[发明专利]商品的仓库货位推荐方法及装置

说明书

本发明提供了一种商品的仓库货位推荐方法和装置，该方法包括：将商品的历史销售数据和当前销售数据，以及个人购买力参数、行业参数和经济形势参数作为输入参数进行神经网络模型训练；通过所述神经网络模型预测所述商品的未来时段内的销售热度值和对应时间段的销售量；根据所预测的所述商品的未来时段内的销售热度值和对应时间段的销售量推荐所述商品的仓库货位。在本发明中，根据商品的历史销售数据和当前销售数据，以及个人购买力参数、行业参数和经济形势参数，通过人工智能预测商品热度，并根据商品热度设置商品的动态货位，提高该商品的库内生产和拣选效率。

技术领域

本发明涉及仓库管理领域，具体而言，涉及一种商品的仓库货位推荐方法及装置。

背景技术

当今标准化的仓库管理系统(Warehouse Management System，WMS)已经日趋成熟，系统方面的竞争已经不再局限于功能标准化，将来WMS的发展方向是智能化和无人化。对于无人仓来讲如何提高仓库的运行效率，智能算法至关重要。仓库中库位的摆放区域和摆放顺序对于出入库效率，库内盘点效率会产生重要影响。

传统的仓库布局一般根据仓库运营人员的经验来判断商品的摆放位置，提前在系统中预制货位。这种固定货位的形式对于爆款类型的产品或者冷门的产品的库内动线影响较大。

现有的做法通常是根据去年同期的销售情况，统计分析出今年的某个时间段的爆款或者热销产品。提前一段时间将热销产品的存储货位维护到方便拣选的位置，或者维护到越库区域便于拣选出库。当商品入库的时候将商品推荐到方便拣选的区域。

但是，将过去同期的数据抽取出来进行统计分析，当前的情况是否与过去同期的情况相同，客户的购买力、购买偏好、经济形势、行业动态等影响因素都不能在统计分析中体现出来，判断容易出现偏差。

发明内容

本发明实施例提供了一种商品的仓库货位推荐方法及装置，以至少解决相关技术中仅根据商品的过去同期的数据预测商品的未来销售情况，判断容易出现偏差的问题。

根据本发明的一个实施例，提供了一种商品的仓库货位推荐方法，包括：将商品的历史销售数据和当前销售数据，以及个人购买力参数、行业参数和经济形势参数作为输入参数进行神经网络模型训练；通过所述神经网络模型预测所述商品的未来时段内的销售热度值和对应时间段的销售量；根据所预测的所述商品的未来时段内的销售热度值和对应时间段的销售量推荐所述商品的仓库货位。

优选地，将商品的历史销售数据和当前销售数据，以及个人购买力参数、行业参数和经济形势参数作为输入参数进行神经网络模型训练之前，还包括：采集所述商品的历史销售数据和所述商品的当前销售数据。

优选地，根据所预测的所述商品的未来时段内的销售热度值和对应时间段的销售量推荐所述商品的仓库货位之前，还包括：将预测的所述商品的未来时段内的所述销售热度值和销售量对接到仓库管理系统中与所述商品SKU进行绑定，并解绑所述商品SKU(StockKeeping Unit，库存量单元)与货位之间的关联关系。

优选地，根据所预测的所述商品的未来时段内的销售热度值和对应时间段的销售量推荐所述商品的仓库货位包括：根据所述商品的未来时段内的所述销售热度值和销售量建立所述商品的最优库区布局；设置所述商品的越库操作数据字典和生产加工数据字典；在所述商品入库时，检索所述越库操作数据字典和生产加工数据字典，根据实时计算的所述商品的销售热度值将所述商品推荐到对应的货位。

根据本发明的另一个实施例，提供了一种商品的仓库货位推荐装置，包括：训练模块，用于将商品的历史销售数据和当前销售数据，以及个人购买力参数、行业参数和经济形势参数作为输入参数进行神经网络模型训练；预测模块，用于通过所述神经网络模型预测所述商品的未来时段内的销售热度值和对应时间段的销售量；推荐模块，用于根据所预测的所述商品的未来时段内的销售热度值和对应时间段的销售量推荐所述商品的仓库货位。