[发明专利]一种解决基于大规模订单的产品储位优化的方法

说明书

本发明公开了一种解决基于大规模订单的产品储位优化的方法，包括以下步骤：录入订单数据；建立产品关联性模型，计算获取关联性矩阵；建立产品聚合类频次模型，确定聚合类簇数；建立产品周转率度量模型，利用谱聚类算法计算；基于规则实现储位指派；完成布局。

技术领域

本发明涉及订单储位优化领域，尤其涉及一种解决基于大规模订单的产品储位优化的方法。

背景技术

储位优化是用来确定每一品规的恰当储存方式,在恰当的储存方式下的空间储位分配。

现有储位优化的模型会考虑重心、高度等实时运营约束，但烟草立体仓库的产品特征较统一，该类约束要求不高。模型的求解是利用启发式算法，求解难度高且结果不能达到最优，同时在订单与仓库规模增大后，算法复杂度更不适合实际运作。

发明内容

本发明的目的是针对现有技术的缺陷，提供了一种解决基于大规模订单的产品储位优化的方法。

为了实现以上目的，本发明采用以下技术方案：

一种解决基于大规模订单的产品储位优化的方法，包括以下步骤：

S1、录入订单数据；

S2、建立产品关联性模型，计算获取关联性矩阵；

S3、在步骤2的基础上，建立产品聚合类频次模型，确定聚合类簇数；

S4、在步骤3的基础上，建立产品周转率度量模型，利用谱聚类算法计算；

S5、基于规则实现储位指派；

S6、完成布局。

进一步的，所述步骤2具体如下：

产品关联性体现为仓库内不同产品出现在同一订单内的次数，同时与自身的出库次数做参照，产品关联性的计算公式如下：

其中：i,j为产品编号；K为产品种类数；F_ij为同时订购产品i,j 的订单数量；F_j为订购产品j的订单数量；

根据上述公式则可得产品间的关联性矩阵W，如下：

产品间的关联性具有对称性，故W为对角矩阵，且各元素的取值范围为[0,1]，W矩阵的对角线为0，即同一产品的关联性为0，此处设置与谱聚类所需的初始邻接矩阵要求相关。

进一步的，所述步骤3具体如下：

经计算后，将仓库内产品分为了C类，而第C类产品的订购频次占比F_c对其定义为：

其中，M为产品集合；M_c为聚合类_c中的产品集合。

进一步的，所述步骤4具体如下：

产品的周转率T_i可定义为：

其中，N_i为产品i的出库总数量；为产品i的平均库存数量。

进一步的，基于谱聚类的物料关联挖掘算法具体步骤如下：

S41：生成相似度矩阵W；

S42：计算度矩阵D；

其中：

S43：生成拉普拉斯矩阵L＝D-W；