一种仓储调度方法及装置与流程

1.本技术涉及仓储技术领域，特别涉及一种仓储调度系统及方法。


背景技术：

2.随着电子商务的快速发展，电子商务在消费者生活中扮演着越来越重要的角色，每年用户订单数量呈几何倍数增长，同时电子商务越来越成熟，用户对电子商务的服务质量也提出了更高的要求，仓储调度的处理能力也在经受严峻的考验。
3.在货物到达仓库后，智能仓库系统为了实现货物快速完成越库工作，可将所有的补货工作站和拣货工作站同时开启，且所有人员同时进行补货和拣货工作。但是，由于每一次达到的货物量不同，要求生产时间不同，全部开启工作站会对资源和人力造成浪费，一方面增加了货物对仓库中容器的占有率，降低了仓库容器的灵活利用度，另一方面，也增加了货物越库的人工成本。


技术实现要素：

4.有鉴于此，本技术实施例提供了仓储调度方法及装置，以解决现有技术中存在的技术缺陷。
5.根据本技术实施例的第一方面，提供了一种仓储调度方法，包括：
6.接收针对目标货物的货物拣选请求；
7.响应于所述货物拣选请求确定仓储调度属性信息和所述目标货物的货物数量信息；
8.根据所述仓储调度属性信息、所述货物数量信息和工作站约束条件，确定所述目标货物的补货工作站开启数量和所述目标货物的拣货工作站开启数量；
9.基于所述补货工作站开启数量和所述拣货工作站开启数量，在仓储区域中对所述目标货物进行越库处理。
10.根据本技术实施例的第二方面，提供了一种仓储调度装置，包括：
11.拣选请求接收模块，被配置为接收针对目标货物的货物拣选请求；
12.信息确定模块，被配置为响应于所述货物拣选请求确定仓储调度属性信息和所述目标货物的货物数量信息；
13.工作站数量开启确定模块，被配置为根据所述仓储调度属性信息、所述货物数量信息和工作站约束条件，确定所述目标货物的补货工作站开启数量和所述目标货物的拣货工作站开启数量；
14.越库处理模块，被配置为基于所述补货工作站开启数量和所述拣货工作站开启数量，在仓储区域中对所述目标货物进行越库处理。
15.根据本技术实施例的第三方面，提供了一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令，所述处理器执行所述计算机指令时实现所述仓储调度方法的步骤。
16.根据本技术实施例的第四方面，提供了一种计算机可读存储介质，其存储有计算机指令，该计算机指令被处理器执行时实现所述仓储调度方法的步骤。
17.本技术实施例提供的仓储调度方法，所述方法包括接收针对目标货物的货物拣选请求；响应于所述货物拣选请求确定仓储调度属性信息和所述目标货物的货物数量信息；根据所述仓储调度属性信息、所述货物数量信息和工作站约束条件，确定所述目标货物的补货工作站开启数量和所述目标货物的拣货工作站开启数量；基于所述补货工作站开启数量和所述拣货工作站开启数量，在仓储区域中对所述目标货物进行越库处理；本技术提供的仓储调度方法，通过建立货物越库和工作站数量的映射关系，综合考虑因素包括但不限于仓储调度属性信息以及货物数量信息等，以确定补货工作站开启的数量与拣货工作站开启的数量，可以动态实现工作站开启数量的最小化，且能够满足拣货货物的需求，不仅不会造成工作站和人力的浪费，还能够降低货物对仓库的占有率，提高仓库容器的灵活利用度，也提高了货物拣选的效率。
附图说明
18.图1是本技术一实施例提供的仓储调度方法的场景结构示意图；
19.图2是本技术一实施例提供的仓储调度方法的流程图；
20.图3是本技术一实施例提供的仓储调度方法中参数预测模型获得货物平衡参数的流程图；
21.图4是本技术一实施例提供的仓储调度装置的结构示意图；
22.图5是本技术一实施例提供的一种计算设备的结构框图。
具体实施方式
23.在下面的描述中阐述了很多具体细节以便于充分理解本技术。但是本技术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技术内涵的情况下做类似推广，因此本技术不受下面公开的具体实施的限制。
24.在本技术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，而非旨在限制本技术一个或多个实施例。在本技术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，本技术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。
25.应当理解，尽管在本技术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，在不脱离本技术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”。
26.首先，对本技术一个或多个实施例涉及的名词术语进行解释。
27.越库(cross docking)：是指货物从收货过程直接“流动”到出货过程，穿过仓库，期间用最少的搬运和存储作业，减少了收货到发货的时间，降低了仓库存储空间的占用。
28.仓储：通过仓库对商品与物品的储存与保管。“仓”即仓库，为存放、保管、储存物品
