CN116579587A - 目标对象分配方法以及装置 - Google Patents

目标对象分配方法以及装置 Download PDF

Info

Publication number
CN116579587A
CN116579587A CN202310848710.9A CN202310848710A CN116579587A CN 116579587 A CN116579587 A CN 116579587A CN 202310848710 A CN202310848710 A CN 202310848710A CN 116579587 A CN116579587 A CN 116579587A
Authority
CN
China
Prior art keywords
shift
post
determining
time period
candidate
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.)
Pending
Application number
CN202310848710.9A
Other languages
English (en)
Inventor
张群
陈滔滔
吴亚磊
王子豪
丁宏伟
李洪波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuzhou Online E Commerce Beijing Co ltd
Original Assignee
Wuzhou Online E Commerce Beijing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuzhou Online E Commerce Beijing Co ltd filed Critical Wuzhou Online E Commerce Beijing Co ltd
Priority to CN202310848710.9A priority Critical patent/CN116579587A/zh
Publication of CN116579587A publication Critical patent/CN116579587A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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"
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本说明书实施例提供目标对象分配方法以及装置，其中所述目标对象分配方法包括：确定当日预测订单，并根据所述当日预测订单，确定岗位集合中各岗位单位时间段的任务量；根据实际可调度的初始对象的对象特征、以及所述初始对象对应的调度班次，确定所述各岗位各班次的候补对象；根据第一预设算法，对所述各岗位单位时间段的任务量、以及所述各岗位各班次的候补对象进行处理，获得所述各岗位各班次的候选对象；根据第二预设算法，对所述各岗位各班次的候选对象进行调整，确定所述各岗位各班次的目标对象。通过该方法实现对目标对象‑班次的合理分配，有利于实现运营决策***化、智能化，实现产能和人效提升。

