CN118657473A - 一种基于计算机的大数据分析控制系统 - Google Patents

Abstract

本发明涉及仓储控制技术领域，公开了一种基于计算机的大数据分析控制系统，包括：多个货架，用于存储货品；仓储分配设备，用于分配每个货品的存储位置；后台处理设备，确定每个货品的库存状态，调整采购数量，防止缺货或积压，并根据订单量调整各分拣站点的工作负荷，确保物流顺畅。通过预测库存紧缺货品的趋势，辅助采购决策，并处理库存过剩问题，通过组合促销策略减少损失。由此，实现了物流的分析和控制。

Description

一种基于计算机的大数据分析控制系统

技术领域

本发明涉及仓储控制技术领域，具体涉及一种基于计算机的大数据分析控制系统。

背景技术

跨境电商作为承载“互联网+外贸”的贸易新业态，已成为推动中国外贸增长的关键力量。依托互联网技术，跨境电商打破了传统贸易的地理界限，为中小企业提供了全球市场准入的机会，同时满足了国内外消费者对多样化、高质量商品的需求。消费升级背景下消费者偏好的多元化，以及营销模式的革新，如社交电商、直播带货等，进一步加速了跨境电商的繁荣。与此同时，随着大数据技术的不断发展，跨境电商与物流大数据分析结合，成为推动跨境电商发展的关键引擎。

现有的跨境电商仓储控制过程中，经常会存在如下技术问题：

第一，现有的货品布局方法往往基于静态规则，通常依赖人工经验和直觉，而非实时数据分析，导致热门商品与低频商品混合存放，影响拣选作业的效率；

第二，现有的仓储系统普遍采用固定分配机制，使得部分站点过载而其他站点资源闲置的现象屡见不鲜。当分拣站点的工作量超过其处理能力时，分拣速度会减慢，造成订单积压，而闲置站点的人力资源未能得到有效利用，造成了人力成本的浪费，从而使得仓库的整体分拣效率受损；

第三， 现有的打包过程中，对于货品的外包装选择大多依赖于人工的经验判断，这种做法可能造成过度包装的问题，导致资源浪费和成本增加；还可能因包装不当而导致货品在运输过程中遭受损伤，影响商品质量。

发明内容

本发明内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本发明提出了一种基于计算机的大数据分析控制系统，来解决以上背景技术部分提到的技术问题中的一项或多项。

本发明提供了一种基于计算机的大数据分析控制系统，包括：

多个货架，用于对目标仓库的各个货品进行承载，目标仓库中的多个货架中每个货架对应有一个安置点位；其中，每个货架包括多个储货层；

仓储分配设备，用于获取目标仓库的多个货架中每个货架的每个储货层的高度数值，根据每个储货层的高度数值，对各个货架中各个储货层进行排序，得到每个货架对应的储货层序列，根据每个货架对应的储货层序列，对每个货架的每个储货层分配仓储评分，得到每个货架的每个储货层的仓储评分；

仓储分配设备还用于获取目标仓库的仓库分布图，确定仓库分布图中每个货架的位置信息和多个分拣站点中每个分拣站点的位置信息，根据每个货架的位置信息和每个分拣站点的位置信息，确定每个货架与多个分拣站点中每个分拣站点的距离值，将每个货架划分至最小距离值对应的分拣站点对应的分拣货架组中；根据每个货架与对应的分拣站点的距离值，对每个货架分配距离评分，得到每个货架的距离评分；将每个货架的每个储货层的仓储评分与对应货架的距离评分进行相加，得到每个货架的每个储货层的总评分，根据每个储货层的总评分，对各个货架中各个储货层进行排序，得到目标仓库对应的储货层序列；

仓储分配设备还用于获取每个货品对应的销售货品成本、初期库存价值和末期库存价值，根据每个货品对应的销售货品成本、初期库存价值和末期库存价值，确定每个货品的库存周转率，根据每个货品的库存周转率，对各个货品进行排序，得到货品序列；根据目标仓库对应的储货层序列和货品序列，确定每个货品对应的储货层；

后台处理设备，用于获取目标时间段内每个货品的数量和客户订单；其中，目标时间段包括多个目标时间点；根据客户订单中所包括的货品，确定每个货品对应的子订单；根据每个货品对应的子订单，确定每个货品对应的需求件数；根据目标时间段内每个货品的数量和每个货品对应的需求件数进行对比，确定每个货品对应的订单满足率；将每个货品对应的订单满足率与预设的满足率范围进行对比，确定每个货品对应的库存属性，其中，库存属性包括库存紧缺、库存正常和库存过剩；

后台处理设备还用于对库存紧缺的货品，生成表征采购货品的采购信号，采购信号包括对应货品的采购数量；将采购信号发送至采购终端，以控制采购终端对应的采购人员根据对应货品的采购数量进行采购；

后台处理设备还用于对库存过剩的货品，生成表征停止采购货品的终止信号，将终止信号发送至采购终端，以控制采购终端对应的采购人员根据终止信号对库存过剩的货品停止采购。

可选的，后台处理设备还用于：

获取多个分拣站点中每个分拣站点的分拣人员数量，根据每个分拣站点的分拣人员数量，确定每个分拣站点的最大分拣数量；

获取每个货品对应订单的下单时间，根据每个货品对应订单的下单时间和目标时间点的每个货品对应订单需求件数，构建每个分拣站点对应的货品分拣表，其中，货品分拣表包括货品、货品分拣时间点和货品分拣数量；