的建筑物和场地的总称，可以是房屋建筑、洞穴、大型容器或特定的场地等，具有存放和保护物品的功能。“储”即储存、储备，表示收存以备使用，具有收存、保管、交付使用的意思。
29.仓储管理系统：是一个实时的计算机软件系统，它能够按照运作的业务规则和运算法则，对信息、资源、行为、存货和分销运作进行更完美地管理，提高效率。
30.在智能仓库系统中，产生了一种新型的场景：越库。即企业为降低库存成本，将不同供应商的各种货物到达仓库后，对货物加以分拣与组配后，在货车装载区，把货物转运至下游的不同消费点，以缩短前置时间及减少库存成本。而每当货物到达仓库后，需要立刻安排人员进行越库作业。因此，开启适量补货和拣选工作站成为控制越库成本中重要的一环。
31.目前该问题是由人工进行决策，即每次有货物到达时，所有人员同时进行补货和拣货，同时开启所有的补货工作站和拣货工作站。虽然目前的方法可以满足到达的货物快速地完成越库，但是，由于每一次到达的货物量不同，要求生产时间不同，全部开启工作站会对资源和人力造成浪费。一方面增加了货物对容器的占有率，降低了容器的灵活利用度。另一方面增加了每个人的每小时工作时间，增加了最终的越库成本。
32.基于此，本技术提供的仓储调度方法，通过建立货物越库和工作站数量的映射关系，综合考虑因素包含但不限于订单的补货、拣货工作站数量，补货、拣货工作站对应的效率，所有可用工作人员数量限制，当前库存的货品数量。即，在工作站数量和人员数量的限值下进行预测，使得工作站开启数量刚好满足未来一段时间的需求，动态性设置工作站数量，最小化开启工作站数量、减少了非必要的人员工作闲置情况出现，减少了非必要的容器占用数量。以准确指导货物越库管理的工作。
33.需要说明的是，确定需要开启工作站的数量，还可通过设计流模型实现。首先，流模型是在满足硬约束的基础上，通过设置出库流量最大为目标，来计算对应工作站开启数量，保证完成未来一段时间的总拣货单量需求，同时获得需要最少的工作站数量。
34.在本技术中，提供了一种仓储调度方法及装置，在下面的实施例中逐一进行详细说明。
35.图1示出了本技术一实施例提供的仓储调度方法的场景结构示意图，图1中包括仓储区域100、仓库102、至少一个补货工作站104以及至少一个拣货工作站106，其中，仓库102中可包括多个货架，用于存放容器，货物可放置于容器中存储于仓库中。
36.需要说明的是，本实施例提供的仓储调度方法可应用于仓储调度系统的控制服务器，且该仓储调度系统包括控制服务器和仓储区域，所述仓储区域包括至少一个补货工作站以及至少一个拣货工作站。
37.实际应用中，图1左侧为多个目标货物需要入库，即开启的至少一个补货工作站104开始对目标货物进行分拣，完成补货的工作，在将货物补货至仓库102中，经过货物移动，货物可搬运至至少一个拣货工作站106，由人工完成拣货的工作，进而，将货物移出仓储区域100；需要说明的是，补货的货物数量一定要大于等于拣货的货物数量，原因是，在预设时间区间内，可能还会有一部分刚刚补货的货物还在仓库102中逗留(即理解为正在仓库内搬运的过程中)，而无法直接到达拣货工作站，因此，为了保证拣货工作站的目标货物能够满足出库数量的需求，则补货工作站补货的货物数量一定要大于拣货货物的数量，但为了降低工作站的开启成本，即需要考虑到补货拣货实现货物平衡的阈值a，如图1中所示，在仓库102中还有两个目标货物未到达拣货工作站，即可确定货物平衡阈值a为2。需要说明的
是，在不同的应用场景下，货物平衡阈值并不相同，可通过下述实施例具体介绍。
38.具体实施时，在控制服务器接收到针对目标货物的货物拣选请求之后，可响应于该货物拣选请求，确定出整个仓储区域100对应的仓储调度属性信息以及目标货物的货物数量信息，其中，仓储调度属性信息可以理解为针对该仓储区域的属性信息，比如该仓储区域100中补货工作站104的总数量、拣货工作站106的总数量、每个工作站的货物拣选效率、该仓储区域100的工作人员总数量等等；货物数量信息可以理解为针对目标货物的需求数量或者是库存数量等信息。在控制服务器获知仓储调度属性信息和目标货物的货物数量信息之后，即可通过仓储调度属性信息、目标货物的货物数量信息以及工作站约束条件，确定在仓储区域100中需要开启补货工作站的数量以及拣货工作站的数量，进而，完成在仓储区域100中的越库工作。
39.综上，在控制服务器确定了每次货物拣选请求对应的开启工作站数量时，即可通过开启补货工作站数量和拣货工作站数量，完成针对目标货物的越库操作，不仅能够减少工作站以及人工的成本，又能快速地完成货物拣选操作，提高货物越库效率。
40.参见图2，图2示出了本技术一实施例提供的仓储调度方法的流程图，
41.需要说明的是，本技术实施例提供的仓储调度方法可应用于仓储调度系统中的控制服务器，且该仓储调度系统还可包括仓库、至少一个补货工作站和至少一个拣货工作站。
42.步骤202：接收针对目标货物的货物拣选请求。
43.其中，目标货物可以理解为每轮仓储调度的目标拣选对象，该目标货物由工作人员通过补货工作站拣选补货的货物，或者由工作人员通过拣货工作站拣选分发的货物，还可能为被搬运工人或搬运机器人搬运至仓库的货架容器进行存储的货物。
