首页 / 专利库 / 人工智能 / 关联性分析 / 多层穿梭车自动仓储系统的货位分配方法

多层穿梭车自动仓储系统的货位分配方法

阅读:1009发布:2021-03-09

专利汇可以提供多层穿梭车自动仓储系统的货位分配方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种应用在多层穿梭车自动仓储系统的货位分配方法,该方法包括:首先根据货架和巷道数量生成系统的平面布置结构数据;然后对执行出库任务的穿梭车等待时间和提升机空闲时间进行分析,建立开环排队网络模型描述该系统,利用分解法分析穿梭车等待时间、提升机空闲时间与出入库作业时间的关系,确定穿梭车所服务的任务到达率越高的应安排在底层货位,相关性越高的货物应分到不同的层以保证能够同时有多个穿梭车服务。最后提出按品项相关性进行储区划分的原则,建立出库品项的相关性矩阵,并用蚁群 算法 对品项进行聚类,按照排队网络模型的分析结果对储区在二维平面组合排列从而实现货物的储位分配。通过本发明实施案例,能够有效减少穿梭车等待时间和提升机空闲时间,从而提高设备的利用率和配送中心吞吐量。,下面是多层穿梭车自动仓储系统的货位分配方法专利的具体信息内容。

1.一种应用于多层穿梭车自动仓储系统的货位分配方法,其特征在于所述的方法包括:
S1、将仓储环境中的货位信息、巷道信息、穿梭车配置数据存储至数据库中,生成仓库平面布置数据点;
S2、将提升机和穿梭车都看成服务机构,出库任务看作顾客,建立非乘积型排队网络模型,根据各个服务机构的关联性分解成多个子网络,独立分析子网络的输入到达率或服务率参数,进而再组合分析;利用两级开环排队网络分析货位分配与作业时间的关系,顾客到达率越高的顾客应该安排在层数越小的货位,相关性越高的顾客应该按照层数分开以保证能够同时有多辆车服务;
S3、在储位分配中考虑货物出库的相关性,建立品项之间的相关性矩阵,利用蚁群算法进行品项聚类求解,根据品项分组确定分区数量和形状;
S4、在单排货架二维平面内按照一定的原则将储区排列组合,储区内部储位随机存储,从而解决多层穿梭车自动仓储系统的储位动态分配优化问题。
2.根据权利要求1所述的货位分配方法,其中S2所述的非乘积型排队网络模型的求解方法,其特征在于:
1)将开环排队网络分为多个顾客到达过程服从泊松分布、服务时间服从一般分布、单一服务台的队列,即多个M/G/1队列;
2)计算各个服务机构的到达率、利用率和平均服务时间;
3)对于每一个服务机构,计算平均服务时间的变异系数;
4)每个服务机构的顾客到达间隔时间的变异系数;
5)计算每一个服务机构的平均队列长度和平均等待时间。
3.根据权利要求1所述的货位分配方法,其中S3所述的建立品项之间的相关性矩阵的方法,其特征在于:
1)对于任意两个品项 和 ,其出库数量分别为 和 ,其相应
出 库 任 务 到 达 的 时 刻 序 列 分 别 为 和
,假定 ;
2)按照 ,计算两
两品项的相关性;
3)根据两两品项的相关性构建品项间的相关性矩阵,对于同一品项而言,其相关性值设为零;
4)采用线性归一化的方法对数据进行处理,并建立归一化后的相关性矩阵。
4.根据权利要求3所述的货位分配方法,其中S3所述的蚁群算法,其特征在于:
1)假设所有货物都随机地分布在二维格或栅上面,每个货物之间的距离按照相关性公式进行计算;
2)设计若干个蚂蚁在二维网格上,并每次沿着随机方向移动一格,蚂蚁每移动一步后,没有负担的蚂蚁按照 概率捡起一个货物,有负担的蚂蚁则需
要基于 概率来放下所背负的货物,其中: 表示该
蚂蚁所能观察范围的货物局部密度, 表示拾起概率常数, 表示遗弃概率常数;
3)假设某时刻下该蚂蚁所在坐标 能观察的范围半径为 ,则面积为 的邻域内局部密度函数为: ,常量 确定两
个对象是否应该放在一起; 越大,则蚂蚁越容易放下对象,导致簇数减少; 越小,则蚂蚁越容易拾起对象,导致簇数增多;
4)基于蚁群的聚类算法,能够形成各式各样的簇形状,每一个簇可以看成一个集中多个品项的储区。
5.根据权利要求1所述的货位分配方法,其中S4的储区排列组合的方法,其特征在于:
1)总出库量越大的储区越靠近I/0站台;
2)储区间相似度高的两个储区,按照垂直方向排列,能够有效的利用多层穿梭车自动仓储系统的并行性;
3)储区间的总出库量差值越小的两个储区,按照对线方向排列,出库量高的储区的层数越小,减少提升机空闲时间。