将货品分拣表中同一目标时间点下各个货品的货品分拣数量相加，得到每个分拣站点在目标时间点的货品分拣数量；

将每个分拣站点在目标时间点的货品分拣数量与对应的最大分拣数量进行对比，若存在目标时间点的货品分拣数量大于对应的最大分拣数量的分拣站点，将目标时间点的货品分拣数量大于对应的最大分拣数量的分拣站点加入目标时间点对应的超载分拣站点组中，并确定超载分拣站点组中每个分拣站点的超载分拣数量，根据超载分拣数量，确定超载分拣站点组中每个分拣站点的对应的超载订单；

若存在目标时间点的货品分拣数量小于对应的最大分拣数量的分拣站点，将目标时间点的货品分拣数量小于对应的最大分拣数量的分拣站点加入目标时间点对应的非超载分拣站点组中，并确定非超载分拣站点组中每个分拣站点的过剩分拣数量；

若超载分拣站点组中各个分拣站点在目标时间点的超载分拣数量的总和小于非超载分拣站点组中各个分拣站点在目标时间点的过剩分拣数量的总和，根据预设的分配规则，将超载分拣站点组中每个分拣站点的对应的超载订单分配至非超载分拣站点组中对应的分拣站点中，得到每个分拣站点对应的目标时间点的新的货品分拣数量；

若超载分拣站点组中各个分拣站点在目标时间点的超载分拣数量的总和大于非超载分拣站点组中各个分拣站点在目标时间点的过剩分拣数量的总和，将目标时间点确定为超载时间点，将非超载分拣站点组中各个分拣站点在目标时间点的过剩分拣数量的总和确定为超载分拣站点组在目标时间点最大分配订单数；

根据预设的分配规则和最大分配订单数，将超载分拣站点组中每个分拣站点对应的超载订单分配至非超载分拣站点组中每个分拣站点中，并确定超载分拣站点组中每个分拣站点对应的剩余订单；根据剩余订单，对货品分拣表中目标时间点之后的下一个目标时间点的货品分拣数量进行更新；

确定目标时间段内超载时间点的数量，若超载时间点的数量大于预设的安全阈值时，生成表征补充分拣站点的补充信号，将补充信号发送至管理终端，以控制管理终端对应的管理人员根据补充信号对分拣站点进行补充。

可选的，每个分拣站点对应的目标时间点的新的货品分拣数量是通过以下步骤确定的：

确定超载分拣站点组中每个分拣站点对应的分拣货架组中每个货架中对应的订单需求件数；

根据超载分拣站点组中每个分拣站点对应的分拣货架组中每个货架与对应分拣站点的距离值，将分拣货架组中各个货架进行排序，得到每个分拣站点对应的货架序列；

根据每个分拣站点的超载分拣数量，将对应的货架序列中每个货架中对应的订单需求件数依次进行超载分拣数量剔除；

将货架序列中每个货架中被剔除的订单需求件数，构成剔除订单需求件数组；确定剔除订单需求件数组中每个剔除订单需求件数对应的货架，确定每个剔除订单需求件数对应的货架与非超载分拣站点组中每个分拣站点的距离值；根据货架与非超载分拣站点组中每个分拣站点的距离值与非超载分拣站点组中每个分拣站点的过剩分拣数量，将超载分拣站点组中每个分拣站点对应的分拣货架组中每个货架中对应的订单分配至非超载分拣站点组中对应的分拣站点中，得到每个分拣站点对应的目标时间点的新的货品分拣数量。

可选的，后台处理设备还用于：

获取库存紧缺的货品的历史目标时间段内每个历史目标时间点对应的历史日订单数量；

将库存紧缺的货品在每个目标时间点对应的历史日订单数量中各个历史日订单数量进行排序，得到库存紧缺的货品对应的历史日订单数量；

根据预设的标准时间周期，对订单数量序列进行移动平均计算，得到移动平均值序列；根据移动平均值序列，生成订单趋势折线图；

将订单趋势折线图发送至采购终端，以控制采购终端对订单趋势折线图进行显示，以使采购终端对应的采购人员根据订单趋势折线图制定采购计划。

可选的，后台处理设备还用于：

确定每个货品对应的类别，根据每个货品对应的历史总订单数和每个货品对应的类别，构建每个类别对应的订单榜单；

获取目标仓库中库存过剩的货品对应的库存过剩数量，以及库存过剩的货品对应的保质期；

当库存过剩的货品对应的保质期小于安全阈值时，确定库存过剩的货品的类别对应的订单榜单中历史总订单数第一的货品；

根据库存过剩的货品和对应的历史总订单数第一的货品，生成组合货品信息；

将组合货品信息发送至电商平台管理终端，以使电商平台管理终端对应的人员将组合货品信息上架至电商平台。

本发明具有如下有益效果：

一、通过获取并分析每个货架中各个储货层的高度数值，生成每个储货层对应的仓储评分，结合货架与分拣站点间的实际距离，生成了距离评分，最终形成目标仓库对应的储货层序列，将目标仓库对应的储货层序列中储货层评分高的储货层确定为高效拣选区域，通过货品的库存周转率，构建了货品序列。根据目标仓库对应的储货层序列和货品序列，确定每个货品对应的储货层。实现了货品在不同储货层间的合理布局。使高库存周转率商品得以优先安置于高效拣选区域，显著提升了拣选作业的效率；

二、通过获取并分析分拣站点的人员数量、最大分拣能力和订单需求件数，将分拣站点划分至超载分拣站点组与非超载分拣站点组。基于分配规则，重新分配超载分拣站点的订单至非超载分拣站点，确保工作量均衡，减少订单积压，提升分拣速度。当超载分拣站点组中各个分拣站点在目标时间点的超载分拣数量的总和超过非超载分拣站点组中各个分拣站点在目标时间点的过剩分拣数量的总和时，合理调整后续任务，并在必要时发出补充信号，促使管理人员及时增加分拣站点。实现了资源的高效利用，防止了人力成本的浪费，提升了目标仓库的整体分拣效率；