Description

目标对象分配方法以及装置
技术领域
本说明书实施例涉及智能化技术领域，特别涉及一种目标对象分配方法。
背景技术
随着计算机技术的不断发展，仓库***逐步趋向自动化，当前无论是自动化仓库、人工仓库或者人机结合的半自动化仓库，往往均需要运营人员进行管理，在仓库遇到消费者下单不均衡的情况时，往往需要依赖具有丰富经验的运营人员才可对仓库中的自动化设备和/或人员排班情况进行管理，但基于人工进行处理，往往会存在很多遗漏、考虑不周全的地方。因此，如何提供一种适用于人工和/或自动化仓库的一体化智能排班方案成为亟待解决的问题。
发明内容
有鉴于此，本说明书实施例提供了一种目标对象分配方法。本说明书一个或者多个实施例同时涉及一种目标对象分配装置，一种计算设备，一种计算机可读存储介质以及一种计算机程序，以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面，提供了一种目标对象分配方法，包括：
确定当日预测订单，并根据所述当日预测订单，确定岗位集合中各岗位单位时间段的任务量；
根据实际可调度的初始对象的对象特征、以及所述初始对象对应的调度班次，确定所述各岗位各班次的候补对象；
根据第一预设算法，对所述各岗位单位时间段的任务量、以及所述各岗位各班次的候补对象进行处理，获得所述各岗位各班次的候选对象；
根据第二预设算法，对所述各岗位各班次的候选对象进行调整，确定所述各岗位各班次的目标对象，其中，所述初始对象、所述候补对象、所述候选对象以及所述目标对象均为进行对应岗位对应班次的任务量处理的对象。
根据本说明书实施例的第二方面，提供了一种目标对象分配方法装置，包括：
第一确定模块，被配置为确定当日预测订单，并根据所述当日预测订单，确定岗位集合中各岗位单位时间段的任务量；
第二确定模块，被配置为根据实际可调度的初始对象的对象特征、以及所述初始对象对应的调度班次，确定所述各岗位各班次的候补对象；
第一处理模块，被配置为根据第一预设算法，对所述各岗位单位时间段的任务量、以及所述各岗位各班次的候补对象进行处理，获得所述各岗位各班次的候选对象；
第二处理模块，被配置为根据第二预设算法，对所述各岗位各班次的候选对象进行调整，确定所述各岗位各班次的目标对象，其中，所述初始对象、所述候补对象、所述候选对象以及所述目标对象均为进行对应岗位对应班次的任务量处理的对象。
根据本说明书实施例的第三方面，提供了一种计算设备，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现上述目标对象分配方法的步骤。
根据本说明书实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机可执行指令，该指令被处理器执行时实现上述目标对象分配方法的步骤。
根据本说明书实施例的第五方面，提供了一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述目标对象分配方法的步骤。
本说明书一个实施例提供的一种目标对象分配方法，包括：确定当日预测订单，并根据所述当日预测订单，确定岗位集合中各岗位单位时间段的任务量；根据实际可调度的初始对象的对象特征、以及所述初始对象对应的调度班次，确定所述各岗位各班次的候补对象；根据第一预设算法，对所述各岗位单位时间段的任务量、以及所述各岗位各班次的候补对象进行处理，获得所述各岗位各班次的候选对象；根据第二预设算法，对所述各岗位各班次的候选对象进行调整，确定所述各岗位各班次的目标对象，其中，所述初始对象、所述候补对象、所述候选对象以及所述目标对象均为进行对应岗位对应班次的任务量处理的对象。
具体地，该目标对象分配方法首先通过第一预设算法对对象（如人员和/或自动化设备：机器人）、班次进行分配，从而得到初始的对象、班次分配列表，然后通过第二预设算法对该初始对象、班次分配列表进行优化，得到目标对象、班次分配列表；利用数据信息以及算法能力的优势，弥补人工经验决策的不足，通过该方法辅助人决策、管理人、管理设备，最终实现运营决策***化、智能化，完成资源优化配置，减少一线工人以及自动化设备（的数量），提高一线作业员的作业饱和度，降低因延单或扣单造成的外部惩罚，实现产能和人效提升。
附图说明
图1是本说明书一个实施例提供的一种目标对象分配方法的场景示意图；
图2是本说明书一个实施例提供的一种目标对象分配方法的流程图；
图3是本说明书一个实施例提供的一种目标对象分配方法中事前排班的具体实现流程图；
图4是本说明书一个实施例提供的一种目标对象分配方法中的通过运筹优化算法计算目标对象的示意图；
图5是本说明书一个实施例提供的一种目标对象分配方法中事中调度的处理流程图；
图6是本说明书一个实施例提供的一种目标对象分配方法中的事中调度的具体实现示意图；
图7是本说明书一个实施例提供的另一种目标对象分配方法中事中调度的处理流程图；
图8是本说明书一个实施例提供的一种目标对象分配装置的结构示意图；
图9是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
此外，需要说明的是，本说明书一个或多个实施例所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
首先，对本说明书一个或多个实施例涉及的名词术语进行解释。
事前排班：指在前一天安排第二天各岗位各班次上班员工，以尽可能少的人力、时间成本或费用完成第二天的订单生产任务。
事中调度：指在生产过程中监测现场生产节奏，对各区域岗位在产人员合理调配，减少人员空闲，避免订单延迟。
延单：出库时间超出预计出库时间点。
AGV（Automated Guided Vehicle，自动导引运输车或是无人搬运车等）：是自动化物流运输***以及柔性生产***的关键设备，在自动化物流仓库中起着重要作用。
SKU（Stock Keeping Unit，库存量单位）：是产品入库后一种编码归类方法，也是库存控制的最小单位。
随着智能技术的不断发展、以及人们消费水平的不断提升，仓库运营逐渐成为一项重要工作，仓库运营的作业流程主要包括存储、组单、拣选、包装和发货等。其中，对于仓库的作业来说，影响仓库作业效率的关键问题是任务量和资源量的匹配。
当前存在的自动化仓库虽然通过代替部分人工劳动，减轻了人员劳动强度，但是，自动化仓库也面临人工仓库同样的问题，且会因为自动化设备复杂性、黑盒性与现场一线运营人员相对较低素质水平的矛盾加剧资源调配的难度和风险，引发运营成本额外上升。当自动化仓的设备和流程比较复杂时，组单、任务生成和设备执行等对现场运营人员是黑盒，现场正确及时的运营决策和异常处理依赖丰富经验的运营人员，大大增加了运营难度。
为了提升仓库管理效率，仓库运营中逐步增加了排班的操作，目前市场上的排班解决方案主要依赖于人工经验的事前排班和事中调度；一般存在以下问题：一方面是信息和数据不充分，即仓库运营现场信息化不够、任务量数据有限、员工技能效率数据缺失，仓库现场运营排班依赖当日预测单量、区域作业完成作业量、剩余作业量等。考虑到运营人员决策便利性，这些数据一般会汇总成总体数字给到仓库现场运营人员，但这个过程会遗漏很多细节数据。另一方面，经验决策科学性低，及时性差，在运营排班和调度过程中部分决策过程依赖于排班人员经验，被动发现问题的方式延迟较高，往往在问题较为严重时才能感知，容易造成订单延迟等生产事故。
基于自动化仓内大量的自动化设备调度可以由***决策，且自动化***中信息化更为充分具体，任务执行进度、设备状态和资源情况可以直接对接设备获取，因此为了能够更好的利用智能算法实现运营决策的优化，本方案提出了利用智能算法实现人工和自动化仓库的一体化智能运营***。相对于传统的人工仓库，自动化仓利用数据驱动和智能算法，实现了拣选单组合、AGV（即Automated Guided Vehicle，自动导引运输车或是无人搬运车等）调度、站点任务分配等作业过程的优化管理，生产过程更加透明化、可控化。
在本说明书中，提供了一种目标对象分配方法，本说明书同时涉及一种目标对象分配装置，一种计算设备，以及一种计算机可读存储介质，在下面的实施例中逐一进行详细说明。
参见图1，图1是本说明书一个实施例提供的一种目标对象分配方法的场景示意图。
如图1所示，该目标对象分配方法的场景图中包括：订单预测模块102、任务量确定模块104、岗位班次候补人员确定模块106、岗位班次目标人员确定模块108。
具体地，在对拣选岗位、播种岗位、包装岗位、以及质检岗位预分配员工时，首先基于订单预测模块102，对拣选岗位、播种岗位、包装岗位、以及质检岗位的任务量进行确定，其中，任务量预测方法可以是通过预测订单、历史订单、以及自定义订单中任意一项确定得到，得到拣选岗位的任务量为A、播种岗位的任务量为B、包装岗位的任务量为C、以及质检岗位的任务量D后，通过岗位班次候补人员确定模块106确定候补对象，然后通过将确定的候补对象、以及拣选岗位的任务量为A、播种岗位的任务量为B、包装岗位的任务量为C、以及质检岗位的任务量D输入云端110进行算法处理，从而通过确定岗位班次目标人员确定模块108，确定各岗位各班次对应的目标对象。
应用本说明书实施例提供的目标对象分配方法，在将该方法应用于仓库运营的场景的情况下，该目标对象分配方法首先通过第一预设算法对对象（如人员和/或自动化设备：机器人）、班次进行分配，从而得到初始的对象、班次分配列表，然后通过第二预设算法对该初始对象、班次分配列表进行优化，得到目标对象、班次分配列表；利用数据信息以及算法能力的优势，弥补人工经验决策的不足，通过该方法辅助人决策、管理人、管理设备，最终实现运营决策***化、智能化，完成资源优化配置，减少一线工人以及自动化设备（的数量），提高一线作业员的作业饱和度，降低因延单或扣单造成的外部惩罚，实现产能和人效提升。
参见图2，图2是本说明书一个实施例提供的一种目标对象分配方法的流程图，具体包括以下步骤。
步骤202：确定当日预测订单，并根据所述当日预测订单，确定岗位集合中各岗位单位时间段的任务量。
其中，当日预测订单可以理解为预测的当日的订单，该当日预测订单包括订单信息以及订单处理信息，其中，订单信息包括订单类型、订单数量，订单包裹数量等信息，订单处理信息包括订单拆单系数、订单对应的各岗位的任务处理比例系数等。例如，以电商仓库作业为例，仓库的当日预测订单可以为15个订单，该订单对应的订单拆单系数为2，那么该15个订单就可以拆分为30个包裹，其中，30个包裹中共包括100箱牛奶、50支笔、150个玩偶等商品。
岗位集合可以理解为当日预测订单所对应的岗位的集合。在确定仓库的当日预测订单后，仓库需要完成的任务包括出库任务、入库上架任务、以及盘点任务。当仓库执行出库任务时，对应的岗位包括：拣选、播种、包装、质检等岗位；当仓库执行入库任务时，对应的岗位包括：交接验收、放置、更新库存等岗位；当仓库执行盘点任务时，对应的岗位包括：清点等岗位。沿用上例，仓库在确定当日预测订单后，需要对订单完成出库任务，即完成100箱牛奶、50支笔、150个玩偶的拣选任务、播种任务、包装任务、以及质检任务。
具体实施时，在运营管理***应用于本说明书实施例提供的目标对象分配方法中的情况下，首先会在前一日提前对当日的订单进行预测，确定当日预测订单，然后根据当日预测订单，确定当日任务量，并根据当日任务量确定岗位集合中各岗位各单位时间段的任务量。
在本说明书提供的一实施例中，为了弥补当日预测订单数据准确性的问题，本目标对象分配方法，提供了三种数据预测的方法，支持历史数据平滑、人工自定义订单的输入模式等，从而使得数据输入更加详细，弥补预测准确性不足时段的问题，实现对各个计划出库时间节点合理安排。具体如下所示。
所述确定当日预测订单，包括：
接收上游平台发送的当日预测订单；
根据历史订单进行订单预测，获得当日预测订单；或者
根据自定义订单，确定当日预测订单。
其中，当日预测订单与上述目标对象分配方法中的当日预测订单一致，本说明书实施例在此不作赘述。
上游平台可以理解为能够实时接收订单信息的线上平台，其中，这里的线上平台可以是电商购物平台，网络购物平台等。
历史订单可以理解为存储于运营管理平台中的当日之前的订单信息，其中，这里的当日之前的订单信息可以是当日之前以日为单位的订单信息，也可以是当日之前以月为单位的订单信息，还可以是当日之前以年为单位的订单信息，还可以是当日之前以时间点为单位的订单信息。
自定义订单可以理解为运营管理人员根据已知信息、经验、或当日实际情况，输入的订单信息。
具体实施时，在运营管理***应用于本说明书实施例提供的目标对象分配方法中的情况下，确定当日预测订单的方式，包括但不限于以下三种模式：第一种是通过对上游平台记录的历史订单数据进行处理，确定当日预测订单；第二种是通过对运营管理***记录的历史订单数据进行处理，确定当日预测订单；第三种是运营管理人员基于历史经验、已知信息、或当日实际情况，确定当日预测订单。需要说明的是，这里的通过对历史订单进行处理，可以是通过平滑算法对历史订单进行处理，即对历史订单数据进行平均，或加权平均。
实际应用中，确定当日预测订单受多方面因素的影响，例如，当通过上游平台记录的历史数据，预测当日订单时，可以是基于前一日的订单信息，对当日订单进行预测，还可以是基于前一周的订单信息，对当日订单进行预测，还可以是基于历史数据中同一日的订单信息，对当日订单进行预测，如需要对7月6日的订单信息进行预测，则可以是对历史数据中6月6日、5月6日、4月6日的订单数据进行处理，确定7月6日的订单信息，具体采用何种预测方法，应根据实际需要进行选择，本说明书实施例在此不做限定，此外，通过上游平台记录的历史数据，预测当日订单时，还需要对当日是否有促销活动进行综合考虑，实现对当日订单的综合预测。同样的，当通过运营管理***记录的历史数据、或自定义订单预测当日订单时，也需要根据实际情况，对当日订单进行综合预测。
应用本说明书实施例提供的方法，采用订单预测算法结果作为运营管理***的输入，可以实现将预测结果细化到各出库时间、各时间段（小时级别）的订单量/件数，使得排班数据输入更加详细，实现针对各个计划出库时间点合理安排产能，且对于预测结果的确定支持历史数据平滑、人工自定义订单量的输入模式，可以弥补预测准确性不足时段的问题。