44.货物拣选请求可以理解为由订单触发的，对目标货物进行拣选的操作请求，其中，该请求可以为人工输入的，也可以为根据货物清单自动提取的，本实施例中具体对货物拣选请求的获取方式不做任何限定。
45.实际应用中，仓储调度系统的控制服务器可接收到多个货物订单，该货物订单中包括但不限于货物属性信息、货物需求数量、货物拣选时间等等；该控制服务器可根据接收到的货物订单中的货物属性信息，确定需要仓储调度的目标对象为目标货物a；进而，再根据货物订单中的货物需求数量确定目标货物a的拣选需求量，以生成针对目标货物a的货物拣选请求，即该控制服务器将开启货物调度操作，完成对目标货物a的货物拣选工作。
46.步骤204：响应于所述货物拣选请求确定仓储调度属性信息和所述目标货物的货物数量信息。
47.其中，仓储调度属性信息可以理解为针对整个仓储区域的客观条件的属性信息，比如仓储区域中具有的补货工作站数量、仓库最大库存量、拣货工作站数量、工作人员数量、搬运机器人数量等等。
48.货物数量信息可以理解为针对目标货物相关的数量信息，比如仓库当前存储目标货物的数量、目标货物在本次货物调度中的货物需求量等等。
49.实际应用中，控制服务器可响应于针对目标货物的货物拣选请求，通过货物拣选请求中携带的信息，能够确定当前与仓储区域相关的仓储调度属性信息、以及目标货物的货物数量信息，便于后续根据仓储调度属性信息以及货物数量信息确定本次仓储调度工作中，补货工作站以及拣货工作站应该分别开启多少个工作站，既能完成对目标货物的快速
拣选，又能节省整个仓储区域的人工以及工作站使用的成本。
50.步骤206：根据所述仓储调度属性信息、所述货物数量信息和工作站约束条件，确定所述目标货物的补货工作站开启数量和所述目标货物的拣货工作站开启数量。
51.其中，工作站约束条件可以理解为在确定补货工作站开启数量和拣货工作站开启数量时，对仓储调度属性信息以及货物数量信息中的各种常量因素的约束条件，便于后续根据工作站约束条件构建工作站数量确定模型。
52.为了确定每次仓储调度工作中，需要开启的补货工作站数量以及拣货工作站数量，本技术实施例提供了一种仓储调度方法，通过构建一种流模型，以设置出库流量最大为目标，在满足硬约束的基础上，来计算对应工作站开启的数量；对此，可先设置一些关于该仓储区域的工作站相关的约束条件，进而，控制服务器可根据仓储调度属性信息、货物数量信息以及工作站约束条件，能够确定出针对目标货物的补货工作站开启数量和目标货物的拣货工作站开启数量。
53.本技术由于考虑到了补货工作站的补货货物在一段时间内，可能会在仓库中由搬运机器人正在搬运，不能直接到达拣货工作站进行分配分发，所以为了到达拣货工作站的货物数量能够满足货物拣选请求中携带的货物数量需求，那么，在补货工作站进行补货的货物数量需要大于拣货工作站的货物数量，而在不同的应用场景下，补货工作站需要补货的货物数量设置为多少，补货工作站开启的数量为多少，才能既不能造成工作站工作成本的浪费，也能在一定时间内容完成货物的越库工作，这是本技术实施例需要解决的技术问题。
54.基于此，本技术实施例中提及了货物平衡参数这个概念，通过设定补货工作站的补货数量与拣货工作站的拣货数量之间达到的货物平衡数量，来确定补货工作站开启数量和拣货工作站开启数量；具体的，根据所述仓储调度属性信息、所述货物数量信息和工作站约束条件，确定所述目标货物的补货工作站开启数量和所述目标货物的拣货工作站开启数量，包括：
55.基于所述仓储调度属性信息和所述货物数量信息确定所述目标货物的货物平衡参数；
56.根据所述仓储调度属性信息、所述货物数量信息、所述货物平衡参数和工作站约束条件确定所述目标货物的补货工作站开启数量和所述目标货物的拣货工作站开启数量。
57.其中，货物平衡参数可以理解为为了消除补货工作站的补货货物无法直接到达拣货工作站的货物数量，即可以理解为拟合的数值。
58.实际应用中，控制服务器可通过每次仓储调度操作中确定的仓储调度属性信息以及货物数量信息，确定针对该目标货物的货物平衡参数；进而，可根据仓储调度属性信息、货物数量信息、货物平衡参数以及工作站约束条件，综合确定目标货物的补货工作站开启数量和目标货物的拣货工作站开启数量，完成本次仓储调度的越库工作。
59.进一步地，基于所述仓储调度属性信息和所述货物数量信息确定所述目标货物的货物平衡参数，包括：
60.将所述仓储调度属性信息和所述货物数量信息输入参数预测模型，获得所述目标货物的货物平衡参数。
61.其中，参数预测模型可以理解为对货物平衡参数进行取值的预测模型，该预测模
型可以为有监督的预测模型，本实施例对此不作具体限定。
62.实际应用中，控制服务器可将本次仓储调度操作中确定的仓储调度属性信息以及货物数量信息，一起输入至参数预测模型中，即可获得该参数预测模型输出的针对目标货物的货物平衡参数。具体的，参数预测模型的训练过程如下：
63.获取针对目标货物的训练样本数据，其中，所述训练样本数据包括所述目标货物的补货工作站开启数量的第一样本变量、拣货工作站开启数量的第二样本变量以及标签货物平衡参数；
