排产任务数据处理方法、装置、设备及存储介质制造方法及图纸

本发明专利技术公开一种排产任务数据处理方法、装置、设备及存储介质，该方法包括：初始化模板信息，所述模板信息包括数据准备组件列表、计算组件列表和参数列表；根据所述数据准备组件列表调用数据准备组件获取任务资源数据；对所述任务资源数据进行拼装形成排产缓存对象；根据所述计算组件列表调用计算组件基于所述参数列表中的参数对所述排产缓存对象进行排产计算得到资源匹配结果。本发明专利技术解决了相关技术中智能排产系统的排产模块对于未知的因素难以进行扩展以及针对已确定的考虑因素调整权重灵活性差的技术问题。灵活性差的技术问题。灵活性差的技术问题。

【技术实现步骤摘要】
排产任务数据处理方法、装置、设备及存储介质


[0001]本专利技术涉及仓储物流领域，具体而言，涉及一种排产任务数据处理方法、装置、设备及计算机可读存储介质。

技术介绍

[0002]在基于智能排产系统的无人仓库中，商品入库时，只需将商品运送到指定入库工作站，由智能排产系统计算待入库商品所需货架的信息，由移动机器人托起所需货架到达入库工作站完成入库上架；商品出库时则由智能排产系统计算出包含待出库的商品的最合适的货架，由移动机器人托起所需货架到达出库工作站完成出库。这种基于人工智能的仓库运营方案，通过智能排产算法及移动机器人的应用，大大提高了商品入库、出库的效率。
[0003]相关技术中的智能排产系统提供多个排产模块，各个排产模块批量抓取对应的排产任务，结合当前仓库可用移动机器人、工作站、货架等资源信息，计算出任务与资源的匹配关系并下发给任务执行系统以实现上述功能。以上述入库场景为例，入库排产模块中货架的推荐策略尤为复杂，高质量的货架推荐策略，不仅要提高入库效率，更重要的是要优化库存布局，进而提高出库效率，因此需要考虑的方面包括：可用的工作站、移动机器人等设备资源，可用货架的状态及货架上的库存，商品体积、重量、销量、分散度、关联度等诸多属性对上架数量的影响等等。除了入库场景外，在出库、盘点、充电等业务场景中，采用的对应的排产模块也存在类似的排产策略。而在智能排产系统中，各个排产模块执行时都需要根据全仓资源做统筹计算，进而选出最优资源匹配关系，因而涉及的数据量较大，业务逻辑十分复杂。
[0004]在以上诸多因素中，有些是为提高出库效率考虑，如畅销的商品要尽量分散上到多个货架上，避免因包含此商品的货架被其他业务占用而无法出库的情况；有些是为硬件设施考虑，如双面货架要控制两面商品的重量，以避免货架偏载。这些偏向出库或硬件的考量势必会降低入库效率，而不考虑库存结构的入库势必会降低出库效率甚至造成硬件故障。因此，在不同行业、不同业务需求中，各因素考虑的权重也不尽相同。
[0005]随着业务的扩展，排产模块考虑的因素逐渐增多，排产策略也会越发复杂。所以，针对某排产模块已确定的考虑因素，如何灵活的调整权重；对于该排产模块未知的因素，如何便于排产模块扩展，是在智能排产系统设计上需要解决的问题。针对此类问题，相关技术中的智能排产系统设计策略通常采用两种设计方式：
[0006]1、业务策略控制方式：针对某业务场景的不同的业务需求，提供不同的排产模块，对于每个排产模块，有其独立的一套策略处理规则，再配合大量的调参进行变化。如果某排产模块无法适应新的业务需求，则再针对此类新需求增加一个排产模块。
[0007]2、线性规划求解器计算方式：基于线性规划的思想将业务策略转换为数学模型和约束条件，通过求解器求得最优解。
[0008]业务策略控制方式缺乏灵活度，对于某业务场景的不同的业务需求需要开发相应的排产模块，对于相似的业务需求，为了使用相同的排产模块，还需要增加大量的参数控制
业务逻辑及权重。因此模块功能的复用度不高，维护十分复杂，每新增一种业务需求，又需要评估是使用之前的排产模块进行改造还是新增一个排产模块，随着业务的增加，采用此种方式势必会不断的增加开发成本和维护成本。
[0009]对于线性规划求解器计算方式，该方式具备了充分的灵活度和扩展性，但由于求解器是个黑盒工具，对于业务策略较纯粹的场景还能够较好的得到应用，但对于很多复杂的业务需求则很难直接转换为数据模型，如入库时的货架推荐需求，需要考虑全仓的容器库存、全仓商品体积及重量等信息，大量的数据处理和复杂的业务策略对于求解器这种纯数据模型计算的黑盒技术手段变得较难应用。
[0010]如上所述，如何提供便于智能排产系统的排产模块对于未知的因素进行扩展以及灵活地针对已确定的考虑因素调整权重，成为在智能排产系统中亟待解决的问题。
[0011]在所述
技术介绍
部分公开的上述信息仅用于加强对本专利技术的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

