CN113627860A - 基于人工智能的仓库仓储一体化智能管理***及管理方法 - Google Patents
基于人工智能的仓库仓储一体化智能管理***及管理方法 Download PDFInfo
- Publication number
- CN113627860A CN113627860A CN202111182841.5A CN202111182841A CN113627860A CN 113627860 A CN113627860 A CN 113627860A CN 202111182841 A CN202111182841 A CN 202111182841A CN 113627860 A CN113627860 A CN 113627860A
- Authority
- CN
- China
- Prior art keywords
- furniture
- assembly
- order
- replenishment
- matching
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 104
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000000034 method Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 description 9
- 230000007547 defect Effects 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于人工智能的仓库仓储一体化智能管理***及管理方法,***包括家具订单参数获取模块、家具订单标准组装时长统计模块、家具订单标准组装模式确定模块、家具订单组装匹配分析模块、组装零件种类统计模块、组装零件补货参数采集模块、组装零件补货顺序匹配分析模块、管理数据库、管理云平台和预警处理终端,通过在设定时间段内分别进行家具订单组装匹配精准系数和组装零件补货顺序匹配精准系数统计,进而结合家具订单组装匹配精准系数和组装零件补货顺序匹配精准系数来评估家具仓储在设定时间段内的综合运行管理精准系数,实现了组装家具仓储的全面一体化运行管理,有效提高了组装家具仓储管理的精准度。
Description
技术领域
本发明属于仓库仓储管理技术领域,尤其涉及一种基于人工智能的仓库仓储一体化智能管理***及管理方法。
背景技术
随着社会的快速发展,人们对室内空间重视度逐渐提高,家具作为室内陈设重要的元素之一在室内环境中有着举足轻重的地位,同时伴随着时代的不断发展,人们对家具的灵活性要求越来越高,由此诞生了家具模块化设计理念。家具模块化设计是指可拆卸、可组装的家具,能够实现家具携带,搬迁的便捷,在这种情况下带动了组装家具制造企业的发展。
由于组装家具制造企业制造的家具是可以拆卸组装的,因此组装家具制造企业仓库中存储的都是各种组装零件;当有家具下单时,根据下单家具的家具类别从仓库中提取该家具类别对应的组装零件进行组装,进而在组装完成后直接进行发货。这种情况导致目前组装家具制造企业的仓储管理只是对家具组装零件的补货精准管理,这种管理方式存在以下弊端:
1.忽略了家具订单的组装精准管理,一般情况家具下单时,其下单时间点和约定发货时间点之间都有一定的间隔时长,记为标准组装时长,当下单家具的实际组装时长大于标准组装时长,会延误发货,当下单家具的实际组装时长小于标准组装时长,此时组装完成时,还未到约定发货时间点,此时就需要将组装完成的家具暂时存放在仓库中,这样就会占用库存,增加库存管理成本,由此可见家具订单的实际组装时长与标准组装时长控制得越精准越能够减少库存管理成本。
2.对家具组装零件的补货精准管理只是单纯根据组装零件的警戒库存量确定组装零件的补货优先顺序,没有考虑到组装零件的消耗速率和补货周期对补货优先顺序的影响,容易导致一些组装零件在亟需的时候因未优先补货导致库存不足,严重影响家具的正常下单发货效率。
综上可见,目前组装家具制造企业的仓储管理过于单一化,没有形成一体化的管理模式,致使仓储管理精准度不高,进而一方面导致库存管理成本高,另一方面降低了从仓储到下单发货的运行管理效率。
发明内容
技术目的:为了克服上述不足,本发明搭建了一种基于人工智能的仓库仓储一体化智能管理***及管理方法,能够有效解决相应的技术问题。
技术方案:为实现上述技术目的,本发明采用以下技术方案。
一种基于人工智能的仓库仓储一体化智能管理***,包括家具订单参数获取模块、家具订单标准组装时长统计模块、家具订单标准组装模式确定模块、家具订单组装匹配分析模块、组装零件种类统计模块、组装零件补货参数采集模块、组装零件补货顺序匹配分析模块、管理数据库、管理云平台和预警处理终端。
