用于智能仓储的数据管理方法技术

本发明专利技术涉及电数字数据处理技术领域，具体涉及一种用于智能仓储的数据管理方法，该数据管理方法可以配置为一种特别适用于特定功能，具体是仓储管理中的数字数据处理设备或者数据处理方法，获取每一个类别物品的数据与其他各类别物品的数据之间的整体相关性，归一化处理后得到每一个类别物品的受欢迎度，结合类别物品在对应时间周期中出现的概率得到霍夫曼树权值，最后通过霍夫曼编码算法进行仓储数据压缩。利用仓储数据不同类别物品的受欢迎度获取压缩权值，而受欢迎度由不同类别物品与其他各类别物品之间的相关性决定，后续进行数据分析时解码需要的时间越短，越便捷，可以大幅度的减少数据分析前的处理工作。的减少数据分析前的处理工作。的减少数据分析前的处理工作。

【技术实现步骤摘要】
用于智能仓储的数据管理方法


[0001]本专利技术涉及电数字数据处理
，具体涉及一种用于智能仓储的数据管理方法。

技术介绍

[0002]随着科技的发展，各种行业愈来愈依赖智能化和数字化，仓储行业就是其中之一。而在进行仓储数据管理的时候，其大多数据为记录流水的文本日志数据，但是仓储行业每天的日志数据十分巨大，在进行数据存储的时候需要占用相当多的资源。
[0003]常规的在对仓储数据进行处理时，对不同重要程度的数据采用固定的、相同的数据处理方式进行压缩，没有对数据进行区分，没有数据之间的重点区分，在后续需要数据的分析的时候，进行解码过程需要较长的时间，而且在数据分析的时候，因为不同重要程度的数据可能码元相似，分析代价较大。

