CN115310917A - 一种入库管理方法 - Google Patents
一种入库管理方法 Download PDFInfo
- Publication number
- CN115310917A CN115310917A CN202211240852.9A CN202211240852A CN115310917A CN 115310917 A CN115310917 A CN 115310917A CN 202211240852 A CN202211240852 A CN 202211240852A CN 115310917 A CN115310917 A CN 115310917A
- Authority
- CN
- China
- Prior art keywords
- materials
- goods
- shelved
- storage area
- shelf
- 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 25
- 239000000463 material Substances 0.000 claims abstract description 200
- 238000003860 storage Methods 0.000 claims abstract description 92
- 238000013178 mathematical model Methods 0.000 claims abstract description 30
- 238000009826 distribution Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000007306 turnover Effects 0.000 claims description 10
- 230000002068 genetic effect Effects 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 4
- 241000764238 Isis Species 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000005215 recombination Methods 0.000 description 1
- 230000006798 recombination Effects 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Warehouses Or Storage Devices (AREA)
Abstract
本发明公开了一种入库管理方法,属于人工智能数据处理技术领域。该方法包括:将仓库的存储区域划分为多个子存储区域;对待上架物料进行初步货位分配,确定待上架物料对应的子存储区域;建立货位分配数学模型;求解货位分配数学模型,得到最佳货位分配方案,完成待上架物料的二次货位分配;将待上架物料存储到对应的货位;将货位分配结果反馈给仓库管理***。本发明根据实际的待上架物料的尺寸,进行二次货位分配,同时考虑到多种因素,构建了全新的货位分配数学模型,并且在求解中使用了两种算法来优化模型求解结果。本发明应用于入库管理,可以提高入库管理的合理性和精确度,具有良好的实际应用性。
Description
技术领域
本发明涉及人工智能数据处理技术领域,尤其涉及一种入库管理方法。
背景技术
物流行业通常都设置有物流集散点,物流集散点会建立仓库存储运达的物料。仓库中存储物料一般是通过叉车等设备由工人操作运送到仓库的空货位上,或者由智能运输设备运送到仓库的空货位上,然后记录货位的存放情况。
货位分配是入库管理的关键环节,方法合理的货位分配,会有效提高物流作业的效率并可极大降低物流作业的成本。目前的货位分配方法建立数学模型,再通过诸如遗传算法等求得最优解,来为货物分配货位。现有技术中的数学模型都是假设每个货位都是大小和形状相同,并假设每个货物的尺寸也都相同,每个货位正好可以放置一个货物。但是,这种假设方式脱离实际,实际的货物尺寸大小不同,因此,如果一个货位只存放一个尺寸较小的货物,显然会造成存储空间的浪费,如果货物的尺寸超大,则设计的标准货位可能不能有足够的空间来存放尺寸较大的货物。另外,现有技术中的货位分配所建立的数学模型考虑的因素不够全面,导致货位分配不够合理,并且采用的算法也存在求解结果不够精确等缺点,也需要进一步优化。
因此,亟需一种新的符合实际应用的入库管理方法。
发明内容
本发明提供一种入库管理方法,目的在于提高入库管理中的物料货位分配的准确度和效率。
第一方面,本发明实施例提供了一种入库管理方法,其特征在于,包括:
步骤110、将仓库的存储区域划分为多个子存储区域,其中,不同子存储区域的货位尺寸不同;
步骤120、获取待上架物料信息和仓库货位信息,并根据物料信息对所述待上架物料进行初步货位分配,确定所述待上架物料对应的所述子存储区域;
步骤130、针对所述待上架物料及其对应的所述子存储区域,建立货位分配数学模型;
步骤140、求解所述货位分配数学模型,得到最佳货位分配方案,完成所述待上架物料的二次货位分配;其中,通过第一预设算法求解所述货位分配数学模型,得到初步解,并通过第二预设算法对所述初步解进行优化,得到最优解,将得到的最优解作为最佳货位分配方案;
步骤150、根据所述最佳货位分配方案,将所述待上架物料存储到对应的货位;
步骤160、在将所述待上架物料存储到对应的货位之后,将货位分配结果反馈给仓库管理***。
优选的,步骤130中,所述货位分配数学模型为:
优选的,物料周转率模型为:
其中,为坐标为(x,y,z)的物料的周转率,为从收货区到所述待上架物料对应的存储区的距离,、、分别为所述待上架物料对应的存储区的货位的宽度、长度和高度,、分别为运输所述待上架物料的运输车辆水平和竖直方向的平均速度,,,分别为所述存储区中的坐标(x,y,z)的最大取值;
水平方向的货架稳定性模型为:
垂直方向的货架稳定性模型为:
物料相关性模型为:
运输成本优化模型为:
其中,为货位集合,为在货位上存储的待上架物料的初始位置点集合,为在货位上存储的物料的重量,为从所述待上架物料的初始位置x到货位s的最短距离,为运输所述待上架物料的运输车辆的滚动阻力,为运输所述待上架物料的运输车辆的车轮半径。
优选的,所述货位分配数学模型的限制条件为:
其中,为待上架物料,为所述待上架物料对应的存储区,为在时间段t内待上架的物料的数量,为多个待上架物料的堆叠高度,,分别为所述待上架物料对应的货位的平面面积和高度,为变量参数,其中,如果物料被分配到货位,则为1,否则,为0。
优选的,所述第一预设算法为贪婪算法或遗传算法,所述第二预设算法为粒子群算法。
优选的,步骤150包括:
将确定的所述待上架物料的货位信息发送到智能运输车,智能运输车将所述待上架物料运输到所述确定的货位,或者
将确定的所述待上架物料的货位信息发送到库管人员的便携式智能设备,由库管人员将所述待上架物料运输到所述确定的货位。
优选的,在步骤110中,将仓库的存储区域划分为第一存储区域、第二存储区域和第三存储区域,其中,第一存储区域存储物料尺寸小于等于第一阈值的物料,第二存储区域存储物料尺寸大于第一阈值且小于第二阈值的物料,第三存储区域存储物流尺寸大于等于第三阈值的物料。
优选的,在步骤120中,通过查找云端服务器获取待上架物料信息和仓库货位信息,其中,在收货区设置传感器和扫描设备,当传感器检测到待上架物料进入收货区后,扫描设备扫描待上架物料包装上的标签,以获取待上架物料信息,并将待上架物料信息上传到云端服务器。
第二方面,本发明实施例提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储器,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上述实施例所述的入库管理方法。
第三方面,本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质上存储有程序,所述程序被处理器执行时实现如上述实施例所述的入库管理方法。
本发明实施例提供的入库管理方法,针对现有技术中存在的货位分配缺点,基于待上架物料的尺寸信息,首先对物料进行初次的货位粗分配,然后构建全新的货位分配数学模型,并通过改进的结合两种算法来优化模型求解结果,最终实现货位的二次细分配。
本发明的方案的主要改进点在于:根据实际的待上架物料的尺寸,进行二次货位分配,同时考虑到多种因素,构建了全新的货位分配数学模型,并且在求解中使用了两种算法来优化模型求解结果。本发明可以提高入库管理的合理性和精确度,符合实际应用需求,具有良好的实际应用性。
附图说明
图1为本发明实施例提供的一种入库管理方法的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明实施例一提供的一种入库管理方法的流程图,本实施例可适用于物流仓储行业,仓库收货后为待入库的物料分配货位的情况,该方法可以由物料货位分配装置来执行,该装置可以由硬件和/或软件来实现,并一般可以集成在电子设备中,该方法具体包括:
步骤110、将仓库的存储区域划分为多个子存储区域,其中,不同子存储区域的货位尺寸不同。
本发明的方案预先将仓库进行区域划分,设置收货区、存储区、拣货区等,收货区用于物料入库时接收物料;存储区是用于存放物料的主要区域,入库后的物料主要放置到存储区中。