所述家具订单参数获取模块用于在设定时间段内统计家具订单的数量,并对各家具订单按照下单时间点的先后顺序进行编号,依次标记为1,2,...,i,...,n,同时获取各家具订单对应的订单参数。
所述家具订单标准组装时长统计模块用于从各家具订单对应的订单参数中提取下单时间点和约定发货时间点,并以此计算各家具订单对应的标准组装时长。
所述家具订单标准组装模式确定模块用于根据各家具订单对应的标准组装时长确定各家具订单对应的家具标准组装模式。
所述家具订单组装匹配分析模块用于获取各家具订单对应的家具实际组装模式和实际组装时长,并将其与各家具订单对应的家具标准组装模式和标准组装时长进行对比,从而统计家具订单组装匹配精准系数。
所述组装零件种类统计模块用于获取组装家具对应的所有组装零件种类,并对各种组装零件进行编号,分别标记为1,2,...,j,...,m。
所述组装零件补货参数采集模块用于在设定时间段内采集各种组装零件的警戒库存量、消耗速率和补货周期,其中组装零件补货参数采集模块包括组装零件警戒库存量采集单元、组装零件消耗速率采集单元和组装零件补货周期采集单元。
所述组装零件补货顺序匹配分析模块用于根据各种组装零件的补货参数确定各种组装零件的标准补货优先顺序,并获取各种组装零件在设定时间段内的实际补货优先顺序,以此将各种组装零件的实际补货优先顺序与标准补货优先顺序进行对比,统计组装零件补货顺序匹配精准系数。
所述管理云平台用于根据家具订单组装匹配精准系数和组装零件补货顺序匹配精准系数来评估家具仓储在设定时间段内的综合运行管理精准系数。
所述预警处理终端用于将家具仓储在设定时间段内的综合运行管理精准系数与预设值进行对比,若小于预设值,则向家具仓库管理人员预警,由其进行下一个设定时间段的仓储运行管理调整。
作为本发明一种优选的技术方案,所述订单参数包括订单家具类别、订单家具数量、下单时间点和约定发货时间点。
根据以上任一所述的一种基于人工智能的仓库仓储一体化智能管理***的管理方法,所述确定各家具订单对应家具标准组装模式的具体操作方法如下:A1:从各家具订单对应的订单参数中提取订单家具类别和订单家具数量。
A2:根据各家具订单对应的订单家具类别从管理数据库中分别提取各家具订单所属家具类别的单件家具对应各种组装模式的组装时长。
A3:将各家具订单对应的订单家具数量与该家具订单对应订单家具类别的单件家具对应各种组装模式的组装时长相乘得到各家具订单对应各种组装模式的总体组装时长。
A4:将各家具订单对应各种组装模式的总体组装时长与该家具订单对应的标准组装时长进行对比,从中筛选出小于标准组装时长的组装模式,并将筛选出的组装模式记为备选组装模式。
A5:将各家具订单对应备选组装模式的总体组装时长与该家具订单对应的标准组装时长进行对比,得到各家具订单对应各备选组装模式的组装时长对比值,进而从中提取出组装时长对比值最小的备选组装模式作为各家具订单的家具标准组装模式。
作为本发明一种优选的技术方案,所述统计家具订单组装匹配精准系数的具体统计过程执行以下步骤:B1:将各家具订单的家具实际组装模式与该家具订单的家具标准组装模式进行匹配,统计匹配成功的家具订单数量,并以此计算家具订单组装模式匹配精准度,表示为家具订单组装模式匹配精准度,表示为匹配成功的家具订单数量。
B2:将各家具订单对应的实际组装时长与该家具订单对应的标准组装时长进行对比,计算各家具订单对应的组装效率匹配精准度,表示为第i个家具订单对应的组装效率匹配精准度,、分别表示为第i个家具订单对应的实际组装时长、标准组装时长。
作为本发明一种优选的技术方案,所述组装零件警戒库存量采集单元用于采集各种组装零件在设定时间段内的警戒库存量,其具体采集方法包括以下步骤:C1:统计各种组装零件在设定时间段结束时间点的当前库存量。
C2:从管理数据库中提取各种组装零件对应的补货库存量,以此将各种组装零件对应的当前库存量与补货库存量相减,得到各种组装零件对应的警戒库存量。
作为本发明一种优选的技术方案,所述组装零件消耗速率采集单元用于采集各种组装零件在设定时间段内的消耗速率,其具体采集方法如下:D1:获取各种组装零件在设定时间段开始时间点的库存量。
D2:将各种组装零件在设定时间段开始时间点的库存量减去当前库存量得到各种组装零件在设定时间段的消耗量。
D3:将各种组装零件在设定时间段的消耗量除以设定时间段对应的时长得到各种组装零件在设定时间段内的消耗速率。
作为本发明一种优选的技术方案,所述组装零件补货周期采集单元用于采集各种组装零件对应的补货周期,其具体采集方法如下:E1:获取各种组装零件对应的补货地点。
E2:根据家具仓库所在位置和各种组装零件补货地点所在位置统计各种组装零件对应的补货距离。
