一种物流仓储管理方法及系统与流程

本发明提出了一种物流仓储管理方法及系统，属于智能仓储。

背景技术：

1、近年来，随着全球电子商务的蓬勃发展和市场需求的日益增长，传统的仓库管理方式已经难以满足现代物流行业对于高效率、低成本和高可靠性的要求。此外，随着技术的进步，客户对于货物处理的速度、精度以及可追踪性有了更高的期望。传统仓储管理方法存在以下问题，货物再订货时，往往按照以往的人为经验来定，容易出错，不能迎合市场变化，商品在入库时，不能考虑商品未来的可能销售量来进行仓储，会导致存放在最里面的货物频繁出入库，导致出库时耗费资源，或是不能按照商品之间的关联度来仓储，有的商品可能看起来不相关，但用户在购买商品时可能因为平台促销或凑单活动往往购买这个商品就一定会购买另一个商品，或是传统的仓库发货按照客户下单时间处理订单，导致订单处理速度慢，影响整体平均发货时间。

技术实现思路

1、本发明提供了一种物流仓储管理方法及系统，用以解决上述提到的问题：

2、本发明提出的一种物流仓储管理方法，所述方法包括：

3、获取历史库存信息，根据所述历史库存信息预测需求库存，根据预测的需求库存获取再订货点，当实际库存达到或低于再订货点时，向管理人员发送报警信息，提醒其订货；

4、订货后，获取日用品的物流仓储仓库的入库单，预测所述入库单的货物的销售情况，根据货物的预测销售情况为销售量高的货物分配货位；

5、获取不同货物被浏览、被加入购物车和被购买的信息，根据信息获取货物关联度，根据货物关联度为与销售量高的货物关联度大的货物分配货位；

6、货物出库时，在预设的时间间隔内根据订单拣货时间确定货物出库顺序。

7、进一步的，获取历史库存信息，根据所述历史库存信息预测需求库存，根据预测的需求库存获取再订货点，当实际库存达到或低于再订货点时，向管理人员发送报警信息，提醒其订货，包括：

8、获取历史库存信息，所述历史库存信息包括：历史库存数据、对应货物的促销活动数据和季节性因素；

9、对获取的信息进行整理和清洗，通过季节性arima预测未来库存需求；

10、所述通过季节性arima预测未来库存需求包括：

11、将历史数据分为训练集和验证集；

12、使用训练集数据训练初始需求预测模型；

13、使用所述初始需求预测模型对验证集数据进行预测，根据预测结果修改模型得到需求预测模型使用所述初始需求预测模型对验证集进行预测，得到预测库存需求数量dj；

14、根据预测值计算再订货点，再订货点计算模型为：

15、

16、其中，r为货物的再订货点，μ为预测的货物的平均需求数量，为平均交货时间，z是货物对应于所需服务水平的安全系数，n为预测点的数量，为实际库存需求数量，dj为预测库存需求数量；

17、当货物库存量达到或低于再订货点时，向管理人员发送报警信息，提醒其订货。

18、进一步的，订货后，获取日用品的物流仓储仓库的入库单，预测所述入库单的货物的销售情况，根据货物的预测销售情况为货物分配货位，包括：

19、订货后，获取入库单，获得入库单中的货物种类，获取每种货物的历史销售数据、库存数据和季节性变化数据；

20、根据历史销售数据、库存数据和季节性变化数据预测每种货物的销售情况；

21、根据预测销售量对货物进行降序排序；

22、根据从起始拣货点到货位的拣货距离对货位进行升序排序；

23、将排序在前50%的货物依次分配到排序后的货位上。

24、进一步的，获取不同货物被浏览、被加入购物车和被购买的信息，根据信息获取货物关联度，根据货物关联度为与销售量高的货物关联度大的货物分配货位，包括：

25、获取该物流仓库中不同货物被浏览、被加入购物车和被购买的信息，通过货物关联度模型计算货物关联度；

26、所述货物关联度模型为：

27、

28、其中，是时间 t 下货物 i 和货物 j 之间的关联度，分别代表货物 i和货物 j 的具体行为，所述具体行为包括购买、浏览和加入购物车，代表在时间t 同时发生货物 i 处于状态和货物 j 处于状态的概率，代表在时间 t 货物 i处于状态的独立发生概率，代表在时间t货物 j 处于状态的独立发生概率；

29、获取预测销售量排在后50%的货物与预测销售量排在前50%的货物的关联度；

30、将排在前50%的货物的预测销售量从高到低排序，将预测销售量排在后50%的货物与前50%的货物关联度排序，获取与前50%的货物的货物关联度最大的在后50%的货物，将其分配到距离前50%的货物最近的空闲货位，当关联度最大的货物已被分配货位时，获取没被分配货位的关联度最大的货物，为其分配与前50%的货物中距离最近的货位。

31、进一步的，货物出库时，在预设的时间间隔内根据订单拣货时间确定货物出库顺序，包括：

32、在预设的时间间隔内接收到多个订单时，获取每个订单拣货时间；

33、将在预设时间间隔内的订单按照订单拣货时间从少到多的顺序进行发货；

34、将搬运指令发送给拣货设备，所述拣货设备按照顺序进行拣货。

35、本发明提出的一种物流仓储管理系统，所述系统包括：

36、订货模块，用于获取历史库存信息，根据所述历史库存信息预测需求库存，根据预测的需求库存获取再订货点，当实际库存达到或低于再订货点时，向管理人员发送报警信息，提醒其订货；