三、通过获取并分析货品属性，并解析货品名称，得到货品名称对应的词组中每个词的词性，利用预先构建的材质字典，确定货品名称对应材质和置信度，将置信度最高的材质确定为货品名称对应的材质。进而判断材质属性（易碎或非易碎）。根据货品的体积和材质属性，将货品分类至易碎货品组或易碎货品组中，分别匹配加强包装盒或标准型包装盒。确保每个商品分配合适的包装盒，避免了资源浪费，保障了货品在物流过程中的安全，极大降低了货品在运输过程中遭受损坏的概率。

附图说明

结合附图并参考以下具体实施方式，本发明各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是本发明基于计算机的大数据分析控制系统的示例性结构示意图。

具体实施方式

下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的某些实施例，然而应当理解的是，本发明可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本发明。应当理解的是，本发明的附图及实施例仅用于示例性作用，并非用于限制本发明的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

需要注意，本发明中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本发明中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本发明的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本发明。

如图1所示，是本发明的基于计算机的大数据分析控制系统的示例性结构示意图。其中，基于计算机的大数据分析控制系统包括多个货架101、仓储分配设备102和后台处理设备103。其中，多个货架101中每个货架设置于目标仓库的对应的一个安置点位上，用于对目标仓库的各个货品进行承载。其中，每个货架包括多个储货层，货品为最小存货单位（SKU）。

在一些实施例中，仓储分配设备102可以是电子计算机（例如台式电脑），在此基础上，仓储分配设备102配置有CPU、数据分析芯片和通信模块等等，从而可以通过通信模块与仓库数据库通信连接，以使CPU获取目标仓库的多个货架101中每个货架的每个储货层的高度数值、目标仓库的仓库分布图、每个货品销售货品成本、初期库存价值和末期库存价值。通过通信模块与开源的电子地图接口连接，以使仓储分配设备102得到电子地图。其中，每个储货层的高度数值表示储货层距离水平地面的高度数值。在此基础上，按照每个储货层的高度数值从低到高的顺序，将各个货架中各个储货层进行排序，得到每个货架对应的储货层序列。按照预设的高度评分表，对每个货架的每个储货层分配仓储评分，得到每个货架的每个储货层的仓储评分。其中，高度评分表中包括高度数值和高度数值对应的评分。对于每个货架对应的储货层序列中的储货层的高度数值越小的储货层，该储货层对应的仓储评分越高。

在一些实施例中，仓储分配设备102通过数据分析芯片对目标仓库的仓库分布图进行坐标系设定。通过仓库分布图的坐标系，确定仓库分布图中每个货架的位置信息和多个分拣站点中每个分拣站点的位置信息。将每个货架的位置信息分别和多个分拣站点中每个分拣站点的位置信息在电子地图中查询，得到每个货架与多个分拣站点中每个分拣站点的距离值。将每个货架划分至最小距离值对应的分拣站点对应的分拣货架组中，作为示例，货架A与分拣站点Z的距离值为10米，货架A与分拣站点X的距离值为15米，货架A与分拣站点Y的距离值为20米，将货架A划分至分拣站点Z对应的分拣货架组中。按照预设的距离评分表和每个货架与对应的分拣站点的距离值，对每个货架分配距离评分，得到每个货架的距离评分。其中，距离评分表包括距离值和距离值对应的评分，对于分拣站点对应的分拣货架组中每个货架与该分拣站点的距离值越小的货架，该货架对应的距离评分越高。将每个货架的每个储货层的仓储评分与对应货架的距离评分进行相加，得到每个货架的每个储货层的总评分。作为示例，货架A的距离评分为80分，储货层A1的仓储评分为90分、储货层A2的仓储评分为80分。由此可知，货架A中的A1储货层对应的总评分为170分（货架A的距离评分与储货层A1的仓储评分相加）、货架A中的A2储货层对应的总评分为160分。货架B的距离评分为90分；储货层B1的仓储评分为90分、储货层B2的仓储评分为60分。由此可知，货架B中的B1储货层对应的总评分为180分、货架B中的B2储货层对应的总评分为150分。按照每个储货层的总评分从高到低的顺序，对各个货架中各个储货层进行排序，得到目标仓库对应的储货层序列，将目标仓库对应的储货层序列中排序靠前的储货层确定为高效拣选区域。

在一些实施例中，仓储分配设备102还用于获取每个货品对应的销售货品成本、初期库存价值和末期库存价值，根据每个货品对应的销售货品成本、初期库存价值和末期库存价值。作为示例，货品A的销售货品成本为200万元、初期库存价值为30万元、末期库存价值为50万元；由此可知，货品A对应的库存周转率为200/[(30+50)/2]＝5。按照每个货品的库存周转率从高到低的顺序，对各个货品进行排序，得到货品序列。将库存周转率高的货品确定为热门商品，将库存周转率低的货品确定为低频商品。根据储货层序列和货品序列，确定每个货品对应的储货层。作为示例，货架A中储货层A1的总评分为90、储货层A2的评分为85、货架B中储货层B1的总评分88，储货层B2的评分为83，由此可知，储货层序列为储货层A1、储货层B1、储货层A2、储货层B2。货品P的库存周转率为10、货品L的库存周转率为8、货品M的库存周转率为5、货品K的库存周转率为3，由此可知，货品序列为货品P、货品L货品M、货品K。将货品序列中货品P分配至储货层A1中，将货品L分配至储货层B1中。以此类推，在此不过多赘述。