[0012]有鉴于此，本专利技术提供一种排产任务数据处理方法、装置、设备及计算机可读存储介质，以解决相关技术中智能排产系统扩展性及灵活性较差的技术问题。
[0013]本专利技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本专利技术的实践而习得。
[0014]根据本专利技术的一方面，提供一种排产任务数据处理方法，包括：初始化模板信息，所述模板信息包括数据准备组件列表、计算组件列表和参数列表；根据所述数据准备组件列表调用数据准备组件获取任务资源数据；对所述任务资源数据进行拼装形成排产缓存对象；根据所述计算组件列表调用计算组件基于所述参数列表中的参数对所述排产缓存对象进行排产计算得到资源匹配结果。
[0015]根据本专利技术的一实施例，所述参数的作用域配置为所述计算组件。
[0016]根据本专利技术的一实施例，所述计算组件包括多个子计算组件。
[0017]根据本专利技术的一实施例，所述参数的作用域配置为所述多个子计算组件中的至少一个子计算组件。
[0018]根据本专利技术的一实施例，所述根据所述计算组件列表调用计算组件基于所述参数列表中的参数对所述排产缓存对象进行排产计算得到资源匹配结果，包括：根据所述计算组件列表调用计算组件基于所述参数列表中的参数，通过业务约束规则和算法求解器计算得到资源匹配结果。
[0019]根据本专利技术的一实施例，所述根据所述数据准备组件列表调用数据准备组件获取任务资源数据，包括：根据所述数据准备组件列表调用任务获取组件、移动机器人信息获取组件、货架信息获取组件和工作站信息获取组件获取任务数据、移动机器人信息数据、货架信息数据和工作站信息数据；所述对所述任务资源数据进行拼装形成排产缓存对象，包括：对所述任务数据、移动机器人信息数据、货架信息数据和工作站信息数据进行拼装形成排产缓存对象；所述根据所述计算组件列表调用计算组件基于所述参数列表中的参数对所述排产缓存对象进行排产计算得到资源匹配结果，包括：根据所述计算组件列表依次调用货架推荐组件和移动机器人匹配组件基于所述参数列表中的参数对所述排产缓存对象进行
排产计算得到移动机器人与货架匹配结果。
[0020]根据本专利技术的再一方面，提供一种排产任务数据处理装置，包括：初始化单元，用于初始化模板信息，所述模板信息包括数据准备组件列表、计算组件列表和参数列表；数据获取单元，与所述初始化单元连接，用于根据所述数据准备组件列表调用数据准备组件获取任务资源数据；缓存拼装单元，与所述数据获取单元连接，用于对所述任务资源数据进行拼装形成排产缓存对象；匹配计算单元，与所述缓存拼装单元连接，用于根据所述计算组件列表调用计算组件基于所述参数列表中的参数对所述排产缓存对象进行排产计算得到资源匹配结果。
[0021]根据本专利技术的一实施例，所述匹配计算单元，还用于根据所述计算组件列表调用计算组件基于所述参数列表中的参数，通过业务约束规则和算法求解器计算得到资源匹配结果。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种排产任务数据处理方法，其特征在于，包括：初始化模板信息，所述模板信息包括数据准备组件列表、计算组件列表和参数列表；根据所述数据准备组件列表调用数据准备组件获取任务资源数据；对所述任务资源数据进行拼装形成排产缓存对象；根据所述计算组件列表调用计算组件基于所述参数列表中的参数对所述排产缓存对象进行排产计算得到资源匹配结果。2.根据权利要求1所述的方法，其特征在于，所述参数的作用域配置为所述计算组件。3.根据权利要求1所述的方法，其特征在于，所述计算组件包括多个子计算组件。4.根据权利要求3所述的方法，其特征在于，所述参数的作用域配置为所述多个子计算组件中的至少一个子计算组件。5.根据权利要求1所述的方法，其特征在于，所述根据所述计算组件列表调用计算组件基于所述参数列表中的参数对所述排产缓存对象进行排产计算得到资源匹配结果，包括：根据所述计算组件列表调用计算组件基于所述参数列表中的参数，通过业务约束规则和算法求解器计算得到资源匹配结果。6.根据权利要求1至5中任意一项所述的方法，其特征在于，所述根据所述数据准备组件列表调用数据准备组件获取任务资源数据，包括：根据所述数据准备组件列表调用任务获取组件、移动机器人信息获取组件、货架信息获取组件和工作站信息获取组件获取任务数据、移动机器人信息数据、货架信息数据和工作站信息数据；所述对所述任务资源数据进行拼装形成排产缓存对象，包括：对所述任务数据、移动机器人信息数据、货架信息数据和工作站信息数据进行拼装形成...

【专利技术属性】
技术研发人员：韩宁，
申请(专利权)人：北京京东乾石科技有限公司，
类型：发明
国别省市：