一种基于AVS/RS面向B2C电商订单排序方法及系统与流程

本公开属于订单数据处理领域，尤其涉及一种基于avs/rs面向b2c电商订单排序方法及系统。

背景技术：

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

为有效的提高拣选效率，很多自动化仓库将多张订单合并看作一个批次进行批量拣选。在avs/rs(autonomousvehiclestorageandretrievalsystem，自动小车存取系统)系统根据订单进行“货到人”拣选作业，单一品项出库时，系统的作业时间包括周转箱出库时间、工作人员拣选时间及周转箱返回时间。当多个订单多个品项同时作业时，三个环节是并行作业，因此可将系统的作业时间转换为周转箱的出库时间和系统等待订单的时间之和。为节约系统的总作业时间，一是减少周转箱的出库次数；二是压缩系统的等待时间。这样可以在同一时间内处理多个订单，大幅度提高拣选效率。为减少周转箱的出库次数，可采取两种策略，一是进行订单分批，分批后的订单可将多张订单产品加和，然后进行出库作业；二是调整订单顺序，将包含品项相同的订单放到一块，从而实现“一次出库，多次拣选”，这样能尽可能的将分拣结束的周转箱返回。

面向b2c电商物流的avs/rs系统效率受订单下单时间及顺序的影响，要提高系统作业效率，需要对订单进行分批并对订单的顺序进行优化。

技术实现要素：

根据本公开的一个或多个实施例的一个方面，提供一种基于avs/rs面向b2c电商订单排序方法，其有助于减少批次订单的作业完成时间，提高物流系统运作效率。

本公开的一种基于avs/rs面向b2c电商订单排序方法，包括：

s11：获取电商订单数据；

s12：在订单行约束条件下，对电商订单数据进行可变时窗分批；

s13：对分批后的电商订单数据采用改进节约值算法进行排序。

在一个或多个实施例中，所述步骤s13的具体过程为：

s131：计算同一批次内的两两订单之间的节约值，列出节约值表；

s132：按照节约值表中由大到小的节约值顺序列出线路连接过程表；

s133：按先后顺序考察订单排序过程，其中，在线路连接过程表中一个连接线路对应的两个订单；

s134：判断所有的订单均是否已进入排好序的订单库，若是，则完成排序；否则，转步骤s133，考察线路连接过程表中下一个连接线路对应的两个订单。

在一个或多个实施例中，在所述步骤s133中，若这两个订单都不在已经排好序的订单库里，则这两个订单连接，转步骤s134。

在一个或多个实施例中，在所述步骤s133中，若这两个订单中的一个订单在排好序的订单库，且是已构成的不同线路的端点，则另一个订单可连到排序好的订单库；否则转步骤s134。

在一个或多个实施例中，在所述步骤s133中，若这两个订单均在已排好序的订单库，且这两个订单都是已构成的不同线路的端点，则这两个订单可直接相连接，否则不能连接，转步骤s134。