在一些实施例中，后台处理设备103可以是服务器，在此基础上，后台处理设备103配置有CPU、数据分析芯片和通信模块等等。从而通过通信模块与仓库数据库进行通信连接，CPU获取仓库数据库中目标时间段内每个货品的数量和客户订单。其中，目标时间段包括多个目标时间点。作为示例，目标时间段可以是平台规定的发货时间，例如，平台规定的发货时间为七天内，则将目标时间段确定为七天。作为示例，目标时间段确定为七天时，该目标时间段包括七个目标时间点。目标时间段内每个货品的数量包括目标时间段内每个货品的在库数量和目标时间段内每个货品的在途数量。目标时间段内每个货品的在途数量是指目标时间段内每个货品将要入库的数量。根据客户订单中所包括的货品，确定每个货品对应的子订单。作为示例，后台处理设备103对客户订单进行拆分，得到每个货品对应的子订单。例如，客户订单A为三件苹果，两件梨和一件卫生纸，客户订单B为六件苹果、一件梨和三件卫生纸。对客户订单A和客户订单B进行拆分，得到苹果对应的第一子订单为苹果三件，苹果对应的第二子订单为苹果六件、梨对应的第一子订单为梨两件、梨对应的第二子订单为梨一件、卫生纸对应的第一子订单为卫生纸一件、卫生纸对应的第二子订单为卫生纸三件。根据每个货品对应的子订单，确定每个货品对应的需求件数。作为示例，苹果对应的需求件数为九件、梨对应的需求件数为三件和卫生纸对应的需求件数为四件。根据目标时间段内每个货品的数量和每个货品对应的需求件数进行对比，确定每个货品对应的订单满足率。将目标时间段内每个货品的数量与每个货品对应的需求件数进行对比，得到每个货品对应的订单满足率。将每个货品对应的订单满足率与预设的满足率范围进行对比，确定每个货品对应的库存属性，其中，库存属性包括库存紧缺、库存正常和库存过剩。作为示例，货品P的订单满足率为120%、货品L的订单满足率为70%和货品M的订单满足率为220%。预设的满足率范围可以是110%—150%。由此可知，货品P的库存属性为库存正常、货品L的库存属性为库存紧缺、货品M的库存属性为库存过剩。

后台处理设备103还用于对库存紧缺的货品，生成表征采购货品的采购信号，采购信号包括对应货品的采购数量。其中，采购数量可以是每个货品对应的需求件数与目标时间段内每个货品的数量的差值。将采购信号发送至采购终端，以控制采购终端对应的采购人员根据对应货品的采购数量进行采购。

后台处理设备103还用于对库存过剩的货品，生成表征停止采购货品的终止信号，将终止信号发送至采购终端，以控制采购终端对应的采购人员根据终止信号对库存过剩的货品停止采购。

在这些实施例中，通过获取并分析每个货架中各个储货层的高度数值，生成每个储货层对应的仓储评分，结合货架与分拣站点间的实际距离，生成了距离评分，最终形成目标仓库对应的储货层序列，将目标仓库对应的储货层序列中储货层评分高的储货层确定为高效拣选区域，通过货品的库存周转率，构建了货品序列。根据目标仓库对应的储货层序列和货品序列，确定每个货品对应的储货层。实现了货品在不同储货层间的合理布局。使高库存周转率商品得以优先安置于高效拣选区域，显著提升了拣选作业的效率。

在一些实施例中，为了进一步解决背景技术部分所描述的技术问题二，即“现有的仓储系统普遍采用固定分配机制，使得部分站点过载而其他站点资源闲置的现象屡见不鲜。当分拣站点的工作量超过其处理能力时，分拣速度会减慢，造成订单积压，而闲置站点的人力资源未能得到有效利用，造成了人力成本的浪费，从而使得仓库的整体分拣效率受损”，本发明的一些实施例中，后台处理设备103还用于：

在一些实施例中，通过与仓库数据库的通信连接，获取多个分拣站点中每个分拣站点的分拣人员数量，根据每个分拣站点的分拣人员数量，确定每个分拣站点的最大分拣数量。作为示例，分拣站点X的分拣人员数量为20人，分拣站点X对应的多个分拣人员中每个分拣人员每小时平均分拣数量为50件，每天工作时长为8小时，由此可知，分拣站点X的最大分拣数量为每天8000件。

获取每个货品对应订单的下单时间，根据每个货品对应订单的下单时间和目标时间点的每个货品对应订单需求件数，构建每个分拣站点对应的货品分拣表，其中，货品分拣表包括货品、货品分拣时间点和货品分拣数量。作为示例，每个货品对应订单的下单时间可以是客户订单的下单时间。订单A的下单时间为2024年7月22日17:50:38，订单A中每个货品分拣时间点为2024年7月23日。订单A中包括三件苹果、六件牙膏和十件湿巾。目标时间点的每个货品对应订单需求件数可以是2024年7月23日苹果对应的订单需求件数为三件、牙膏对应的订单需求件数为六件和湿巾对应的订单需求件数为十件。

在一些实施例中，将货品分拣表中同一目标时间点下各个货品的货品分拣数量相加，得到每个分拣站点在目标时间点的货品分拣数量。作为示例，将分拣站点X对应的货品分拣表中同一目标时间点下各个货品的货品分拣数量相加，得到分拣站点X在目标时间点的货品分拣数量。

在一些实施例中，将每个分拣站点在目标时间点的货品分拣数量与对应的最大分拣数量进行对比，若存在目标时间点的货品分拣数量大于对应的最大分拣数量的分拣站点，将目标时间点的货品分拣数量大于对应的最大分拣数量的分拣站点加入目标时间点对应的超载分拣站点组中，并确定超载分拣站点组中每个分拣站点的超载分拣数量。作为示例，分拣站点X的最大分拣数量为每天8000件，分拣站点X在目标时间点的货品分拣数量为8500件，将分拣站点X加入目标时间点对应的超载分拣站点组中。其中，分拣站点X的超载分拣数量为500件。确定超载分拣站点组中每个分拣站点的对应的超载订单。其中，将超载分拣数量对应的货品的订单确定为超载订单。

