仓储调度方法和装置的制造方法
【专利摘要】本公开是关于仓储调度方法和装置。该方法包括：获取商品在各区域中的历史销量和销量因素；所述销量因素包括以下中的一种或多种：人口因素、经济状况、教育程度、互联网普及程度、商品特性、对所述商品的品牌认可程度、所述商品的品牌宣传情况；根据所述历史销量和销量因素，预测所述商品在各区域中的未来销量；根据所述未来销量，对所述商品在各区域中的库存进行调度。本公开基于与区域中的诸多因素有关的商品在各个区域的销量预测，来调整仓库的库存储备，为商品的仓库间调运提供有力的数据支持，从而节省了运输成本，提升用户的购物体验。
【专利说明】
仓储调度方法和装置
技术领域
[0001 ]本公开涉及仓储管理领域，尤其涉及仓储调度方法和装置。
【背景技术】
[0002]电子商务是以信息网络技术为手段，以商品交换为中心的商务活动，是传统商业活动各环节的电子化、网络化、信息化。人们在网上购物，再由快递公司将购买的物品线下运送。进行线下运送时，最节省资源的方式是从离用户最近的仓库进行运送。当离需求市场较近的仓库供货不足时，就需要从其他的仓库调运，这样做不仅增加了运输成本，还影响了消费者的购物体验。
【发明内容】
[0003]本公开实施例提供一种仓储调度方法和装置。所述技术方案如下:
[0004]根据本公开实施例的第一方面，提供一种仓储调度方法，包括:
[0005]获取商品在各区域中的历史销量和销量因素;所述销量因素包括以下中的一种或多种:人口因素、经济状况、教育程度、互联网普及程度、商品特性、对所述商品的品牌认可程度、所述商品的品牌宣传情况；
[0006]根据所述历史销量和销量因素，预测所述商品在各区域中的未来销量；
[0007]根据所述未来销量，对所述商品在各区域中的库存进行调度。
[0008]可选的，所述根据所述历史销量和销量因素，预测所述商品在各区域中的未来销量，包括:
[0009]根据所述历史销量和销量因素，通过机器学习的方法建立预测模型；
[0010]根据所述预测模型预测所述商品在各区域中的未来销量。
[0011 ]可选的，所述根据所述历史销量和销量因素，通过机器学习的方法建立预测模型，包括:
[0012]将所述销量因素作为特征以及将所述历史销量作为训练样本，根据所述特征和训练样本，通过机器学习的方法建立预测模型。
[0013]可选的，所述预测模型为基于支持向量机的预测模型。
[0014]可选的，所述根据所述未来销量，对所述商品在各区域中的库存进行调度，包括:
[0015]获取所述商品在各区域中的库存；
[0016]根据所述未来销量和所述库存，计算各区域中需要增加或减去的库存的数量；
[0017]发送调度指示，所述调度指示中包括所述各区域中需要增加或减去的库存的数量。
[0018]根据本公开实施例的第二方面，提供一种仓储调度装置，包括:
[0019]获取模块，用于获取商品在各区域中的历史销量和销量因素;所述销量因素包括以下中的一种或多种:人口因素、经济状况、教育程度、互联网普及程度、商品特性、对所述商品的品牌认可程度、所述商品的品牌宣传情况；
[0020]预测模块，用于根据所述获取模块获取的所述历史销量和销量因素，预测所述商品在各区域中的未来销量；
[0021]调度模块，用于根据所述预测模块获得的所述未来销量，对所述商品在各区域中的库存进行调度。
[0022]可选的，所述预测模块，包括:
[0023]建立子模块，用于根据所述获取模块获取的所述历史销量和销量因素，通过机器学习的方法建立预测模型；
[0024]预测子模块，用于根据所述建立子模块建立的所述预测模型预测所述商品在各区域中的未来销量。
[0025]可选的，所述建立子模块，用于:
[0026]将所述销量因素作为特征以及将所述历史销量作为训练样本，根据所述特征和训练样本，通过机器学习的方法建立预测模型。
[0027]可选的，所述预测模型为基于支持向量机的预测模型。
[0028]可选的，所述调度模块，包括:
[0029]获取子模块，用于获取所述商品在各区域中的库存；
[0030]计算子模块，用于根据所述预测模块获得的所述未来销量和所述获取子模块获取的所述库存，计算各区域中需要增加或减去的库存的数量；
[0031]发送子模块，用于发送调度指示，所述调度指示中包括所述计算子模块获得的所述各区域中需要增加或减去的库存的数量。
[0032]根据本公开实施例的第三方面，提供一种仓储调度装置，包括:
[0033]处理器；
[0034]用于存储处理器可执行指令的存储器；
[0035]其中，所述处理器被配置为:
[0036]获取商品在各区域中的历史销量和销量因素;所述销量因素包括以下中的一种或多种:人口因素、经济状况、教育程度、互联网普及程度、商品特性、对所述商品的品牌认可程度、所述商品的品牌宣传情况；
[0037]根据所述历史销量和销量因素，预测所述商品在各区域中的未来销量；
[0038]根据所述未来销量，对所述商品在各区域中的库存进行调度。
[0039]本公开的实施例提供的技术方案可以包括以下有益效果:
[0040]上述技术方案，基于商品在各个区域的销量预测，来调整仓库的库存储备。其中，销量预测与区域中的诸多因素有关。本公开可以为商品的仓库间调运提供有力的数据支持，从而节省了运输成本，提升用户的购物体验。
[0041]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
【附图说明】
[0042]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0043]图1是根据一示例性实施例示出的仓储调度方法的流程图。
[0044]图2是根据另一示例性实施例示出的仓储调度方法的流程图。
[0045]图3是根据另一示例性实施例示出的仓储调度方法的流程图。
[0046]图4是根据一示例性实施例示出的仓储调度装置的框图。
[0047]图5是根据另一示例性实施例示出的仓储调度装置的框图。
[0048]图6是根据另一示例性实施例示出的仓储调度装置的框图。
[0049]图7是根据一示例性实施例示出的用于仓储调度的装置的框图。
【具体实施方式】
[0050]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0051]本公开实施例提供的技术方案，涉及终端设备，例如可以包括智能手机、平板电脑、笔记本电脑、台式电脑等。
[0052]图1是根据一示例性实施例示出的一种仓储调度方法的流程图，如图1所示，方法用于终端设备中，包括以下步骤S11-S13:
[0053]在步骤Sll中，获取商品在各区域中的历史销量和销量因素;所述销量因素包括以下中的一种或多种:人口因素、经济状况、人口受教育程度、互联网普及程度、商品特性、对所述商品的品牌认可程度、所述商品的品牌宣传情况。
[0054]人口因素例如可以包括人口数量、性别比例、年龄结构等。经济状况例如可以包括人均GDP、工业发展程度、发达程度、消费水品等。教育程度例如可以包括高校数量、高校排名、不同教育程度的人口比例等。商品特性可以包括商品的相关特性，例如，当商品为手机时，商品特性可以包括价格、性能、功能、外观等。
[0055]在步骤S12中，根据所述历史销量和销量因素，预测所述商品在各区域中的未来销量。
[0056]在步骤S13中，根据所述未来销量，对所述商品在各区域中的库存进行调度。
[0057]本实施例中，基于商品在各个区域的销量预测，来调整仓库的库存储备。其中，销量预测与区域中的诸多因素有关。本公开可以为商品的仓库间调运提供有力的数据支持，从而节省了运输成本，提升用户的购物体验。
[0058]在上述步骤S12中，根据所述历史销量和销量因素，预测所述商品在各区域中的未来销量时，可以使用预测模型。如图2所示是根据另一示例性实施例示出的一种仓储调度方法的流程图，该仓储调度方法可以包括以下步骤:
[0059]在步骤S21中，获取商品在各区域中的历史销量和销量因素;所述销量因素包括以下中的一种或多种:人口因素、经济状况、人口受教育程度、互联网普及程度、商品特性、对所述商品的品牌认可程度、所述商品的品牌宣传情况。
[0060]在步骤S22中:根据所述历史销量和销量因素，通过机器学习的方法建立预测模型。
[0061]将销量因素作为特征，将历史销量作为训练样本，根据所述特征和训练样本，通过机器学习的方法建立预测模型。
[0062]预测模型例如可以是基于支持向量机(Support Vector Machine，SVM)的预测模型。
[0063]在步骤S23中:根据所述预测模型预测所述商品在各区域中的未来销量。
[0064]在步骤S24中:根据所述未来销量，对所述商品在各区域中的库存进行调度。
[0065]如图3所示，上述步骤S13中，根据所述未来销量，对所述商品在各区域中的库存进行调度，可以包括以下步骤:
[0066]在步骤S31中:获取所述商品在各区域中的库存。
[0067]在步骤S32中:根据所述未来销量和所述库存，计算各区域中需要增加或减去的库存的数量。
[0068]在步骤S33中:发送调度指示，所述调度指示中包括所述各区域中需要增加或减去的库存的数量。
[0069]下述为本公开装置实施例，可以用于执行本公开方法实施例。
[0070]图4是根据一示例性实施例示出的一种仓储调度装置的框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图4所示，该仓储调度装置包括:
[0071]获取模块41，被配置为获取商品在各区域中的历史销量和销量因素;所述销量因素包括以下中的一种或多种:人口因素、经济状况、教育程度、互联网普及程度、商品特性、对所述商品的品牌认可程度、所述商品的品牌宣传情况；
[0072]预测模块42，被配置为根据所述获取模块41获取的所述历史销量和销量因素，预测所述商品在各区域中的未来销量；
[0073]调度模块43，被配置为根据所述预测模块42获得的所述未来销量，对所述商品在各区域中的库存进行调度。
