一种用于精简发货流程的整箱拣货智能决策方法和系统技术方案

本发明专利技术公开了一种用于精简发货流程的整箱拣货智能决策方法和系统，解决商家在整箱拣货过程中遇到的决策难题，为客户带来了增效降本的效果。其技术方案为：步骤一：通过对次日整日订单种类进行销量预测进行订单筛选，确定保留订单的种类与范围；步骤二：将筛选出的同种类订单保留到订单蓄水池；步骤三：通过对订单的监控和准实时预测，计算监控过程中各同种类订单的成箱概率；步骤四：根据成箱概率确定订单去向决策，订单去向包括成箱、释放或保留；步骤五：每设定间隔进行一次步骤三和步骤四的处理，直至到最晚批次生成时间的时间点，释放剩余保留订单，再到仓库发货截止时间的时间点，执行步骤一的次日预测/决策流程。

【技术实现步骤摘要】
一种用于精简发货流程的整箱拣货智能决策方法和系统
本专利技术涉及一种电商物流拣货环节的应用技术，具体涉及一种用于精简发货流程的整箱拣货智能决策方法和系统。
技术介绍
通常在一个订单发货流程中，商品会经历从备货区补货上架到配货区(后称“补货”)、配货区拣货(后称“拣货”)、播种或验货(后称“验货”)以及打包的整个流程。对于所需商品相同且单量足够大的同种订单，通常现场可以用整箱拣货，将商品整箱从备货区直接配到打包台，从而省略了拣货和验货的两个环节，提高发货效率的同时，节省了大量人力成本。因此，对尽量多订单实现整箱拣货操作是商家提效降本的重要方式。然而，整箱拣货在实际操作中遇到了很多问题，最重要的在以下两点：(1)通常交易中，订单持续稳步流入，而无法即刻成箱，导致很多订单原本一天能购凑足整箱，但由于仓库现场不做区分的持续消化此类订单，而最终该类订单试中无法成箱；(2)仓库管理人员为了凑足整箱降低发货费用成本，但又无法区分当日哪些订单/商品可以成箱，他们通常会延迟所有订单进入发货流程的时间，从而让足够多的订单得以成箱。容易看出，这种方法以整个仓库的发货时效来换取发货成本的降低，代价极大。
技术实现思路
以下给出一个或多个方面的简要概述以提供对这些方面的基本理解。此概述不是所有构想到的方面的详尽综览，并且既非旨在指认出所有方面的关键性或决定性要素亦非试图界定任何或所有方面的范围。其唯一的目的是要以简化形式给出一个或多个方面的一些概念以为稍后给出的更加详细的描述之序。本专利技术的目的在于解决上述问题，提供了一种用于精简发货流程的整箱拣货智能决策方法和系统，解决商家在整箱拣货过程中遇到的决策难题，为客户带来了增效降本的效果。本专利技术的技术方案为：本专利技术揭示了一种用于精简发货流程的整箱拣货智能决策方法，方法包括：步骤一：通过对次日整日订单种类进行销量预测进行订单筛选，确定保留订单的种类与范围；步骤二：将筛选出的同种类订单保留到订单蓄水池；步骤三：通过对订单的监控和准实时预测，计算监控过程中各同种类订单的成箱概率；步骤四：根据成箱概率确定订单去向决策，订单去向包括成箱、释放或保留；步骤五：每设定间隔进行一次步骤三和步骤四的处理，直至到最晚批次生成时间的时间点，释放剩余保留订单，再到仓库发货截止时间的时间点，执行步骤一的次日预测/决策流程。根据本专利技术的用于精简发货流程的整箱拣货智能决策方法的一实施例，在步骤一中，对设定时间的历史订单信息按照天和订单种类进行聚合，对聚合结果与相关订单对应商品的装箱数进行比较，判断该设定时间内的历史同种类订单的销量大于相应商品装箱数的概率是否大于一预设的概率阈值，若大于则将该同种类订单作为保留订单纳入到次日订单监控和准实时预测范围，否则不作为保留订单且不进行次日订单监控和准实时预测。