在一些实施例中，若存在目标时间点的货品分拣数量小于对应的最大分拣数量的分拣站点，将目标时间点的货品分拣数量小于对应的最大分拣数量的分拣站点加入目标时间点对应的非超载分拣站点组中，并确定非超载分拣站点组中每个分拣站点的过剩分拣数量。其中，每个分拣站点的过剩分拣数量表示目标时间点下非超载分拣站点组中每个分拣站点对应的最多可接收的超载订单的数量。

在一些实施例中，若超载分拣站点组中各个分拣站点在目标时间点的超载分拣数量的总和小于非超载分拣站点中各个分拣站点在目标时间点的过剩分拣数量的总和，根据预设的分配规则，将超载分拣站点组中每个分拣站点的对应的超载订单分配至非超载分拣站点组中对应的分拣站点中，得到每个分拣站点对应的目标时间点的新的货品分拣数量。

可选的，每个分拣站点对应的目标时间点的新的货品分拣数量是通过以下步骤确定的：

步骤一，确定超载分拣站点组中每个分拣站点对应的分拣货架组中每个货架中对应的订单需求件数。

步骤二，根据超载分拣站点组中每个分拣站点对应的分拣货架组中每个货架与对应分拣站点的距离值，将分拣货架组中各个货架进行排序，得到每个分拣站点对应的货架序列。

在一些实施例中，根据超载分拣站点组中每个分拣站点对应的每个货架与对应分拣站点的距离值，按照距离值从大到小的顺序，将各个货架进行排序，得到超载分拣站点组中每个分拣站点对应的货架序列。

步骤三，根据每个分拣站点的超载分拣数量，将对应的货架序列中每个货架中对应的订单需求件数依次进行超载分拣数量剔除。

作为示例，超载分拣站点组中分拣站点X对应的货架序列可以是货架X1、货架X2、货架X3。其中，货架X1对应的订单需求件数为5000件、货架X2对应的订单需求件数为3200件、货架X3对应的订单需求件数为300件。分拣站点X对应的超载分拣数量为500件。将与分拣站点X距离值最大的货架X1中的订单需求件数（5000）剔除500件。由此可知，分拣站点X对应的货架X1中的订单需求件数更新为4500件

步骤四，将货架序列中每个货架中被剔除的订单需求件数，构成剔除订单需求件数组；确定剔除订单需求件数组中每个剔除订单需求件数对应的货架，确定每个剔除订单需求件数对应的货架与非超载分拣站点组中每个分拣站点的距离值；根据货架与非超载分拣站点组中每个分拣站点的距离值与非超载分拣站点组中每个分拣站点的过剩分拣数量，将超载分拣站点组中每个分拣站点对应的分拣货架组中每个货架中对应的订单分配至非超载分拣站点组中对应的分拣站点中，得到每个分拣站点对应的目标时间点的新的货品分拣数量。

在一些实施例中，将货架序列中每个货架中被剔除的订单需求件数，构成剔除订单需求件数组，确定剔除订单需求件数组中每个剔除订单需求件数对应的货架。作为示例，剔除订单需求件数组中存在订单需求件数（500件），该订单需求件数（500件）对应的货架为货架X1。获取货架X1与非超载分拣站点组中每个分拣站点的距离值。其中，货架X1与非超载分拣站点组中分拣站点O的距离值为50米，货架X1与非超载分拣站点组中分拣站点V的距离值为40米，其中，分拣站点O对应的过剩分拣数量为300件，分拣站点V对应的过剩分拣数量为240件。按照就近分配原则，将剔除订单需求件数组中订单需求件数（500件）对应的货品订单，其中的240个订单需求件数对应的货品订单分配至分拣站点V，将剩余的260个订单需求件数对应的货品订单分配至分拣站点O。得到每个分拣站点对应的目标时间点的新的货品分拣数量。

在一些实施例中，若超载分拣站点组中各个分拣站点在目标时间点的超载分拣数量的总和大于非超载分拣站点组中各个分拣站点在目标时间点的过剩分拣数量的总和，将目标时间点确定为超载时间点，将非超载分拣站点组中各个分拣站点在目标时间点的过剩分拣数量的总和确定为超载分拣站点组在目标时间点最大分配订单数。其中，最大分配订单数表示非超载分拣站点中各个分拣站点最多可以向非超载分拣站点组的订单数。

在一些实施例中，根据预设的分配规则和最大分配订单数，将超载分拣站点组中每个分拣站点对应的超载订单分配至非超载分拣站点组中每个分拣站点中。其中，超载订单的分配与上述相同，在此不过多赘述。将超载分拣站点组中各个分拣站点在目标时间点的超载分拣数量的总和与超载分拣站点组在目标时间点最大分配订单数求差，得到剩余超载分拣数量。由此，确定超载分拣站点组中每个超载分拣站点对应的剩余订单。根据剩余订单，对货品分拣表中目标时间点之后的下一个目标时间点的货品分拣数量进行更新。作为示例，将剩余订单对应的分拣数量添加至目标时间点之后的下一个目标时间点对应的货品分拣表中的货品分拣数量中，以对目标时间点之后的下一个目标时间点的货品分拣数量进行更新。

确定目标时间段内超载时间点的数量，若超载时间点的数量大于预设的安全阈值时，作为示例，目标时间段为七天，安全阈值为三天，超载时间点的数量为四天，表示目标时间段（七天）内存在的超载时间点的数量为四天，由于，超载时间点的数量（四天）大于预设的安全阈值（三天）。生成表征补充分拣站点的补充信号，将补充信号发送至管理终端，以控制管理终端对应的管理人员根据补充信号对分拣站点进行补充。