[0074]本实施例中，本实施例中，基于商品在各个区域的销量预测，来调整仓库的库存储备。其中，销量预测与区域中的诸多因素有关。本公开可以为商品的仓库间调运提供有力的数据支持，从而节省了运输成本，提升用户的购物体验。
[0075]在本公开的另一个实施例中，如图5所示，所述预测模块42，包括:
[0076]建立子模块421，被配置为根据所述获取模块41获取的所述历史销量和销量因素，通过机器学习的方法建立预测模型；
[0077]预测子模块422，被配置为根据所述建立子模块421建立的所述预测模型预测所述商品在各区域中的未来销量。
[0078]在本公开的其他实施例中，所述建立子模块421，被配置为:
[0079]将所述销量因素作为特征以及将所述历史销量作为训练样本，根据所述特征和训练样本，通过机器学习的方法建立预测模型。
[0080]在本公开的另一个实施例中，所述预测模型为基于支持向量机的预测模型。
[0081 ]在本公开的另一个实施例中，如图6所示，所述调度模块43，包括:
[0082]获取子模块431，被配置为获取所述商品在各区域中的库存；
[0083]计算子模块432，被配置为根据所述预测模块42获得的所述未来销量和所述获取子模块431获取的所述库存，计算各区域中需要增加或减去的库存的数量；
[0084]发送子模块433，被配置为发送调度指示，所述调度指示中包括所述计算子模块432获得的所述各区域中需要增加或减去的库存的数量。
[0085]本公开还提供一种仓储调度装置，包括:
[0086]处理器；
[0087]被配置为存储处理器可执行指令的存储器；
[0088]其中，所述处理器被配置为:
[0089]获取商品在各区域中的历史销量和销量因素;所述销量因素包括以下中的一种或多种:人口因素、经济状况、教育程度、互联网普及程度、商品特性、对所述商品的品牌认可程度、所述商品的品牌宣传情况；
[0090]根据所述历史销量和销量因素，预测所述商品在各区域中的未来销量；
[0091]根据所述未来销量，对所述商品在各区域中的库存进行调度。
[0092]关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0093]图7是根据一示例性实施例示出的一种用于仓储调度的装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
[0094]参照图7，装置800可以包括以下一个或多个组件:处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口 812，传感器组件814，以及通信组件816。
[0095]处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
[0096]存储器804被配置为存储各种类型的数据以支持在设备800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
[0097]电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
[0098]多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
[0099]音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
[0100]I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
[0101]传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到设备800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800—个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或C⑶图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0102]通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
[0103]在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
[0104]在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是R0M、随机存取存储器(RAM)、CD-R0M、磁带、软盘和光数据存储设备等。
[0105]—种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种仓储调度方法，所述方法包括:
[0106]获取商品在各区域中的历史销量和销量因素;所述销量因素包括以下中的一种或多种:人口因素、经济状况、教育程度、互联网普及程度、商品特性、对所述商品的品牌认可程度、所述商品的品牌宣传情况；