37、销售分配货位模块，用于订货后，获取日用品的物流仓储仓库的入库单，预测所述入库单的货物的销售情况，根据货物的预测销售情况为销售量高的货物分配货位；

38、关联分配货位模块，用于获取不同货物被浏览、被加入购物车和被购买的信息，根据信息获取货物关联度，根据货物关联度为与销售量高的货物关联度大的货物分配货位；

39、出库模块，用于货物出库时，在预设的时间间隔内根据订单拣货时间确定货物出库顺序。

40、进一步的，所述订货模块包括：

41、获取历史信息模块，用于获取历史库存信息，所述历史库存信息包括：历史库存数据、对应货物的促销活动数据和季节性因素；

42、预测模块，用于对获取的信息进行整理和清洗，通过季节性arima预测未来库存需求；

43、所述通过季节性arima预测未来库存需求包括：

44、将历史数据分为训练集和验证集；

45、使用训练集数据训练初始需求预测模型；

46、使用所述初始需求预测模型对验证集数据进行预测，根据预测结果修改模型得到需求预测模型使用所述初始需求预测模型对验证集进行预测，得到预测库存需求数量dj；

47、根据预测值计算再订货点，再订货点计算模型为：

48、

49、其中，r为货物的再订货点，μ为预测的货物的平均需求数量，为平均交货时间，z是货物对应于所需服务水平的安全系数，n为预测点的数量，为实际库存需求数量，dj为预测库存需求数量；

50、提醒订货模块，用于当货物库存量达到或低于再订货点时，向管理人员发送报警信息，提醒其订货。

51、进一步的，所述销售分配货位模块包括：

52、获取每种货物销售数据模块，用于订货后，获取入库单，获得入库单中的货物种类，获取每种货物的历史销售数据、库存数据和季节性变化数据；

53、预测销售模块，用于根据历史销售数据、库存数据和季节性变化数据预测每种货物的销售情况；

54、销售排序模块，用于根据预测销售量对货物进行降序排序；

55、距离排序模块，用于根据从起始拣货点到货位的拣货距离对货位进行升序排序；

56、分配模块，用于将排序在前50%的货物依次分配到排序后的货位上。

57、进一步的，所述关联分配货位模块包括：

58、计算货物关联度模块，用于获取该物流仓库中不同货物被浏览、被加入购物车和被购买的信息，通过货物关联度模型计算货物关联度；

59、所述货物关联度模型为：

60、

61、其中，是时间 t 下货物 i 和货物 j 之间的关联度，分别代表货物 i和货物 j 的具体行为，所述具体行为包括购买、浏览和加入购物车，代表在时间t 同时发生货物 i 处于状态和货物 j 处于状态的概率，代表在时间 t 货物 i处于状态的独立发生概率，代表在时间t货物 j 处于状态的独立发生概率；

62、获取销售量关联度模块，用于获取预测销售量排在后50%的货物与预测销售量排在前50%的货物的关联度；

63、排序分配货位模块，用于将排在前50%的货物的预测销售量从高到低排序，将预测销售量排在后50%的货物与前50%的货物关联度排序，获取与前50%的货物的货物关联度最大的在后50%的货物，将其分配到距离前50%的货物最近的空闲货位，当关联度最大的货物已被分配货位时，获取没被分配货位的关联度最大的货物，为其分配与前50%的货物中距离最近的货位。

64、假设有两个商品：商品 i 和商品 j，在某个时间段 t，用户可以对这两个商品执行以下三种操作状态：购买（b）、浏览（v）和加入购物车（a）,

65、在这个场景中，商品i和商品j的所有可能状态组合如下：

66、（xi=b，xj=b）：商品i和商品j都被购买, （xi=b，xj=v）：商品i被购买，商品j被浏览，（xi=b，xj=a）:商品i被购买，商品j被加入购物车，（xi=v，xj=b）商品i被浏览, 商品j被购买，（xi=v，xj=v）: 商品i和商品j都被浏览，（xi=v，xj=a）商品i被浏览，商品j被加入购物车，（xi=a，xj=b）: 商品i被加入购物车, 商品j被购买，（xi=a，xj=v）: 商品i被加入购物车, 商品j被浏览，（xi=a，xj=a）: 商品i和商品j都被加入购物车，我们需要计算每个状态组合的概率p（xi,xj,t）以及单独的概率p（xi, t）和 p（xj, t），然后将这些值代入公式进行计算并求和。

67、进一步的，一种物流仓储管理系统，所述出库模块包括：

68、获取订单拣货时间模块，用于在预设的时间间隔内接收到多个订单时，获取每个订单拣货时间；

69、拣货时间排序模块，用于将在预设时间间隔内的订单按照订单拣货时间从少到多的顺序进行发货；

70、发送指令模块，用于将搬运指令发送给拣货设备，所述拣货设备按照顺序进行拣货。

71、本发明有益效果：库存管理优化，准确的需求预测与及时的补货可以显著减少缺货或过剩库存的情况，从而减少资本占用和仓储成本；提高操作效率，通过优化货位分配和智能化拣货策略，可以减少员工在仓库内的移动时间，加快整体的货物处理速度，提高工作效率；增加销售额，确保热销商品及其相关商品的充分库存和快速出库，可以提升顾客满意度，减少销售机会的丢失，从而可能增加整体销售额；响应市场需求的灵活性，系统的快速响应能力，使得仓库可以灵活适应市场需求变化，特别是在促销高峰期（如供应链中断）情况下；总的来说，该技术方案通过综合利用数据分析、自动化系统和智能算法，极大地提升了库存管理的智能化水平，降低运营成本，提高客户服务质量。