CN104021426A - 一种基于产品多维元素结合的货位优化***及方法 - Google Patents

Abstract

本发明涉及一种基于产品多维元素结合的货位优化***及方法，属于物流仓储技术领域。本发明通过坐标曲线、矩阵模型等方式，综合了与产品相关的出库量、出库频率、产品本身特性等各种因素，将产品分成六种类型，并基于分类给出详细的货位分布模型，最终构建了多维因素结合的货位优化方式。本发明对于提高仓容利用率，缩短出入库时间，提高存储设备的使用具有十分积极的作用，适用于各种周转仓库。

Description

一种基于产品多维元素结合的货位优化***及方法

技术领域

本发明涉及一种基于产品多维元素结合的货位优化***及方法，属于物流—仓储技术领域。

背景技术

当前的货位优化方法主要依靠ABC分类法来完成，ABC分类法又称重点管理法，是根据事物在技术或者经济方面的主要特征，进行分类排队，分清重点和一般，从而有区别地确定管理方式的一种技术方法。在货位规划的应用中，通常是将产品按照出库量的大小分成三类，从理论上来讲，A类是年度或月度出库量最大的产品，这些产品可能占到产品总数的百分之十五，但其出库量却占到产品总数的百分之七十到八十，B类是年度或月度出库量中等的产品，这些产品占全部产品的百分之三十，占总出库量的百分之十五到二十五；C类是年度或月度出库量最低的产品，只占全部出库量的百分之五，却占产品总数的百分之五十五。根据ABC的分类，在进行货位规划时，优先考虑A类产品，将其放置在离出口和通道最近的位置，以便于产品的出入库管理；之后考虑B类产品，将其放置在除A类产品以外较为靠近出口和通道的位置；最后安排C类产品，一般放置在A、B类产品以外的位置。由此可见，ABC分类技术主要解决仓库物品位置规划问题。

但是ABC分类法仅仅依靠单一的指标，如出库量的大小对产品进行分类，忽视了与产品相关的其他元素，如产品价值、产品年度库存货币占有量、出入库频率等，具有一定的片面性和局限性，依靠该技术进行仓库规划合理性不强、精度较低，导致了产品出入库耗时费力，阻滞了产品流转效率的提升。

发明内容

本发明技术解决问题：克服现有技术的不足，提供一种基于产品多维元素结合的货位优化***及方法，克服了ABC分类法精度低、***化程度低的障碍，能够有效提高仓库货物流转效率、增大库容率、减少人工和设备的消耗，为企业提供一种***性的、全新的仓库布局技术***和方法。

本发明技术解决方案：一种基于产品多维元素结合的货位优化***，包括：中心服务器、仓库服务器和终端服务器；中心服务器通过局域网与仓库服务器连通信，仓库服务器通过局域网与终端服务器相通信；所述中心服务器接收客户订单，仓库服务器内运行数据采集模块，终端服务器内运行数据处理模块、产品单一元素分类模块、第一产品综合分类及仓库规划模块和第二产品综合分类及仓库规划模块；其中：

仓库服务器中的数据采集模块：在产品入库时，通过RFID技术(无线射频识别技术)扫描记录与产品自身相关的属性，包括产品的重量、体积以及易碎、易形变方面，传送至仓库服务器进行存储；仓库服务器接收中心服务器发来的订单，形成产品的年度会月度出库量及出库频率，综合整理每一类型的年度或月度产品属性及出库信息，形成EXCEL记录文件，通过局域网送至终端的数据处理模块；

终端服务器中的数据处理模块：接受数据采集模块产生的数据记录文件，选择之前一年的数据作为样本，根据仓库内产品的整体情况，设置相关的数据指标；在产品出库情况方面，依据ABC分类法方法和原则分别划分产品出库量和出库频率的数据区间；在产品自身属性方面，设置固定值h和w分别衡量产品体积和重量，若产品的体积大于h，或产品的重量大于w，或产品具有易碎、易变形的特征，设定该产品具有特殊性，形成区间划分数据以及产品属性设置数据记录文件，保存在终端服务器中，送至产品单一划分模块；

