[发明专利]一种估算仓库拣货能力的方法和电子设备

说明书

本申请公开了一种估算仓库拣货能力的方法，这种方法基于大量仓库拣货的历史作业数据，并采用相关性系数衡量所列之影响仓库拣货能力的可能因素与仓库拣货能力的相关性的大小，并选取GBDT机器学习算法为模型，利用这些数据对GBDT机器学习模型进行学习，从而获得选取的仓库拣货能力的表征量的关键影响因素的量化值，最终当已知所述关键影响因素的实际值时，利用获得的量化值，就可以估算出仓库拣货能力。利用该估算仓库拣货能力的方法对仓库拣货能力进行预测，有效地避免了人工经验性预测导致的主观偏差，极大地提高预测的准确性，从而使得工作人员根据预测结果合理地调配仓库资源，即避免的仓库人力资源的浪费，又提高了仓库对激增业务量的应对能力。

技术领域

本申请涉及仓储技术领域，具体涉及一种估算仓库拣货能力的方法和电子设备。

背景技术

仓储环节是电子商务的最关键环节，它的好坏直接影响到商品的流通运转速度，最终影响到消费者对电商的认可度，因而各大电商都在积极寻求改善仓储环节的办法。从各国的物流实践来看，大体积、大批量需求多采取直达、直送的供应方式；配送多为多品种、小体积、小批量的物流作业，而且工艺复杂，特别是对于客户多、需求频率高、送货时间要求高的配送服务，拣货作业的速度和质量不仅对配送中心的作业效率起决定性的作用，而且直接影响到整个配送中心的信誉和服务水平。因此，迅速、准确地将顾客要求的商品集合起来，并通过分类、配装及时送交顾客，是拣货作业最终的目的及功能。与改善仓储环节的其他办法相比，提高现有仓库的利用率的办法成本低，周期快，而且能够有效提高现有仓库对激增业务量的应对能力。提高现有仓库的利用率基于对现有的仓库作业能力的正确估算，而仓库拣货能力是仓库作业能力的核心，有资料显示，常规拣货作业量约占仓库总作业量的60％，因此对仓库作业能力的估算主要取决于对仓库拣货能力的估算。

目前，现有技术主要依据人工经验对仓库拣货能力进行经验性估算，这种估算方法由于主要依赖人的经验，主观性较强，因而其准确性较差，不能反映真实的仓库拣货能力，导致工作人员无法正确合理调配地仓库资源，一方面浪费了有限的仓库资源，另一方面仓库无法应对激增业务量导致爆仓。

发明内容

本申请提供一种估算仓库拣货能力的方法和电子设备，以解决现有的仓库拣货能力估算方法准确性差的问题。

本申请提供一种估算仓库拣货能力的方法，服务器通过网络接收来自各个仓库的数据，并进行如下步骤：

根据历史数据，确定影响仓库拣货能力的影响因子，以及各个影响因子的影响程度；

根据所要估算的仓库对应的影响因子的实际数据，利用所述每个影响因子的影响程度，预测仓库拣货能力。

优选的，所述根据历史数据，确定影响仓库拣货能力的影响因子，以及各个影响因子的影响程度，包括：

预先确定可能影响仓库拣货能力的可能影响因子；

采集所述可能影响因子的历史数据，并将其带入机器学习模型进行训练，确定所述可能影响因子是否是实际的所述影响因子以及影响程度。

优选的，利用计算影响因子与仓库拣货能力之间的相关系数确定所述可能影响因子是否是实际影响因子以及影响程度。

优选的，相关系数的计算方法如下：

相关系数等于两个变量之间的协方差与标准差的商，两个变量分别是影响因子和仓库拣货能力。

优选的，采用GBDT机器学习模型计算各个所述影响因子的影响程度，包括：

将n个关键影响因素设置为n棵回归树，确定所述每棵回归树的叶子节点；

使用历史数据依次对所述n棵回归树进行GBDT迭代学习，直至残差的绝对值小于预定的值；