根据本专利技术的用于精简发货流程的整箱拣货智能决策方法的一实施例，步骤三进一步包括：步骤3.1：计算各同种类订单在N2Tb时间段的销量分布，通过该N2Tb时间段内的销量数据计算均值μ和方差σ2，在正态分布的情况下计算出各同种类订单的销量分布概率N(μ,σ2)，其中N2Tb时间段是指从当前时间点到下一个最晚批次生成时间Tb的时间段；步骤3.2：使用当日已产生的Ta2N时间段内的销量数据计算出调整系数，调整系数k的计算方式为：调整系数k＝当日Ta2N时间段的销量/过去14天Ta2N时间段的销量均值，其中Ta2N时间段是指从前一个仓库发货截止时间Ta到当前时间点的时间段；步骤3.3：通过调整系数k对N2Tb时间段内的销量进行调整，调整N2Tb时间段的销量分布概率为N(k*μ,(k*σ)2)；步骤3.4：计算成箱差额Δ：成箱差额Δ＝商品装箱数-当前订单销量；步骤3.5：根据一维正态分布的数学性质，将成箱差额Δ转化为标准正态分布：Δ’＝(Δ-k*μ)/(k*σ)；步骤3.6：计算在标准正态分布中大于Δ’的成箱概率P＝P(x>Δ’)，通过查询正态分布表并计算可得到成箱概率P。根据本专利技术的用于精简发货流程的整箱拣货智能决策方法的一实施例，步骤四的订单去向决策的依据包括：若成箱概率>设定值，且当前保留订单销量大于商品装箱数，则生成整箱拣货批次，即成箱；若成箱概率>设定值，且当前保留订单不足整箱，则继续保留该种同种类订单，即保留；若成箱概率<设定值，则不再保留该同种类订单，并通知系统进行订单释放，以便被释放的订单可通过其他批次流程完成发货，此后不再对该同种类订单进行保留。本专利技术还揭示了一种用于精简发货流程的整箱拣货智能决策系统，系统包括：订单筛选模块，通过对次日整日订单种类进行销量预测进行订单筛选，确定保留订单的种类与范围；订单保留模块，将筛选出的同种类订单保留到订单蓄水池；成箱概率计算模块，通过对订单的监控和准实时预测，计算监控过程中各同种类订单的成箱概率；订单去向决策模块，根据成箱概率确定订单去向决策，订单去向包括成箱、释放或保留；其中，每设定间隔进行一次成箱概率计算模块和订单去向决策模块的处理，直至到最晚批次生成时间的时间点，释放剩余保留订单，再到仓库发货截止时间的时间点，重新开始进行订单筛选模块的处理。根据本专利技术的用于精简发货流程的整箱拣货智能决策系统的一实施例，订单筛选模块进一步配置为：对设定时间的历史订单信息按照天和订单种类进行聚合，对聚合结果与相关订单对应商品的装箱数进行比较，判断该设定时间内的历史同种类订单的销量大于相应商品装箱数的概率是否大于一预设的概率阈值，若大于则将该同种类订单作为保留订单纳入到次日订单监控和准实时预测范围，否则不作为保留订单且不进行次日订单监控和准实时预测。根据本专利技术的用于精简发货流程的整箱拣货智能决策系统的一实施例，成箱概率计算模块进一步配置为执行以下处理：步骤3.1：计算各同种类订单在N2Tb时间段的销量分布，通过该N2Tb时间段内的销量数据计算均值μ和方差σ2，在正态分布的情况下计算出各同种类订单的销量分布概率N(μ,σ2)，其中N2Tb时间段是指从当前时间点到下一个最晚批次生成时间Tb的时间段；步骤3.2：使用当日已产生的Ta2N时间段内的销量数据计算出调整系数，调整系数k的计算方式为：调整系数k＝当日Ta2N时间段的销量/过去14天Ta2N时间段的销量均值，其中Ta2N时间段是指从前一个仓库发货截止时间Ta到当前时间点的时间段；步骤3.3：通过调整系数k对N2Tb时间段内的销量进行调整，调整N2Tb时间段的销量分布概率为N(k*μ,(k*σ)2)；步骤3.4：计算成箱差额Δ：成箱差额Δ＝商品装箱数-当前订单销量；步骤3.5：根据一维正态分布的数学性质，将成箱差额Δ转化为标准正态分布：Δ’＝(Δ-k*μ)/(k*σ)；步骤3.6：计算在标准正态分布中大于Δ’的成箱概率P＝P(x>Δ’)，通过查询正本文档来自技高网...

