[發明專利]一種基于機器學習的化工倉儲調度優化方法、介質及設備

在審

• 申請號: 202110943052.2
• 申請日: 2021-08-17
• 公開（公告）號: CN113657757A
• 公開（公告）日: 2021-11-16
• 發明（設計）人: 朱劍川;謝道德;肖建峰
• 申請（專利權）人: 廈門匯銀通達數字科技有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06Q10/08;G06N20/00
• 代理公司: 廈門一品恒潤知識產權代理事務所(普通合伙) 35245
• 代理人: 梁正賢

本發明涉及倉儲物流技術領域，具體涉及一種基于機器學習的化工倉儲調度優化方法、介質及設備，所述方法包括采用歷史數據集內的數據進行數學建模后通過機器學習建立預測模型，向預測模型輸入變量計算獲得輔助決策信息；將決策信息輸出與倉儲管理系統并判斷是否滿足現有倉儲處理能力，若是則按照決策信息進行執行，若否，則進行人工協調倉儲處理，并保存人工協調倉儲處理信息加入歷史數據集內；本發明通過用機器學習方法訓練歷史數據并構建數學模型；新數據基于數學模型能夠推導出輔助決策信息，并將結果推送到倉儲管理系統，優化倉儲，降低成本；且能夠將預測模型進行服務封裝植入到倉儲管理系統，提供決策支持，方便實操者執行時參考。

技術領域

本發明涉及倉儲物流技術領域，具體涉及一種基于機器學習的化工倉儲調度優化方法、介質及設備。

背景技術

化工行業運輸目前仍處于信息化發展相對落后的階段，化工品往往具有比較獨特的特點，如商品體積大、重量大、人體傷害大、形態多樣等?；ど唐吩趥}儲過程中進行調配都需要大量的車輛、人員、場地，這過程當中非常依賴與個人的經驗操作，很容易造成效率低下、安全隱患、成本偏高的問題。

發明內容

本發明所要解決的技術問題是：提供一種通過基于歷史數據和機器學習算法，計算出一個適用于化工行業的人、車、地的機器學習模型，可以在進行倉儲調度前提供預測評估數據，供管理者參考的基于機器學習的化工倉儲調度優化方法、介質及設備。

為了解決上述技術問題，本發明采用的第一種技術方案為：

一種基于機器學習的化工倉儲調度優化方法，包括：

采用歷史數據集內的數據進行數學建模后通過機器學習建立預測模型，向預測模型輸入變量計算獲得輔助決策信息；

將決策信息輸出與倉儲管理系統并判斷是否滿足現有倉儲處理能力，若是則按照決策信息進行執行，若否，則進行人工協調倉儲處理，并保存人工協調倉儲處理信息加入歷史數據集內。

為了解決上述技術問題，本發明采用的第二種技術方案為：

一種介質，存儲有計算機程序，所述計算機程序被處理器執行時實現上述的基于機器學習的化工倉儲調度優化方法。

為了解決上述技術問題，本發明采用的第三種技術方案為：

一種設備，至少包括存儲器、處理器，所述存儲器上存儲有計算機程序，所述處理器在執行所述存儲器上的計算機程序時實現上述的基于機器學習的化工倉儲調度優化方法。

本發明的有益效果在于：通過用邏輯回歸(Logistic Regression)和支持向量機(Support Vector Machine)機器學習方法訓練歷史數據(存儲方式、數量、貨物名稱、貨物類型、單位體積、單位重量等)并構建數學模型[多標簽決策樹(Multi-label DecisionTrees)]；新數據基于數學模型能夠推導出人、車、機、貨、場，并將結果推送到客戶WMS系統，優化倉儲，降低成本；在現有模型基礎上，通過計算機軟件編程，對預測模型進行服務封裝，以便高效植入到倉儲管理系統，提供專業倉庫作業決策支持：依據具體資源約束與目標設定，該管理系統可以事前從流程、設施、設備、人員、時間等方面進行模擬，輸出能力最大方案，方便實操者執行時參考。

附圖說明

圖1為本發明具體實施方式的一種基于機器學習的化工倉儲調度優化方法的業務流程圖；

圖2為為本發明具體實施方式的一種基于機器學習的化工倉儲調度優化方法的預測模型流程圖；

具體實施方式

為詳細說明本發明的技術內容、所實現目的及效果，以下結合實施方式并配合附圖予以說明。

請參照圖1以及圖2，一種基于機器學習的化工倉儲調度優化方法，包括：