根据本公开的一个或多个实施例的一个方面，提供一种基于avs/rs面向b2c电商订单排序系统，其有助于减少批次订单的作业完成时间，提高物流系统运作效率。

本公开的一种基于avs/rs面向b2c电商订单排序系统，包括存储器和处理器，所述处理器包括：

订单数据获取模块，其用于获取电商订单数据；

订单数据分批模块，其用于在订单行约束条件下，对电商订单数据进行可变时窗分批；

订单数据排序模块，其用于对分批后的电商订单数据采用改进节约值算法进行排序。

在一个或多个实施例中，所述订单数据排序模块包括：

节约值表计算模块，其用于计算同一批次内的两两订单之间的节约值，列出节约值表；

线路连接过程表绘制模块，其用于按照节约值表中由大到小的节约值顺序列出线路连接过程表；

订单排序过程考察模块，其用于按先后顺序考察订单排序过程，其中，在线路连接过程表中一个连接线路对应的两个订单；

订单排序校验模块，其用于判断所有的订单均是否已进入排好序的订单库，若是，则完成排序；否则，考察线路连接过程表中下一个连接线路对应的两个订单。

在一个或多个实施例中，在所述订单排序过程考察模块中，若这两个订单都不在已经排好序的订单库里，则这两个订单连接。

在一个或多个实施例中，在所述订单排序过程考察模块中，若这两个订单中的一个订单在排好序的订单库，且是已构成的不同线路的端点，则另一个订单可连到排序好的订单库。

在一个或多个实施例中，在所述订单排序过程考察模块中，若这两个订单均在已排好序的订单库，且这两个订单都是已构成的不同线路的端点，则这两个订单可直接相连接，否则不能连接。

本公开的有益效果是：

在订单行约束条件下，对电商订单数据进行可变时窗分批，能够有效减少对订单反应时间的不稳定性；而且对分批后的电商订单数据采用改进节约值算法进行排序有效地减少了批次订单的作业完成时间，提高了系统对订单的反应时效性。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1是本公开的一种基于avs/rs面向b2c电商订单排序方法流程图。

图2是对分批后的电商订单数据采用改进节约值算法进行排序流程图。

图3是本公开的一种基于avs/rs面向b2c电商订单排序系统结构示意图。

图4是订单数据排序模块结构示意图。

图5是时窗分批仿真结果分析图。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

图1是本公开的一种基于avs/rs面向b2c电商订单排序方法流程图。

如图1所示，本公开的一种基于avs/rs面向b2c电商订单排序方法，包括：

s11：获取电商订单数据。

具体地，电商订单数据包括订单号、订单产品编号及数量、下单时间和收件人相关信息。其中，收件人相关信息包括收件人姓名、电话和地址信息。

s12：在订单行约束条件下，对电商订单数据进行可变时窗分批。

结合电商订单的特点，本公开选择时窗分批策略。

时窗分批策略适用于订单密度大且订单到达时间较均匀且单个订单的订单行不多，订单较浅的环境；

其次对于紧急订单，可开启短暂而固定的时窗，再将这一时窗中所有的订单做成一批，进行批量拣取，该策略在反应速度方面具有很大优势。

11个分批数据，依次用仿真模型仿真：

表1时窗分批后的作业时间仿真结果表

仿真结果见表1和图5。

首先，当时间窗设置时间由5min变化为15min时，标准差的波动较小，数据较为稳定。图5显示，仿真结果的最大解与模型的最差解基本保持一致，误差基本小于10％。当时窗小于6min时，反应速度低于软时窗；当时窗介于6min与10min之间时，反应速度会高于软时窗临界点，受到软惩罚；当时窗大于等于10min时，反应速度会高于硬时窗临界点，受到硬惩罚。仿真结果的平均值与模型的折中解随时间窗变化平缓上升，趋势稳定。

经过分析，模型较好的反映出了订单反应时间随时间窗参数变化的规律。另外，订单反应时间的最大值稍微呈现出不稳定波动的特征，这侧面反映了不受约束的时间窗模型在订单密集程度发生较大变化时不稳定，有必要对时间窗模型进行必要的优化。

在b2c电商系统对时效性的要求越来越高，为了满足订单实效性，特引入时间窗作为约束条件进行分批。考虑时间窗约束的订单处理问题，就需要引入惩罚函数。

(1)时间窗约束

关于时间窗约束可分为硬时间窗、软时间窗与混合型时间窗三种情况。

(1.1)硬时间窗(hardtimewindows)：指系统必须在特定时间区段内完成订单品项的分拣作业，其他时间均受到惩罚，惩罚程度相同且较大。

(1.2)软时间窗((softtimewindows)：指系统如果无法将在规定的时间内完成订单分拣作业，则按照时间偏离程度接受惩罚，即惩罚程度与偏离时间的程度正相关。