64.将所述第一样本变量、所述第二样本变量输入待训练参数预测模型，获得预测货物平衡参数；
65.基于所述预测货物平衡参数以及所述标签货物平衡参数计算参数损失值，根据所述参数损失值对所述待训练参数预测模型进行训练，直至达到训练停止条件。
66.上述参数预测模型可以为预先训练获得的，根据多个应用场景中的仓储调度属性信息以及货物数量信息，对参数预测模型进行大量训练，以获得较为准确地货物平衡参数，参与对补货工作站开启数量和拣货工作站开启数量的确定过程。
67.具体实施时，控制服务器可获取针对目标货物的训练样本数据，该训练样本数据包括目标货物的补货工作站开启数量的第一样本变量、拣货工作站开启数量的第二样本变量以及标签货物平衡参数，比如，第一样本变量为4，表示补货工作站开启的数量为四个；第二样本变量为5，表示拣货工作站开启的数量为五个；标签货物平衡参数为2，表示在一段时间内，补货工作站需要多完成2个单位的虚拟货物，来实现真实货物提前量到达拣货工作站，保证按时拣货。进一步地，可将第一样本变量以及第二样本变量输入至待训练参数预测模型，获得预测货物平衡参数，并通过计算预测货物平衡参数与标签货物平衡参数之间的参数损失值，对待训练参数预测模型进行多轮迭代训练，使得预测货物平衡参数逐渐趋近于标签货物平衡参数，直至达到训练停止条件。
68.需要说明的是，待训练参数预测模型获得预测货物平衡参数的取值过程，可通过大量的仓储区域的各种数据进行回归拟合，构造预测模型。首先，影响该货物平衡参数的因素：补货、拣货工作站的数量(可分别表示为n1、n2)和补货、拣货工作站效率(可分别表示为b1、b2)、未来一个小时内的拣选货物需求数量(表示为q)、当前仓库的库存量(表示为i)、补货货物数量(表示为q-i)、开启的补货工作站数量可表示为x1，开启的拣货工作站可表示为x2；进一步地，通过构建目标函数min(b2x
2-b1x
1-i+a)^2，关系式包含但不限于线性回归模型：a＝c1(min(q，b2n2)-i)+c2(b
2-b1)，其中c1，c2为需要求的变量；即通过拟合目标：min(b2x
2-b1x
1-i+a)^2，和关系式a＝c1(min(q，b2n2)-i)+c2(b
2-b1)，来拟合关系：c1，c2；使得面对不同的已知参数{n1，n2，b1，b2，q，i}通过关系c1，c2，得到阈值a(即货物平衡参数为a)。
69.具体示例，设定每小时总补货目标货物的数量为10件，当前库存中目标货物的数量为零，则每小时需要拣选10件。显然10件刚从补货工作站补进来的货物，无法直接用于拣选，可能只有其中的6件能即时到达拣选工作站。所以其中的4件商品就是阈值要考虑的，假设未来一个小时需要拣选10件，那么补货的目标货物数量需要大于10件。我们这里的阈值作用就是：补货数量＝a+10，即补货目标货物的数量为4+10＝14件。
70.综上，通过上述对货物平衡参数的取值描述，可以获知参数预测模型可在任何场景下均能够计算得到使得拣货数量与补货数量之间的平衡阈值，并通过将该货物平衡阈值
参与对工作站开启数量的计算中，能够更加准确地确定开启的补货工作站数量以拣货工作站数量，可应对各种复杂的应用场景。
71.更进一步地，在确定了仓储调度中的货物平衡参数之后，即可利用货物平衡参数，构建流模型，以确定目标货物的补货工作站开启数量以及目标货物的拣货工作站开启数量；具体的，根据所述仓储调度属性信息、所述货物数量信息、所述货物平衡参数和工作站约束条件确定所述目标货物的补货工作站开启数量和所述目标货物的拣货工作站开启数量，包括：
72.基于所述仓储调度属性信息、所述货物数量信息、所述货物平衡参数和工作站约束条件构建工作站数量确定模型；
73.将所述仓储调度属性信息、所述货物数量信息、所述货物平衡参数输入所述工作站数量确定模型，获得所述目标货物的补货工作站开启数量和所述目标货物的拣货工作站开启数量。
74.其中，工作站数量确定模型可以理解为控制服务器中根据不同的货物调度需求预先构建的流模型，以动态确定不同场景下开启补货、拣货工作站数量处理模型，本技术实施例对工作站数量确定模型的类型不作任何限定。
75.实际应用中，控制服务器可根据仓储调度属性信息、货物数量信息、货物平衡参数和工作站约束条件，构建出相应的工作站数量确定模型；再将本轮仓储调度中的仓储调度属性信息、货物数量信息以及货物平衡参数均输入至预先训练的工作站数量确定模型中，以获得针对目标货物的补货工作站开启数量和目标货物的拣货工作站开启数量。
76.具体实施时，所述仓储调度属性信息包括补货工作站总数量、拣货工作站总数量、补货工作站工作效率、拣货工作站工作效率，所述工作站约束条件包括工作站开启数量约束条件、工作站数量约束条件以及货物拣选约束条件；
77.相应地，基于所述仓储调度属性信息、所述货物数量信息、所述货物平衡参数和工作站约束条件构建工作站数量确定模型，包括：
78.确定所述目标货物的补货工作站开启数量的第一变量、以及所述目标货物的拣货工作站开启数量的第二变量；
79.基于所述第一变量、所述第二变量以及所述工作站开启数量约束条件，确定第一约束模型；
