[发明专利]订单的处理方法以及装置

说明书

本发明公开了一种订单的处理方法以及装置，涉及大数据技术领域。本发明的方法包括：根据订单中各种商品的商品属性信息预测订单的被取消概率；按照各个订单的被取消概率由小到大的顺序对各个订单进行排序；按照各个订单的排序安排各个订单的生产。本发明基于订单中各种商品的属性预测订单的被取消概率，根据各个订单的被取消概率安排订单的生产。被取消概率大的订单被安排在后生产，降低了该类订单的生产优先级，使得该类订单被取消时很可能没有进入生产过程，降低了人力和物力资源的浪费，同时保证了整个仓库内的生产作业流程的连续性，提高生产效率。

技术领域

本发明涉及大数据技术领域，特别涉及一种订单的处理方法以及装置。

背景技术

电商行业的热潮同时也推动了物流、仓储业的发展。随着人们对商品递送效率要求的提高，仓库也在不断的优化生产过程，从而在相对集中的时间内完成数量庞大的订单。

某些仓库甚至在收到订单后平均10分钟就完成了商品的出库，高效的背后需要大量的人员在各自岗位互相配合，快速完成拣货、复核、打包、出库。订单的取消无疑会为这个单向高效的流程带来极大的影响。

目前，在订单进入生产环节之后一般不能确定订单当前所处环节，在这种情况下，订单如果被取消，也只能在整个订单生产完成后进行截单。

发明内容

发明人发现，现有技术对被取消的订单进行截单的方案，浪费了人力和物力资源，并且如果截单失败导致商品出库，将进一步造成更大的损失。

本发明所要解决的一个技术问题是：如何减少订单取消给订单生产过程带来的损失。

根据本发明的一个实施例，提供的一种订单的处理方法，包括：根据订单中各种商品的商品属性信息预测订单的被取消概率；按照各个订单的被取消概率由小到大的顺序对各个订单进行排序；按照各个订单的排序安排各个订单的生产。

在一个实施例中，根据订单中各种商品的商品属性信息预测订单的被取消概率包括：将各种商品的商品属性信息分别输入分类模型获取各种商品的被取消概率；根据订单中包含的各种商品的被取消概率确定该订单的被取消概率。

在一个实施例中，采用以下方法确定分类模型：获取历史订单中的各种商品的商品属性信息以及历史订单的生产状态作为训练数据，生产状态包括被取消和未取消；利用训练数据对分类模型进行训练确定分类模型。

在一个实施例中，利用训练数据对分类模型进行训练包括：按照预设比例范围有放回的随机选取各种商品的部分商品属性信息，并与对应的生产状态进行组合作为一棵决策树的训练数据，对该决策树进行训练确定该决策树；重复上述过程，直至确定分类模型中的全部决策树。

在一个实施例中，将各种商品的商品属性信息分别输入分类模型获取各种商品的被取消概率包括：针对每种商品选取与分类模型中的决策树对应的商品属性信息输入该决策树模型，获取商品在该决策树的分类；根据商品在各棵决策树的分类以及决策树的总数确定商品的被取消概率。

在一个实施例中，订单的被取消概率为订单中各种商品的被取消概率之和减去各种商品同时被取消概率。

根据本发明的另一个实施例，提供的一种订单的处理装置，包括：订单概率预测模块，用于根据订单中各种商品的商品属性信息预测订单的被取消概率；订单排序模块，用于按照各个订单的被取消概率由小到大的顺序对各个订单进行排序；订单生产安排模块，用于按照各个订单的排序安排各个订单的生产。

在一个实施例中，订单概率预测模块，用于将各种商品的商品属性信息分别输入分类模型获取各种商品的被取消概率，根据订单中包含的各种商品的被取消概率确定该订单的被取消概率。

在一个实施例中，该处理装置还包括：分类模型确定模块，用于获取历史订单中的各种商品的商品属性信息以及历史订单的生产状态作为训练数据，生产状态包括被取消和未取消，利用训练数据对分类模型进行训练确定分类模型。