(1.3)混合型时间窗(mixedtimewindows)：系统中有些订单属于硬时间窗，有些则属于软时间窗；系统可以结合使用，同一订单，往往也会将软、硬两种时间窗混合使用。

(2)订单行约束

分散式as/rs系统分拣作业第一步是品项拣选出库，第二步是数量拣选，拣选人员根据订单数量完成对应品项的拣选。系统作业时间由订单品项及品项所在位置决定。本公开仅考虑订单品项数量(订单行)对系统效率的影响。

当时间窗模型经过改进，加入订单行约束后，可以整理仿真比对结果如表2。

从表2中的数据可以看出，当时间窗模型受订单行约束时，反应平均时间缩小，时间压缩率约为15％、3％和7％；同时反应时间最大值优化后获得的较大降低，在5、10和15min时窗时，最大值分别降低10％、6％和4％，使10分钟时间窗也可以满足硬时窗的要求。另外，优化分批后不同批次作业时间的标准差小于不受约束的时间窗模型的标准差，即受订单行约束的时间窗模型无论从反应时间还是系统的稳定性，都较无约束的时间窗模型有提升。

表2优化时间窗后的作业时间仿真结果表

s13：对分批后的电商订单数据采用改进节约值算法进行排序。

如图2所示，所述步骤s13的具体过程为：

s131：计算同一批次内的两两订单之间的节约值tsmn，列出节约值表。

货位价值(lv,locationvalue)：用于说明系统中每个货位对出库作业时间的影响，由于在该系统中，货位所在巷道对系统总所时间无影响，因此货位价值由货位层价值(lfv,locationfloorvalue)和货位列价值(lcv,locationcolumnvalue)组成，见公式(1)。

lvxyk＝α×lcvxyk+(1-α)×lfvxyk(1)

货位层价值(lfv)：用于说明系统中每个货位所在层对出库作业时间的影响。

货位列价值(lcv)：用于说明系统中每个货位所在列对出库作业时间的影响。

设货格位置li(xi，yi，ki)，即k巷道y层x列，则其货位层价值(lfv)为货位所在层数的高度与系统货架总层v数高度的比值，由于一层货位高度为0，不需要提升机进行垂直作业，所以一层货格层价值也为0，lfv计算公式见公式(2)。和lfv相似，货位列价值(lcv)为货位所在列的货架长度与系统货架总长度的比值，和lfv不同的是，第一列货格也需要穿梭车进行水平运动，所以第一列货格价值非0，lcv计算见公式(3)。

将公式(2)和(3)带入公式(1)，得到：

经典节约算法步骤如下，首先计算将两个订单合并后拣选距离比单独拣选的距离节约值，对节约值进行排序，将节约值最大的订单作为一个批次一起处理。

由于多个穿梭车与单一提升机相匹配，提升机平均利用率高于单一穿梭车利用率，如果排序时仅考虑两订单合并后节约的设备行走距离进行排序，不能对提升机作业进行优化，因此引入订单中节约货位价值代替经典算法中距离节约值，为了保证提升机得到优化，可将层价值权重系数提高，保证α≤0.5。

