[发明专利]一种考虑时效性的电商仓储智能排产预警系统

说明书

本发明涉及一种考虑时效性的电商仓储智能排产预警系统，所述智能排产预警系统包括：资源与波次预配子系统，用于进行仓库人员、设备资源，以及长期适用的仓库静态发车波次的预安排；动态排产与波次更新子系统，用于采用动态优化的方法，进行仓库排产安排和波次更新，通过对实时订单量进行监测，调整静态波次安排，同时在每个波次内应用动态排产算法以实现仓库的拣货顺序和装车顺序的优化；异常状况检测预警子系统，用于对系统异常状况进行预警并提示管理者进行相应方面的动态调整。本发明的系统提高了物流企业的仓配效率和服务质量，能为企业提供数字化、系统化、智能化的排产决策工具。

技术领域

本发明涉及智能物流领域，尤其是一种考虑时效性的电商仓储智能排产预警系统。

背景技术

智能物流及仓储系统是由立体货架、出入库系统、信息识别系统、自动控制系统、计算机监控系统、计算机管理系统以及其他辅助设备组成的智能化系统，是智能制造工业4.0快速发展的一个重要组成部分，具有有效减少订单积压、减轻工人劳动强度、提高仓储自动化水平及管理水平和提高系统运作效率等诸多优点。随着电子商务的发展，智能物流及仓储系统也逐渐被业务涉及电商领域的物流企业争相采用。面对日均十万级、大促峰值可达百万级的庞大订单量，为了更好地满足消费者对物流时效的要求，物流企业亟需开发系统化、智能化的工具，从全流程的角度对资源准备、作业波次排定等方面进行优化，以打造用户与客户的最佳服务体验。

目前，面对海量消费订单，许多物流企业在仓储网络的全流程资源准备、作业波次排定等方面，仍存在以下不足：①资源(人员及机器)排定，大多依赖人工经验(如不同订单量情况下，仓库应该准备多少人员、多少设备等)；②各环节的作业波次安排依赖人工经验(如一天安排几个波次车辆进行发货、什么时间配车、每次配多少辆等)；③每个排定波次的作业执行情况，是否按计划完成、异常情况提醒与处理等，缺少系统化检测和预警工具。以上方面的不足，导致仓储系统效率低下、协调性和灵活性差、抗风险能力不足的同时难以满足消费者逐渐攀升的服务时效要求。

发明内容

为了解决现有技术中的上述问题，即为了改进依赖人工经验进行资源准备和仓库作业波次排产，导致系统效率低下、灵活性不高的同时难以满足消费者逐渐攀升的服务时效要求的现状，提高物流企业的仓配效率和服务质量，为企业提供数字化、系统化、智能化的排产决策工具，本发明提供了一种适用于物流企业电商仓储网络场景的考虑订单运输时效限制的智能排产预警系统。

本发明的技术方案为：一种考虑时效性的电商仓储智能排产预警系统，所述智能排产预警系统包括：

资源与波次预配子系统，用于进行仓库人员、设备资源，以及长期适用的仓库静态发车波次的预安排；

动态排产与波次更新子系统，用于采用动态优化的方法，进行排产安排和波次更新；通过对实时需求进行监测，调整静态波次安排，同时在每个波次内应用动态排产算法以实现仓库的拣货顺序和装车顺序的优化；

异常状况检测预警子系统，用于对系统异常状况进行预警并提示管理者进行相应方面的动态调整。

进一步地，所述资源与波次预配子系统，包括需求预测模块和静态波次设计模块；所述需求预测模块，选用复杂程度不同的两种预测方法，分别是BP-ARIMA时间序列组合预测和模糊认知图的图论需求预测；得到预测需求量后，结合仓库中工人、机器的工作效率，进行工人和机器的排班，也即每日仓库资源配置安排；

所述静态波次设计模块针对产品的不同时效要求进行长期适用的仓库静态发车波次安排。

进一步地，所述静态发车波次安排包括日需求波动趋势提取和波次间工作量平衡：

所述日需求波动趋势提取的过程为：首先，将初始订单数据采用小波分解的方法进行降噪处理；然后，设计时间序列趋势提取算法，通过获取全局最优分段点的方式，学习订单量的波动趋势；最后，基于得到的每一天的波动趋势数据，采用聚类的方法，得到不同的趋势簇，分别对每个簇的特征进行分析，得到与时期特点相结合的需求波动趋势；