E3:将各种组装零件对应的补货距离除以设定的补货运输速度得到各种组装零件对应的补货周期。
作为本发明一种优选的技术方案,所述确定各种组装零件对应标准补货优先顺序的具体确定过程执行以下步骤:F1:将各种组装零件对应的警戒库存量、消耗速率和补货周期构成组装零件补货参数集合,表示为第j种组装零件对应的补货参数,u表示为补货参数,u=r1,r2,r3,分别表示为警戒库存量,消耗速率,补货周期。
F3:将各种组装零件按照补货紧急系数由大到小的顺序进行编号排序,得到各种组装零件对应的标准补货优先顺序。
作为本发明一种优选的技术方案,所述组装零件补货顺序匹配精准系数的具体统计方法如下:G1:将各种组装零件的实际补货优先顺序与标准补货优先顺序进行对比匹配,若某种组装零件的实际补货优先顺序编号与该种组装零件的标准补货优先顺序编号一致,则该种组装零件匹配成功,进而统计匹配成功的组装零件数量。
作为本发明一种优选的技术方案,所述家具仓储在设定时间段内综合运行管理精准系数的评估计算公式为,表示为家具仓储在设定时间段内综合运行管理精准系数,a、b分别表示为家具订单组装匹配、组装零件补货顺序匹配对应的权重影响值,且。
有益效果:
(1)、本发明通过在设定时间段内统计家具订单的数量,并对各家具订单进行组装匹配精准性分析,得到家具订单组装匹配精准系数,同时统计家具对应的所有组装零件种类,进而在设定时间段内采集各种组装零件的补货参数,以此确定各种组装零件的标准补货优先顺序,并将其与单纯只根据组装零件警戒库存量进行组装零件补货的实际补货优先顺序进行对比,统计组装零件补货顺序匹配精准系数,由此综合家具订单组装匹配精准系数和组装零件补货顺序匹配精准系数来评估家具仓储在设定时间段内的综合运行管理精准系数,实现了组装家具仓储的全面一体化运行管理,大大弥补了目前组装家具制造企业仓储管理过于单一化的不足,有效提高了组装家具仓储管理的精准度,不仅降低了库存管理成本,还提高了从仓储到下单发货的运行管理效率,有利于提升组装家具制造企业的市场竞争力。
(2)、本发明在对设定时间段内各家具订单进行组装匹配精准性分析过程中,不仅对家具订单的组装效率精准性进行分析,还对家具订单的组装模式精准性进行分析,完善了家具订单的组装匹配精准性分析指标,使得分析结果更加全面可靠。
(3)、本发明通过设置预警处理终端,将家具仓储在设定时间段内的综合运行管理精准系数与预设值进行对比,若小于预设值,则向家具仓库管理人员预警,由其进行下一个设定时间段的仓储运行管理调整,实现了家具仓储的动态运行管理,提高了家具仓储运行管理的灵活度,让家具仓库管理人员能够根据阶段性的实际情况进行适宜调整,体现了家具仓储运行管理的智能化水平高和实用性强的特点,从而提升了家具仓储的运行管理水平。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的***模块连接示意图。
图2为本发明的组装零件补货参数采集模块连接示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例;基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1所示,一种基于人工智能的仓库仓储一体化智能管理***,包括家具订单参数获取模块、家具订单标准组装时长统计模块、家具订单标准组装模式确定模块、家具订单组装匹配分析模块、组装零件种类统计模块、组装零件补货参数采集模块、组装零件补货顺序匹配分析模块、管理数据库、管理云平台和预警处理终端。
家具订单参数获取模块与家具订单标准组装时长统计模块连接,家具订单参数获取模块和家具订单标准组装时长统计模块均与家具订单标准组装模式确定模块连接,家具订单标准组装时长统计模块和家具订单标准组装模式确定模块均与家具订单组装匹配分析模块连接,组装零件种类统计模块与组装零件补货参数采集模块连接,组装零件补货参数采集模块与组装零件补货顺序匹配分析模块连接,家具订单组装匹配分析模块和组装零件补货顺序匹配分析模块均与管理云平台连接,管理云平台与预警处理终端连接。
家具订单参数获取模块用于在设定时间段内统计家具订单的数量,并对各家具订单按照下单时间点的先后顺序进行编号,依次标记为1,2,...,i,...,n,同时获取各家具订单对应的订单参数,其中订单参数包括订单家具类别、订单家具数量、下单时间点和约定发货时间点。
家具订单标准组装时长统计模块用于从各家具订单对应的订单参数中提取下单时间点和约定发货时间点,并将约定发货时间点与下单时间点相减计算得到各家具订单对应的标准组装时长。
根据以上任一所述的一种基于人工智能的仓库仓储一体化智能管理***的管理方法,所述家具订单标准组装模式确定模块用于根据各家具订单对应的标准组装时长确定各家具订单对应的家具标准组装模式,其具体操作方法如下:A1:从各家具订单对应的订单参数中提取订单家具类别和订单家具数量。