终端服务器中的产品单一元素分类模块：接受数据处理模块产生的产品区间划分数据及产品属性设置值，依照两类划分数据和一种设置值将产品分别进行三种形式的分类：按照产品月度或年度出库量的大小，记为A/B/C三类；按照产品月度或年度出库频率的高低，记为H/M/L三类；考察产品的重量、体积和特性，用ε来表示，若产品不存在重量、体积或其他要求，令ε＝1，将产品所有分类数据送至第一产品综合分类及仓库规划模块；若产品过大、过重或易碎、易形变，令ε＝D，将产品所有分类数据送至第二产品综合分类及仓库规划模块中；

终端服务器中的第一产品综合分类及仓库规划模块：接受产品单一元素划分模块产生的产品分类数据，由于ε＝1，所有的产品不涉及本身特性问题，只关注货物的出库量和出库频率；根据产品单一元素分类模块产生的数据，出库量和出库频率由大到小各分了三个等级，调用矩阵运算函数，产品综合产生9种类型：

为了在产生货位规划模型时更加简便易行，将9种产品类型进行聚合，形成三种产品大类并确定优先级：

按照优先级更新货位规划技术模型，通过局域网将技术模型传送至仓库服务器进行应用，优化的仓库布局模型解决了原技术中产品类型划分单一性的不足。

第二产品综合分类及仓库规模块：接受产品单一元素划分模块产生的产品分类数据，由于ε＝D，而D的值大于1，说明仓库中存在体积过大、质量过重或易碎、易形变的产品，需重点考虑；按照是否具有特殊性，产品分为两类；按照出库量数据，产品分为三类；按照出库频率数据，产品分为三类，调用矩阵运算函数，得到18种产品类型：

将18种类型产品聚合，得到6种产品大类及其优先级，

基于产品类型和优先级更新货位规划技术模型，通过局域网将技术模型传送至仓库服务器进行应用，优化的仓库布局模型解决了原技术中完全忽视产品特殊性、产品类型划分依据单一性的不足，提高了技术的适用性、并拓展了技术的应用领域。

本发明与现有技术相比的优点在于：

(1)本发明通过综合考虑产品的出库量、出库频率以及产品特性，优化了仓库布局技术模型，有效解决原有技术的片面性和局限性，使技术的精度和实用性得到大幅度提高，在仓库中运用该技术，有助于增大库容率、减少人工和设备的消耗，最终提升仓库流转效率。

(2)本发明给出了一种全新的矩阵分类技术模式，运用矩阵的运算将产品类型进行细分，再根据矩阵特点将相似的产品进行聚合。该技术能够有效抓住产品的特点，分类科学合理，在产品库存管理及仓库规划方面均具有一定的推广使用性。

附图说明

图1为本发明的组成框图；

图2为本发明的数据采集模块流程图；

图3为本发明的数据处理模块流程图；

图4为本发明的产品单一元素分类流程图；

图5为本发明的第一产品综合分类及仓库规划模块流程图；

图6为本发明的产品分类坐标图；

图7为本发明中9种产品分类矩阵图；

图8为本发明中不考虑产品特性的货位分布图；

图9为本发明的第二产品综合分类及仓库规划模块流程图；

图10为本发明中18种产品分类矩阵；

图11为本发明中考虑产品特性的货位分布图。

具体实施方式

如图1所示，本发明包括：中心服务器、仓库服务器和终端服务器；中心服务器接收客户订单，仓库服务器内运行数据采集模块，终端服务器内运行数据处理模块、产品单一元素分类模块、第一产品综合分类及仓库规划模块第二产品综合分类及仓库规模块。

其中硬件设备选型：

中心服务器，接收客户发来的订单，并将订单传送至仓库服务器，最低配置要求：

CPU主频：128GHz

内存：64GB

硬盘容量：128T

以太网卡：千兆

仓库服务器，接受订单，存储产品信息，生成数据文件，最低配置要求：

CPU主频：128GHz

内存：64GB

硬盘容量：128T

终端服务器，生成货位规划优化技术模型，最低配置要求：

CPU主频：3GHz

内存：3.2GB

硬盘容量：2T

以太网卡：百兆

RFID扫描仪，获取产品属性信息；

键盘，对服务器进行指挥和操纵

整个实现过程如下：

(1)在产品入库时，通过RFID技术(无线射频识别技术)扫描记录与产品自身相关的属性，包括产品的重量、体积以及产品特殊性(主要体现在易碎、易形变等方面)，将数据结果存储至仓库服务器；同时仓库服务器接收中心服务器发来的订单，整理形成产品的年度或月度出库量及出库频率，之后综合汇总每一种产品的产品属性及出库信息，形成EXCEL记录文件，通过局域网送至终端的数据处理模块。