在本说明书提供的一实施例中，在确定当日预测订单后，为了对各岗位各单位时间段的任务量进行合理分配，本目标对象分配方法中，运营管理***在确定当日预测订单后，还会根据当日预测订单的任务量，生成岗位集合中各岗位的作业比例系数，并获取当日订单的出库时间，从而实现对各岗位各单位时间段的任务量进行合理分配。具体如下所示。
所述根据所述当日预测订单，确定岗位集合中各岗位单位时间段的任务量，包括：
根据所述当日预测订单的订单信息，确定岗位集合中各岗位的作业比例系数、以及确定所述当日预测订单中各订单的当日计划出库时间；
根据所述当日计划出库时间、以及所述各岗位的作业比例系数，生成所述各岗位单位时间段的任务量。
其中，作业比例系数可以理解为运营管理平台根据当日预测订单的订单信息，对该订单信息对应的岗位的任务量进行拆分，得到的各个岗位的任务量的比例系数（即上述任务处理比例系数），沿用上例，根据仓库的当日预测订单信息可以确定包裹数量以及每个包裹中的商品数量，设包裹数为30个，商品类型为牛奶、笔、玩偶，所有包裹的商品总数为牛奶100箱、笔50支、以及玩偶150个，因此，需要拣选的任务量共有300个。设拣选区共有三个区，拣选区A、拣选区B、以及拣选区C。
在一种情况下，设拣选区A、拣选区B、以及拣选区C的商品均包括：牛奶、笔、玩偶的足量库存，因此，可以确定三个拣选区的作业比例系数分别为拣选区A为百分之三十、拣选区B为百分之三十、以及拣选区C为百分之四十，因此，可以确定拣选区A的任务量为90，拣选区B的任务量为90，拣选区C的任务量为120。
在另一种情况下，设拣选区A的商品仅包括足量库存的牛奶，拣选区B的商品仅包括足量库存的笔，拣选区C的商品仅包括足量库存的玩偶，因此，可以确定拣选区A对商品牛奶的作业比例系数为百分之百、对商品笔的作业比例系数为百分之零、对商品玩偶的作业比例系数为百分之零，因此，可以确定拣选区A对商品牛奶的任务量为100，对商品笔的任务量为0，对商品玩偶的任务量为0；拣选区B对商品牛奶的作业比例系数为百分之零、对商品笔的作业比例系数为百分之百、对商品玩偶的作业比例系数为百分之零，因此，可以确定拣选区A对商品牛奶的任务量为0，对商品笔的任务量为50，对商品玩偶的任务量为0；拣选区C对商品牛奶的作业比例系数为百分之零、对商品笔的作业比例系数为百分之零、对商品玩偶的作业比例系数为百分之百，因此，可以确定拣选区A对商品牛奶的任务量为0，对商品笔的任务量为0，对商品玩偶的任务量为150。
具体实施时，在运营管理***应用于本说明书实施例提供的目标对象分配方法中的情况下，基于确定的当日预测订单，会自动生成岗位集合中各岗位的任务量作业比例系数，以及根据预测订单的下单时间段，确定当日计划出库时间。
实际应用中，作业比例系数是运营管理***基于确定的当日预测订单预测得到的，以电商仓库为例，仓库在接收到电商平台返回的订单信息后，首先需要对岗位任务量进行拆分，当岗位包括：拣选、播种、包装时，运营管理***会根据确定的订单信息，确定各岗位的任务量；然后确定各岗位的各分区的任务量，当仓库分为爆品区、冷品区、以及中品区，且各个分区中又分为人工操作区、以及自动化操作区时，运营管理***基于各分区历史任务量完成度，确定各个分区的任务量作业比例系数。例如，当日预测订单为包裹数为30个，商品类型为牛奶、笔、玩偶，所有包裹的商品总数为牛奶100个、笔50支、以及玩偶150个，因此，首先确定将100个牛奶确定为一个包裹、50支笔确定为一个包裹、以及150个玩偶确定为一个包裹，然后确定各个包裹的拆单比，即确定牛奶包裹中整箱购买的数量比以及拆零购买的数量比，同样，确定其他商品的拆单比，其次，根据拆单比，确定各岗位各分区分配的任务占比，当拣选岗位包括拣选A区、拣选B区、以及拣选C区时，确定拣选A区、拣选B区、以及拣选C区的任务量占比，即岗位集合中各岗位的作业比例系数。需要说明的是，订单乘以拆单比等于包裹数，一个包裹中有多少件商品，就需要拣选多少次。当各个岗位操作存在失误的情况下，会存在复工的情况。
需要说明的是，这里的拆单比可以理解为订单拆成包裹的平均数量，比如平均一个订单会拆成1.5个包裹，因此，拆单比可以用来估算包裹数量。实际上，在有详细预测信息的情况下，也可以直接确定包裹数量。比如牛奶原箱运输，那么一定会拆解成单独一个包裹。具体地，运营管理***通过获取自动化和人工***中在执行任务、已下发未执行任务、已生成为下发任务及其他可获取任务信息，根据执行时间、以及上下游环节的关联关系，对未来任务量做出预测，可以使得决策的获取更科学、准确、具体。
应用本说明书实施例提供的方法，通过对输入的订单预测算法结果进行分析，确定岗位集合中各岗位的作业比例系数，可以实现将预测结果细化到各出库时间、各时间段（小时级别）的订单量/件数，即通过从订单信息中获取当日计划出库时间点，通过作业比例系数生成各岗位各时间点任务量，使得排班数据输入更加详细，实现针对各个计划出库时间点合理安排产能。
步骤204：根据实际可调度的初始对象的对象特征、以及所述初始对象对应的调度班次，确定所述各岗位各班次的候补对象。
初始对象可以理解为完成当日预测订单所对应的岗位的实际可调度的员工，其中，这里的实际可调度的员工包括拥有考勤记录的在岗员工、未在考勤记录上的临时员工、以及未完成考勤记录的新入职员工。
对象特征可以理解为初始对象在其所在岗位的岗位特征信息，其中，这里的岗位特征信息包括岗位班次信息、岗位效率信息等。
候补对象可以理解为实际可调度的员工中，根据其岗位信息，分配到各个岗位的员工。
具体实施时，在确定各岗位各时间段的任务量后，运营管理***还会对员工进行分析，从而确定各岗位各班次的候补对象。具体地，运营管理***根据实际可调度的初始对象的对象特征，以及各个初始对象的班次信息，确定各岗位各班次的候补对象。
实际应用中，运营管理***，首先根据考勤组信息确定在岗员工，根据潜在人员调度池确定临时员工，以及新入职员工，并将在岗员工、临时员工，以及新入职员工确定为实际可排产员工；然后通过对实际可排产员工的历史岗位数据进行分析，得到实际可排产员工的人员画像信息，并根据人员画像信息，确定各岗位各班次的候补对象。
具体地，员工所有的库内工作和打卡记录等都会被***记录脱敏后下来，包括员工唯一识别号、员工岗位、员工操作数量、完成时间等。通过操作数量和完成时间，可以得出人员之前在该岗位工作时的效率，作为该人员的历史效率信息；通过是否在该岗位工作过或工作时长，可以得出人员的技能信息。员工的上班打卡记录组成了员工的上班历史信息。
在本说明书提供的一实施例中，为了实现对各岗位各班次的员工的个性化排产和推荐，本目标对象分配方法会对员工的实际信息进行详细分析，即通过员工的历史岗位数据，得到以员工身份标识为唯一索引的人员画像信息，其中，这里的人员画像信息包括岗位效率、技能、历史班次等信息。具体如下所示。
所述根据实际可调度的初始对象的对象特征、以及所述初始对象对应的调度班次，确定所述各岗位各班次的候补对象之前，还包括：
从对象考勤组和潜在对象调度池中，确定实际可调度的初始对象；
根据所述初始对象的考勤记录，以及预设上班规则，确定所述初始对象的初始班次；
根据所述初始对象、所述初始对象的岗位效率、以及所述初始对象的初始班次，确定所述实际可调度的初始对象的对象特征。
其中，初始对象、对象特征与上述目标对象分配方法中的初始对象、对象特征一致，本说明书实施例在此不作赘述。
对象考勤组可以理解为运营管理平台中实际记录在册的员工集合，其中，这里的员工集合包括正式员工。
潜在对象调度池可以理解为运营管理平台中未实际记录在册的员工集合，其中，这里的员工集合包括非正式员工、以及新入职的员工。
预设上班规则可以理解为运营管理平台中预设的初始对象的岗位班次信息的上班规则，其中，这里的岗位班次信息包括初始对象的实际上班历史、正式员工的岗位效率信息、以及非正式员工和新入职的员工的人员标准作业效率，这里的上班规则，包括但不限于倒班规则、换班规则、以及调班规则。
初始班次可以理解为实际可调度对象的实际可选班次。
具体实施时，根据实际记录的员工历史数据信息，确定实际可调度的初始对象的考勤记录，并根据该考勤记录，以及预设上班规则，确定初始对象的初始班次信息，即实际可调度对象的可选班次信息，根据实际可调度对象的可选班次信息、初始对象、以及初始对象的岗位效率，确定实际可调度对象的对象特征。即根据所述实际可调度的初始对象的考勤记录，确定历史班次信息；根据倒班换班规则，以及所述历史班次信息，确定所述实际可调度的初始对象的可选班次信息。
实际应用中，在运营管理***应用于本说明书实施例提供的目标对象分配方法中的情况下，首先根据考勤组信息确定在岗员工，根据潜在人员调度池确定临时员工，以及新入职员工，并将在岗员工、临时员工，以及新入职员工确定为实际可排产员工；然后根据岗位效率历史信息，包括单位时间段内完成某项工作的任务量，确定正式员工在该岗位工作时的效率；根据员工是否在该岗位工作过，以及工作时长，确定临时员工、以及新入职员工的技能，然后根据临时员工、以及新入职员工的技能，确定临时员工、以及新入职员工在某岗位的工作效率，需要说明的是，在临时员工、新入职员工没有历史工作信息的情况下，可以通过岗位标准效率（即对象标准作业效率）来确定临时员工、以及新入职员工在某岗位的工作效率；根据员工的实际上班历史，如上下班打卡记录，以及倒班换班规则，确定实际可排产员工的可选班次；其次，将实际可排产员工、工作效率、以及可选班次进行整合，作为实际可排产员工的人员画像信息，并根据人员画像信息，确定各岗位各班次的候补对象。例如，一方面，仓库将所有岗位的人员分为了不同的区域，并明确标明了该区域的技能，如拣选组、包装组等，通过该拣选组、包装组可以直接获取到岗位人员信息；另一方面，仓库有劳动力管理***，可以通过劳动力管理***获取所有人员，如可通过劳动力管理***获取所有在职人员和当日可入职人员，可以区域获取所有一线拣选员工和包装员工等，从而获取可用排班人员。
应用本说明书实施例的方法，通过对实际可调度员工的岗位历史数据进行分析，得到各个员工的具体职工识别号，形成以员工唯一身份识别号为索引的人员画像信息，包含岗位效率、技能、历史班次等信息，从而实现个性化的排产（即对各个岗位的任务量的分配）和推荐。
在本说明书提供的一实施例中，为了使得人员画像信息的数据更详细，从而实现后续对员工-岗位的分配更具有针对性，本目标对象分配方法针对不同类型的初始对象提供了不同的效率确定方法，以使数据分析更准确。具体如下所示。
所述初始对象包括第一类型初始对象、第二类型初始对象以及第三类型初始对象；
相应地，所述确定实际可调度的初始对象之后，还包括：
根据岗位效率历史信息，确定所述第一类型初始对象、以及所述第二类型初始对象的岗位效率；以及
根据对象标准作业效率，确定所述第三类型初始对象的岗位效率。
其中，初始对象与上述目标对象分配方法中的初始对象一致，本说明书实施例在此不作赘述。
第一类型初始对象可以理解为运营管理平台中实际记录在册的正式员工。
第二类型初始对象可以理解为运营管理平台中实际记录的非正式员工。
第三类型初始对象可以理解为运营管理平台中实际记录的新入职员工。
对象标准作业效率可以理解为运营管理平台中预先记载的对于非正式员工、以及新入职员工计算岗位效率的作业标准。
具体实施时，初始对象包括但不限于第一类型初始对象、第二类型初始对象、以及第三类型初始对象，其中，第一类型初始对象、以及第二类型初始对象的岗位效率，可以根据岗位效率历史信息确定；第三类型初始对象的岗位效率，可以根据对象标准作业效率确定。
实际应用中，实际可调用的初始对象包括：实际记录在册的正式员工、实际记录的非正式员工，以及新入职的员工。其中，实际记录在册的正式员工、以及临时员工，可以根据岗位历史信息，来确定岗位效率，新入职的员工由于存在无经验的情况，因此，根据对象标准作业效率，来确定岗位效率。
在本说明书提供的一实施例中，为了使得各岗位各班次分配的目标对象更合理，在确定各岗位各班次的任务量、以及岗位班次候补人员后，运营管理***还会对岗位班次信息进行确定，本目标对象分配方法通过判断可调度的候补对象的岗位班次信息，即候补对象的上班时间、下班时以及休息时间，与各订单的当日出库时间是否存在交叉关系，实现对各个岗位目标对象的合理分配。具体如下所示。
所述根据实际可调度的初始对象的对象特征、以及所述初始对象对应的调度班次，确定所述各岗位各班次的候补对象之前，还包括：
根据所述实际可调度的初始对象的对应的岗位班次信息，其中，所述岗位班次信息为所述初始对象的对应岗位的对应班次的当日起始时间、当日终止时间、以及对应岗位的对应班次的休息时间；
根据所述对应岗位的对应班次的当日起始时间、当日终止时间，以及所述当日预测订单中各订单的当日计划出库时间，确定第一计划出库时间段交叉关系；
根据所述对应岗位的对应班次的休息时间、以及所述当日预测订单中各订单的当日计划出库时间，确定第二计划出库时间段交叉关系；
根据所述初始对象的对应岗位的对应班次的当日起始时间、当日终止时间、所述第一计划出库时间段交叉关系、所述第二计划出库时间段交叉关系，确定所述初始对象对应的调度班次。
其中，初始对象与上述目标对象分配方法中的初始对象一致，本说明书实施例在此不作赘述。
第一计划出库时间段交叉关系可以理解为实际可调对象的岗位班次时段与计划出库时间段的交叉关系。
第二计划出库时间段交叉关系可以理解为实际可调对象的吃饭休息时段与计划出库时间段的交叉关系。
具体实施时，在运营管理***应用于本说明书实施例提供的目标对象分配方法的时，首先会根据实际可调度的初始对象的岗位班次信息，确定初始对象的对应岗位的对应班次的当日起始时间、当日终止时间、以及对应岗位的对应班次的休息时间，然后判断该岗位班次信息是否与当日出库时间段存在交叉关系，并确定交叉时间段。其中，这里的交叉关系包括：第一计划出库时间段交叉关系，即初始对象的对应岗位的对应班次的当日起始时间、当日终止时间与当日计划出库时间段存在交叉关系；第二计划出克时间段交叉关系，即对应岗位的对应班次的休息时间与当日计划出库时间段存在交叉关系。
实际应用中，通过读取运营人员选取的班次信息，分析班次起止时间、与计划出库时间交叉时段、是否覆盖吃饭时间等特征，可以确定将目标对象分配至对应岗位是否合适。例如，当对象A已经连续上了两个班次，则当对象A符合当日分拣岗位的第三个班次时，由于第三个岗位的时间段与对象A的休息时间有交叉关系，因此，不将对象A分配至当日分拣岗位的第三个班次。