A2:根据各家具订单对应的订单家具类别从管理数据库中分别提取各家具订单所属家具类别的单件家具对应各种组装模式的组装时长,其中各种组装模式包括单人组装模式、双人组装模式、三人组装模式等。
A3:将各家具订单对应的订单家具数量与该家具订单对应订单家具类别的单件家具对应各种组装模式的组装时长相乘得到各家具订单对应各种组装模式的总体组装时长。
A4:将各家具订单对应各种组装模式的总体组装时长与该家具订单对应的标准组装时长进行对比,从中筛选出小于标准组装时长的组装模式,并将筛选出的组装模式记为备选组装模式。
本实施例中从若干组装模式中筛选出小于标准组装时长的组装模式进行后续筛选的目的是缩小筛选范围,避免出现选择大于标准组装时长的组装模式造成延长发货的现象。
A5:将各家具订单对应备选组装模式的总体组装时长与该家具订单对应的标准组装时长进行对比,得到各家具订单对应各备选组装模式的组装时长对比值,进而从中提取出组装时长对比值最小的备选组装模式作为各家具订单的家具标准组装模式。
家具订单组装匹配分析模块用于获取各家具订单对应的家具实际组装模式和实际组装时长,并将其与各家具订单对应的家具标准组装模式和标准组装时长进行对比,从而统计家具订单组装匹配精准系数,具体统计过程执行以下步骤:B1:将各家具订单的家具实际组装模式与该家具订单的家具标准组装模式进行匹配,若某家具订单的家具实际组装模式与该家具订单的家具标准组装模式一致,则该家具订单匹配成功,由此统计匹配成功的家具订单数量,并以此计算家具订单组装模式匹配精准度,表示为家具订单组装模式匹配精准度,表示为匹配成功的家具订单数量,其中匹配成功的家具订单数量越多,家具订单组装模式匹配精准度越大,表明家具订单组装模式匹配越精准。
B2:将各家具订单对应的实际组装时长与该家具订单对应的标准组装时长进行对比,计算各家具订单对应的组装效率匹配精准度,表示为第i个家具订单对应的组装效率匹配精准度,、分别表示为第i个家具订单对应的实际组装时长、标准组装时长,其中家具订单的实际组装时长与标准组装时长越接近,组装效率匹配精准度越大,越能够减少家具订单因实际组装过快而使组装完成的家具占用库存情况的发生。
本实施例中对家具订单组装匹配的精准性分析充分考虑了组装过程,不仅对家具订单的组装效率精准性进行分析,还对家具订单的组装模式精准性进行分析,完善了家具订单的组装匹配精准性分析指标,使得分析结果更加全面可靠。
组装零件种类统计模块用于获取组装家具对应的所有组装零件种类,其中组装零件种类包括板类零件、连接零件、五金零件等,并对各种组装零件进行编号,分别标记为1,2,...,j,...,m。
参照图2所示,组装零件补货参数采集模块用于在设定时间段内采集各种组装零件的警戒库存量、消耗速率和补货周期,其中组装零件补货参数采集模块包括组装零件警戒库存量采集单元、组装零件消耗速率采集单元和组装零件补货周期采集单元。
组装零件警戒库存量采集单元用于采集各种组装零件在设定时间段内的警戒库存量,其具体采集方法包括以下步骤:C1:统计各种组装零件在设定时间段结束时间点的当前库存量。
C2:从管理数据库中提取各种组装零件对应的补货库存量,以此将各种组装零件对应的当前库存量与补货库存量相减,得到各种组装零件对应的警戒库存量。
组装零件消耗速率采集单元用于采集各种组装零件在设定时间段内的消耗速率,其具体采集方法如下:D1:获取各种组装零件在设定时间段开始时间点的库存量。
D2:将各种组装零件在设定时间段开始时间点的库存量减去当前库存量得到各种组装零件在设定时间段的消耗量。
D3:将各种组装零件在设定时间段的消耗量除以设定时间段对应的时长得到各种组装零件在设定时间段内的消耗速率。
组装零件补货周期采集单元用于采集各种组装零件对应的补货周期,其具体采集方法如下:E1:获取各种组装零件对应的补货地点。
E2:根据家具仓库所在位置和各种组装零件补货地点所在位置统计各种组装零件对应的补货距离。
E3:将各种组装零件对应的补货距离除以设定的补货运输速度得到各种组装零件对应的补货周期。
组装零件补货顺序匹配分析模块用于根据各种组装零件的补货参数确定各种组装零件的标准补货优先顺序,具体确定过程执行以下步骤:F1:将各种组装零件对应的警戒库存量、消耗速率和补货周期构成组装零件补货参数集合,表示为第j种组装零件对应的补货参数,u表示为补货参数,u=r1,r2,r3,分别表示为警戒库存量,消耗速率,补货周期。
F2:根据组装零件补货参数集合统计各种组装零件对应的补货紧急系数,其计算公式为,表示为第j种组装零件的补货紧急系数,、、分别表示为第j种组装零件的警戒库存量、消耗速率、补货周期,其中警戒库存量越小、消耗速率越大、补货周期越长,补货紧急系数越大,表明补货紧急程度越高,越应该优先补货。