(2)终端接收数据采集模块形成的数据记录文件，通过键盘控制服务器对数据进行分析和处理，设置产品的分类区间。在产品出库情况方面，依据ABC分类法方法和原则将产品出库量和产品出库频率分别划分为三个数据区间；在产品自身属性方面，设置固定值h和w分别衡量产品体积和重量，若产品的体积大于h，或产品的重量大于w，或产品具有易碎、易变形的特征，设定该产品需要特殊处理。保存区间划分数据以及产品属性设置值至服务器，送至产品单一划分模块。

(3)根据数据处理模块的结果，将产品按照单一元素进行分类。首先是依据产品月度或年度出库量，将产品记为A、B、C三类；其次依据产品月度或年度出库频率，将产品记为H、M、L三类；最后对比每一种产品体积、重量与h、m的大小，以及是否易碎和变形情况，考察产品是否需要特殊处理，若否，则产生的上述所有数据结果供第一产品综合分类及仓库规划模块调用、若是，则产生的上述所有数据结果供第二产品综合分类及仓库规划模块调用。

(4)若产品不涉及过大、过重或易碎、易变形的情况，则只关注货物的出库量和出库频率，根据这两个元素将产品各分为三种类别，并产生9种排列组合方式，再将产品综合划为重要、一般、次要三种大类，据此产生优化的货位规划技术模型。否则，按照产品是否需要特殊处理分为两类，按照出库量与出库频率各分为三类，产生18种排列组合方式，再将产品聚合为6种大类，之后产生优化的货位规划技术模型。将技术模型通过局域网再传送至仓库服务器，更新仓库货位布局。