应用本说明书实施例的方法，通过详细分析目标对象的岗位班次信息，与相应调配岗位的任务量信息，即人员信息处理模块，通过结合倒班换班规则和人员历史班次，确定人员可排班班次，从而实现在对员工的具体岗位信息进行分析后，在确保员工休息充足的情况下，保证岗位的工作效率。
步骤206：根据第一预设算法，对所述各岗位单位时间段的任务量、以及所述各岗位各班次的候补对象进行处理，获得所述各岗位各班次的候选对象。
其中，候补对象与上述目标对象分配方法中的候补对象一致，本说明书实施例在此不作赘述。
第一预设算法可以理解为对各个岗位各个时间段的任务量、以及岗位班次候补人员进行初始分配的算法，其中，这里的算法可以为贪心算法。
候选对象可以理解为通过贪心算法对各个岗位各个时间段的任务量、以及岗位班次候补人员进行初始分配后，确定的各岗位各班次的员工。
具体实施时，在确定各岗位各班次的任务量，以及各岗位的候补对象后，通过第一预设算法对各岗位各班次的任务量，以及各岗位的候补对象进行处理，即可得到各岗位各班次的候选对象。
实际应用中，通过第一预设算法，即贪心算法，计算候选对象-班次分配过程，以满足各计划出库时间产能要求，通过使用运筹优化算法求解候选对象，替代经验排班，各岗位员工分配可按照贪心算法生成初始解。需要说明的是，这里的运筹优化算法包括但不限于遗传算法、蚁群算法、邻域搜索算法等，本说明书实施例选择的是贪心算法，但本领域技术人员应该知晓，使用其他算法也可以对候选对象进行求解，本说明书实施例在此不做限定。其中，对于候选对象的求解属于整数规划问题，求解目标可以是最小化总人数，也可以是最小化工时，整数规划是指规划中的变量（全部或部分）限制为整数。最小化总人数的目标是指班次分配的总人数最少，这种适合于按天结算工资的场景。最小化工时的目标是指班次分配的结果是总工时最小，这种适合于按工时结算工资的场景。
应用本说明书实施例提供的方法，通过使用算法对各岗位各班次的任务量，以及各岗位的候补对象进行分析，从而确定各岗位各班次的候选对象，有利于科学、准确的为各岗位各班次分配合理的员工，可以避免人工排班过程中，由于个人意愿造成的员工和岗位分配不合理的问题。
在本说明书提供的一实施例中，为了使得各岗位各班次的员工分配更合理，本目标对象分配方法采用贪心算法对任务量和候补对象进行分析，将满足第一分配条件的候补对象，分配至已分配列表，将满足第二分配条件的候补对象，分配至候补分配列表，并通过对候补分配列表中的候补对象进行分析，从而确定候选对象。具体实现如下所示。
所述根据第一预设算法，对所述各岗位单位时间段的任务量、以及所述各岗位各班次的候补对象进行处理，获得所述各岗位各班次的候选对象，包括：
将满足第一分配条件的所述各岗位各班次的候补对象，分配至所述各岗位各班次对应的已分配列表；
将满足第二分配条件的所述各岗位各班次的候补对象，分配至所述各岗位各班次对应的候补分配列表；
对所述候补分配列表中的候补对象进行降序排列，并根据降序排列后的所述候补分配列表中的候补对象，对所述候补分配列表对应的各岗位单位时间段的任务量进行处理，获得所述各岗位各班次的候选对象。
其中，候补对象、以及候选对象与上述目标对象分配方法中的候补对象、以及候选对象一致，本说明书实施例在此不作赘述。
第一分配条件可以理解为候选对象中符合直接分配的分配条件，其中，这里的分配条件可以是只能从事一个岗位一个班次的员工，也可以是只能休班的员工，等等。
已分配列表可以理解为实际确定的对应岗位的对应员工的列表，例如，小张只具备拣选的技能，且只能进行人工拣选，因此，小张实际分配至人工拣选的岗位班次，不能分配至其他岗位班次。
第二分配条件可以理解为选对象中拥有多项技能的员工的分配条件，其中，这里的分配条件是可以从事多个岗位的员工，例如，小李拥有拣选（人工和机器操作）和包装的技能，因此，可以将小李分配至拣选对应的人工拣选岗位或机器操作的拣选岗位，或包装对应的岗位。
候补分配列表可以理解为未实际确定对应岗位的对应员工的列表。
具体实施时，通过贪心算法对候补对象进行分析，从而确定候选对象。具体地，将满足第一分配条件的候补对象，分配至已分配列表，即当候补对象只满足一个岗位一个班次时，将该候补对象分配至该岗位该班次，并加入已分配列表；当候补对象满足休班条件时，将不对该候补对象进行分配，并加入已分配列表；将满足第二分配条件的候补对象，分配至候补分配列表，即当候补对象拥有多项技能，可以同时分配至多个岗位时，将该候补对象加入候补分配列表，并加入符合其技能的岗位的候补列表中，根据候补分配列表中各个岗位的候补对象的岗位效率，将候补对象进行降序排列，确定各个岗位的候选对象。
实际应用中，对候补对象进行分析时，首先将只能从事一个岗位一个班次或者只能休班的员工直接分配，从待分配员工列表中删除；然后将多岗位胜任员工加入各自岗位可分配候补员工列表，并按照效率或者性价比降序排列。需要说明的是，降序排列方法，可以是基于各候补对象针对不同岗位的岗位效率进行排列，也可以是基于各候补对象针对不同岗位的性价比进行排列，这里的性价比包括对候补对象的岗位效率，以及薪资水平等进行综合分析。
应用本说明书实施例的方法，通过对候补对象是否满足分配条件进行判断，可以减少运营管理***的数据计算量，提高计算速度，从而缩短分配结果的获取时间，提高企业、管理人员、以及员工的使用效率。
在本说明书提供的一实施例中，为了使得各岗位各班次的候选对象的分配更合理，更科学，本目标对象的分配方法还通过岗位约束情况，对候补分配列表中的候补独享进行仿真处理，从而获取更精确的各岗位各班次的候选对象。具体实现方式如下。
所述根据降序排列后的所述候补分配列表中的候补对象，对所述候补分配列表对应的各岗位单位时间段的任务量进行处理，获得所述各岗位各班次的候选对象，包括：
根据降序排列后的所述候补分配列表中的候补对象，对所述候补分配列表对应的各岗位单位时间段的任务量进行仿真处理，确定所述各岗位各班次的岗位约束情况；
根据所述各岗位各班次的岗位约束情况，对所述各岗位各班次对应的候补分配列表中的候补对象进行调整，获得所述各岗位各班次的候选对象。
其中，候补分配列表、候补对象以及候选对象与上述目标对象分配方法中的候补分配列表、候补对象、以及候选对象一致，本说明书实施例在此不作赘述。
岗位约束情况可以理解为各岗位各班次对候补对象的约束情况，或候补对象的岗位班次信息对各岗位各班次的约束情况，其中，这里的岗位约束情况，可以是计划出库时间的出库情况、候补对象的休假时间情况等。
具体实施时，在得到降序排列的候补对象的候补分配列表后，根据各岗位各单位时间段的任务量，对候补对象进行仿真处理，将满足岗位约束情况的候补对象分配至相应岗位，并加入已分配列表。
实际应用中，在确定候补对象满足分配条件后，按照岗位作业关联生成任务量，并通过仿真模拟生产过程，检查各个岗位约束的满足情况，其中，这里的岗位约束情况，包括：根据计划出库时间的出库情况，得到约束检查结果，需要说明的是，这里的不满足的岗位和班次是根据是否涵盖计划出库时间选择的，将不满足的岗位和班次记录的候补对象进行删除。其次，根据约束检查结果，向岗位任务处理量不满足产能的岗位，增加候补对象，并将候补分配列表中满足岗位约束条件的员工加入已分配列表。
具体地，这里通过仿真模拟生产过程，检查各个岗位约束的满足情况，包括：根据该岗位该班次的单位时间段的任务量，向该班次增加第一候补对象，并计算加入该第一候补对象后，该班次的单位时间段的任务量与该班次计划产能的大小，在班次的单位时间段的任务量小于该班次计划产能的情况下，继续向该班次增加第二候补对象，并计算加入该第二候补对象后，该班次的单位时间段的任务量与该班次计划产能的大小，重复以上的操作，直至该班次的单位时间段的任务量满足该班次的产能大小；循环对各个岗位的产能进行检查，直至对所有岗位所有班次完成候补对象的分配。
应用本说明书实施例提供的方法，通过贪心算法对各岗位任务量和候补对象进行处理，从而确定各岗位各班次的候选对象，有利于科学、准确地为各班次分配较优的候选对象，从而减少人工排班造成的失误，即由于对岗位任务量判断失误，或对候补对象的岗位信息判断失误，以及缩短计算时间，提升用户体验感。
步骤208：根据第二预设算法，对所述各岗位各班次的候选对象进行调整，确定所述各岗位各班次的目标对象，其中，所述初始对象、所述候补对象、所述候选对象以及所述目标对象均为进行对应岗位对应班次的任务量处理的对象。
其中，初始对象、候补对象以及候选对象与上述目标对象分配方法中的初始对象、候补对象、以及候选对象一致，本说明书实施例在此不作赘述。
第二预设算法可以理解为在贪心算法对各个岗位各个时间段的任务量、以及岗位班次候补人员进行初始分配，得到初始分配结果后，对初始分配结果进行处理的算法，其中，这里的算法可以为运筹优化算法，即求解整数规划问题，例如领域搜索算法、遗传算法、或蚁群算法等，本说明书实施例使用的是领域搜索算法，具体可以根据实际需要使用不同的算法，本说明书实施例在此不做限定。
目标对象可以理解为对应岗位实际确定的员工。
具体实施时，在确定各岗位各班次的候选对象后，通过第二预设算法对候选对象进行调整，从而为各岗位各班次分配最优的目标对象。
实际应用中，在确定各岗位各班次的候选对象后，通过邻域算法对候选对象进行调整，即通过对各岗位各班次的候选对象进行调整，例如候选对象小张既可以在拣选岗位的第一班次进行工作，也可以在包装岗位的第一班次进行工作，候选对象小李既可以在拣选岗位的第一班次进行工作，也可以在播种岗位的第一班次进行工作，且在拣选岗位的第一班次中小张的岗位效率为第一，小李的岗位效率为第二，在包装岗位小张的岗位效率为第一，在播种岗位小李的岗位效率为第一，因此，可以将小张分配至拣选岗位的第一班次，将小李分配至包装岗位的第一班次，在完成第一时间段的任务量后，可以通过调换小张至包装岗位的第一班次，将小李调换至拣选岗位的第一班次，实现对拣选岗位和包装岗位的候选对象进行调整，从而确定各个岗位各个班次的目标对象。
在本说明书提供的一实施例中，为了使得各岗位各班次分配到最优的候选对象，本目标对象的分配方法，通过邻域搜索算法对各岗位各班次的候选对象进行调整，从而得到各岗位各班次的目标对象。具体实现方式如下。
所述根据第二预设算法，对所述各岗位各班次的候选对象进行调整，确定所述各岗位各班次的目标对象，包括：
根据所述各岗位单位时间段的任务量，确定所述各岗位各班次的任务量；
根据邻域搜索算法，对所述各岗位各班次的任务量、所述各岗位各班次的候选对象的生产产能、与所述各岗位各班次的当日计划出库时间前的任务量进行匹配，确定所述各岗位各班次的目标对象。
其中，候选对象以及目标对象与上述目标对象分配方法中的候选对象以及目标对象一致，本说明书实施例在此不作赘述。
本实施例的具体实现方式与步骤208所示的具体实现方式一致，本说明书实施例在此不作赘述。
应用本说明书实施例的方法，通过对得到的各岗位各班次的候补对象进行分配，得到候选对象，即岗位班次处理模块，通过结合可排班人员画像信息，分配每个岗位班次候补人员。如果有现场已确认人员，则优先分配到该班次已经排班人员列表中。然后通过邻域搜索，不断检查班次和产能是否满足计划出库时间前的产能，有利于实现为各岗位各班次分配最优或较优的目标对象，实现通过使用最小的成本得到最大的岗位效率。
在本说明书提供的一实施例中，在获取到最终的目标对象-岗位的调整结果后，为了及时向排班管理人员调整结果，本目标对象的分配方法还会将调整结果发送至前端页面，以便排班管理人员可以对调整结果进行确认或修改。具体实现方式如下。
根据第二预设算法，对所述各岗位各班次的候选对象进行调整，确定所述各岗位各班次的目标对象之后，还包括：
根据所述各岗位各班次的目标对象，确定第一调整结果，并将所述第一调整结果发送至前端页面；
在接收到排班管理人员，对所述各岗位各班次的目标对象的确认指令后，将所述各岗位各班次的目标对象，发送至终端的目标对象页面。
其中，目标对象与上述目标对象分配方法中的目标对象一致，本说明书实施例在此不作赘述。
第一调整结果可以理解为事前排班对员工的调整结果。
具体实施时，运营确认模块中，排班管理人员可以在前端页面查看调整结果，实现对该调整结果的确定以及修改，即可以对排班结果进行确认上班、不确认上班、新增推荐外对象等操作，在完成对调整结果的处理后，一键同步给对应目标对象。
应用本说明书实施例的方法，通过建立整数规划模型，使用运筹优化算法求解，替代经验排班模式，实现智能排班算法自动计算得到具体到人的排班结果，并推送到前端展示，现场排班管理人员只需执行确认操作或对返回结果进行微调，并将最终确定的调整结果一键同步具体人员，有利于简化排班管理人员的操作步骤，提升排班效率。
参见图3，图3是本说明书一个实施例提供的一种目标对象分配方法中事前排班的具体实现流程图，具体包括以下步骤。
步骤302：根据多模式订单数据选择确定订单数据。
具体地，根据多模式订单数据选择确定订单数据的方法包括：根据预测订单确定订单数据；根据历史订单确定订单数据；根据自定义订单确定订单数据。
步骤304：确定各岗位各时段任务量，并将各岗位各时段任务量发送至生产产能模拟与人员迭代分配模块中。
具体地，确定各岗位各时段任务量的方法包括：首先根据订单数据确定各岗位的当日计划出库时间点、以及作业比例系数，然后根据订单数据、当日计划出库时间点、以及各岗位的作业比例系数，确定各岗位各时段任务量。
步骤306：确定人员画像信息。
具体地，首先，通过现场运营智能排班考勤组和***可获取的潜在人员调度池，确定实际可排产员工；然后，通过岗位效率历史信息确定员工实际/最大岗位效率；通过人员标准作业效率确定新人岗位效率；通过实际上班历史信息确定员工班次历史，并根据倒班换班规则、以及员工班次历史，确定可选班次，即人员可排班班次；最后根据实际可排产员工、岗位效率历史信息、人员标准作业效率、以及实际上班历史，生成人员画像信息。
步骤308：确定班次信息。
具体地，岗位班次信息包括：上下班时间、班次时长、计划出库时段交叉关系、以及是否覆盖吃饭时间等。
步骤310：根据人员画像信息、以及班次信息，确定岗位班次候补人员初始分配，并将岗位班次候补人员初始分配发送至生产产能模拟与人员迭代分配模块中。
具体地，根据运营人员选取的班次信息，分析班次起止时间、与计划出库时间交叉时段、是否覆盖吃饭时间等特征，结合可排班人员画像信息，分配每个岗位班次候补人员。如果有现场已确认人员，则优先分配到该班次已经排班人员列表中。
步骤312：通过生产产能模拟与人员迭代分配模块中的模拟生产算法对各岗位各时段任务量进行处理，通过人员分配算法对岗位班次候补人员初始分配进行处理，得到岗位班次具体到人排班结果。