F3:将各种组装零件按照补货紧急系数由大到小的顺序进行编号排序,得到各种组装零件对应的标准补货优先顺序。
本实施例中对各种组装零件在设定时间段内标准补货优先顺序的分析过程综合了组装零件的警戒库存量、消耗速率和补货周期,其分析指标全面,有效规避了单纯只根据组装零件警戒库存量进行组装零件补货优先顺序分析造成分析结果过于片面的缺陷。
组装零件补货顺序匹配分析模块此时获取各种组装零件在设定时间段内的实际补货优先顺序,这里所述的实际补货优先顺序是单纯只根据组装零件的警戒库存量确定的补货优先顺序,以此将各种组装零件的实际补货优先顺序与标准补货优先顺序进行对比,统计组装零件补货顺序匹配精准系数,其具体统计方法如下:G1:将各种组装零件的实际补货优先顺序与标准补货优先顺序进行对比匹配,若某种组装零件的实际补货优先顺序编号与该种组装零件的标准补货优先顺序编号一致,则该种组装零件匹配成功,进而统计匹配成功的组装零件数量。
G2:根据匹配成功的组装零件数量统计组装零件补货顺序匹配精准系数,表示为组装零件补货顺序匹配精准系数,表示为匹配成功的组装零件数量,其中匹配成功的组装零件数量越多,组装零件补货顺序匹配精准系数越大,表明组装零件补货顺序匹配精准度越高。
管理数据库用于存储各家具类别的单件家具对应各种组装模式的组装时长,存储各种组装零件对应的补货库存量,并存储家具订单组装匹配、组装零件补货顺序匹配对应的权重影响值。
管理云平台用于根据家具订单组装匹配精准系数和组装零件补货顺序匹配精准系数来评估家具仓储在设定时间段内的综合运行管理精准系数,表示为家具仓储在设定时间段内综合运行管理精准系数,a、b分别表示为家具订单组装匹配、组装零件补货顺序匹配对应的权重影响值,且。
本实施例通过在设定时间段内统计家具订单的数量,并对各家具订单进行组装匹配精准性分析,得到家具订单组装匹配精准系数,同时统计家具对应的所有组装零件种类,进而在设定时间段内采集各种组装零件的补货参数,以此确定各种组装零件的标准补货优先顺序,并将其与单纯只根据组装零件警戒库存量进行组装零件补货的实际补货优先顺序进行对比,统计组装零件补货顺序匹配精准系数,由此综合家具订单组装匹配精准系数和组装零件补货顺序匹配精准系数来评估家具仓储在设定时间段内的综合运行管理精准系数,实现了组装家具仓储的全面一体化运行管理,大大弥补了目前组装家具制造企业仓储管理过于单一化的不足,有效提高了组装家具仓储管理的精准度,不仅降低了库存管理成本,还提高了从仓储到下单发货的运行管理效率,有利于提升组装家具制造企业的市场竞争力。
预警处理终端用于将家具仓储在设定时间段内的综合运行管理精准系数与预设值进行对比,若小于预设值,则向家具仓库管理人员预警,由其进行下一个设定时间段的仓储运行管理调整。
本实施例通过设置预警处理终端,将家具仓储在设定时间段内的综合运行管理精准系数与预设值进行对比,若小于预设值,则向家具仓库管理人员预警,由其进行下一个设定时间段的仓储运行管理调整,实现了家具仓储的动态运行管理,提高了家具仓储运行管理的灵活度,让家具仓库管理人员能够根据阶段性的实际情况进行适宜调整,体现了家具仓储运行管理的智能化水平高和实用性强的特点,从而提升了家具仓储的运行管理水平。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (3)
1.一种基于人工智能的仓库仓储一体化智能管理***,其特征在于:包括家具订单参数获取模块、家具订单标准组装时长统计模块、家具订单标准组装模式确定模块、家具订单组装匹配分析模块、组装零件种类统计模块、组装零件补货参数采集模块、组装零件补货顺序匹配分析模块、管理数据库、管理云平台和预警处理终端;
所述家具订单参数获取模块用于在设定时间段内统计家具订单的数量,并对各家具订单按照下单时间点的先后顺序进行编号,依次标记为1,2,...,i,...,n,同时获取各家具订单对应的订单参数;
所述家具订单标准组装时长统计模块用于从各家具订单对应的订单参数中提取下单时间点和约定发货时间点,并以此计算各家具订单对应的标准组装时长;
所述家具订单标准组装模式确定模块用于根据各家具订单对应的标准组装时长确定各家具订单对应的家具标准组装模式;
所述家具订单组装匹配分析模块用于获取各家具订单对应的家具实际组装模式和实际组装时长,并将其与各家具订单对应的家具标准组装模式和标准组装时长进行对比,从而统计家具订单组装匹配精准系数;
所述组装零件种类统计模块用于获取组装家具对应的所有组装零件种类,并对各种组装零件进行编号,分别标记为1,2,...,j,...,m;
所述组装零件补货参数采集模块用于在设定时间段内采集各种组装零件的警戒库存量、消耗速率和补货周期,其中组装零件补货参数采集模块包括组装零件警戒库存量采集单元、组装零件消耗速率采集单元和组装零件补货周期采集单元;