技术实现思路

[0004]有鉴于此，为了解决上述技术问题，本专利技术提供一种用于智能仓储的数据管理方法。
[0005]一种用于智能仓储的数据管理方法，包括：对获取到的仓储数据进行时间周期分区处理，得到各个时间周期内的仓储数据，所述各个时间周期内的仓储数据包括多个类别物品的数据；对于任意一个时间周期内的仓储数据，获取每一个类别物品的数据与其他各类别物品的数据之间的整体相关性；对每一个类别物品的数据与其他各类别物品的数据之间的整体相关性进行归一化处理，得到每一个类别物品的受欢迎度；基于每一个类别物品在对应时间周期中出现的概率，以及受欢迎度，得到每一个类别物品在霍夫曼树上的权值；基于每一个类别物品在霍夫曼树上的权值，通过霍夫曼编码算法，进行仓储数据压缩。
[0006]所述对获取到的仓储数据进行时间周期分区处理之前，所述数据管理方法还包括：基于入库时间，对仓储数据进行结构化处理。
[0007]所述对获取到的仓储数据进行时间周期分区处理，得到各个时间周期内的仓储数据，包括：根据预先设置的初始时间周期，计算各初始时间周期内的仓储数据的信息熵，并对所有的初始时间周期内的仓储数据的信息熵进行均值计算，得到整体平均信息熵；多次调整所述初始时间周期，得到各次调整后的初始时间周期所计算得到的整体平均信息熵；
获取最小的整体平均信息熵，确定所述最小的整体平均信息熵所对应的时间周期为最终时间周期；对获取到的仓储数据按照所述最终时间周期进行分区处理，得到各个所述最终时间周期内的仓储数据。
[0008]所述计算各初始时间周期内的仓储数据的信息熵，包括：信息熵的计算公式如下：其中，为信息熵，为在第个时间周期内所有入库订单上第个文本出现的概率。
[0009]所述获取每一个类别物品的数据与其他各类别物品的数据之间的整体相关性，包括：获取每一个类别物品的数据与其他各类别物品的数据之间的出现次数相关性、出现时间稳定性和物品数量稳定性；根据所述出现次数相关性、出现时间稳定性和物品数量稳定性得到所述整体相关性。
[0010]所述获取每一个类别物品的数据与其他各类别物品的数据之间的出现次数相关性、出现时间稳定性和物品数量稳定性包括：采用如下计算公式计算得到出现次数相关性：其中，为类别物品与类别物品的出现次数相关性，，其中为最大类别物品个数，为在条件的，为在该时间周期内入库订单中类别物品出现的次数，为类别物品在类别物品出现的入库订单中出现的次数；采用如下计算公式计算得到出现时间稳定性：其中，为类别物品与类别物品的出现时间稳定性，表示第次类别物品在类别物品出现的入库订单中的出现时间，表示第次类别物品在类别物品出现的入库订单中的出现时间，e为自然常数；采用如下计算公式计算得到物品数量稳定性：
其中，为类别物品与类别物品的物品数量稳定性，为在中的第次类别物品出现的数量，为在中的第次类别物品出现的数量，为平均稳定程度；根据所述类别物品与类别物品的出现次数相关性、类别物品与类别物品的出现时间稳定性以及类别物品与类别物品的物品数量稳定性，采用如下计算公式得到所述类别物品与类别物品的相关性：所述根据所述出现次数相关性、出现时间稳定性和物品数量稳定性得到所述整体相关性包括：采用如下计算公式得到每一个类别物品的数据与其他各类别物品的数据之间的整体相关性：其中，为类别物品与其他各类别物品的数据之间的整体相关性。
[0011]所述基于每一个类别物品在对应时间周期中出现的概率，以及受欢迎度，得到每一个类别物品在霍夫曼树上的权值，包括：每一个类别物品在霍夫曼树上的权值采用如下计算公式进行计算：其中，为类别物品在霍夫曼树上的权值，为类别物品在对应时间周期中出现的概率，为类别物品的受欢迎度。
[0012]本专利技术实施例至少具有如下有益效果：根据每一个类别物品的数据与其他各类别物品的数据之间的整体相关性，确定每一个类别物品的受欢迎度，然后结合类别物品在对应时间周期中出现的概率，得到每一个类别物品在霍夫曼树上的权值，根据每一个类别物
品在霍夫曼树上的权值，通过霍夫曼编码算法进行仓储数据压缩，突出每个类别物品的受欢迎度，能够根据不同类别物品的数据的重要程度确定霍夫曼树上的对应权值，实现不同相关性，即重要程度的数据采用不同的数据处理方式进行压缩，实现某类别物品与其余类别物品的相关性越强，其编码码长越短，后续进行数据分析时解码需要的时间越短，越便捷，因此，在后续的仓储数据分析的过程中，可以大幅度的减少数据分析前的处理工作。
附图说明
[0013]图1是本专利技术提供的一种用于智能仓储的数据管理方法的流程图。
具体实施方式
[0014]下面结合附图具体的说明本专利技术所提供的一种用于智能仓储的数据管理方法的具体方案。本专利技术提供的一种用于智能仓储的数据管理方法的应用场景为：在智能仓储对于各种物品的调度（比如入库）过程中，物品调度量较大的情况下会产生大量的调度数据的堆积，对于资源的占用以及数据的分析有着较大程度的影响，所以通过数据之间的特征进行每个类别物品的数据的受欢迎度的分析，而后通过每个类别物品的数据的受欢迎度的分析结果对所有数据进行压缩。
[0015]请参阅图1，其示出了本专利技术一个实施例提供的一种用于智能仓储的数据管理方法的步骤流程图，该方法包括以下步骤：步骤1：对获取到的仓储数据进行时间周期分区处理，得到各个时间周期内的仓储数据，所述各个时间周期内的仓储数据包括多个类别物品的数据。
[0016]作为一个具体实施方式，在步骤1之前，该数据管理方法还包括对仓储数据进行结构化处理的过程，本实施例中，获得到的历史仓储数据的方法为通过历史流水日志信息进行获得，而后基于入库时间对仓储数据进行结构化处理，具体结构化数据为以含有类别物品的出库入库时间，出库入库数量的出库入库订单为基础，利用时间顺序进行归纳结构化。应当理解，数据结构化能够更加便于后续处理，作为其他的实施方式，若获取到的仓储数据中原本就包含有时间信息，比如入库时间信息，则无需进行上述中的数据结构化过程。
[0017]本实施例中，仓储数据为入库订单信息。
[0018]对获取到的仓储数据进行时间周期分区处理，得到各个时间周期内的仓储数据，各个时间周期内的仓储数据包括多个类别物品的数据。时间周期分区处理可以采用固定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于智能仓储的数据管理方法，其特征在于，包括：对获取到的仓储数据进行时间周期分区处理，得到各个时间周期内的仓储数据，所述各个时间周期内的仓储数据包括多个类别物品的数据；对于任意一个时间周期内的仓储数据，获取每一个类别物品的数据与其他各类别物品的数据之间的整体相关性；对每一个类别物品的数据与其他各类别物品的数据之间的整体相关性进行归一化处理，得到每一个类别物品的受欢迎度；基于每一个类别物品在对应时间周期中出现的概率，以及受欢迎度，得到每一个类别物品在霍夫曼树上的权值；基于每一个类别物品在霍夫曼树上的权值，通过霍夫曼编码算法，进行仓储数据压缩。2.根据权利要求1所述的用于智能仓储的数据管理方法，其特征在于，所述对获取到的仓储数据进行时间周期分区处理之前，所述数据管理方法还包括：基于入库时间，对仓储数据进行结构化处理。3.根据权利要求1所述的用于智能仓储的数据管理方法，其特征在于，所述对获取到的仓储数据进行时间周期分区处理，得到各个时间周期内的仓储数据，包括：根据预先设置的初始时间周期，计算各初始时间周期内的仓储数据的信息熵，并对所有的初始时间周期内的仓储数据的信息熵进行均值计算，得到整体平均信息熵；多次调整所述初始时间周期，得到各次调整后的初始时间周期所计算得到的整体平均信息熵；获取最小的整体平均信息熵，确定所述最小的整体平均信息熵所对应的时间周期为最终时间周期；对获取到的仓储数据按照所述最终时间周期进行分区处理，得到各个所述最终时间周期内的仓储数据。4.根据权利要求3所述的用于智能仓储的数据管理方法，其特征在于，所述计算各初始时间周期内的仓储数据的信息熵，包括：信息熵的计算公式如下：其中，为信息熵，为在第个时间周期内所有入库订单上第个文本出现的概率。5.根据权利要求1所述的用于智能仓储的数据管理方法，其特征在于，所述获取每一个类别物品的数据与其他各类别物品的数据之间的整体相关性，包括：获取每一个类别物品的数据与其他各类...

【专利技术属性】
技术研发人员：赵小梅，
申请(专利权)人：南通海隼信息科技有限公司，
类型：发明
国别省市：