步骤314：岗位班次具体到人排班结果。
具体地，生产产能模拟与人员迭代分配模块中的模拟生产算法对各岗位各时段任务量进行处理包括：岗位任务关联、时间任务均衡、以及关键节点保障；人员分配算法对岗位班次候补人员初始分配进行处理包括：效率优先分配、人员岗位交叉、岗位人员均衡、以及虚拟人员替补。需要说明的是，这里的虚拟人员替补可以理解为在通过人员分配算法对人员进行处理时，若没有合适的员工可以分配，则需要向管理人员发出报警信息，请求管理人员重新寻找合适的可分配人员。
具体实施时，通过运筹优化算法计算人员-班次的分配过程，替代经验排班，有利于以更合理的方式满足各计划出库时间产能要求。其中，通过运筹优化算法计算人员-班次的分配过程，得到分配结果的问题，属于整数规划问题，其求解目标可以为最小化总人数或者最小化工时。
在一种实施例中，各岗位员工分配可按照贪心算法生成初始解。首先将只能从事一个岗位一个班次或者只能休班的员工直接分配，并从待分配员工列表中删除；然后将多岗位胜任员工加入各自岗位可分配候补员工列表，并按照效率或者性价比降序排列；其次，按照岗位作业关联生成任务量，并通过仿真模拟生产过程，从而得到初始解。最后，通过邻域搜索，不断检查班次和产能是否满足计划出库时间前的产能，直到找到最优解或者较优解。
具体地，通过仿真模拟生产过程，从而得到初始解的过程包括：首先对各个岗位约束的满足情况进行检查，如计划出库时间的出库情况，将不满足的岗位和班次记录下来并返回，其中，班次根据是否涵盖计划出库时间选择；然后根据约束检查结果，增加不满足岗位效率的人员，将人员从候补人员移入已分配人员，并通过岗位轮换和删除人员召回，来循环检查产能，分配人员，直到所有岗位产能被分配结束。
通过运筹优化算法计算人员-班次的分配过程的具体实现可参见图4，图4是本说明书一个实施例提供的一种目标对象分配方法中的通过运筹优化算法计算目标对象的示意图。
如图4所示，班次-人员分配的过程，包括：时间线、候选班次、计划出库时间产能详情、人员-时间线、产能-时间线、以及潜在可调度人员的综合考虑。
通过运筹优化算法计算人员-班次的分配过程就是不断选择人员和班次加入对应的岗位列表的过程，根据人员效率叠加岗位产能，查看是否满足约束，比如是否能满足出库产能。算法执行流程简述如下：当存在不满足存在不满足产能要求的计划出库时间的情况下，首先确定匹配度最高的班次；然后通过潜在可调度人员，确认人员，在该班次将该人员加入对应的岗位后，该班次的产能，满足约束条件时，确定该班次增加一名员工；其次，根据员工的增减对人员-时间线、产能-时间线进行更新；再其次，根据人员-时间线、产能-时间线的更新，对计划出库实现产能详情进行更新，从而确定各岗位各班次匹配最合适的目标对象。需要说明的是，计划出库时间产能详情中包括：根据产能差值，确定的最佳匹配班次，即对候选班次的确定。
需要说明的是，对于人员的确认，首先在候补人员列表中根据效率优先的原则，确定人员；在无候补员工的情况下，替换其他岗位的可用多技能员工；在无可用多技能员工的情况下，增加虚拟员工。
步骤316：将排班结果在前端显示，并由运营确认。
步骤318：终端沟通程序推送排班结果。
具体地，运营管理人员查看前端页面算法结果，可以对排班结果进行确认上班、不确认上班、新增推荐外人员操作，调整后结果一键同步给对应上班员工。
在本说明书提供的一实施例中，为了保证仓库当日任务量的完成，避免由于受其他各种情况的影响，造成事前排班预测结果差异较大的情况，本目标对象的分配方法，还提供了一种事中调度的方法，即实现仓库管理人员做现场的资源调配，当单量较预估值明显增多时，现场管理人员会考虑各岗位加人或延长工作时间，延长时间仍不能解决问题则申请增加当前出勤员工数目。当单量较预估值明显降低时，可以推迟班次的上班时间或者提前下班，以减少当天的人员成本。当各区域各岗位作业量不协调时，考虑岗位间人员数量和工作时间。具体实现方法如下所示。
所述确定所述各岗位各班次的目标对象之后，还包括：
将所述各岗位各班次的目标对象，根据预设分配规则分配至所述各岗位的各工作区域进行任务处理，并确定所述各工作区域在任意时段的实际任务量。
其中，目标对象与上述目标对象分配方法中的目标对象一致，本说明书实施例在此不作赘述。
预设分配规则可以理解为运营管理平台中预设的将目标对象分配至各岗位的各工作区域的分配规则，例如，这里的分配规则可以是按岗位任务量比例进行分配，也可以是按目标对象的任务处理效率进行分配。
具体实施时，会基于各岗位各班次的目标对象，根据预设的分配规则，为各岗位各班次分配，目标对象，以确保该岗位该班次的实际任务量满足产能要求。
实际应用中，按照预设分配规则将目标对象分配至各岗位的各工作区域，既可以是按照每个岗位的任务量进行按比例分配，还可以是将目标对象平均分配，本说明书实施例在此不做限定，具体应根据实际需要进行确定。需要说明的是，这里的将预设分配规则不仅仅对各岗位各班次的任务量进行分配，还会把目标对象分配至各岗位各班次。
在本说明书提供的一实施例中，在当日由于受其他各种情况的影响，造成事前排班预测结果差异较大的情况，本说明书实施例的目标对象分配方法在事前排班结束后，在实际应用的过程中还提供了一种事中调度的具体实现，其中，事中调度算法流程分为数据读取模块、生产节奏判断模块、生成调度决策模块三个阶段，并将算法结果推送到运营管理群，执行流程参见图5，图5是本说明书一个实施例提供的一种目标对象分配方法中事中调度的处理流程图，具体包括以下步骤。
所述确定所述各工作区域在任意时段的实际任务量之后，还包括：
步骤502：根据所述实际任务量，确定当前时段的下一时段的、所述各工作区域的时段预测任务量。
步骤504：根据所述各工作区域的区域信息、与所述当前时段的所述各工作区域的目标对象，确定所述下一时段的所述各工作区域的在岗对象。
其中，目标对象与上述目标对象分配方法中的目标对象一致，本说明书实施例在此不作赘述。
在岗对象可以理解为各岗位各班次中当日的实际员工。
具体实施时，会根据当日各岗位各班次的实际任务量，确定当前时段的下一时段的，各工作区域的时段预测任务量；并根据各工作区域的区域信息，以及当前时段各工作区域的目标对象，确定下一时段的各工作区域的在岗对象。需要说明的是，确定当前时段的下一时段的，各工作区域的时段预测任务量，可以是用当前时段的前一时段的各岗位的实际任务量进行预测；也可以用当前时段的下一时段前一天对应时段的实际任务量进行预测。
在本说明书提供的一实施例中，为了更好地实现对当日排班人员进行调度，以及降低成本，本目标对象的分配方法是根据在岗位对象的岗位效率实现具体的调度的。具体实现方法如下所示。
所述在岗对象包括第一类型在岗对象、第二类型在岗对象以及第三类型在岗对象；
相应地，所述确定所述下一时段的所述各工作区域的在岗对象之后，还包括：
根据岗位效率历史信息，确定所述第一类型在岗对象、以及所述第二类型在岗对象的岗位效率；以及
根据对象标准作业效率，确定所述第三类型在岗对象的岗位效率。
其中，在岗对象与上述目标对象分配方法中的在岗对象一致，本说明书实施例在此不作赘述。
第一类型在岗对象可以理解为运营管理平台中实际记录在册的各岗位各班次中当日的实际员工。
第二类型在岗对象可以理解为运营管理平台中实际记录的非在岗的各岗位各班次中当日的实际员工。
第三类型在岗对象可以理解为运营管理平台中实际记录的各岗位各班次中当日新入职的实际员工。
具体实施时，在岗对象包括第一类型在岗对象、第二类型在岗对象、以及第三类型在岗对象，其中第一类型在岗对象的在岗效率、以及第二类型在岗对象的在岗效率，是根据岗位效率历史信息确定的；第三类型的在岗对象的在岗效率，是根据对象标准作业效率确定的。
实际应用中，数据读取模块，包括区块岗位任务量信息，即获取根据***任务得到的各区块岗位任务量预测结果。
步骤506：根据所述在岗对象以及所述在岗对象的岗位效率，确定所述下一时段的所述各工作区域的时段生产能力。
其中，在岗对象与上述目标对象分配方法中的在岗对象一致，本说明书实施例在此不作赘述。
具体实施时，根据在岗对象以及在岗对象的岗位效率，可以预测下一时段各工作区域各时段的在岗对象的时段生产能力。需要说明的是，这里的工作区域的时段生产能力可以理解为实时生产能力，通过将实时在岗人员的实时岗位效率和历史效率的加权平均结果，与单位时长的乘积进行累加，得到该岗位的实时生产能力
实际应用中，数据读取模块，还包括在岗人员信息，通过获取实时在岗人员信息，结合潜在人员调度池、岗位效率历史信息、人员标准作业效率确定人员技能、效率值情况，计算对应区块岗位的实时生产能力。
步骤508：根据所述各工作区域的时段预测任务量、以及时段生产能力，在所述下一时段，对所述当前时段的各工作区域的目标对象进行调整。
其中，目标对象与上述目标对象分配方法中的目标对象一致，本说明书实施例在此不作赘述。
具体实施时，根据下一时段各工作区域各时段的在岗对象的时段生产能力，以及各工作区域的时段预测任务量，对下一时段各工作区域的目标对象进行调整。
在本说明书提供的一实施例中，为了更合理的对目标对象进行调度，本目标对象的分配方法，通过将产能冗余的区域的目标对象，向产能不足的区域进行调度，实现各区域的产能与任务量均衡。具体实现方式如下。
所述根据所述各工作区域的时段预测任务量、以及时段生产能力，在所述下一时段，对所述当前时段的各工作区域的目标对象进行调整，包括：
根据所述各工作区域的时段预测任务量、以及时段生产能力，确定所述各工作区域的生产类型；
根据所述各工作区域的生产类型，将生产类型为第一生产类型的工作区域，确定为对象分配工作区域，以及将生成类型为第二生产类型的工作区域，确定为对象调度工作区域；
在所述下一时段，根据所述当前时段的所述对象调度工作区域的目标对象，对所述当前时段的所述对象分配区域的目标对象进行调整。
其中，生产类型可以理解为根据区块岗位的任务量、生产能力，确定的每个区块岗位的生产类型。
第一生产类型可以理解为在区块岗位的任务量大于生产能力的情况下，确定该区块岗位属于产能不足的生产类型。
第二生产类型可以理解为在区块岗位的任务量小于生产能力的情况下，确定该区块岗位属于产能冗余的生产类型。
对象分配工作区域可以理解为区块岗位产能不足，需要从其他区块岗位借调员工的区域，设工作区域A区块岗位产能不足，工作区域B区块产能冗余，且在工作区域B存在满足工作区域A的目标对象小明的情况下，工作区域A可以从工作区域B借调小明。
对象调度工作区域可以理解为区块岗位产能冗余，可以向其他区块岗位分配员工的区域，沿用上例，工作区域B可以向工作区域A分配小明。
具体实施时，通过判断各工作区域的任务量与各个工作区域的分配产能的大小，确定各工作区域的生产类型，其中，这里的生产类型包括：第一生产类型，即产能不足的生产类型，确定为对象分配工作区域，其中，各工作区域的区块岗位的任务量大于各个工作区域的生产能力；第二生产类型，即产能冗余的生产类型，对象调度工作区域，其中，各工作区域的区块岗位的任务量小于各个工作区域的生产能力；第三生产类型，即产能均衡的生产类型，各工作区域的区块岗位的任务量等于各个工作区域的生产能力。
实际应用中，生产情况判断模块，通过结合区块岗位的任务量、生产能力，对每个区块岗位生产情况判断，划分出产能不足、产能冗余、产能均衡三种类型，并计算产能不足/冗余数值。需要说明的是，这里的产能不足/冗余数值为实时生产能力与当前剩余产能的差值。在判断某工作区域属于第一生产类型时，则需要判断属于第二生产类型的工作区域，是否有可以满足第一生产类型区域条件的目标对象，若第二类型的工作区域存在满足第一生产类型的工作区域条件的目标对象，则对目标对象进行调整。需要说明的是，这里，当第二类型的工作区域中不存在满足第一生产类型的工作区域条件的目标对象时，需要发出报警信号。
具体地，当产能不足区块产生调度需求时，根据产能超出区块可调度能力和人员画像生成可调度人员列表，择优支援到产能不足岗位。算法执行流程为，如果发现产能不足的区块和岗位时，立即调用算法找到产能超出的区块或岗位，找到具备技能的员工，并全局择优调度。如果没有可调度人员，生成产能不足的岗位和区块预警提示。
如图6所示，图6是本说明书一个实施例提供的一种目标对象分配方法中的事中调度的具体实现示意图。
图6中包括：货到人拣选602、人工拣选604、第一播种/包装606、第二播种/包装608。
由于货到人拣选602中在岗能力小于任务量，因此该区域属于产能不足区域，需要从其他区域调配人员到该区域，其被调度人员包括：张三，效率280、孙六，效率270。
人工拣选604中在岗能力大于任务量，因此该区域属于产能冗余区域，可调度该区域的人员到其他区域，其可调度人员包括：张三，效率280、李四，效率265、王五，效率260。
第一播种/包装606中第一播种区域在岗能力大于任务量，因此该区域属于产能冗余区域，可调度该区域的人员到其他区域，其可调度人员包括：孙六，效率270、赵七，效率255，第一包装区域在岗能力等于任务量，因此该区域属于产能均衡区域，不可调度该区域的人员到其他区域。
第二播种/包装608中第二播种区域在岗能力大于任务量，因此该区域属于产能冗余区域，但由于该区域无合适人员，不可调度该区域的人员到其他区域，第一包装区域在岗能力等于任务量，因此该区域属于产能均衡区域，不可调度该区域的人员到其他区域。
在货到人拣选602分别向人工拣选604、第一播种/包装606、以及第二播种/包装608发送调度请求的情况下，人工拣选604、以及第一播种/包装606中的第一播种区域将发送人员调度信息给货到人拣选602；第一播种/包装606中的第一包装区域、以及第二播种/包装608的第二包装区域，由于产能均衡，将不会发送人员调度信息给货到人拣选602；第二播种/包装608的第二播种区域，由于无合适人员，将不会发送人员调度信息给货到人拣选602；
需要说明的是，通过0-1整数规划模型计算推荐更优的人员调度建议，包括：已知区块岗位、在岗人员集合、员工作业效率、区块岗位作业量、区块岗位作业能力，决策变量是某个员工是否需要从区块岗位i调度到j，通过最小化区块岗位的产能不均衡的函数，满足一个人员最多只能被调度到一个区域岗位，被调度人员必须能够胜任目的地岗位的约束条件，利用一些启发式算法比如遗传算法、蚁群算法即可求解，本说明书实施例在此不做限定。