为了适应待存储的不同尺寸的物料,本发明还将存储区进行细分。根据本发明的优选实施例,将仓库的存储区域划分为第一存储区域、第二存储区域和第三存储区域,其中,第一存储区域存储物料尺寸小于等于第一阈值的物料,第二存储区域存储物料尺寸大于第一阈值且小于第二阈值的物料,第三存储区域存储物流尺寸大于等于第三阈值的物料。其中,物料尺寸可以指物料的长、宽、体积等,可以看出,本发明将尺寸较小的物料存储到第一存储区域,尺寸中等的物料存储到第二存储区域,将尺寸较大的物料存储到第三存储区域,并且,不同子存储区域的货位尺寸不同,例如,第一存储区域的货位尺寸最小,第二存储区域较大,第三存储区域最大,从而可以适合存储不同尺寸的物料。与现有的理想化的货位和物料尺寸都相同的技术方案相比,本发明先将存储区按照尺寸进行划分,再针对待存储的物料尺寸,对适合存储该物料的存储区应用货位分配方法,显然,本发明的方案更符合实际应用。
步骤120、获取待上架物料信息和仓库货位信息,并根据物料信息对所述待上架物料进行初步货位分配,确定所述待上架物料对应的所述子存储区域。
其中,待上架物料信息可以记录物料的基本信息,可以包括单个物料的尺寸(例如,长、宽体积)、重量等信息,物料的总量,还可以包括物料的销售分类或者存储分类,还可以包括货主信息。仓库货位信息可以记录仓库中设置的货位的基本信息,可以包括货位所属的存储区域、货位的尺寸和承重限制,还可以包括当前被占用的货位和空货位,还可以包括货位在仓库中的位置。
本发明可以通过不同方式获取待上架物料信息和仓库货位信息。例如,根据本发明一优选实施例,将待上架物料信息写入标签(例如,二维码),将标签贴到待上架物料的包装上,在收货区设置传感器和扫描设备,当传感器检测到待上架物料进入收货区后,扫描设备扫描待上架物料包装上的标签,以获取待上架物料信息,并将待上架物料信息上传到云端服务器。当物料存储到仓库的货位之后,仓库管理***实时更新仓库货位信息,同时将更新后的仓库货位信息上传到云端服务器。这样,通过查找云端服务器即可获取待上架物料信息和仓库货位信息。
本发明为适应存储不同尺寸的物料的需要,首先根据获取到的待上架物料的信息中的尺寸信息,对物料进行初步货物分配,具体包括:根据获取到的待上架物料的信息中的尺寸信息,将所述待上架物料分为小尺寸物料,较大尺寸物料,以及超大尺寸物料,并分别对应于第一存储区域、第二存储区域和第三存储区域。
步骤130、针对所述待上架物料及其对应的所述子存储区域,建立货位分配数学模型。
通过步骤120,确定所述待上架物料对应的所述子存储区域之后,针对所述子存储区域,建立货位分配数学模型。
将货位的坐标设为(x,y,z)(x=1,2,…a, y=1,2,…b, z=1,2,…c),其中,最靠近收货区位置的货位行为第一行(对应x坐标),最靠近收货区位置的货位列为第一列(对应y坐标),最底层的货位为第一层(对应z坐标)。
本发明除了考虑物料周转率、货架稳定性、物料相关性这三个常规的原则之外,还考虑到了运输待上架物料的运输车辆的成本,包括运输时间以及路径优化等,因此,本发明还考虑了运输成本优化,共考虑上述四个原则,构建了全新的货位分配数学模型为:
其中,物料周转率模型为:
其中,为坐标为(x,y,z)的物料的周转率,为从收货区到所述待上架物料对应的存储区的距离,、、分别为所述待上架物料对应的存储区的货位的宽度、长度和高度,、分别为运输所述待上架物料的运输车辆水平和竖直方向的平均速度,,,分别为所述存储区中的坐标(x,y,z)的最大取值。
不同于现有技术笼统考虑货架稳定性的模型,本发明分别从水平和垂直方向建立了货架稳定性模型,从而确保物料在货架的水平和垂直方向都较轻,从而确保货架的稳定。其中:
水平方向的货架稳定性模型为:
垂直方向的货架稳定性模型为:
物料相关性模型为:
运输成本优化模型为:
其中,为货位集合,为在货位上存储的待上架物料的初始位置点集合,为在货位上存储的物料的重量,为从所述待上架物料的初始位置x到货位s的最短距离,为运输所述待上架物料的运输车辆的滚动阻力,为运输所述待上架物料的运输车辆的车轮半径。
货位分配数学模型的限制条件为:
其中,为待上架物料,为所述待上架物料对应的存储区,为在时间段t内待上架的物料的数量,为多个待上架物料的堆叠高度,,分别为所述待上架物料对应的货位的平面面积和高度,为变量参数,其中,如果物料被分配到货位,则为1,否则,为0。
本发明为构建的货位分配数学模型设置限制条件的目的是,为了确保在每个时间段都有足够的货位来存储待上架物料。
步骤140、求解所述货位分配数学模型,得到最佳货位分配方案,完成所述待上架物料的二次货位分配;其中,通过第一预设算法求解所述货位分配数学模型,得到初步解,并通过第二预设算法对所述初步解进行优化,得到最优解,将得到的最优解作为最佳货位分配方案。