在这些实施例中，通过获取并分析分拣站点的人员数量、最大分拣能力和订单需求件数，将分拣站点划分至超载分拣站点组与非超载分拣站点组。基于分配规则，重新分配超载分拣站点的订单至非超载分拣站点，确保工作量均衡，减少订单积压，提升分拣速度。当超载分拣站点组中各个分拣站点在目标时间点的超载分拣数量的总和超过非超载分拣站点组中各个分拣站点在目标时间点的过剩分拣数量的总和时，合理调整后续任务，并在必要时发出补充信号，促使管理人员及时增加分拣站点。实现了资源的高效利用，防止了人力成本的浪费，提升了目标仓库的整体分拣效率。

可选的，后台处理设备103还用于：

在一些实施例中，获取库存紧缺的货品的历史目标时间段内每个历史目标时间点对应的历史日订单数量。作为示例，历史目标时间段可以是2024年7月1号至2024年7月7号。由此可知，库存紧缺的货品的每个历史目标时间点对应的历史日订单数量为2023年7月1号库存紧缺的货品的历史日订单数量、2023年7月2号库存紧缺的货品的历史日订单数量、2023年7月3号库存紧缺的货品的历史日订单数量。在此不过多赘述。

在一些实施例中，按照每个目标时间点的先后顺序，将库存紧缺的货品在每个目标时间点对应的历史日订单数量中各个历史日订单数量进行排序，得到库存紧缺的货品对应的历史订单数量序列。

在一些实施例中，预设的标准时间周期可以是三天，采用移动平均值算法，对历史订单数量序列进行移动平均计算，得到移动平均值序列。将移动平均值序列中各个移动平均值输入模板折线图中，生成订单趋势折线图。

在一些实施例中，将订单趋势折线图发送至采购终端，以控制采购终端对订单趋势折线图进行显示，以使采购终端对应的采购人员根据订单趋势折线图制定采购计划。

可选的，后台处理设备103还用于：

在一些实施例中，后台处理设备103通过与仓库数据库的通信连接，获取目标仓库中每个货品对应的类别和每个货品对应历史总订单数，其中，类别可以是日用品、食品、药品和电子产品。根据每个货品对应的历史总订单数和每个货品对应的类别，构建每个类别对应的订单榜单，作为示例，订单榜单包括货品、货品类别、货品的总订单数。按照货品的总订单数从大到小的顺序，将同一类别的货品进行排序，得到每个类别对应的订单榜单。

在一些实施例中，获取目标仓库中库存过剩的货品对应的库存过剩数量，作为示例，货品U对应的目标时间点内货品的数量为400件，满足率范围为110%—150%，货品U对应的需求件数为200件，将货品U对应的需求件数（200件）与满足率范围中最大满足率（150%）相乘，得到货品U在目标时间点内的合理需求件数为300件，将货品U对应的目标时间点内货品的数量（400件）与对应的合理数量（300件）求差，得到货品U对应的过剩分拣数量（100件），以及库存过剩的货品对应的保质期，通过与仓库数据库的通信连接获取货品U对应的保质期。

在一些实施例中，当库存过剩的货品对应的保质期小于安全阈值时，确定库存过剩的货品的类别对应的订单榜单中历史总订单数第一的货品。其中，安全阈值可以是一个月。

在一些实施例中，根据库存过剩的货品和对应的历史总订单数第一的货品，生成组合货品信息；作为示例，将货品A的货品名称和货品B的货品名称进行组合，得到组合货品的名称信息，将货品A的货品价格与货品B的货品价格进行组合，得到组合货品的价格信息，将组合货品的名称信息和组合货品的价格信息进行融合，得到货品信息。

将组合货品信息发送至电商平台管理终端，以使电商平台管理终端对应的人员将组合货品信息上架至电商平台。

在一些实施例中，为了进一步解决背景技术部分所描述的技术问题三，即“ 现有的打包过程中，对于货品的外包装选择大多依赖于人工的经验判断，这种做法可能造成过度包装的问题，导致资源浪费和成本增加；还可能因包装不当而导致货品在运输过程中遭受损伤，影响商品质量”，本发明的一些实施例中，后台处理设备还用于：

获取目标仓库中每个货品对应的货品属性，构成每个货品对应的货品属性表。作为示例，货品属性表包括货品名称、货品体积。

对货品名称进行分词，得到货品名称对应的词组，对货品名称对应的词组中的每个词进行词性分析，得到货品名称对应的词组中每个词的词性，词性包括实体词和限定词；提取词组中词性为限定词的词，得到限定词组，对于限定词组中每个限定词在预先构建的材质字典中查询，得到每个限定词对应的材质和置信度；将置信度最高的限定词对应的材质确定为货品名称对应的材质。

其中，材质字典是通过以下步骤构建的：

获取多个材质的名称，为多个材质中每个材质的名称分配对应的描述词组；作为示例，多个材质的名称包括但不限于“木材”、“金属”、“塑料”、“玻璃”、“陶瓷”等。例如，“木材”对应的描述词组可以是“木质”、“木制”、“实木”等；“金属”对应的描述词组可以是“金属制”、“铁质”、“钢制”等。

利用专家经验信息，对每个材质对应的描述词组的每个描述词分配对应的置信度。作为示例，“木材”对应的描述词组中每个描述词的置信度可以是“木质”的置信度为0.9、“木制”的置信度为0.85、“实木”的置信度为0.95。其中，描述词的置信度越高，表示该描述词与对应材质的关联性越紧密。

