[发明专利]一种仓库物品配置方法和装置

说明书

本申请公开了一种仓库物品配置方法和装置，其特征在于，包括：根据订单数据和各仓库的物品分布数据，基于第一神经网络模型，生成拆单率函数；所述仓库包括主仓库和克隆仓库；基于第二神经网络模型，以所述拆单率函数为目标函数，生成相应的所述克隆仓库的物品配置信息；根据所述物品配置信息，为相应的克隆仓库配置物品。采用本发明，可以有效节约物品的配送成本。

技术领域

本发明涉及仓储物流领域，特别是涉及一种仓库物品配置方法和装置。

背景技术

目前大多数在线零售电商采用一品一仓的模式，即一种商品最小单元(StockKeeping Unit，SKU)只在一个仓库中储存，一种SKU只有一种库存属性。近些年，随着电子商务行业的快速发展，顾客对在线零售电商的需求越来越大，并且SKU品类也呈指数级增长。在这种情况下，一品一仓的传统模式会直接导致拆单率的快速增长，大大增加了电商的运营成本。从长期业务发展需求的角度出发，克隆仓的概念被提出，打破了同一SKU只有一种库房属性的限制，实现多库房属性。在一品多仓情况下，SKU对应的除了主体仓之外的，能够放置该SKU的都叫做克隆仓。

目前，针对克隆仓的物品配置方案，通常是根据商品与克隆仓(待选品仓)中商品的同订单销量排序结果，来选择哪些商品放入克隆仓。这种方法比较直观和简单，主要思路就是，如果某些商品非常频繁地与克隆仓中的商品出现在同一个订单中，那么这些商品被放入克隆仓后，相应的订单被满足的概率会增大，由于这样的订单数量将多，所以拆单率会大幅度降低；相反，如果某些商品极少与克隆仓中的商品同单，那么这些商品放入克隆仓后，只能使得极小部分订单被满足的概率增大，因而对拆单率的降低不会有很大的贡献。因此，可以按照商品与克隆仓中商品的同单数量从大到小做个排名，排名越靠前的，越可以优先考虑放入克隆仓中。

在实现本发明过程中，发明人发现上述克隆仓物品配置方案存在配送成本较大的问题。

上述方案仅考虑了同订单销量这个特征，实际上，商品与商品之间还应该存在一些比较隐含的关联特征。例如，不同商品之间可能会具有一定程度被同时购买的关联性，该关联性无法通过订单销量体现出来。所以在实际应用中，上述现有的克隆仓物品配置方案并不能有效降低拆单率。而拆单后的子单通常需要进行单独包装配送，这样，就会导致物品配送成本的增加。因此，上述克隆仓物品配置方案会存在配送成本较大的问题。

发明内容

有鉴于此，本发明的主要目的在于提供一种仓库物品配置方法和装置，可以有效节约物品的配送成本。

为了达到上述目的，本发明实施例提出的技术方案为：

一种仓库物品配置方法，包括：

根据订单数据和各仓库的物品分布数据，基于第一神经网络模型，生成拆单率函数；所述仓库包括主仓库和克隆仓库；

基于第二神经网络模型，以所述拆单率函数为目标函数，生成相应的所述克隆仓库的物品配置信息；

根据所述物品配置信息，为相应的克隆仓库配置物品。

较佳地，所述生成拆单率函数包括：

对于每个订单i，计算该订单对应的数据向量Lⁱ分别与每个所述仓库的物品分布数据向量H^j的哈马达Hadamard乘积，得到T个M×1维向量X^i,j；