下面对所有的模块进行详细说明。

1.数据采集模块

该模块的实现过程如图2所示：

(1)产品入库时，通过RFID设备获取所有产品属性信息，将体积、重量、特殊性等相关数据保存至仓库服务器中，生成数据文件。

(2)仓库服务器接收中心服务器发来的订单，整理形成产品的年度或月度出库量及出库频率，生成数据文件。

(3)汇总上述两种数据文件，生成仓库每一种产品的属性信息和出库信息，形成EXCEL汇总表。

(4)通过局域网发送至终端的数据处理模块。

2.数据处理模块

该模块的实现过程如图3所示：

(1)接受数据采集模块产生的数据文件。

(2)汇总产品月度或年度出库量及出库频率数据，根据ABC分类法原理，分别将两组数据划分成三个区间。

(3)根据仓库内叉车、人工等实际情况，设立体积指标h以及重量指标m，将体积大于h，或重量大于m，或产品易碎、易变形的产品设定为特殊产品。

(4)将数据信息保存至终端服务器。

(5)数据信息发送至产品单一元素分类模块。

3.产品单一元素分类模块

该模块的实现过程如图4所示：

(1)接受数据处理模块产生的数据区间划分以及体积、重量设置值。

(2)将所有产品的月度或年度出库量与出库量数据区间进行匹配，按照匹配结果将产品分为A\B\C三类，记为φ，

$\mathrm{\φ}=\left(\begin{array}{c}A\\ B\\ C\end{array}\right)$

其中A为出库量较大的产品；B为出库量适中的产品；C为出库量较小的产品。

(3)将所有产品的月度或年度出库频率与出库频率数据区间进行匹配，按照匹配结果将产品分为H/M/L三类，记为θ，

$\mathrm{\θ}=\left(\begin{array}{c}H\\ M\\ L\end{array}\right)$

其中H为出库频率较大的产品；M为出库频率适中的产品；L为出库频率较小的产品。

(4)将h，m与产品的体积、重量进行对比，用ε来表示，若产品过重、过大或易碎，则令ε＝D≥1，若产品不存在重量、体积等的限制，也没有特殊性要求，则令ε＝1，

$\mathrm{\ϵ}=\left(\begin{array}{c}1\\ 0\\ D\end{array}\right)$

(5)若D＝1，将产品分类数据发送至第一产品综合分类及货位规划模块；若D＞1，将产品分类数据发送至第二产品综合分类及货位规划模块。

4.第一产品综合分类及货位规划模块：

该模块的实现过程如图5所示：

(1)接受产品单一元素分类模块产生的产品分类数据。

(2)对产品进行综合分类，详细过程如下：

调用矩阵运算函数，由于D＝1，所以

$\mathrm{\φ}\×\mathrm{\θ}\×\mathrm{\ϵ}=\left(\begin{array}{c}A\\ B\\ C\end{array}\right)\left(\begin{array}{ccc}H& M& L\end{array}\right)\left(\begin{array}{ccc}1& 0& 1\end{array}\right)=\left(\begin{array}{ccc}\mathrm{AH}& \mathrm{AM}& \mathrm{AL}\\ \mathrm{BH}& \mathrm{BM}& \mathrm{BL}\\ \mathrm{CH}& \mathrm{CM}& \mathrm{CL}\end{array}\right)$

即在不考虑产品本身特性的前提下，仅依靠出库量与频率可将产品分为9类：

$\left[\begin{array}{ccc}\mathrm{AH}& \mathrm{AM}& \mathrm{AL}\\ \mathrm{BH}& \mathrm{BM}& \mathrm{BL}\\ \mathrm{CH}& \mathrm{CM}& \mathrm{CL}\end{array}\right]$

9类产品具有一定的规律性特征：AH型是出库量最大同时出库频率高的产品，应在货位规划中优先考虑；而CL型则是出库量最小、出库频率最低的产品，在货位分配中不占据重要的地位。

(3)运用象限图理论，将9种产品分类从坐标系的角度进行考察，其情形如图6所示，因此根据象限图，再将9种小分类聚合成三种大类：第一类是AH、BH和AM，记为Ⅰ，这一类产品的特点为出库量较大、出入库频率较高，是重点产品；第二类是BH、BM和BL，记为Ⅱ，这一类产品的特点是出库量和频率均中等，或者有一方较大、一方较小，是一般产品；第三类是CM、BL、CL，记为Ⅲ，这一类的产品无论从出库量的角度还是从出库频率的角度来看都是较少的，是次要产品。这三种大类的划分在矩阵图中的规律如图7所示。

(4)根据产品优化货位规划技术模型：第Ⅰ类的产品放置在离出口和通道最近的位置，第Ⅱ类产品放置在离出口和通道适中的位置，第Ⅲ类产品放置第Ⅰ类和第Ⅱ类产品以外的位置。详细的货位分布模型如图8所示。

(5)不考虑产品特殊性的货位规划技术模型完成，将技术模型通过局域网从终端服务器发送至仓库服务器，根据技术模型完成仓库布局规划。

5.第二产品综合分类及仓库规划模块

该模块的实现过程如图9所示：

(1)接受产品单一元素分类模块产生的分类数据。

(2)对产品进行综合分类，详细过程如下：

由于D>1，说明产品中存在体积过大、质量过重或具有特殊性(如易碎品)的产品，调用矩阵运算函数，此时，

$\mathrm{\φ}\×\mathrm{\θ}\×\mathrm{\ϵ}=\left(\begin{array}{c}A\\ B\\ C\end{array}\right)\left(\begin{array}{ccc}H& M& L\end{array}\right)\left(\begin{array}{ccc}1& 0& D\end{array}\right)=\left(\begin{array}{ccc}\mathrm{AH}+\mathrm{AM}+\mathrm{AL}& 0& \mathrm{AHD}+\mathrm{AMD}+\mathrm{ALD}\\ \mathrm{BH}+\mathrm{BM}+\mathrm{BL}& 0& \mathrm{BHD}+\mathrm{BMD}+\mathrm{BLD}\\ \mathrm{CH}+\mathrm{CM}+\mathrm{CL}& 0& \mathrm{CHD}+\mathrm{CMD}+\mathrm{CLD}\end{array}\right)$