对于自动化设备来说，整个调度过程无需人为干预。当自动化区块内岗位人员过剩时，可基于人员岗位效率、设备和工作站任务数预测来综合预测各在岗人员的闲忙和能力阈值；根据人员闲忙，调度自动化设备发送闲时任务，当自动化设备的区域间作业不协同时，建立自动化区域作业协同的目标函数，以最终作业为牵引，自动化设备区域间自动分配，实现最大效率的出库。
应用本说明书实施例提供的方法，通过利用算法优化得到区块岗位之间人员调度结果，***层面容易获得实时任务量信息，并通过数据挖掘获取在岗人员画像信息，通过0-1整数规划模型计算推荐更优的人员调度建议，有利于简化排班管理人员的操作步骤，提升排班效率。通过判断工作区域的类型，实现将产能冗余的工作区域中符合条件的目标对象，调整至产能不足的工作区域中，有利于提升问题解决的效率，减小由于误工造成的成本。
在本说明书提供的一实施例中，在完成事中对目标对象的调整，得到调整结果后，运营管理***还会将该调整结果，发送终端的目标对象页面，从而实现生产管理人员对目标对象的调整。具体如下所示。
所述根据所述各工作区域的时段预测任务量、以及时段生产能力，在所述下一时段，对所述当前时段的各工作区域的目标对象进行调整之后，还包括：
根据对所述当前时段的各工作区域的目标对象的调整，确定第二调整结果；
将所述第二调整结果发送至终端的目标对象页面。
其中，目标对象与上述目标对象分配方法中的目标对象一致，本说明书实施例在此不作赘述。
第二调整结果可以理解为事中调度对员工的调整结果。
具体实施时，在得到最终的调整结果后，将调整结果发送至运营管理群，以便生产管理人员可以接收到该通知消息，并在确认后，完成工作的调度。
实际应用中，事中调度算法可以自动生成人员调度方案、产能不足/空闲预警信息，并直接推送到管理群，现场生产管理人员只需根据提示做出判断和执行即可。即利用现场任务量和在岗位人员信息，对各区块岗位产能超出、产能不足、产能均衡情况作出判断。
应用本说明书实施例提供的方法，将事中调度算法自动生成的人员调度方案、产能不足/空闲预警信息，直接推送到管理群，现场生产管理人员只需根据提示做出判断和执行即可。通过***辅助运营管理人员决策，通过前端页面、群提醒和手机提醒等方式，直接管理人、管理设备，降低运营决策难度，降低自动化***交互难度，实现运营决策***化和智能化。
参见图7，图7是本说明书一个实施例提供的另一种目标对象分配方法中事中调度的处理流程图，具体包括以下步骤。
步骤702：确定区块岗位短时任务序列，并发送至区域人员调度算法模块。
具体地，确定区块岗位短时任务序列的方法包括：确定岗位任务量预测、区块信息、以及是实时在岗人员信息，并根据岗位任务量预测、区块信息、以及是实时在岗人员信息，确定区块岗位短时任务序列。
步骤704：确定区块岗位实时在岗人员。
具体地，根据区块信息、以及是实时在岗人员信息，确定区块岗位实时在岗人员。
步骤706：确定员工实际/最大岗位效率，并发送至区域人员调度算法模块。
具体地，确定员工实际/最大岗位效率的方法包括：首先获取潜在人员调度池中的可调度人员，然后确定区块实时在岗人员的岗位效率历史信息，以及潜在人员调度池中的可调度人员的人员标标准作业效率，最后根据区块实时在岗人员的岗位效率历史信息，以及可调度人员的人员标标准作业效率，确定员工实际/最大岗位效率。
步骤708：确定区块岗位实时生产能力，并发送至区域人员调度算法模块。
具体地，根据区块岗位实时在岗人员、以及员工实际/最大岗位效率，确定区块岗位实时生产能力。
步骤710：通过区域人员调度算法进行分析，得到调度建议，并推送至终端沟通群。
具体地，通过区域人员调度算法进行分析，得到调度建议，包括：首先通过区域人员调度算法对任务量预测，以及实时生产能力进行区域岗位产能冗余-不足分析，得到分析结果；然后根据时效节点、以及员工实际/最大岗位效率，得到区域产能平衡与调度建议；其次，根据班次信息，得到员工提前下班/上班的调拨建议；最后，在不能给出调拨建议的情况下，发出紧急预警。
步骤712：终端沟通群推送调度建议到管理人员。
与上述方法实施例相对应，本说明书还提供了目标对象分配装置实施例，图8是本说明书一个实施例提供的一种目标对象分配装置的结构示意图。如图8所示，该装置包括：
第一确定模块802，被配置为确定当日预测订单，并根据所述当日预测订单，确定岗位集合中各岗位单位时间段的任务量；
第二确定模块804，被配置为根据实际可调度的初始对象的对象特征、以及所述初始对象对应的调度班次，确定所述各岗位各班次的候补对象；
第一处理模块806，被配置为根据第一预设算法，对所述各岗位单位时间段的任务量、以及所述各岗位各班次的候补对象进行处理，获得所述各岗位各班次的候选对象；
第二处理模块808，被配置为根据第二预设算法，对所述各岗位各班次的候选对象进行调整，确定所述各岗位各班次的目标对象，其中，所述初始对象、所述候补对象、所述候选对象以及所述目标对象均为进行对应岗位对应班次的任务量处理的对象。
可选地，所述第二处理模块808后，还包括：
第三确定模块810，被配置为将所述各岗位各班次的目标对象，根据预设分配规则分配至所述各岗位的各工作区域进行任务处理，并确定所述各工作区域在任意时段的实际任务量。
可选地，所述第三确定模块810，包括：
根据所述实际任务量，确定当前时段的下一时段的、所述各工作区域的时段预测任务量；
根据所述各工作区域的区域信息、与所述当前时段的所述各工作区域的目标对象，确定所述下一时段的所述各工作区域的在岗对象；
根据所述在岗对象以及所述在岗对象的岗位效率，确定所述下一时段的所述各工作区域的时段生产能力；
根据所述各工作区域的时段预测任务量、以及时段生产能力，在所述下一时段，对所述当前时段的各工作区域的目标对象进行调整。
可选地，所述第三确定模块810，进一步包括：
所述在岗对象包括第一类型在岗对象、第二类型在岗对象以及第三类型在岗对象；
相应地，所述确定所述下一时段的所述各工作区域的在岗对象之后，还包括：
根据岗位效率历史信息，确定所述第一类型在岗对象、以及所述第二类型在岗对象的岗位效率；以及
根据对象标准作业效率，确定所述第三类型在岗对象的岗位效率。
可选地，所述第三确定模块810，更进一步包括：
根据所述各工作区域的时段预测任务量、以及时段生产能力，确定所述各工作区域的生产类型；
根据所述各工作区域的生产类型，将生产类型为第一生产类型的工作区域，确定为对象分配工作区域，以及将生成类型为第二生产类型的工作区域，确定为对象调度工作区域；
在所述下一时段，根据所述当前时段的所述对象调度工作区域的目标对象，对所述当前时段的所述对象分配区域的目标对象进行调整。
可选地，所述第一确定模块802，包括：
接收上游平台发送的当日预测订单；
根据历史订单进行订单预测，获得当日预测订单；或者
根据自定义订单，确定当日预测订单。
可选地，所述第一确定模块802，包括：
根据所述当日预测订单的订单信息，确定岗位集合中各岗位的作业比例系数、以及确定所述当日预测订单中各订单的当日计划出库时间；
根据所述当日计划出库时间、以及所述各岗位的作业比例系数，生成所述各岗位单位时间段的任务量。
可选地，所述第二确定模块804，包括：
从对象考勤组和潜在对象调度池中，确定实际可调度的初始对象；
根据所述初始对象的考勤记录，以及预设上班规则，确定所述初始对象的初始班次；
根据所述初始对象、所述初始对象的岗位效率、以及所述初始对象的初始班次，确定所述实际可调度的初始对象的对象特征。
可选地，所述第二确定模块804，进一步包括：
所述初始对象包括第一类型初始对象、第二类型初始对象以及第三类型初始对象；
相应地，所述确定实际可调度的初始对象之后，还包括：
根据岗位效率历史信息，确定所述第一类型初始对象、以及所述第二类型初始对象的岗位效率；以及
根据对象标准作业效率，确定所述第三类型初始对象的岗位效率。
可选地，所述第二确定模块804之前，还包括：
根据所述实际可调度的初始对象的对应的岗位班次信息，其中，所述岗位班次信息为所述初始对象的对应岗位的对应班次的当日起始时间、当日终止时间、以及对应岗位的对应班次的休息时间；
根据所述对应岗位的对应班次的当日起始时间、当日终止时间，以及所述当日预测订单中各订单的当日计划出库时间，确定第一计划出库时间段交叉关系；
根据所述对应岗位的对应班次的休息时间、以及所述当日预测订单中各订单的当日计划出库时间，确定第二计划出库时间段交叉关系；
根据所述初始对象的对应岗位的对应班次的当日起始时间、当日终止时间、所述第一计划出库时间段交叉关系、所述第二计划出库时间段交叉关系，确定所述初始对象对应的调度班次。
可选地，所述第一处理模块806，包括：
将满足第一分配条件的所述各岗位各班次的候补对象，分配至所述各岗位各班次对应的已分配列表；
将满足第二分配条件的所述各岗位各班次的候补对象，分配至所述各岗位各班次对应的候补分配列表；
对所述候补分配列表中的候补对象进行降序排列，并根据降序排列后的所述候补分配列表中的候补对象，对所述候补分配列表对应的各岗位单位时间段的任务量进行处理，获得所述各岗位各班次的候选对象。
可选地，所述第一处理模块806，进一步包括：
根据降序排列后的所述候补分配列表中的候补对象，对所述候补分配列表对应的各岗位单位时间段的任务量进行仿真处理，确定所述各岗位各班次的岗位约束情况；
根据所述各岗位各班次的岗位约束情况，对所述各岗位各班次对应的候补分配列表中的候补对象进行调整，获得所述各岗位各班次的候选对象。
可选地，所述第二处理模块808，包括：
根据所述各岗位单位时间段的任务量，确定所述各岗位各班次的任务量；
根据邻域搜索算法，对所述各岗位各班次的任务量、所述各岗位各班次的候选对象的生产产能、与所述各岗位各班次的当日计划出库时间前的任务量进行匹配，确定所述各岗位各班次的目标对象。
可选地，所述第二处理模块808之后，还包括：
根据所述各岗位各班次的目标对象，确定第一调整结果，并将所述第一调整结果发送至前端页面；
在接收到排班管理人员，对所述各岗位各班次的目标对象的确认指令后，将所述各岗位各班次的目标对象，发送至终端的目标对象页面。
可选地，所述第三确定模块810之后，还包括：
根据对所述当前时段的各工作区域的目标对象的调整，确定第二调整结果；
将所述第二调整结果发送至终端的目标对象页面。
应用本说明书实施例提供的目标对象分配装置，该目标对象分配装置首先通过第一预设算法对对象（如人员和/或自动化设备：机器人）、班次进行分配，从而得到初始的对象、班次分配列表，然后通过第二预设算法对该初始对象、班次分配列表进行优化，得到目标对象、班次分配列表；利用数据信息以及算法能力的优势，弥补人工经验决策的不足，通过该方法辅助人决策、管理人、管理设备，最终实现运营决策***化、智能化，完成资源优化配置，减少一线工人以及自动化设备（的数量），提高一线作业员的作业饱和度，降低因延单或扣单造成的外部惩罚，实现产能和人效提升。
参见图9，图9是本说明书一个实施例提供的一种计算设备的结构框图。该计算设备900的部件包括但不限于存储器910和处理器920。处理器920与存储器910通过总线930相连接，数据库950用于保存数据。
计算设备900还包括接入设备940，接入设备940使得计算设备900能够经由一个或多个网络960通信。这些网络的示例包括公用交换电话网（PSTN，Public SwitchedTelephone Network）、局域网（LAN，Local Area Network）、广域网（WAN，Wide AreaNetwork）、个域网（PAN，Personal Area Network）或诸如因特网的通信网络的组合。接入设备940可以包括有线或无线的任何类型的网络接口（例如，网络接口卡（NIC，networkinterface controller））中的一个或多个，诸如IEEE802.11无线局域网（WLAN，WirelessLocal Area Network）无线接口、全球微波互联接入（Wi-MAX，WorldwideInteroperability for Microwave Access）接口、以太网接口、通用串行总线（USB，Universal Serial Bus）接口、蜂窝网络接口、蓝牙接口、近场通信（NFC，Near FieldCommunication）。
在本说明书的一个实施例中，计算设备900的上述部件以及图9中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图9所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
计算设备900可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备（例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等）、移动电话（例如，智能手机）、可佩戴的计算设备（例如，智能手表、智能眼镜等）或其他类型的移动设备，或者诸如台式计算机或个人计算机（PC，Personal Computer）的静止计算设备。计算设备900还可以是移动式或静止式的服务器。
其中，处理器920用于执行如下计算机可执行指令，该计算机可执行指令被处理器执行时实现上述目标对象分配方法的步骤。
本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现上述目标对象分配方法的步骤。
本说明书一实施例还提供一种计算机程序，其中，当所述计算机程序在计算机中执行时，令计算机执行上述目标对象分配方法的步骤。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据专利实践的要求进行适当的增减，例如在某些地区，根据专利实践，计算机可读介质不包括电载波信号和电信信号。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书实施例并不受所描述的动作顺序的限制，因为依据本说明书实施例，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书实施例的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书实施例的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。

