一种针对高并发时期的海外仓WMS库存监控方法及系统与流程

本发明涉及库存监控，尤其涉及一种针对高并发时期的海外仓wms库存监控方法及系统。

背景技术：

1、海外仓库管理系统（warehouse management system，简称wms）是一种用于管理和控制海外仓库日常运营的软件系统，帮助仓库管理员有效地跟踪库存、优化仓库布局、管理订单、以及处理发货和收货等任务，海外仓库管理系统能够实现库存监控、仓储操作管理、订单处理、物料调度和货物追踪等功能。

2、为了优化库存管理，提高企业运营效率，需要利用仓库管理系统进行库存监控，实际应用中，在订单量激增或商品入库时，频繁地仓库操作会导致仓库管理系统需要同时处理大量的读写操作，可能导致库存不准确以及处理延迟等问题，进而导致进行库存监控时的鲁棒性较低。

技术实现思路

1、本发明提供一种针对高并发时期的海外仓wms库存监控方法及系统，其主要目的在于解决进行库存监控时的鲁棒性较低的问题。

2、为实现上述目的，本发明提供的一种针对高并发时期的海外仓wms库存监控方法，包括：

3、从预先获取的历史库存数据中提取出库存时序特征，并对所述库存时序特征进行特征分裂以及特征加权回归操作，得到分析库存数据，其中，所述从预先获取的历史库存数据中提取出库存时序特征，包括：从所述历史库存数据中提取出数据时间戳，并根据所述数据时间戳对预先获取的历史库存数据进行时序排序，得到历史数据序列；对所述历史数据序列进行库存特征提取，得到历史库存特征序列；对所述历史库存特征序列进行时序递归卷积，得到短期库存特征；对所述历史库存特征序列进行时序跳转卷积，得到长期库存特征；根据注意力机制对所述历史数据序列进行注意力编码，得到注意力库存特征；利用如下的时序连接算法对所述短期库存特征、所述长期库存特征以及所述注意力库存特征进行特征融合，得到库存时序特征：其中，是所述库存时序特征在第时间步的特征值，是所述短期库存特征的特征权重，是所述短期库存特征在第时间步的特征值，、是时间步索引，是所述长期库存特征在进行时序跳转卷积时跳过的隐藏单元的数量，是所述长期库存特征在第时间步的特征权重，是所述长期库存特征在第时间步的特征值，是所述注意力库存特征在第时间步的特征值，是预设的偏置系数；

4、对所述分析库存数据进行库存特征提取以及时序特征聚类，得到库存特征类集，并根据所述库存特征类集生成库存分片规则；

5、对预设的仓库商品进行商品条码扫描以及条码识别，得到实时库存数据；

6、根据所述库存分片规则对所述实时库存数据进行库存数据分片以及轮询打包，得到分片库存消息，并对所述分片库存消息进行订阅传输，得到更新库存消息；

7、利用所述更新库存消息对预设的历史库存监控数据进行更新，得到实时库存监控数据。

8、可选地，所述对所述库存时序特征进行特征分裂以及特征加权回归操作，得到分析库存数据，包括：

9、对所述库存时序特征进行特征分裂，得到分裂时序特征集；

10、根据所述分裂时序特征集从预设的分裂点集中筛选出分裂特征节点集；

11、根据所述分裂特征节点集生成时序特征决策树集；

12、根据所述时序特征决策树集对所述分裂特征节点集进行库存决策，得到决策库存数据集；

13、对所述决策库存数据集进行加权回归，得到分析库存数据。

14、可选地，所述对所述分析库存数据进行库存特征提取以及时序特征聚类，得到库存特征类集，包括：

15、对所述分析库存数据进行库存数据拆分，得到分析数据集，并对所述分析数据集进行库存特征提取，得到初级分析库存特征集；

16、对所述分析数据集进行时间戳提取以及时间戳标准化操作，得到分析库存时间特征集；

17、根据所述分析库存时间特征集和所述初级分析库存特征集生成分析库存特征集；

18、将所述分析库存特征集中的全部分析库存特征拆分成多个初级分析库存特征组，并为各个初级分析库存特征组随机筛选出初级中心库存特征；

19、利用如下的库存特征距离算法计算出各个初级中心库存特征与各个分析库存特征之间的库存特征距离：其中，是指分析库存特征和初级中心库存特征之间的库存特征距离，是指数函数符号，为内积符号，为取模符号，是指所述分析库存特征，是指所述初级中心库存特征，是预设的平滑度系数，是预设的阈值系数，是转置符号，是指分析库存特征和初级中心库存特征的协方差矩阵，是预设的正则化系数，是单位矩阵；