在考虑产品本身特性的前提下，产品根据出库量、出入库频率与本身特性共产生18种分类：

$\left[\begin{array}{cccccc}\mathrm{AH}& \mathrm{AM}& \mathrm{AL}& \mathrm{AHD}& \mathrm{AMD}& \mathrm{ALD}\\ \mathrm{BH}& \mathrm{BM}& \mathrm{BL}& \mathrm{BHD}& \mathrm{BMD}& \mathrm{BLD}\\ \mathrm{CH}& \mathrm{CM}& \mathrm{CL}& \mathrm{CHD}& \mathrm{CMD}& \mathrm{CLD}\end{array}\right]$

(3)在Ⅰ、Ⅱ、Ⅲ划分的基础上，将AHD、AMD、BHD列为一大类，其含义为以D为约束的重点产品，记为Ⅰ’；将ALD、BMD、CHD列为一大类，其含义为以D为约束的一般产品，记为Ⅱ’；将CMD、BLD、CLD列为一大类；其含义为以D为约束的次要产品，记为Ⅲ’。由此，上述18种小的分类聚合成6种大的分类，在矩阵中，这六种大的分类的规律如图10所示，前文中已提到，本发明首先考虑产品是否具有特殊性，在图10的矩阵中，左侧属于不具有特殊性的产品，右侧属于具有特殊性的产品，为了使货位划分更加简便易行，分别将左侧的9类产品及右侧的9类产品按照相关特征共聚合成六大类，并根据产品的特殊性、出库量及出库频率特征确定优先级。

(4)在六种产品分类的货位规划中，货位安排的优先级顺序为：Ⅰ’、Ⅰ(AH)、Ⅱ’、Ⅰ(AM、BH)Ⅱ、Ⅲ’、Ⅲ。即在整体从重要到次要的排列中优先考虑过重、过大或者易碎的产品，因为这些产品需要耗费更多的人力和物力。

(5)根据产品的优先级优化货位规划技术模型，详细货位分布技术模型如图11所示，首先安排具有特殊性、出库量与出库频率所占比重均在20％以上的产品，将其放置在靠近门口的位置，易于存放及出库；其次安排不具有特殊性、出库量与出库频率所占比重均在20％以上的产品，将其放置在离门口稍远的主通道上，便于进出库；再次安排其他所有具有特殊性的产品，这类产品由于易碎、过大或过重，在进行存取时需要格外注意，因此应优先安排货位；最后安排其他所有不具有特殊性的产品，根据产品出库量与出库频率的大小对货位进行合理规划。

(6)考虑产品特殊性的仓库规划技术模型完成；将技术模型通过局域网从终端服务器发送至仓库服务器，根据技术模型更新货位布局。

Claims (2)

1.一种基于产品多维元素结合的货位优化***，其特征在于包括：中心服务器、仓库服务器和终端服务器；中心服务器通过局域网与仓库服务器连通信，仓库服务器通过局域网与终端服务器相通信；所述中心服务器接收客户订单，仓库服务器内运行数据采集模块，终端服务器内运行数据处理模块、产品单一元素分类模块、第一产品综合分类及仓库规划模块和第二产品综合分类及仓库规划模块；其中：

仓库服务器中的数据采集模块：在产品入库时，通过RFID技术(无线射频识别技术)扫描记录与产品自身相关的属性，包括产品重量、体积、易碎及易形变方面，传送至仓库服务器进行存储；仓库服务器接收中心服务器发来的订单，形成产品的年度会月度出库量及出库频率，综合整理每一类型的年度或月度产品属性及出库信息，形成EXCEL记录文件，通过局域网送至终端的数据处理模块；

终端服务器中的数据处理模块：接受数据采集模块产生的数据记录文件，选择之前一年的数据作为样本，根据仓库内产品的整体情况，设置相关的数据指标；在产品出库情况方面，依据ABC分类法方法和原则分别划分产品出库量和出库频率的数据区间；在产品自身属性方面，设置固定值h和w分别衡量产品体积和重量，若产品的体积大于h，或产品的重量大于w，或产品具有易碎、易变形的特征，设定该产品具有特殊性，形成区间划分数据以及产品属性设置数据记录文件，保存在终端服务器中，送至产品单一划分模块；

