[发明专利]仓储储位配置系统

权利要求书

1.一种仓储储位配置系统，其特征在于，包括：

仓储数据库，其用于储存商品基本数据、历史促销数据、历史订单数据以及仓储空间数据；

社交网络声量分析模块，其用于获取外部的社交网络的文章数据，并依该仓储数据库的该商品基本数据，以分析出该文章数据与该商品基本数据的关联性而产生商品声量数据；

备货预测模块，其依据该仓储数据库的该商品基本数据和该历史促销数据以及该社交网络声量分析模块的该商品声量数据，进行运算取得备货预测数据；

仓储数据计算模块，其依据该仓储数据库的该历史订单数据及该商品基本数据，进行解析以取得有关仓储内货品状态的商品数据矩阵；其中，该商品数据矩阵包括有关单一商品周转率的商品周转率矩阵、有关货品间出货相关性的货品间出货相关性矩阵以及有关商品重量的正规化商品重量矩阵；以及

储位配置规划模块，其依据该备货预测数据、该商品数据矩阵、以及该商品基本数据和该仓储空间数据，进行分析计算以产生仓库储位配置信息。

2.根据权利要求1所述的仓储储位配置系统，其特征在于，该社交网络声量分析模块还包括：

第一浏览网页单元，其用于获取该社交网络的文章数据；

语意分析单元，其用于分析该文章数据与该商品基本数据的关联性以取得该商品声量数据；以及

第一存储单元，其包含有用于储存该文章数据的文章数据库以及用于储存该商品声量数据的商品声量数据库。

3.根据权利要求1所述的仓储储位配置系统，其特征在于，该备货预测模块还包括：

备货预测运算单元，其用于将该商品基本数据、该历史促销数据及该商品声量数据输入至一预测模型，以计算出该备货预测数据；以及

第二存储单元，其用于储存该备货预测数据。

4.根据权利要求3所述的仓储储位配置系统，其特征在于，该预测模型是利用先前取得的该商品基本数据、该历史促销数据及该商品声量数据的既有数据进行正规化，经递归类神经网络训练后产生。

5.根据权利要求4所述的仓储储位配置系统，其特征在于，该递归类神经网络为长短期记忆(LSTM)神经网络、循环神经网络(RNN)或序列到序列(seq2seq)模型。

6.根据权利要求3所述的仓储储位配置系统，其特征在于，该备货预测模块还包括第二浏览网页单元，其用于获取外部网站的天气数据，以供该备货预测运算单元分析运算该商品基本数据、该历史促销数据、该商品声量数据及该天气数据，以取得该备货预测数据。

7.根据权利要求6所述的仓储储位配置系统，其特征在于，该天气数据包括历史天气数据及天气预报数据。

8.根据权利要求3所述的仓储储位配置系统，其特征在于，该备货预测模块还包括提供计时数据的计时器，且该备货预测运算单元提取该计时数据以作为计算该备货预测数据的参考依据。

9.根据权利要求1所述的仓储储位配置系统，其特征在于，该储位配置规划模块还包括规划单元，该规划单元依据该商品基本数据与该仓储空间数据产生外观相似性矩阵和商品价格差矩阵，通过该商品基本数据内文字描述进行分类产生所述外观相似性矩阵以及通过每一储位内商品与其相邻内商品的正规化价格差值产生所述商品价格差矩阵。

10.根据权利要求9所述的仓储储位配置系统，其特征在于，该规划单元依据该备货预测数据、该商品数据矩阵、该外观相似性矩阵以及该商品价格差矩阵以执行储位配置成本计算，借以取得该仓库储位配置信息。

11.根据权利要求10所述的仓储储位配置系统，其特征在于，该储位配置成本计算为经过演算法分析计算出成本值，该成本值回送至该外观相似性矩阵及该商品价格差矩阵作为考量依据，经多次迭代后以产生该成本值为最低的该仓库储位配置信息。

12.根据权利要求11所述的仓储储位配置系统，其特征在于，该演算法为一基因演算法或粒子群演算法。