80.基于所述第一变量、所述第二变量、所述补货工作站总数量、所述拣货工作站总数量以及所述工作站数量约束条件，确定第二约束模型；
81.基于所述第一变量、所述第二变量、所述补货工作站工作效率、所述拣货工作站工作效率、所述货物数量信息、所述货物平衡参数以及所述货物拣选约束条件确定第三约束模型；
82.根据所述第一约束模型、所述第二约束模型以及所述第三约束模型构建工作站数量确定模型。
83.其中，补货工作站总数量可以理解为当前存储区域中能够使用的补货工作站的总数量，也即为开启的补货工作站数量的上限，在本实施例中可表示为n1；拣货工作站总数量可以理解为当前存储区域中能够使用的拣货工作站的总数量，也即为开启的拣货工作站数量的上限，本实施例中可表示为n2。
84.补货工作站工作效率可以理解为当前仓储区域中一个补货工作站在一小时内的补货数量，可表示为b1；拣货工作站工作效率可以理解为当前仓储区域中一个拣货工作站在一小时内的拣货数量，可表示为b2。
85.工作站开启数量约束条件可以理解为在当前仓储区域中，工作站开启数量的限制条件，比如开启数量大于等于0等条件；工作站数量约束条件可以理解为在当前仓储区域中，工作站总数量的限制条件，比如，补货工作站数量的最大值、拣货工作站数量的最大值等；货物拣选约束条件可以理解为在当前仓储区域中，拣选目标货物的拣选数量、库存数量之间的限制条件，比如，拣选工作站的拣选数量在一个小时内要满足货物需求数量等。
86.第一变量可以理解为在每轮货物调度过程中，补货工作站开启的数量，可表示为x1；第二变量可以理解为在每轮货物调度过程中，拣货工作站开启的数量，可表示为x2；需要说明的是，第一变量和第二变量在本实施例提及的工作站数量确定模型中，为需要求解的变量。
87.实际应用中，控制服务器可先确定出针对目标货物的补货工作站开启数量的第一变量x1，以及第二变量x2，根据第一变量x1、第二变量x2以及工作站开启数量约束条件，确定第一约束模型，其中，第一约束模型可以理解为根据上述变量(x1、x2)抽象函数表达式，以确定对开启的工作站数量进行限制的约束模型，来限制第一变量x1和第二变量x2的取值。
88.进一步地，控制服务器还可根据第一变量x1、第二变量x2、补货工作站总数量n1、拣货工作站总数量n2以及工作站数量约束条件，确定第二约束模型，其中，第二约束模型可以理解为根据上述变量(x1、x2)以及已知常量(n1、n2)抽象函数表达式，以确定对工作站总数量进行限制的约束模型，来限制第一变量x1和第二变量x2的取值。
89.更进一步地，控制服务器还可根据第一变量x1、第二变量x2、补货工作站工作效率b1、拣货工作站工作效率b2、货物数量信息(包括库存量i和货物需求量q)、货物平衡参数a(参考上述实施例中的货物平衡阈值a)以及货物拣选约束条件，确定第三约束模型，其中，第三约束模型可以理解为根据上述变量(x1、x2)、已知辅助变量(a)以及已知常量(b1、b2、i、q)抽象函数表达式，以确定对拣选货物数量进行限制的约束模型，来限制第一变量x1和第二变量x2的取值。
90.最后，控制服务器可根据第一约束模型、第二约束模型以及第三约束模型构建工作站数量确定模型，以获得第一变量x1和第二变量x2的在不同应用场景下的具体取值。
91.综上，本技术实施例提供的仓储调度方法，通过构建三种类型的约束模型，从工作站开启数量的角度、工作站总数量的角度以及拣选货物数量的角度等构建流模型，同时，考虑到复杂的应用场景下，补货与拣货数量之间的偏差，增加预设流平衡中的阈值，参与流模型的构建，以便于能够准确地输出补货工作站的开启数量以及拣货工作站的开启数量，不仅能够保证完成未来一段时间的总拣货单量需求，同时得出需要最少的工作站开启的数量。
92.下述则根据不同的约束条件，可构建的不同的约束模型进行详细介绍；需要说明的是，本实施例对具体的约束模型的函数表达式并不做具体限制，即能够实现对各个影响开启工作站数量的因素进行限制即可；具体的，所述仓储调度属性信息还包括仓储工作人员数量；
93.相应地，所述基于所述第一变量、所述第二变量以及所述工作站开启数量约束条件，确定第一约束模型，包括：
94.确定工作站数量的下限约束参数；
95.基于所述工作站开启数量约束条件，确定所述第一变量以及所述第二变量分别大于等于所述下限约束参数；
96.基于所述工作站开启数量约束条件，确定所述第一变量与所述第二变量之和小于等于所述仓储工作人员数量。
97.其中，仓储工作人员数量可以理解为当前仓储区域中，能够参与本轮仓储调度进行补货拣货的工作人员数量，可表示为s；需要说明的是，每轮仓储调度中可用的工作人员数量可并不相同，因此本实施例对此不作限制。
98.第一约束模型中，除了约束第一变量和第二变量自身的限制条件以外，还可限制与仓储工作人员之间的限制关系；具体的，控制服务器可先确定出仓储区域中工作站数量的下限约束参数，比如，下限约束参数为0、1等，可根据不同的应用场景设定不同的下限约束参数，因此，根据工作站开启数量限制约束条件，可确定第一变量x1大于等于下限约束参数，第二变量x2大于等于下限约束参数，若下限约束参数设定为0，即函数表达式为x1》＝0、x2》＝0(1)；进一步地，由于每个开启的工作站需要工作人员配合，才能完成货物拣选的操作，进而还可根据工作站开启数量限制约束条件，确定所述第一变量x1与所述第二变量x2之和小于等于所述仓储工作人员数量s，即函数表达式为x1+x2《＝s(2)。最后，根据(1)和(2)组成第一约束模型。