Claims (14)

1.一种目标对象分配方法，包括：
确定当日预测订单，并根据所述当日预测订单，确定岗位集合中各岗位单位时间段的任务量；
根据实际可调度的初始对象的对象特征、以及所述初始对象对应的调度班次，确定所述各岗位各班次的候补对象；
根据第一预设算法，对所述各岗位单位时间段的任务量、以及所述各岗位各班次的候补对象进行处理，获得所述各岗位各班次的候选对象；
根据第二预设算法，对所述各岗位各班次的候选对象进行调整，确定所述各岗位各班次的目标对象，其中，所述初始对象、所述候补对象、所述候选对象以及所述目标对象均为进行对应岗位对应班次的任务量处理的对象。
2.根据权利要求1所述的方法，所述确定所述各岗位各班次的目标对象之后，还包括：
将所述各岗位各班次的目标对象，根据预设分配规则分配至所述各岗位的各工作区域进行任务处理，并确定所述各工作区域在任意时段的实际任务量。
3.根据权利要求2所述的方法，所述确定所述各工作区域在任意时段的实际任务量之后，还包括：
根据所述实际任务量，确定当前时段的下一时段的、所述各工作区域的时段预测任务量；
根据所述各工作区域的区域信息、与所述当前时段的所述各工作区域的目标对象，确定所述下一时段的所述各工作区域的在岗对象；
根据所述在岗对象以及所述在岗对象的岗位效率，确定所述下一时段的所述各工作区域的时段生产能力；
根据所述各工作区域的时段预测任务量、以及时段生产能力，在所述下一时段，对所述当前时段的各工作区域的目标对象进行调整。
4.根据权利要求3所述的方法，所述在岗对象包括第一类型在岗对象、第二类型在岗对象以及第三类型在岗对象；
相应地，所述确定所述下一时段的所述各工作区域的在岗对象之后，还包括：
根据岗位效率历史信息，确定所述第一类型在岗对象、以及所述第二类型在岗对象的岗位效率；以及
根据对象标准作业效率，确定所述第三类型在岗对象的岗位效率。
5.根据权利要求3所述的方法，所述根据所述各工作区域的时段预测任务量、以及时段生产能力，在所述下一时段，对所述当前时段的各工作区域的目标对象进行调整，包括：
根据所述各工作区域的时段预测任务量、以及时段生产能力，确定所述各工作区域的生产类型；
根据所述各工作区域的生产类型，将生产类型为第一生产类型的工作区域，确定为对象分配工作区域，以及将生成类型为第二生产类型的工作区域，确定为对象调度工作区域；
在所述下一时段，根据所述当前时段的所述对象调度工作区域的目标对象，对所述当前时段的所述对象分配区域的目标对象进行调整。
6.根据权利要求1所述的方法，所述确定当日预测订单，包括：
接收上游平台发送的当日预测订单；
根据历史订单进行订单预测，获得当日预测订单；或者
根据自定义订单，确定当日预测订单。
7.根据权利要求1所述的方法，所述根据所述当日预测订单，确定岗位集合中各岗位单位时间段的任务量，包括：
根据所述当日预测订单的订单信息，确定岗位集合中各岗位的作业比例系数、以及确定所述当日预测订单中各订单的当日计划出库时间；
根据所述当日计划出库时间、以及所述各岗位的作业比例系数，生成所述各岗位单位时间段的任务量。
8.根据权利要求1所述的方法，所述根据实际可调度的初始对象的对象特征、以及所述初始对象对应的调度班次，确定所述各岗位各班次的候补对象之前，还包括：
从对象考勤组和潜在对象调度池中，确定实际可调度的初始对象；
根据所述初始对象的考勤记录，以及预设上班规则，确定所述初始对象的初始班次；
根据所述初始对象、所述初始对象的岗位效率、以及所述初始对象的初始班次，确定所述实际可调度的初始对象的对象特征。
9.根据权利要求8所述的方法，所述初始对象包括第一类型初始对象、第二类型初始对象以及第三类型初始对象；
相应地，所述确定实际可调度的初始对象之后，还包括：
根据岗位效率历史信息，确定所述第一类型初始对象、以及所述第二类型初始对象的岗位效率；以及
根据对象标准作业效率，确定所述第三类型初始对象的岗位效率。
10.根据权利要求1所述的方法，所述根据实际可调度的初始对象的对象特征、以及所述初始对象对应的调度班次，确定所述各岗位各班次的候补对象之前，还包括：
根据所述实际可调度的初始对象的对应的岗位班次信息，其中，所述岗位班次信息为所述初始对象的对应岗位的对应班次的当日起始时间、当日终止时间、以及对应岗位的对应班次的休息时间；
根据所述对应岗位的对应班次的当日起始时间、当日终止时间，以及所述当日预测订单中各订单的当日计划出库时间，确定第一计划出库时间段交叉关系；
根据所述对应岗位的对应班次的休息时间、以及所述当日预测订单中各订单的当日计划出库时间，确定第二计划出库时间段交叉关系；
根据所述初始对象的对应岗位的对应班次的当日起始时间、当日终止时间、所述第一计划出库时间段交叉关系、所述第二计划出库时间段交叉关系，确定所述初始对象对应的调度班次。
11.根据权利要求1所述的方法，所述根据第一预设算法，对所述各岗位单位时间段的任务量、以及所述各岗位各班次的候补对象进行处理，获得所述各岗位各班次的候选对象，包括：
将满足第一分配条件的所述各岗位各班次的候补对象，分配至所述各岗位各班次对应的已分配列表；
将满足第二分配条件的所述各岗位各班次的候补对象，分配至所述各岗位各班次对应的候补分配列表；
对所述候补分配列表中的候补对象进行降序排列，并根据降序排列后的所述候补分配列表中的候补对象，对所述候补分配列表对应的各岗位单位时间段的任务量进行处理，获得所述各岗位各班次的候选对象。
12.根据权利要求11所述的方法，所述根据降序排列后的所述候补分配列表中的候补对象，对所述候补分配列表对应的各岗位单位时间段的任务量进行处理，获得所述各岗位各班次的候选对象，包括：
根据降序排列后的所述候补分配列表中的候补对象，对所述候补分配列表对应的各岗位单位时间段的任务量进行仿真处理，确定所述各岗位各班次的岗位约束情况；
根据所述各岗位各班次的岗位约束情况，对所述各岗位各班次对应的候补分配列表中的候补对象进行调整，获得所述各岗位各班次的候选对象。
13.根据权利要求1所述的方法，所述根据第二预设算法，对所述各岗位各班次的候选对象进行调整，确定所述各岗位各班次的目标对象，包括：
根据所述各岗位单位时间段的任务量，确定所述各岗位各班次的任务量；
根据邻域搜索算法，对所述各岗位各班次的任务量、所述各岗位各班次的候选对象的生产产能、与所述各岗位各班次的当日计划出库时间前的任务量进行匹配，确定所述各岗位各班次的目标对象。
14.一种计算设备，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至13任意一项所述目标对象分配方法的步骤。
CN202310848710.9A 2023-07-11 2023-07-11 目标对象分配方法以及装置 Pending CN116579587A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310848710.9A CN116579587A (zh) 2023-07-11 2023-07-11 目标对象分配方法以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310848710.9A CN116579587A (zh) 2023-07-11 2023-07-11 目标对象分配方法以及装置