终端服务器中的产品单一元素分类模块：接受数据处理模块产生的产品区间划分数据及产品属性设置值，依照两类划分数据和一种设置值将产品分别进行三种形式的分类：按照产品月度或年度出库量的大小，记为A/B/C三类；按照产品月度或年度出库频率的高低，记为H/M/L三类；考察产品的重量、体积和特性，用ε来表示，若产品不存在重量、体积或其他要求，令ε＝1，将产品所有分类数据送至第一产品综合分类及仓库规划模块；若产品过大、过重或易碎、易形变，令ε＝D，将产品所有分类数据送至第二产品综合分类及仓库规划模块中；

终端服务器中的第一产品综合分类及仓库规划模块：接受产品单一元素划分模块产生的产品分类数据，由于ε＝1，所有的产品不涉及本身特性问题，只关注货物的出库量和出库频率；根据产品单一元素分类模块产生的数据，出库量和出库频率由大到小各分了三个等级，调用矩阵运算函数，产品综合产生9种类型：

将9种产品类型进行聚合，形成三种产品大类并确定优先级：

按照优先级更新货位规划技术模型，通过局域网将技术模型传送至仓库服务器进行应用；

终端服务器中的第二产品综合分类及仓库规划模块：接受产品单一元素划分模块产生的产品分类数据，由于ε＝D，而D的值大于1，说明仓库中存在体积过大、质量过重或易碎、易形变的产品，需重点考虑；按照是否具有特殊性，所述特殊性是指易碎、易形变，产品分为两类；按照出库量数据，产品分为三类；按照出库频率数据，产品分为三类，调用矩阵运算函数，得到18种产品类型：

将18种类型产品聚合，得到6种产品大类及其优先级：

基于产品类型和优先级更新货位规划技术模型，通过局域网将技术模型从终端服务器传送至仓库服务器，在仓库服务器中进行应用。

2.一种基于产品多维元素结合的货位优化方法，其特征在于实现步骤如下：

(1)在产品入库时，通过无线射频识别技术，即RFID扫描记录与产品自身相关的属性，包括产品的重量、体积以及产品特殊性，所述特殊性是指易碎、易形变，存储至仓库服务器；同时仓库服务器接收中心服务器发来的订单，形成产品的年度会月度出库量及出库频率，综合整理每一类型的产品属性及出库信息，形成EXCEL记录文件，通过局域网送至终端的数据处理模块；

(2)对数据采集模块记录的数据进行分析和处理，设置产品的分类区间；在产品出库情况方面，依据ABC分类法方法和原则将产品出库量和产品出库频率分别划分为三个数据区间；在产品自身属性方面，设置固定值h和w分别衡量产品体积和重量，若产品的体积大于h，或产品的重量大于w，或产品具有易碎、易变形的特征，设定该产品需要特殊处理，在终端服务器保存区间划分数据以及产品属性设置值，送至产品单一划分模块；

(3)根据数据处理模块的结果，将产品按照单一元素进行分类，首先是依据产品月度或年度出库量，将产品记为A\B\C三类；其次依据产品月度或年度出库频率，将产品记为H/M/L三类；最后对比产品体积、重量与h、m的大小，以及是否易碎和变形情况，考察产品是否需要特殊处理，若否，则产生的数据结果供第一产品综合分类及仓库规划模块调用、若是，则产生的数据结果供第二产品综合分类及仓库规模块调用；

(4)若产品不涉及过大、过重或易碎、易变性的情况，则只关注货物的出库量和出库频率，根据这两个元素将产品各分为三种类别，并产生9种排列组合方式，再将产品综合划为重要、一般、次要三种大类，并由此安排产品货位；否则，按照产品是否需要特殊处理分为两类，按照出库量与出库频率各分为三类，产生18种排列组合方式，再将产品聚合为6种大类，之后根据产品优先级生成优化的仓库布局技术模型，通过局域网从终端服务器传送至仓库服务器，在仓库服务器中进行应用。