所述组装零件补货顺序匹配分析模块用于根据各种组装零件的补货参数确定各种组装零件的标准补货优先顺序,并获取各种组装零件在设定时间段内的实际补货优先顺序,以此将各种组装零件的实际补货优先顺序与标准补货优先顺序进行对比,统计组装零件补货顺序匹配精准系数;
所述管理云平台用于根据家具订单组装匹配精准系数和组装零件补货顺序匹配精准系数来评估家具仓储在设定时间段内的综合运行管理精准系数;
所述预警处理终端用于将家具仓储在设定时间段内的综合运行管理精准系数与预设值进行对比,若小于预设值,则向家具仓库管理人员预警,由其进行下一个设定时间段的仓储运行管理调整。
2.根据权利要求1所述的一种基于人工智能的仓库仓储一体化智能管理***,其特征在于:所述订单参数包括订单家具类别、订单家具数量、下单时间点和约定发货时间点。
3.根据权利要求1或2所述的一种基于人工智能的仓库仓储一体化智能管理***的管理方法,其特征在于:所述确定各家具订单对应家具标准组装模式的具体操作方法如下:
A1:从各家具订单对应的订单参数中提取订单家具类别和订单家具数量;
A2:根据各家具订单对应的订单家具类别从管理数据库中分别提取各家具订单所属家具类别的单件家具对应各种组装模式的组装时长;
A3:将各家具订单对应的订单家具数量与该家具订单对应订单家具类别的单件家具对应各种组装模式的组装时长相乘得到各家具订单对应各种组装模式的总体组装时长;
A4:将各家具订单对应各种组装模式的总体组装时长与该家具订单对应的标准组装时长进行对比,从中筛选出小于标准组装时长的组装模式,并将筛选出的组装模式记为备选组装模式;
A5:将各家具订单对应备选组装模式的总体组装时长与该家具订单对应的标准组装时长进行对比,得到各家具订单对应各备选组装模式的组装时长对比值,进而从中提取出组装时长对比值最小的备选组装模式作为各家具订单的家具标准组装模式;
所述统计家具订单组装匹配精准系数的具体统计过程执行以下步骤:
B1:将各家具订单的家具实际组装模式与该家具订单的家具标准组装模式进行匹配,统计匹配成功的家具订单数量,并以此计算家具订单组装模式匹配精准度,表示为家具订单组装模式匹配精准度,表示为匹配成功的家具订单数量;
B2:将各家具订单对应的实际组装时长与该家具订单对应的标准组装时长进行对比,计算各家具订单对应的组装效率匹配精准度,表示为第i个家具订单对应的组装效率匹配精准度,、分别表示为第i个家具订单对应的实际组装时长、标准组装时长;
所述组装零件警戒库存量采集单元用于采集各种组装零件在设定时间段内的警戒库存量,其具体采集方法包括以下步骤:
C1:统计各种组装零件在设定时间段结束时间点的当前库存量;
C2:从管理数据库中提取各种组装零件对应的补货库存量,以此将各种组装零件对应的当前库存量与补货库存量相减,得到各种组装零件对应的警戒库存量;
所述组装零件消耗速率采集单元用于采集各种组装零件在设定时间段内的消耗速率,其具体采集方法如下:
D1:获取各种组装零件在设定时间段开始时间点的库存量;
D2:将各种组装零件在设定时间段开始时间点的库存量减去当前库存量得到各种组装零件在设定时间段的消耗量;
D3:将各种组装零件在设定时间段的消耗量除以设定时间段对应的时长得到各种组装零件在设定时间段内的消耗速率;
所述组装零件补货周期采集单元用于采集各种组装零件对应的补货周期,其具体采集方法如下:
E1:获取各种组装零件对应的补货地点;
E2:根据家具仓库所在位置和各种组装零件补货地点所在位置统计各种组装零件对应的补货距离;
E3:将各种组装零件对应的补货距离除以设定的补货运输速度得到各种组装零件对应的补货周期;
所述确定各种组装零件对应标准补货优先顺序的具体确定过程执行以下步骤:
F1:将各种组装零件对应的警戒库存量、消耗速率和补货周期构成组装零件补货参数集合,表示为第j种组装零件对应的补货参数,u表示为补货参数,u=r1,r2,r3,分别表示为警戒库存量,消耗速率,补货周期;
F3:将各种组装零件按照补货紧急系数由大到小的顺序进行编号排序,得到各种组装零件对应的标准补货优先顺序;
所述组装零件补货顺序匹配精准系数的具体统计方法如下:
G1:将各种组装零件的实际补货优先顺序与标准补货优先顺序进行对比匹配,若某种组装零件的实际补货优先顺序编号与该种组装零件的标准补货优先顺序编号一致,则该种组装零件匹配成功,进而统计匹配成功的组装零件数量;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111182841.5A CN113627860B (zh) | 2021-10-11 | 2021-10-11 | 基于人工智能的仓库仓储一体化智能管理***及管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111182841.5A CN113627860B (zh) | 2021-10-11 | 2021-10-11 | 基于人工智能的仓库仓储一体化智能管理***及管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113627860A true CN113627860A (zh) | 2021-11-09 |
CN113627860B CN113627860B (zh) | 2022-03-08 |
Family
ID=78390936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111182841.5A Active CN113627860B (zh) | 2021-10-11 | 2021-10-11 | 基于人工智能的仓库仓储一体化智能管理***及管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113627860B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114255098A (zh) * | 2021-11-30 | 2022-03-29 | 南京我乐家居股份有限公司 | 一种基于图像分析技术的在线下单全周期智能管理*** |
CN114280076A (zh) * | 2021-11-30 | 2022-04-05 | 南京我乐家居智能制造有限公司 | 一种基于机器视觉的产品表面粉末喷涂质量监测分析管理*** |
CN114707933A (zh) * | 2022-04-11 | 2022-07-05 | 武汉全一激光科技有限公司 | 一种智慧工厂库存智能管理方法、***及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913209A (zh) * | 2016-04-14 | 2016-08-31 | 上海斐讯数据通信技术有限公司 | 仓库管理***、仓库管理方法及货物配送方法 |
CN108171458A (zh) * | 2017-12-29 | 2018-06-15 | 金螳螂家装电子商务(苏州)有限公司 | 一种应用于家装订单***的多货源数据轻量化整合方法 |
CN110046969A (zh) * | 2019-04-24 | 2019-07-23 | 北京上古彩科技股份有限公司 | 分装销售***及相关数据处理方法 |
CN111382973A (zh) * | 2020-03-03 | 2020-07-07 | 舟谱数据技术南京有限公司 | 一种基于经销商传统业务的门店智能补货*** |
WO2020264434A1 (en) * | 2019-06-27 | 2020-12-30 | Carefusion 303, Inc. | Secure inventory access and control mechanism |
CN113240373A (zh) * | 2021-05-19 | 2021-08-10 | 武汉沃丰电子商务有限公司 | 基于云计算的数字化电子商务平台商品销售库存智能管理方法 |
-
2021
- 2021-10-11 CN CN202111182841.5A patent/CN113627860B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105913209A (zh) * | 2016-04-14 | 2016-08-31 | 上海斐讯数据通信技术有限公司 | 仓库管理***、仓库管理方法及货物配送方法 |
CN108171458A (zh) * | 2017-12-29 | 2018-06-15 | 金螳螂家装电子商务(苏州)有限公司 | 一种应用于家装订单***的多货源数据轻量化整合方法 |
CN110046969A (zh) * | 2019-04-24 | 2019-07-23 | 北京上古彩科技股份有限公司 | 分装销售***及相关数据处理方法 |
WO2020264434A1 (en) * | 2019-06-27 | 2020-12-30 | Carefusion 303, Inc. | Secure inventory access and control mechanism |
CN111382973A (zh) * | 2020-03-03 | 2020-07-07 | 舟谱数据技术南京有限公司 | 一种基于经销商传统业务的门店智能补货*** |