Publications (1)

Publication Number Publication Date
CN116579587A true CN116579587A (zh) 2023-08-11

Family

ID=87536274

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310848710.9A Pending CN116579587A (zh) 2023-07-11 2023-07-11 目标对象分配方法以及装置

Country Status (1)

Country Link
CN (1) CN116579587A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117252381A (zh) * 2023-10-09 2023-12-19 广州启盟信息科技有限公司 一种物业服务智能排岗方法
CN117371749A (zh) * 2023-11-01 2024-01-09 深圳赛盒科技有限公司 一种智能运营方法、运营统计方法以及智能运营辅助***

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110029349A1 (en) * 2006-07-31 2011-02-03 P&W Solutions Co., Ltd. System, computer-accessible medium and method for providing worker distribution plan on basis of priority
CN111582728A (zh) * 2020-05-08 2020-08-25 无锡商业职业技术学院 多通道复杂建筑工程动态管理***
CN114118691A (zh) * 2021-10-21 2022-03-01 上海浦东发展银行股份有限公司 基于业务量的排班方案处理方法、装置、设备和介质
CN115759686A (zh) * 2022-11-29 2023-03-07 中国建设银行股份有限公司 一种数据处理方法、装置、电子设备及计算机可读介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110029349A1 (en) * 2006-07-31 2011-02-03 P&W Solutions Co., Ltd. System, computer-accessible medium and method for providing worker distribution plan on basis of priority
CN111582728A (zh) * 2020-05-08 2020-08-25 无锡商业职业技术学院 多通道复杂建筑工程动态管理***
CN114118691A (zh) * 2021-10-21 2022-03-01 上海浦东发展银行股份有限公司 基于业务量的排班方案处理方法、装置、设备和介质
CN115759686A (zh) * 2022-11-29 2023-03-07 中国建设银行股份有限公司 一种数据处理方法、装置、电子设备及计算机可读介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
孙雪松: ""遗传算法与变邻域搜索混合模型在护士排班中的应用"", 《北京生物医学工程》, pages 612 - 615 *
张永棠: ""基于细菌觅食算法的排班智能优化"", 《科技资讯》, pages 31 - 32 *
苏宙行: ""求解多阶段护士排班问题的带权禁忌搜索算法"", 《中国科学》, pages 834 - 854 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117252381A (zh) * 2023-10-09 2023-12-19 广州启盟信息科技有限公司 一种物业服务智能排岗方法
CN117252381B (zh) * 2023-10-09 2024-05-24 广州启盟信息科技有限公司 一种物业服务智能排岗方法
CN117371749A (zh) * 2023-11-01 2024-01-09 深圳赛盒科技有限公司 一种智能运营方法、运营统计方法以及智能运营辅助***

Similar Documents

Publication Publication Date Title
CN105512747B (zh) 物流智能优化调度***
CN116579587A (zh) 目标对象分配方法以及装置
EP3309724A1 (en) Methods and systems related to allocating field engineering resources for power plant maintenance
Chargui et al. Berth and quay crane allocation and scheduling with worker performance variability and yard truck deployment in container terminals
KR102207659B1 (ko) 인공지능 기반의 화물운송 배차 스케쥴링 장치
CN114118691A (zh) 基于业务量的排班方案处理方法、装置、设备和介质
CN114862299A (zh) 运输路线规划方法以及装置
Zuting et al. A synchronized strategy to minimize vehicle dispatching time: a real example of steel industry
Chargui et al. Coupling the ILS optimisation algorithm and a simulation process to solve the travelling quay-crane worker assignment and balancing problem
CN114358380A (zh) 用于工程车辆调度的方法、设备及处理器
Roy et al. The role of discrete event simulation techniques in finite capacity scheduling
US20160180268A1 (en) System for setting a delivery count rank
Yu et al. Coordinating matching, rebalancing and charging of electric ride-hailing fleet under hybrid requests
Dikos et al. Supply chain optimization and planning in Heracles General Cement Company
Cayo et al. A shifting bottleneck procedure with multiple objectives in a complex manufacturing environment
Andreev et al. Magenta multi-agent systems for dynamic scheduling
Afshari et al. Distribution-service network design: an agent-based approach
Fükő et al. INCREASING THE SUSTAINABILITY OF FORKLIFT MATERIAL HANDLING SYSTEMS BY USING AN INNOVATIVE PROCESS DEVELOPMENT METHOD.
JP2019067386A (ja) 管理システム
US20240220894A1 (en) Work management platform
US20240220893A1 (en) Work management platform
Šafran et al. Defining the optimization criteria for the functioning of logistics and distribution centres
US11151658B1 (en) Dynamic location tracking assignment and management of insurance claims
Zhang et al. Research on integrated inventory transportation optimization of inbound logistics via a VMI-TPL model of an existing enterprise
WO2021129831A1 (zh) 一种车辆调配方法、装置、设备及计算机可读存储介质

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