库库存布局方法和装置 | |
| CN114677174A (zh) | 一种计算未上架物品销量的方法和装置 | |
| CN112668949B (zh) | 拣货的方法和装置 | |
| CN115115313A (zh) | 一种订单时效管理方法和装置 | |
| CN112785213B (zh) | 一种仓库拣货单的组建方法和装置 | |
| CN113538080A (zh) | 一种任务单拆分方法和装置 | |
| CN113762576B (zh) | 一种物品调拨方法、装置、电子设备以及介质 | |
| CN112734314B (zh) | 确定选品集合的方法和装置 | |
| CN111415019A (zh) | 一种处理物品入库预约请求信息的方法和装置 |
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 |