通过步骤130建立货位分配数学模型之后,在步骤140,通过预设算法对所述货位分配数学模型进行求解。现有技术中,一般采用诸如贪婪算法、遗传算法、粒子群算法中的一种来求解数学模型。然而,只用一种算法求解,存在求解结果不够精确的问题。
针对现有技术存在的模型求解问题,本发明充分利用各种求解算法的特点,结合两种预设算法来求解数学模型。具体的,第一预设算法为贪婪算法或遗传算法,第二预设算法为粒子群算法,本发明先通过贪婪算法或遗传算法求解模型,得到初步解,然后通过粒子群算法对通过贪婪算法或遗传算法求得的货位分配结果(即,初步解)进行进一步的优化,得到最优解(即,最佳货位分配方案),从而提高求解结果的精度。上述各种算法均是已知的成熟算法,因此本发明对此不再作详细描述。
步骤150、根据所述最佳货位分配方案,将所述待上架物料存储到对应的货位。
由于本发明可以使用智能运输车运输物料,也可以由司机驾驶车辆运输物料,因此,步骤150可以由智能运输车自动执行命令以将物料运输到指定货位,也可以由库管人员根据确定的货位,驾驶车辆将物料运输到指定货位。
具体来说,步骤150可以包括:
将确定的所述待上架物料的货位信息发送到智能运输车,智能运输车将所述待上架物料运输到所述确定的货位,或者
将确定的所述待上架物料的货位信息发送到库管人员的便携式智能设备(例如,手持终端或者智能手机),由库管人员将所述待上架物料运输到所述确定的货位。
步骤160、在将所述待上架物料存储到对应的货位之后,将货位分配结果反馈给仓库管理***。
结合以上描述可知,本发明针对现有技术中存在的货位分配缺点,基于待上架物料的尺寸信息,首先对物料进行初次的货位粗分配,然后构建全新的货位分配数学模型,并通过改进的结合两种算法来优化模型求解结果,最终实现货位的二次细分配。本发明的方案可以提高货位分配的合理性和精确度,符合实际应用需求,具有良好的实际应用性。
本发明还提供了一种电子设备,所述电子设备包括:一个或多个处理器;存储器,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上述实施例的各个方法步骤。
本发明还提供了一种计算机可读存储介质,计算机可读存储介质上存储有程序,该程序被处理器执行时实现如上所述的方法实施例的各个方法步骤。其中,该计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random AccessMemory,简称RAM)、磁碟或者光盘等。
此外,需要指出的是,在本申请的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序或按时间顺序执行,但是并不需要一定按照时间顺序执行,某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言,能够理解本申请的方法和装置的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现。
虽然,上文中已经用一般性说明、具体实施方式及试验,对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.一种入库管理方法,其特征在于,包括:
步骤110、将仓库的存储区域划分为多个子存储区域,其中,不同子存储区域的货位尺寸不同;
步骤120、获取待上架物料信息和仓库货位信息,并根据物料信息对所述待上架物料进行初步货位分配,确定所述待上架物料对应的所述子存储区域;
步骤130、针对所述待上架物料及其对应的所述子存储区域,建立货位分配数学模型;
步骤140、求解所述货位分配数学模型,得到最佳货位分配方案,完成所述待上架物料的二次货位分配;其中,通过第一预设算法求解所述货位分配数学模型,得到初步解,并通过第二预设算法对所述初步解进行优化,得到最优解,将得到的最优解作为最佳货位分配方案;
步骤150、根据所述最佳货位分配方案,将所述待上架物料存储到对应的货位;
步骤160、在将所述待上架物料存储到对应的货位之后,将货位分配结果反馈给仓库管理***。
3.根据权利要求2所述的方法,其特征在于,物料周转率模型为:
其中,为坐标为(x,y,z)的物料的周转率,为从收货区到所述待上架物料对应的存储区的距离,、、分别为所述待上架物料对应的存储区的货位的宽度、长度和高度,、分别为运输所述待上架物料的运输车辆水平和竖直方向的平均速度,,,分别为所述存储区中的坐标(x,y,z)的最大取值;
水平方向的货架稳定性模型为:
垂直方向的货架稳定性模型为:
物料相关性模型为:
运输成本优化模型为:
5.根据权利要求1-4中任意一项所述的方法,其特征在于,所述第一预设算法为贪婪算法或遗传算法,所述第二预设算法为粒子群算法。