将多个材质的名称中各个材质的名称、对应的描述词组和每个描述词对应的置信度进行组合整理，得到材质字典；作为示例，材质字典包括材质的名称、材质的名称对应的描述词组、描述词组中每个描述词对应的置信度。

将货品名称对应的材质在预设的材质属性表中查询，得到货品对应的材质属性，其中，材质属性包括易碎和非易碎；作为示例，材质属性表包括材质和材质对应的材质属性。作为示例，“玻璃”、“陶瓷”等材质对应的材质属性为“易碎”，而“塑料”、“金属”等材质对应的材质属性为“非易碎”。

将材质属性为易碎的货品加入易碎货品组中；将材质属性为非易碎的货品加入非易碎货品组中。

确定多个加强包装盒中每个加强包装盒对应的最大包装体积；根据易碎货品组中每个货品对应的货品体积和每个加强包装盒对应的最大包装体积，为易碎货品组中每个货品分配对应的加强包装盒，得到易碎货品组中每个货品对应的加强包装盒。作为示例，玻璃杯的体积大于加强包装盒A对应的最大包装体积，且小于加强包装盒B对应的最大包装体积，则玻璃杯对应的加强包装盒为加强包装盒B。陶瓷花瓶的体积大于加强包装盒B对应的最大包装体积，且小于加强包装盒C对应的最大包装体积，则陶瓷花瓶对应的加强包装盒为加强包装盒C；

确定多个标准包装盒中每个标准包装盒对应的最大包装体积；根据非易碎货品组中每个货品对应的货品体积和每个标准包装盒对应的最大包装体积，为非易碎货品组中每个货品分配对应的标准包装盒，得到非易碎货品组中每个货品对应的标准包装盒。作为示例，非易碎货品组中每个货品的分配方法与易碎货品组中每个货品的分配方法相同，在此不过多赘述；

根据非易碎货品组中每个货品对应的标准包装盒和易碎货品组中每个货品对应的加强包装盒，确定目标仓库中每个货品对应的包装盒；

生成包括目标仓库中每个货品对应的包装盒的包装信号，将所述包装信号发送至打包终端，以控制打包终端对应的打包人员根据目标仓库中每个货品对应的包装盒对每个货品进行打包。

在这些实施例中，通过获取并分析货品属性，并解析货品名称，得到货品名称对应的词组中每个词的词性，利用预先构建的材质字典，确定货品名称对应材质和置信度，将置信度最高的材质确定为货品名称对应的材质。进而判断材质属性（易碎或非易碎）。根据货品的体积和材质属性，将货品分类至易碎货品组或易碎货品组中，分别匹配对应的加强包装盒或标准型包装盒。确保每个商品分配合适的包装盒，避免了资源浪费，保障了货品在物流过程中的安全，极大降低了货品在运输过程中遭受损坏的概率。

以上描述仅为本发明的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本发明中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本发明中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (5)

1.一种基于计算机的大数据分析控制系统，其特征在于，包括：

多个货架，用于对目标仓库的各个货品进行承载，目标仓库中的所述多个货架中每个货架对应有一个安置点位；其中，每个货架包括多个储货层；

仓储分配设备，用于获取目标仓库的多个货架中每个货架的每个储货层的高度数值，根据所述每个储货层的高度数值，对各个货架中各个储货层进行排序，得到每个货架对应的储货层序列，根据每个货架对应的储货层序列，对每个货架的每个储货层分配仓储评分，得到每个货架的每个储货层的仓储评分；

所述仓储分配设备还用于获取目标仓库的仓库分布图，确定所述仓库分布图中每个货架的位置信息和多个分拣站点中每个分拣站点的位置信息，根据所述每个货架的位置信息和所述每个分拣站点的位置信息，确定每个货架与多个分拣站点中每个分拣站点的距离值，将所述每个货架划分至最小距离值对应的分拣站点对应的分拣货架组中；根据每个货架与对应的分拣站点的距离值，对每个货架分配距离评分，得到每个货架的距离评分；将所述每个货架的每个储货层的仓储评分与对应货架的距离评分进行相加，得到每个货架的每个储货层的总评分，根据所述每个储货层的总评分，对各个货架中各个储货层进行排序，得到目标仓库对应的储货层序列；

仓储分配设备还用于获取每个货品对应的销售货品成本、初期库存价值和末期库存价值，根据每个货品对应的销售货品成本、初期库存价值和末期库存价值，确定每个货品的库存周转率，根据每个货品的库存周转率，对各个货品进行排序，得到货品序列；根据所述目标仓库对应的储货层序列和所述货品序列，确定每个货品对应的储货层；

后台处理设备，用于获取目标时间段内每个货品的数量和客户订单；其中，所述目标时间段包括多个目标时间点；根据所述客户订单中所包括的货品，确定每个货品对应的子订单；根据所述每个货品对应的子订单，确定每个货品对应的需求件数；根据所述目标时间段内每个货品的数量和每个货品对应的需求件数进行对比，确定每个货品对应的订单满足率；将所述每个货品对应的订单满足率与预设的满足率范围进行对比，确定每个货品对应的库存属性，其中，库存属性包括库存紧缺、库存正常和库存过剩；

所述后台处理设备还用于对库存紧缺的货品，生成表征采购货品的采购信号，所述采购信号包括对应货品的采购数量；将所述采购信号发送至采购终端，以控制采购终端对应的采购人员根据所述对应货品的采购数量进行采购；

所述后台处理设备还用于对库存过剩的货品，生成表征停止采购货品的终止信号，将所述终止信号发送至采购终端，以控制采购终端对应的采购人员根据所述终止信号对所述库存过剩的货品停止采购。