CN113240373A (zh) * | 2021-05-19 | 2021-08-10 | 武汉沃丰电子商务有限公司 | 基于云计算的数字化电子商务平台商品销售库存智能管理方法 |
Non-Patent Citations (2)
Title |
---|
但斌等: "大规模定制环境下ATO供应链的混合补货策略", 《计算机集成制造***》 * |
李春友等: "广西路桥集采平台化存货管理实践", 《财务与会计》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114255098A (zh) * | 2021-11-30 | 2022-03-29 | 南京我乐家居股份有限公司 | 一种基于图像分析技术的在线下单全周期智能管理*** |
CN114280076A (zh) * | 2021-11-30 | 2022-04-05 | 南京我乐家居智能制造有限公司 | 一种基于机器视觉的产品表面粉末喷涂质量监测分析管理*** |
CN114255098B (zh) * | 2021-11-30 | 2023-06-13 | 南京我乐家居股份有限公司 | 一种基于图像分析技术的在线下单全周期智能管理*** |
CN114280076B (zh) * | 2021-11-30 | 2023-10-13 | 南京我乐家居智能制造有限公司 | 一种基于机器视觉的产品表面粉末喷涂质量监测分析管理*** |
CN114707933A (zh) * | 2022-04-11 | 2022-07-05 | 武汉全一激光科技有限公司 | 一种智慧工厂库存智能管理方法、***及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113627860B (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113627860B (zh) | 基于人工智能的仓库仓储一体化智能管理***及管理方法 | |
CN112381476B (zh) | 用于确定状态异常的电能表的方法及装置 | |
CN112485689B (zh) | 一种基于Xgboost模型预测储能***中锂电池剩余循环寿命的方法 | |
CN112465378B (zh) | 基于电力大数据挖掘的住房空置自适应研判方法及装置 | |
CN109242189A (zh) | 一种基于气象因素的电力负荷短期预测方法 | |
CN101739416A (zh) | 多指标综合权重视频排序方法 | |
JP7339467B1 (ja) | 森林蓄積量連続監視測定方法、システム及びその実施方法 | |
CN114707933B (zh) | 一种智慧工厂库存智能管理方法、***及存储介质 | |
CN116308664A (zh) | 一种基于智能制造的智慧工厂订单全周期跟踪管理*** | |
CN116797049B (zh) | 配电网差异化节能潜力量化评估方法 | |
CN116148753A (zh) | 一种智能电能表运行误差监测*** | |
CN116049705A (zh) | 基于聚类分析的电力***用户负荷特性聚类方法及*** | |
CN112330095A (zh) | 一种基于决策树算法的质量管理方法 | |
CN106202388A (zh) | 一种用户等级自动划分方法及*** | |
CN115907611A (zh) | 一种基于配件市场价值的配件库存管控方法 | |
CN117851908B (zh) | 一种改进的在线低压台区电能表失准监测方法及装置 | |
CN104751369A (zh) | 一种改进的k-均值聚类的线损分析方法 | |
CN114595979A (zh) | 一种水利工程造价数据中心管理***及装置 | |
CN111027841A (zh) | 一种基于梯度提升决策树的低压台区线损计算方法 | |
CN116385210B (zh) | 一种基于物联网的供电能耗监测*** | |
CN110457374A (zh) | 一种识别时段典型暴雨过程的方法 | |
CN116226263A (zh) | 一种可再生能源可视化智能管控制方法及*** | |
CN116632836A (zh) | 一种基于温度敏感性的公变台区负载率预测*** | |
CN112765553B (zh) | 一种基于大数据的工程项目管理*** | |
CN114529071A (zh) | 一种台区用电量预测方法 |
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 |