99.需要说明的是，上述实施例中的函数表达式(2)，是对每个工作站配备一个工作人员为例进行表示，但在实际应用中，每个工作站配备的工作人员数量并不做具体限制，可根据不同的应用场景动态调整s的取值，在此不做过多赘述。
100.进一步地，基于所述第一变量、所述第二变量、所述补货工作站总数量、所述拣货工作站总数量以及所述工作站数量约束条件，确定第二约束模型，包括：
101.基于所述工作站数量约束条件，确定所述第一变量小于等于所述补货工作站总数量、所述第二变量小于等于所述拣货工作站总数量。
102.实际应用中，控制服务器可根据工作站数量约束条件，确定所述第一变量x1小于等于所述补货工作站总数量n1、所述第二变量x2小于等于所述拣货工作站总数量n2，即函数表达式为x1《＝n1、x2《＝n2(3)，即该函数表达式(3)可看作为第二约束模型。
103.更进一步地，所述货物数量信息包括所述目标货物的货物需求数量以及所述目标货物在仓储区域中的当前库存数量；
104.相应地，基于所述第一变量、所述第二变量、所述补货工作站工作效率、所述拣货工作站工作效率、所述货物数量信息、所述货物平衡参数以及所述货物拣选约束条件确定第三约束模型，包括：
105.基于所述货物拣选约束条件，确定所述拣货工作站工作效率与所述第二变量之间的目标约束模型；
106.基于所述货物拣选约束条件，确定所述拣货工作站工作效率与所述第二变量的乘积小于等于所述货物需求数量；
107.基于所述货物拣选约束条件，确定所述补货工作站工作效率与所述第一变量的乘
积大于等于所述货物平衡参数；
108.基于所述当前库存数量、所述货物平衡参数以及所述货物拣选约束条件，确定所述目标货物的补货数量大于等于所述目标货物的拣货数量。
109.其中，货物需求数量可以理解为货物拣选请求中针对目标货物的需求数量，可表示为q；当前库存数量可以理解为在当前存储区域中，库存所存储的目标货物的库存量，可表示为i。
110.由于该流模型中，通过拣选货物来驱动补货货物，并设置出库流量最大为目标，可根据货物拣选约束条件，确定拣货工作站工作效率b2与第二变量x2之间的目标函数，即函数表达式为maxb2x2(4)，即该函数表达式(4)可理解为整个流模型的目标约束模型。
111.进一步地，控制服务器还可根据货物拣选约束条件，确定拣货工作站工作效率b2与第二变量x2的乘积小于等于货物需求数量q，即函数表达式为b2x2《＝q(5)；根据货物拣选约束条件，确定补货工作站工作效率b1与第一变量x1的乘积大于等于货物平衡参数a，即函数表达式为b1x1》＝a(6)。
112.最后，控制服务器还可根据当前库存数量i、货物平衡参数a以及货物拣选约束条件，确定目标货物的补货数量(b2x2)大于等于目标货物的拣货数量(b1x1)，即函数表达式为b1x1+i-a＝b2x2(7)。进而，函数表达式(4)、(6)以及(7)可构成第三约束模型。
113.综上，上述函数表达式(1)至(7)可构成工作站数量确定模型，其中，约束(1)表示开启的拣货和补货工作站数量下限约束；约束(2)表示拣选工作站和补货工作站的开启数量之和不超过现有全部可用人员数量；约束(3)表示拣选工作站和补货工作站的开启数量不超过各自的数量上限；约束(4)表示目标函数出库流量最大；约束(5)表示拣货工作站的拣选量不超过未来一段时间内需要拣货的总货品数量；约束(6)表示货物平衡阈值的取值小于补货工作站最大产能；约束(7)表示拣选工作站的总拣选货物量等于补货工作站补得对应货物的数量与对应货物在仓库的数量之和，但是由于时效性要求，再加阈值进行流平衡。
114.步骤208：基于所述补货工作站开启数量和所述拣货工作站开启数量，在仓储区域中对所述目标货物进行越库处理。
115.实际应用中，通过上述构建的流模型，在不同的场景下，能够确定出补货工作站开启数量和拣货工作站开启数量之后，即可在仓储区域中，每个工作人员在工作站共同完成对目标货物的越库处理流程。具体的越库处理过程在本实施例中不做过多描述。
116.综上，本技术实施例提供的仓储调度方法，通过拣货来驱动补货，动态最小化开启补货和拣货数量，另外，通过加入货物平衡阈值，对阈值的取值进行约束和动态调整预测，能够准确地构造出流模型，以确定开启补货工作站数量以及拣货工作站数量，不仅快速地完成越库处理，还能减少工作站开启的成本。
117.参见图3，图3示出了本技术一实施例提供的仓储调度方法中参数预测模型获得货物平衡参数的流程图。
118.需要说明的是，为了拟合出不同应用场景下的货物平衡参数a，可通过参数预测模型进行参数拟合，获得货物平衡参数a；具体的，已知常量：x1、x2、n1、n2、b1、b2、i、q等均可参考上述实施例的物理意义的描述，在此不做过多赘述。