得到两两订单之间合并后节约的货位价值如公式(5)所示。

其中，

和均为常系数；sn为所有品项数量；on为所有订单数量；m和n均为订单序号。

将货位层价值和列价值的计算公式代入货位价值公式，得到节约的货位价值公式如公式(6)所示。

s132：按照节约值表中由大到小的节约值tsmn顺序列出线路连接过程表。

s133：按先后顺序考察订单排序过程，在线路连接过程表中一个连接线路smn对应的两个订单(订单m和订单n)；

在具体实施中，若订单m和n都不在已经排好序的订单库里，则m和n可以连接为m—n，转步骤s134。

若订单m和n中的一个订单在排好序的订单库，且该订单是在排序好的订单库，则另一个订单可以连到排序好的订单库，否则忽略该节约值，转步骤s134。

若订单m和n均在已排好序的订单库，且两点都是已构成的不同线路的端点，则m和n可以直接相连接，否则不能连接，转步骤s134。

s134：判断所有的订单均是否已进入排好序的订单库，若是，则完成排序；否则，转步骤s133，考察线路连接过程表中下一个smn对应的订单m和n。

仿真分析与验证：

分别对表1中的4组数据的三种订单排序情况进行仿真，得到本公开的订单排序算法下的4组订单的批次作业时间，结果见表3。

表3每批次订单完成时间

注：作业时间压缩率是和优化前的数据相对比。

其中，批次作业完成时间是指自系统开始处理该批次订单开始至完成批次内所有订单的拣选作业的时间。

订单压缩率为多个订单分批后，总的订单品项减少的程度，即单位订单内订单的相似系数之和与单位订单内的品项总和之比值。设订单压缩率γ，则：

订单分批的合并程度及调整订单顺序的依据是两两订单间的品项相似程度，定义订单相似系数，设订单相似系数osmn，表示同时出现在订单m和订单n中的品项数量。设订单系统共包含品项数量s，则品项集合为{1,2,...,s}，则订单rm可以表示为其中，

订单m和订单n的订单相似系数osmn为：

从批次作业时间来看，本公开排序算法能有效降低作业时间，而且效果显著。本公开的改进节约算法的订单排序策略，4个批次的时间节约率分别为35.14％、39.07％、45.35％和40.52％。4个批次时间节约率均达到了30％以上，个别批次超过了40％。

订单响应速度是指从该订单下单至订单作业完成的时间。批次订单平均响应速度是指该批次订单的响应速度均值。

根据表1中4组数据的仿真结果，得到本公开的订单排序算法下的4组批次订单平均响应速度，结果见表4。

表4订单平均响应速度

注：响应速度提升率是和优化前的数据相对比。

从批次作业时间来看，本公开的排序算法均能有效提升订单响应速度，但是从提升率角度来看，提升效果不如批次作业完成时间改善效果显著。

在订单行约束条件下，对电商订单数据进行可变时窗分批，能够有效减少对订单反应时间的不稳定性；而且对分批后的电商订单数据采用改进节约值算法进行排序有效地减少了批次订单的作业完成时间，提高了系统对订单的反应时效性。

图3是本公开的一种基于avs/rs面向b2c电商订单排序系统结构示意图。

如图3所示，本公开的一种基于avs/rs面向b2c电商订单排序系统，包括存储器和处理器，所述处理器包括：

(1)订单数据获取模块，其用于获取电商订单数据。

具体地，电商订单数据包括订单号、订单产品名称及数量、下单时间和收件人相关信息。其中，收件人相关信息包括收件人姓名、电话和地址信息。

(2)订单数据分批模块，其用于在订单行约束条件下，对电商订单数据进行可变时窗分批。

结合电商订单的特点，本公开选择时窗分批策略。

时窗分批策略适用于订单密度大且订单到达时间较均匀且单个订单的订单行不多，订单较浅的环境；

其次对于紧急订单，可开启短暂而固定的时窗，再将这一时窗中所有的订单做成一批，进行批量拣取，该策略在反应速度方面具有很大优势。

在b2c电商系统对时效性的要求越来越高，为了满足订单实效性，特引入时间窗作为约束条件进行分批。考虑时间窗约束的订单处理问题，就需要引入惩罚函数。

(a)时间窗约束

关于时间窗约束可分为硬时间窗、软时间窗与混合型时间窗三种情况。

(a.1)硬时间窗(hardtimewindows)：指系统必须在特定时间区段内完成订单品项的分拣作业，其他时间均受到惩罚，惩罚程度相同且较大。

(a.2)软时间窗((softtimewindows)：指系统如果无法将在规定的时间内完成订单分拣作业，则按照时间偏离程度接受惩罚，即惩罚程度与偏离时间的程度正相关。

(a.3)混合型时间窗(mixedtimewindows)：系统中有些订单属于硬时间窗，有些则属于软时间窗；系统可以结合使用，同一订单，往往也会将软、硬两种时间窗混合使用。