6.根据权利要求1所述的方法,其特征在于,步骤150包括:
将确定的所述待上架物料的货位信息发送到智能运输车,智能运输车将所述待上架物料运输到所述确定的货位,或者
将确定的所述待上架物料的货位信息发送到库管人员的便携式智能设备,由库管人员将所述待上架物料运输到所述确定的货位。
7.根据权利要求1所述的方法,其特征在于,在步骤110中,将仓库的存储区域划分为第一存储区域、第二存储区域和第三存储区域,其中,第一存储区域存储物料尺寸小于等于第一阈值的物料,第二存储区域存储物料尺寸大于第一阈值且小于第二阈值的物料,第三存储区域存储物流尺寸大于等于第三阈值的物料。
8.根据权利要求1所述的方法,其特征在于,在步骤120中,通过查找云端服务器获取待上架物料信息和仓库货位信息,其中,在收货区设置传感器和扫描设备,当传感器检测到待上架物料进入收货区后,扫描设备扫描待上架物料包装上的标签,以获取待上架物料信息,并将待上架物料信息上传到云端服务器。
9.一种电子设备,其特征在于,所述电子设备包括:
一个或多个处理器;
存储器,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中任一项所述的入库管理方法。
10.一种计算机可读存储介质,计算机可读存储介质上存储有程序,所述程序被处理器执行时实现如权利要求1-8中任一项所述的入库管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211240852.9A CN115310917B (zh) | 2022-10-11 | 2022-10-11 | 一种入库管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211240852.9A CN115310917B (zh) | 2022-10-11 | 2022-10-11 | 一种入库管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115310917A true CN115310917A (zh) | 2022-11-08 |
CN115310917B CN115310917B (zh) | 2022-12-20 |
Family
ID=83867976
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211240852.9A Active CN115310917B (zh) | 2022-10-11 | 2022-10-11 | 一种入库管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115310917B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115973641A (zh) * | 2022-12-26 | 2023-04-18 | 深圳市深科特信息技术有限公司 | 一种用于智能货架的物料仓储管理方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021700A (zh) * | 2016-05-17 | 2016-10-12 | 西安建筑科技大学 | 基于分散式出/入库布局模式下的货位分配模型建立方法 |
US20210221613A1 (en) * | 2018-06-01 | 2021-07-22 | Beijing Geekplus Technology Co., Ltd. | Management method, device and system applied to goods-to-person system, server and computer storage medium |
CN113222410A (zh) * | 2021-05-12 | 2021-08-06 | 西安建筑科技大学 | 双向式布局模式下货位分配模型建立方法 |
CN113570025A (zh) * | 2021-07-16 | 2021-10-29 | 东南大学 | 一种基于离散粒子群算法的电商仓储中心货位分配方法 |
CN115115256A (zh) * | 2022-07-15 | 2022-09-27 | 南京邮电大学 | 一种医药仓库货位分配方法 |
-
2022
- 2022-10-11 CN CN202211240852.9A patent/CN115310917B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106021700A (zh) * | 2016-05-17 | 2016-10-12 | 西安建筑科技大学 | 基于分散式出/入库布局模式下的货位分配模型建立方法 |