119.步骤302：将x1、x2、n1、n2、b1、b2、i、q输入参数预测模型。
120.步骤304：拟合目标min(b2x2-b1x1-i+a)^2。
121.步骤306：拟合关系{n1、n2、b1、b2、i、q}-》a。
122.步骤308：参数预测模型返回货物平衡参数a。
123.需要说明的是，影响货物平衡参数a的因素：需要补货的货物数量(未来一段时间内因为拣货而驱动的补货数量q-i等)，开启的补、拣工作站数量和效率(n1、n2、b1、b2)，未来一个小时的拣选商品数量q等。
124.其中，通过拟合目标：min(b2x
2-b1x
1-i+a)^2，和关系式a＝c1(min(q，b2n2)-i)+c2(b
2-b1)，来拟合关系：c1，c2；使得面对不同的已知参数{n1，n2，b1，b2，q，i}通过关系c1，c2，得到阈值a(即货物平衡参数为a)。
125.本技术实施例提供的货物平衡参数的计算过程，通过对该参数的取值约束和动态调整预测，能够保证流模型的准确性，能够准确地获得补货工作站开启的数量以及拣货工作站开启的数量。
126.与上述方法实施例相对应，本技术还提供了仓储调度装置实施例，图4示出了本技术一实施例提供的一种仓储调度装置的结构示意图。如图4所示，该装置包括：
127.拣选请求接收模块402，被配置为接收针对目标货物的货物拣选请求；
128.信息确定模块404，被配置为响应于所述货物拣选请求确定仓储调度属性信息和所述目标货物的货物数量信息；
129.工作站数量开启确定模块406，被配置为根据所述仓储调度属性信息、所述货物数量信息和工作站约束条件，确定所述目标货物的补货工作站开启数量和所述目标货物的拣货工作站开启数量；
130.越库处理模块408，被配置为基于所述补货工作站开启数量和所述拣货工作站开启数量，在仓储区域中对所述目标货物进行越库处理。
131.可选地，所述工作站数量开启确定模块406，进一步被配置为：
132.基于所述仓储调度属性信息和所述货物数量信息确定所述目标货物的货物平衡参数；
133.根据所述仓储调度属性信息、所述货物数量信息、所述货物平衡参数和工作站约束条件确定所述目标货物的补货工作站开启数量和所述目标货物的拣货工作站开启数量。
134.可选地，所述工作站数量开启确定模块406，进一步被配置为：
135.将所述仓储调度属性信息和所述货物数量信息输入参数预测模型，获得所述目标货物的货物平衡参数。
136.可选地，所述工作站数量开启确定模块406，进一步被配置为：
137.基于所述仓储调度属性信息、所述货物数量信息、所述货物平衡参数和工作站约束条件构建工作站数量确定模型；
138.将所述仓储调度属性信息、所述货物数量信息、所述货物平衡参数输入所述工作站数量确定模型，获得所述目标货物的补货工作站开启数量和所述目标货物的拣货工作站开启数量。
139.可选地，所述仓储调度属性信息包括补货工作站总数量、拣货工作站总数量、补货工作站工作效率、拣货工作站工作效率，所述工作站约束条件包括工作站开启数量约束条件、工作站数量约束条件以及货物拣选约束条件。
140.可选地，所述工作站数量开启确定模块406，进一步被配置为：
141.确定所述目标货物的补货工作站开启数量的第一变量、以及所述目标货物的拣货工作站开启数量的第二变量；
142.基于所述第一变量、所述第二变量以及所述工作站开启数量约束条件，确定第一约束模型；
143.基于所述第一变量、所述第二变量、所述补货工作站总数量、所述拣货工作站总数量以及所述工作站数量约束条件，确定第二约束模型；
144.基于所述第一变量、所述第二变量、所述补货工作站工作效率、所述拣货工作站工作效率、所述货物数量信息、所述货物平衡参数以及所述货物拣选约束条件确定第三约束模型；
145.根据所述第一约束模型、所述第二约束模型以及所述第三约束模型构建工作站数量确定模型。
146.可选地，所述仓储调度属性信息还包括仓储工作人员数量；
147.可选地，所述工作站数量开启确定模块406，进一步被配置为：
148.确定工作站数量的下限约束参数；
149.基于所述工作站开启数量约束条件，确定所述第一变量以及所述第二变量分别大于等于所述下限约束参数；
150.基于所述工作站开启数量约束条件，确定所述第一变量与所述第二变量之和小于等于所述仓储工作人员数量。
151.可选地，所述工作站数量开启确定模块406，进一步被配置为：
152.基于所述工作站数量约束条件，确定所述第一变量小于等于所述补货工作站总数量、所述第二变量小于等于所述拣货工作站总数量。
153.可选地，所述货物数量信息包括所述目标货物的货物需求数量以及所述目标货物在仓储区域中的当前库存数量；
154.可选地，所述工作站数量开启确定模块406，进一步被配置为：
155.基于所述货物拣选约束条件，确定所述拣货工作站工作效率与所述第二变量之间的目标约束模型；
156.基于所述货物拣选约束条件，确定所述拣货工作站工作效率与所述第二变量的乘积小于等于所述货物需求数量；
157.基于所述货物拣选约束条件，确定所述补货工作站工作效率与所述第一变量的乘积大于等于所述货物平衡参数；