20、根据所述库存特征距离重新对所有的分析库存特征进行分组，得到多个次级分析库存特征组；

21、计算出各个次级分析库存特征组对应的次级中心库存特征，并计算出各个次级中心库存特征与对应的所述初级中心库存特征之间的中心特征距离；

22、根据所有的中心特征距离对各个次级分析库存特征组进行迭代更新，得到库存特征类集。

23、可选地，所述根据所述库存特征类集生成库存分片规则，包括：

24、对所述库存特征类集中的各个库存特征类进行特征数统计，得到库存频率集；

25、对所述库存特征类集进行聚类中心筛选，得到标准中心库存特征集；

26、根据所述库存频率集和所述标准中心库存特征集生成库存标准特征集；

27、对所述库存标准特征集进行数据库映射，得到分片数据库集；

28、根据所述标准中心库存特征集和所述分片数据库集生成库存分片规则。

29、可选地，所述对预设的仓库商品进行商品条码扫描以及条码识别，得到实时库存数据，包括：

30、对预设的仓库商品进行商品条码扫描，得到库存条码图像；

31、对所述库存条码图像进行图像去噪和图像均衡操作，得到均衡库存条码图像；

32、对所述均衡库存条码图像进行灰度阈值分割，得到分割条码图像；

33、对所述分割条码图像进行条码宽度归一化操作，得到标准条码图像；

34、对所述标准条码图像进行宽度信息识别，得到商品条码编码；

35、对所述商品条码编码进行编码校验，得到校验信息；

36、根据所述校验信息对所述商品条码编码进行数据解码，得到实时库存数据。

37、可选地，所述对所述均衡库存条码图像进行灰度阈值分割，得到分割条码图像，包括：

38、对所述均衡库存条码图像进行灰度级计算，得到条码灰度级组；

39、逐个选取所述条码灰度级组中的条码灰度级作为目标灰度级，根据所述目标灰度级对所述均衡库存条码图像进行图像分割，得到目标库存条码图像以及目标背景条码图像；

40、利用如下的图像灰度距离算法计算出所述目标库存条码图像和所述目标背景条码图像之间的图像灰度距离：其中，是指所述图像灰度距离，是指所述均衡库存条码图像的像素长度，是指所述均衡库存条码图像的像素宽度，是指所述目标库存条码图像的像素总个数，是指所述目标背景条码图像的像素总个数，、是像素索引，是灰度值符号；