(b)订单行约束

分散式as/rs系统分拣作业第一步是品项拣选出库，第二步是数量拣选，拣选人员根据订单数量完成对应品项的拣选。系统作业时间由订单品项及品项所在位置决定。本公开仅考虑品项数量(订单行)对系统效率的影响。

(3)订单数据排序模块，其用于对分批后的电商订单数据采用改进节约值算法进行排序。

如图4所示，所述订单数据排序模块包括：

(3.1)节约值表计算模块，其用于计算同一批次内的两两订单之间的节约值，列出节约值表。

货位价值(lv,locationvalue)：用于说明系统中每个货位对出库作业时间的影响，由于在该系统中，货位所在巷道对系统总所时间无影响，因此货位价值由货位层价值(lfv,locationfloorvalue)和货位列价值(lcv,locationcolumnvalue)组成，见公式(1)。

lvxyk＝α×lcvxyk+(1-α)×lfvxyk(1)

货位层价值(lfv)：用于说明系统中每个货位所在层对出库作业时间的影响。

货位列价值(lcv)：用于说明系统中每个货位所在列对出库作业时间的影响。

设货格位置li(xi，yi，ki)，即k巷道y层x列，则其货位层价值(lfv)为货位所在层数的高度与系统货架总层v数高度的比值，由于一层货位高度为0，不需要提升机进行垂直作业，所以一层货格层价值也为0，lfv计算公式见公式(2)。和lfv相似，货位列价值(lcv)为货位所在列的货架长度与系统货架总长度的比值，和lfv不同的是，第一列货格也需要穿梭车进行水平运动，所以第一列货格价值非0，lcv计算见公式(3)。

将公式(2)和(3)带入公式(1)，得到：

经典节约算法步骤如下，首先计算将两个订单合并后拣选距离比单独拣选的距离节约值，对节约值进行排序，将节约值最大的订单作为一个批次一起处理。

由于多个穿梭车与单一提升机相匹配，提升机平均利用率高于单一穿梭车利用率，如果排序时仅考虑两订单合并后节约的设备行走距离进行排序，不能对提升机作业进行优化，因此引入订单中节约货位价值代替经典算法中距离节约值，为了保证提升机得到优化，可将层价值权重系数提高，保证α≤0.5。

得到两两订单之间合并后节约的货位价值如公式(5)所示。

其中，

和均为常系数；sn为所有品项数量；on为所有订单数量；m和n均为订单序号。

将货位层价值和列价值的计算公式代入货位价值公式，得到节约的货位价值公式如公式(6)所示。

(3.2)线路连接过程表绘制模块，其用于按照节约值表中由大到小的节约值tsmn顺序列出线路连接过程表。

(3.3)订单排序过程考察模块，其用于按先后顺序考察订单排序过程，在线路连接过程表中一个连接线路smn对应的两个订单(订单m和订单n)；

在具体实施中，若订单m和n都不在已经排好序的订单库里，则m和n可以连接为m—n，转步骤s134。

若订单m和n中的一个订单在排好序的订单库，且该订单是在排序好的订单库，则另一个订单可以连到排序好的订单库，否则忽略该节约值，转步骤s134。

若订单m和n均在已排好序的订单库，且两点都是已构成的不同线路的端点，则m和n可以直接相连接，否则不能连接，转步骤s134。

(3.4)订单排序校验模块，其用于判断所有的订单均是否已进入排好序的订单库，若是，则完成排序；否则，考察线路连接过程表中下一个smn对应的订单m和n。

在订单行约束条件下，对电商订单数据进行可变时窗分批，能够有效减少对订单反应时间的不稳定性；而且对分批后的电商订单数据采用改进节约值算法进行排序有效地减少了批次订单的作业完成时间，提高了系统对订单的反应时效性。

本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)或随机存储记忆体(randomaccessmemory，ram)等。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。