158.基于所述当前库存数量、所述货物平衡参数以及所述货物拣选约束条件，确定所述目标货物的补货数量大于等于所述目标货物的拣货数量。
159.可选地，所述装置还包括模型训练模块：
160.可选地，所述模型训练模块，被配置为参数预测模型的训练过程如下：
161.获取针对目标货物的训练样本数据，其中，所述训练样本数据包括所述目标货物的补货工作站开启数量的第一样本变量、拣货工作站开启数量的第二样本变量以及标签货物平衡参数；
162.将所述第一样本变量、所述第二样本变量输入待训练参数预测模型，获得预测货
物平衡参数；
163.基于所述预测货物平衡参数以及所述标签货物平衡参数计算参数损失值，根据所述参数损失值对所述待训练参数预测模型进行训练，直至达到训练停止条件。
164.本技术提供的一种仓储调度装置，通过建立货物越库和工作站数量的映射关系，综合考虑因素包括但不限于仓储调度属性信息以及货物数量信息等，以确定补货工作站开启的数量与拣货工作站开启的数量，可以动态实现工作站开启数量的最小化，且能够满足拣货货物的需求，不仅不会造成工作站和人力的浪费，还能够降低货物对仓库的占有率，提高仓库容器的灵活利用度，也提高了货物拣选的效率。
165.上述为本实施例的一种仓储调度装置的示意性方案。需要说明的是，该仓储调度装置的技术方案与上述的仓储调度方法的技术方案属于同一构思，仓储调度装置的技术方案未详细描述的细节内容，均可以参见上述仓储调度方法的技术方案的描述。
166.图5示出了根据本技术一实施例提供的一种计算设备500的结构框图。该计算设备500的部件包括但不限于存储器510和处理器520。处理器520与存储器510通过总线530相连接，数据库550用于保存数据。
167.计算设备500还包括接入设备540，接入设备540使得计算设备500能够经由一个或多个网络560通信。这些网络的示例包括公用交换电话网(pstn)、局域网(lan)、广域网(wan)、个域网(pan)或诸如因特网的通信网络的组合。接入设备540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))中的一个或多个，诸如ieee802.11无线局域网(wlan)无线接口、全球微波互联接入(wi-max)接口、以太网接口、通用串行总线(usb)接口、蜂窝网络接口、蓝牙接口、近场通信(nfc)接口，等等。
168.在本技术的一个实施例中，计算设备500的上述部件以及图5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5所示的计算设备结构框图仅仅是出于示例的目的，而不是对本技术范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
169.计算设备500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pc的静止计算设备。计算设备500还可以是移动式或静止式的服务器。
170.其中，处理器520执行所述计算机指令时实现所述的仓储调度方法的步骤。
171.上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的仓储调度方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述仓储调度方法的技术方案的描述。
172.本技术一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该计算机指令被处理器执行时实现如前所述仓储调度方法的步骤。
173.上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的仓储调度方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述仓储调度方法的技术方案的描述。
174.上述对本技术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。
175.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，本技术并不受所描述的动作顺序的限制，因为依据本技术，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技术所必须的。
176.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。
177.以上公开的本技术优选实施例只是用于帮助阐述本技术。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，根据本技术的内容，可作很多的修改和变化。本技术选取并具体描述这些实施例，是为了更好地解释本技术的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本技术。本技术仅受权利要求书及其全部范围和等效物的限制。