2.根据权利要求1所述的基于计算机的大数据分析控制系统，其特征在于，所述后台处理设备还用于：

获取多个分拣站点中每个分拣站点的分拣人员数量，根据所述每个分拣站点的分拣人员数量，确定每个分拣站点的最大分拣数量；

获取每个货品对应订单的下单时间，根据所述每个货品对应订单的下单时间和目标时间点的每个货品对应订单需求件数，构建每个分拣站点对应的货品分拣表，其中，所述货品分拣表包括货品、货品分拣时间点和货品分拣数量；

将所述货品分拣表中同一目标时间点下各个货品的货品分拣数量相加，得到每个分拣站点在目标时间点的货品分拣数量；

将所述每个分拣站点在目标时间点的货品分拣数量与对应的最大分拣数量进行对比，若存在目标时间点的货品分拣数量大于对应的最大分拣数量的分拣站点，将目标时间点的货品分拣数量大于对应的最大分拣数量的分拣站点加入所述目标时间点对应的超载分拣站点组中，并确定所述超载分拣站点组中每个分拣站点的超载分拣数量，根据所述超载分拣数量，确定超载分拣站点组中每个分拣站点的对应的超载订单；

若存在目标时间点的货品分拣数量小于对应的最大分拣数量的分拣站点，将目标时间点的货品分拣数量小于对应的最大分拣数量的分拣站点加入所述目标时间点对应的非超载分拣站点组中，并确定非超载分拣站点组中每个分拣站点的过剩分拣数量；

若所述超载分拣站点组中各个分拣站点在目标时间点的超载分拣数量的总和小于非超载分拣站点组中各个分拣站点在目标时间点的过剩分拣数量的总和，根据预设的分配规则，将所述超载分拣站点组中每个分拣站点的对应的超载订单分配至非超载分拣站点组中对应的分拣站点中，得到每个分拣站点对应的目标时间点的新的货品分拣数量；

若所述超载分拣站点组中各个分拣站点在目标时间点的超载分拣数量的总和大于非超载分拣站点组中各个分拣站点在目标时间点的过剩分拣数量的总和，将目标时间点确定为超载时间点，将所述非超载分拣站点组中各个分拣站点在目标时间点的过剩分拣数量的总和确定为超载分拣站点组在目标时间点最大分配订单数；

根据预设的分配规则和最大分配订单数，将所述超载分拣站点组中每个分拣站点对应的超载订单分配至非超载分拣站点组中每个分拣站点中，并确定所述超载分拣站点组中每个分拣站点对应的剩余订单；根据所述剩余订单，对所述货品分拣表中目标时间点之后的下一个目标时间点的货品分拣数量进行更新；

确定目标时间段内超载时间点的数量，若所述超载时间点的数量大于预设的安全阈值时，生成表征补充分拣站点的补充信号，将所述补充信号发送至管理终端，以控制管理终端对应的管理人员根据补充信号对分拣站点进行补充。

3.根据权利要求2所述的基于计算机的大数据分析控制系统，其特征在于，所述每个分拣站点对应的目标时间点的新的货品分拣数量是通过以下步骤确定的：

确定所述超载分拣站点组中每个分拣站点对应的分拣货架组中每个货架中对应的订单需求件数；

根据超载分拣站点组中每个分拣站点对应的分拣货架组中每个货架与对应分拣站点的距离值，将所述分拣货架组中各个货架进行排序，得到每个分拣站点对应的货架序列；

根据所述每个分拣站点的超载分拣数量，将所述对应的货架序列中每个货架中对应的订单需求件数依次进行超载分拣数量剔除；

将所述货架序列中每个货架中被剔除的订单需求件数，构成剔除订单需求件数组；确定所述剔除订单需求件数组中每个剔除订单需求件数对应的货架，确定所述每个剔除订单需求件数对应的货架与非超载分拣站点组中每个分拣站点的距离值；根据所述货架与非超载分拣站点组中每个分拣站点的距离值与所述非超载分拣站点组中每个分拣站点的过剩分拣数量，将所述超载分拣站点组中每个分拣站点对应的分拣货架组中每个货架中对应的订单分配至非超载分拣站点组中对应的分拣站点中，得到每个分拣站点对应的目标时间点的新的货品分拣数量。

4.根据权利要求3所述的基于计算机的大数据分析控制系统，其特征在于，所述后台处理设备还用于：

获取所述库存紧缺的货品的历史目标时间段内每个历史目标时间点对应的历史日订单数量；

将所述库存紧缺的货品在每个目标时间点对应的历史日订单数量中各个历史日订单数量进行排序，得到库存紧缺的货品对应的历史日订单数量；

根据预设的标准时间周期，对所述订单数量序列进行移动平均计算，得到移动平均值序列；根据所述移动平均值序列，生成订单趋势折线图；

将所述订单趋势折线图发送至采购终端，以控制所述采购终端对所述订单趋势折线图进行显示，以使采购终端对应的采购人员根据所述订单趋势折线图制定采购计划。

5.根据权利要求4所述的基于计算机的大数据分析控制系统，其特征在于，所述后台处理设备还用于：

确定所述每个货品对应的类别，根据每个货品对应的历史总订单数和所述每个货品对应的类别，构建每个类别对应的订单榜单；

获取所述目标仓库中库存过剩的货品对应的库存过剩数量，以及所述库存过剩的货品对应的保质期；

当所述库存过剩的货品对应的保质期小于安全阈值时，确定所述库存过剩的货品的类别对应的订单榜单中历史总订单数第一的货品；

根据所述库存过剩的货品和对应的历史总订单数第一的货品，生成组合货品信息；

将所述组合货品信息发送至电商平台管理终端，以使所述电商平台管理终端对应的人员将所述组合货品信息上架至电商平台。