US20210221613A1 (en) * | 2018-06-01 | 2021-07-22 | Beijing Geekplus Technology Co., Ltd. | Management method, device and system applied to goods-to-person system, server and computer storage medium |
CN113222410A (zh) * | 2021-05-12 | 2021-08-06 | 西安建筑科技大学 | 双向式布局模式下货位分配模型建立方法 |
CN113570025A (zh) * | 2021-07-16 | 2021-10-29 | 东南大学 | 一种基于离散粒子群算法的电商仓储中心货位分配方法 |
CN115115256A (zh) * | 2022-07-15 | 2022-09-27 | 南京邮电大学 | 一种医药仓库货位分配方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115973641A (zh) * | 2022-12-26 | 2023-04-18 | 深圳市深科特信息技术有限公司 | 一种用于智能货架的物料仓储管理方法及*** |
CN115973641B (zh) * | 2022-12-26 | 2023-09-29 | 深圳市深科特信息技术有限公司 | 一种用于智能货架的物料仓储管理方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN115310917B (zh) | 2022-12-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20180025460A1 (en) | Warehouse Management System, Warehouse, and Warehouse Management Method | |
CN112085385B (zh) | 基于订单的稳定混箱垛型供箱序列的生成***及其方法 | |
CN111547534B (zh) | 一种用于自动堆垛的数据管理***、方法及存储介质 | |
CN109118137A (zh) | 一种订单处理方法、装置、服务器及存储介质 | |
CN111144825A (zh) | 一种基于agv小车的rfid仓储物流盘库方法和*** | |
CN113120487B (zh) | 库存***及货物的存取方法 | |
CN110599075A (zh) | 仓库货物周转管理装置、***、方法和存储介质 | |
CN110689305A (zh) | 仓储货物更新的方法、装置和物流*** | |
CN111709608B (zh) | 拣货任务确定方法、装置、计算机设备及存储介质 | |
CN113525987A (zh) | 一种基于物联网技术的轻量级物流货物分拣运送方法、装置及电子设备 | |
CN111798140A (zh) | 一种用于仓储货物的智能排布方法 | |
CN113361985B (zh) | 货位动态分配方法、装置及电子设备 | |
CN105270806A (zh) | 一种货架分配***及方法 | |
CN115310917B (zh) | 一种入库管理方法 | |
CN112815941A (zh) | 一种拣货路径规划方法、装置、设备和存储介质 | |
JP2022111284A (ja) | 物流管理装置、搬送システム及び物流管理方法 | |
CN114841642A (zh) | 基于鹰栖息优化的辅料入库货位分配方法 | |
CN114971479A (zh) | 一种货物位置信息的生成方法、使用方法和装置 | |
CN113830478B (zh) | 自动化入库和分拣的方法、***及装置 | |
CN112288376A (zh) | 货物装载方案生成方法、装置、设备及可读存储介质 | |
CN112132505A (zh) | 机器人拣货方法和***、机器人、服务器和可读存储介质 | |
CN116187499A (zh) | 货运配载方法、装置、电子设备及存储介质 | |
CN109359905B (zh) | 一种自动化无人仓货位分配方法、装置和存储介质 | |
CN115796750B (zh) | 货物入库方法、出库方法、装置和计算机设备 | |
CN116664053B (zh) | 一种商品库存管理方法 |
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 |