41、将所述条码灰度级组中所有目标灰度级的图像灰度距离汇集成图像灰度距离组，并将所述图像灰度距离组中数值最大的图像灰度距离作为分割灰度距离；

42、将所述分割灰度距离对应的目标库存条码图像作为分割条码图像。

43、可选地，所述根据所述库存分片规则对所述实时库存数据进行库存数据分片以及轮询打包，得到分片库存消息，包括：

44、对所述实时库存数据进行库存特征提取，得到实时库存特征；

45、从所述库存分片规则中提取出标准中心库存特征集，并计算出所述实时库存特征与所述标准中心库存特征集中各个标准中心库存特征的特征距离，得到分片距离集；

46、从所述分片距离集中筛选出数值最小的分片距离作为目标分片距离；

47、将所述标准中心库存特征集中所述目标分片距离对应的标准中心库存特征作为分片库存特征；

48、根据所述分片库存特征从所述库存分片规则中筛选出目标分片数据库；

49、根据所述目标分片数据库对所述实时库存数据进行轮询打包，得到分片库存消息。

50、可选地，所述根据所述目标分片数据库对所述实时库存数据进行轮询打包，得到分片库存消息，包括：

51、根据所述目标分片数据库对所述实时库存数据进行信息入队，得到库存信息队列；

52、对所述库存信息队列进行轮询调度扫描，得到调度信息，并从所述调度信息从提取出触发时间；

53、根据所述触发时间对所述库存信息队列进行信息筛选，得到触发库存信息；

54、根据所述目标分片数据库对所述触发库存信息进行消息打包，得到分片库存消息。

55、可选地，所述对所述分片库存消息进行订阅传输，得到更新库存消息，包括：

56、对所述分片库存消息进行消息入队，得到订阅库存消息队列；

57、对所述订阅库存消息队列进行消息持久化操作，得到持久库存消息队列；

58、对所述持久库存消息队列进行队列订阅，得到订阅库存消息；

59、对所述订阅库存消息进行异步传输，得到更新库存消息。

60、为了解决上述问题，本发明还提供一种针对高并发时期的海外仓wms库存监控系统，所述系统包括：

61、库存分析模块，用于从预先获取的历史库存数据中提取出库存时序特征，并对所述库存时序特征进行特征分裂以及特征加权回归操作，得到分析库存数据，其中，所述从预先获取的历史库存数据中提取出库存时序特征，包括：从所述历史库存数据中提取出数据时间戳，并根据所述数据时间戳对预先获取的历史库存数据进行时序排序，得到历史数据序列；对所述历史数据序列进行库存特征提取，得到历史库存特征序列；对所述历史库存特征序列进行时序递归卷积，得到短期库存特征；对所述历史库存特征序列进行时序跳转卷积，得到长期库存特征；根据注意力机制对所述历史数据序列进行注意力编码，得到注意力库存特征；利用如下的时序连接算法对所述短期库存特征、所述长期库存特征以及所述注意力库存特征进行特征融合，得到库存时序特征：其中，是所述库存时序特征在第时间步的特征值，是所述短期库存特征的特征权重，是所述短期库存特征在第时间步的特征值，、是时间步索引，是所述长期库存特征在进行时序跳转卷积时跳过的隐藏单元的数量，是所述长期库存特征在第时间步的特征权重，是所述长期库存特征在第时间步的特征值，是所述注意力库存特征在第时间步的特征值，是预设的偏置系数；

62、聚类分片模块，应用于对所述分析库存数据进行库存特征提取以及时序特征聚类，得到库存特征类集，并根据所述库存特征类集生成库存分片规则；

63、数据录入模块，用于对预设的仓库商品进行商品条码扫描以及条码识别，得到实时库存数据；

64、分片传输模块，用于根据所述库存分片规则对所述实时库存数据进行库存数据分片以及轮询打包，得到分片库存消息，并对所述分片库存消息进行订阅传输，得到更新库存消息；

65、数据更新模块，用于利用所述更新库存消息对预设的历史库存监控数据进行更新，得到实时库存监控数据。

66、本发明通过提取出库存时序特征，能够同时捕捉到短期波动、长期趋势以及全局相关性，使得时序建模更加精准，通过进行特征分裂以及特征加权回归操作，得到分析库存数据，能够通过梯度优化的算法提高未来时间段库存数据分析的准确率，通过进行库存特征提取以及时序特征聚类，能够根据商品的特征以及库存周转率等特征对库存商品进行聚类，从而方便进行库存分片，通过根据所述库存特征类集生成库存分片规则，能够根据库存商品数据的读写频率以及商品特征进行分片，从而提高系统的灵活性，降低系统的等待时间，提高库存监控系统的稳定性。

67、通过进行商品条码扫描以及条码识别，能够提高商品入库或出库的识别效率，进而提高库存监控的效率，通过进行库存数据分片以及轮询打包，能够对实时库存数据进行高速缓冲，将数据暂时存储在内存中，减轻系统压力，通过进行订阅传输，能够保证库存数据更新时的稳定性，提高系统的容错率，进而提库存监控的鲁棒性。因此本发明提出的针对高并发时期的海外仓wms库存监控方法及系统，可以解决进行库存监控时的鲁棒性较低的问题。