【技术保护点】
1.一种用于精简发货流程的整箱拣货智能决策方法，其特征在于，方法包括：/n步骤一：通过对次日整日订单种类进行销量预测进行订单筛选，确定保留订单的种类与范围；/n步骤二：将筛选出的同种类订单保留到订单蓄水池；/n步骤三：通过对订单的监控和准实时预测，计算监控过程中各同种类订单的成箱概率；/n步骤四：根据成箱概率确定订单去向决策，订单去向包括成箱、释放或保留；/n步骤五：每设定间隔进行一次步骤三和步骤四的处理，直至到最晚批次生成时间的时间点，释放剩余保留订单，再到仓库发货截止时间的时间点，执行步骤一的次日预测/决策流程。/n

【技术特征摘要】
1.一种用于精简发货流程的整箱拣货智能决策方法，其特征在于，方法包括：
步骤一：通过对次日整日订单种类进行销量预测进行订单筛选，确定保留订单的种类与范围；
步骤二：将筛选出的同种类订单保留到订单蓄水池；
步骤三：通过对订单的监控和准实时预测，计算监控过程中各同种类订单的成箱概率；
步骤四：根据成箱概率确定订单去向决策，订单去向包括成箱、释放或保留；
步骤五：每设定间隔进行一次步骤三和步骤四的处理，直至到最晚批次生成时间的时间点，释放剩余保留订单，再到仓库发货截止时间的时间点，执行步骤一的次日预测/决策流程。


2.根据权利要求1所述的用于精简发货流程的整箱拣货智能决策方法，其特征在于，在步骤一中，对设定时间的历史订单信息按照天和订单种类进行聚合，对聚合结果与相关订单对应商品的装箱数进行比较，判断该设定时间内的历史同种类订单的销量大于相应商品装箱数的概率是否大于一预设的概率阈值，若大于则将该同种类订单作为保留订单纳入到次日订单监控和准实时预测范围，否则不作为保留订单且不进行次日订单监控和准实时预测。


3.根据权利要求1所述的用于精简发货流程的整箱拣货智能决策方法，其特征在于，步骤三进一步包括：
步骤3.1：计算各同种类订单在N2Tb时间段的销量分布，通过该N2Tb时间段内的销量数据计算均值μ和方差σ2，在正态分布的情况下计算出各同种类订单的销量分布概率N(μ,σ2)，其中N2Tb时间段是指从当前时间点到下一个最晚批次生成时间Tb的时间段；
步骤3.2：使用当日已产生的Ta2N时间段内的销量数据计算出调整系数，调整系数k的计算方式为：
调整系数k＝当日Ta2N时间段的销量/过去14天Ta2N时间段的销量均值，其中Ta2N时间段是指从前一个仓库发货截止时间Ta到当前时间点的时间段；
步骤3.3：通过调整系数k对N2Tb时间段内的销量进行调整，调整N2Tb时间段的销量分布概率为N(k*μ,(k*σ)2)；
步骤3.4：计算成箱差额Δ：成箱差额Δ＝商品装箱数-当前订单销量；
步骤3.5：根据一维正态分布的数学性质，将成箱差额Δ转化为标准正态分布：Δ’＝(Δ-k*μ)/(k*σ)；
步骤3.6：计算在标准正态分布中大于Δ’的成箱概率P＝P(x>Δ’)，通过查询正态分布表并计算可得到成箱概率P。


4.根据权利要求1所述的用于精简发货流程的整箱拣货智能决策方法，其特征在于，步骤四的订单去向决策的依据包括：
若成箱概率>设定值，且当前保留订单销量大于商品装箱数，则生成整箱拣货批次，即成箱；
若成箱概率>设定值，且当前保留订单不足整箱，则继续保留该种同种类订单，即保留；
若成箱概率<设定值，则不再保留该同种类订单，并通知系统进行订单释放，以便被释放的订单可通过其他批次流程完成发货，此后不再对该同种类订单进行保留。


5.一种用于精简发货流程的整箱拣货智能决策系统，其特征在于，系统包括：
订单筛选模块，通过对次日整日订单种类进行销量预测进行订单筛选，确定保留订单的种类与范围；
订单保留模块，将筛选出的同种类订单保留到订单蓄水池；
成箱概率计算模块，通过对订单的监控和准实时预测，计算监控过程中各同种类订单的成箱概率；

【专利技术属性】
技术研发人员：伍仟，边永涛，贺兴建，骆海东，
申请(专利权)人：上海聚水潭网络科技有限公司，
类型：发明
国别省市：上海;31