[0107]根据所述历史销量和销量因素，预测所述商品在各区域中的未来销量；
[0108]根据所述未来销量，对所述商品在各区域中的库存进行调度。
[0109]可选的，所述根据所述历史销量和销量因素，预测所述商品在各区域中的未来销量，包括:
[0110]根据所述历史销量和销量因素，通过机器学习的方法建立预测模型；
[0111]根据所述预测模型预测所述商品在各区域中的未来销量。
[0112]可选的，所述根据所述历史销量和销量因素，通过机器学习的方法建立预测模型，包括:
[0113]将所述销量因素作为特征以及将所述历史销量作为训练样本，根据所述特征和训练样本，通过机器学习的方法建立预测模型。
[0114]可选的，所述预测模型为基于支持向量机的预测模型。
[0115]可选的，所述根据所述未来销量，对所述商品在各区域中的库存进行调度，包括:
[0116]获取所述商品在各区域中的库存；
[0117]根据所述未来销量和所述库存，计算各区域中需要增加或减去的库存的数量；
[0118]发送调度指示，所述调度指示中包括所述各区域中需要增加或减去的库存的数量。
[0119]本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0120]应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
【主权项】
1.一种仓储调度方法，其特征在于，包括: 获取商品在各区域中的历史销量和销量因素；所述销量因素包括以下中的一种或多种:人口因素、经济状况、教育程度、互联网普及程度、商品特性、对所述商品的品牌认可程度、所述商品的品牌宣传情况； 根据所述历史销量和销量因素，预测所述商品在各区域中的未来销量； 根据所述未来销量，对所述商品在各区域中的库存进行调度。2.根据权利要求1所述的方法，其特征在于，所述根据所述历史销量和销量因素，预测所述商品在各区域中的未来销量，包括: 根据所述历史销量和销量因素，通过机器学习的方法建立预测模型； 根据所述预测模型预测所述商品在各区域中的未来销量。3.根据权利要求2所述的方法，其特征在于，所述根据所述历史销量和销量因素，通过机器学习的方法建立预测模型，包括: 将所述销量因素作为特征以及将所述历史销量作为训练样本，根据所述特征和训练样本，通过机器学习的方法建立预测模型。4.根据权利要求2所述的方法，其特征在于，所述预测模型为基于支持向量机的预测模型。5.根据权利要求1所述的方法，其特征在于，所述根据所述未来销量，对所述商品在各区域中的库存进行调度，包括: 获取所述商品在各区域中的库存； 根据所述未来销量和所述库存，计算各区域中需要增加或减去的库存的数量； 发送调度指示，所述调度指示中包括所述各区域中需要增加或减去的库存的数量。6.一种仓储调度装置，其特征在于，包括: 获取模块，用于获取商品在各区域中的历史销量和销量因素;所述销量因素包括以下中的一种或多种:人口因素、经济状况、教育程度、互联网普及程度、商品特性、对所述商品的品牌认可程度、所述商品的品牌宣传情况； 预测模块，用于根据所述获取模块获取的所述历史销量和销量因素，预测所述商品在各区域中的未来销量； 调度模块，用于根据所述预测模块获得的所述未来销量，对所述商品在各区域中的库存进行调度。7.根据权利要求6所述的装置，其特征在于，所述预测模块，包括: 建立子模块，用于根据所述获取模块获取的所述历史销量和销量因素，通过机器学习的方法建立预测模型； 预测子模块，用于根据所述建立子模块建立的所述预测模型预测所述商品在各区域中的未来销量。8.根据权利要求7所述的装置，其特征在于，所述建立子模块，用于: 将所述销量因素作为特征以及将所述历史销量作为训练样本，根据所述特征和训练样本，通过机器学习的方法建立预测模型。9.根据权利要求7所述的装置，其特征在于，所述预测模型为基于支持向量机的预测模型。10.根据权利要求6所述的装置，其特征在于，所述调度模块，包括: 获取子模块，用于获取所述商品在各区域中的库存； 计算子模块，用于根据所述预测模块获得的所述未来销量和所述获取子模块获取的所述库存，计算各区域中需要增加或减去的库存的数量； 发送子模块，用于发送调度指示，所述调度指示中包括所述计算子模块获得的所述各区域中需要增加或减去的库存的数量。11.一种仓储调度装置，包括: 处理器； 用于存储处理器可执行指令的存储器； 其中，所述处理器被配置为: 获取商品在各区域中的历史销量和销量因素；所述销量因素包括以下中的一种或多种:人口因素、经济状况、教育程度、互联网普及程度、商品特性、对所述商品的品牌认可程度、所述商品的品牌宣传情况； 根据所述历史销量和销量因素，预测所述商品在各区域中的未来销量； 根据所述未来销量，对所述商品在各区域中的库存进行调度。
【文档编号】G06Q10/08GK105825354SQ201610140262
【公开日】2016年8月3日
【申请日】2016年3月11日
【发明人】张向阳, 陈帅, 李俊杰
【申请人】北京小米移动软件有限公司