说明书全文

多层穿梭车自动仓储系统的货位分配方法

技术领域

[0001] 本发明涉及物流技术领域,尤其是涉及一种多层穿梭车自动仓储系统的动态货位分配方法。

背景技术

[0002] 传统自动化立体仓库的货位分配方法多数是基于随机存储、定位存储、分类存储策略实现的,为了减少堆垛机完成货物出入库的行程时间,高出入库频率的货物应放在离I/O站台近的货位,为了增加货物稳定性,重量大的货物应该放在低层。但是由于多层穿梭车自动仓储系统具有并行取货、串行出库的特点,改变了传统自动化立体仓库的作业模式,使得传统自动化立体仓库的货物分配方法无法适应多层穿梭车自动仓储系统。且随着产品订单结构呈现小批量、多批次、大规模定制时代的到来,产品订单结构变化多样,对自动化仓储系统出库作业的并行性和柔性的要求提高,因此有必要针对多层穿梭车自动仓储系统的货位分配策略做进一步的研究和改进。

发明内容

[0003] 本发明的目的之一在于解决上述不足,并提供一种适用于多层穿梭车结构的自动存储系统的货位分配方法,该方法提高了多层穿梭车自动仓储系统的作业效率,降低了作业成本,其技术方案(如图2所示)包含如下所述方法:一种应用于多层穿梭车自动仓储系统的货位分配方法,其特征在于所述的方法包括:
S1、将仓储环境中的货位信息、巷道信息、穿梭车配置数据存储至数据库中,生成仓库平面布置数据点;
S2、将提升机和穿梭车都看成服务机构,出库任务看作顾客,建立非乘积型排队网络模型,根据各个服务机构的关联性分解成多个子网络,独立分析子网络的输入到达率或服务率参数,进而再组合分析;利用两级开环排队网络分析货位分配与作业时间的关系,顾客到达率越高的顾客应该安排在层数越小的货位,相关性越高的顾客应该按照层数分开以保证能够同时有多辆车服务;
S3、在储位分配中考虑货物出库的相关性,建立品项之间的相关性矩阵,利用蚁群算法进行品项聚类求解,根据品项分组确定分区数量和形状;
S4、在二维平面内即单排货架按照一定的原则将储区排列组合,储区内部储位随机存储,从而解决多层穿梭车自动仓储系统的储位动态分配优化问题。
[0004] 其中S2所述的非乘积型排队网络模型的求解方法,其特征在于:1)将开环排队网络分为多个顾客到达过程服从泊松分布、服务时间服从一般分布、单一服务台的队列,即多个M/G/1队列;
2)计算各个服务机构的到达率、利用率和平均服务时间;
3)对于每一个服务机构,计算平均服务时间的变异系数;
4)每个服务机构的顾客到达间隔时间的变异系数;
5)计算每一个服务机构的平均队列长度和平均等待时间。
[0005] 其中S3所述的建立品项之间的相关性矩阵的方法,其特征在于:1)对于任意两个品项 和 ,其出库数量分别为 和 ,其出库任务到达的时刻序列 和 ,假定 ;
2)按照 ,计算两两
品项的相关性;
3)根据两两品项的相关性构建品项间的相关性矩阵,对于同一品项而言,其相关性值设为零;
4)采用线性归一化的方法对数据进行处理,并建立归一化后的相关性矩阵。
[0006] 其中S3所述的蚁群算法,其特征在于:1)假设所有货物都随机地分布在二维格或栅上面,每个货物之间的距离按照相关性公式进行计算;
2)设计若干个蚂蚁在二维网格上,并每次沿着随机方向移动一格,蚂蚁每移动一步后,没有负担的蚂蚁按照 概率捡起一个货物,有负担的蚂蚁则需要
基于 概率来放下所背负的货物,其中: 表示该蚂
蚁所能观察范围的货物局部密度, 表示拾起概率常数, 表示遗弃概率常数;
3)假设某时刻下该蚂蚁所在坐标 能观察的范围半径为 ,则面积为 的邻域内局部密度函数为: ,常量 确定两个对象是否
应该放在一起; 越大,则蚂蚁越容易放下对象,导致簇数减少; 越小,则蚂蚁越容易拾起对象,导致簇数增多;
4)基于蚁群的聚类算法,能够形成各式各样的簇形状,每一个簇可以看成一个集中多个品项的储区。
[0007] 其中S4的储区排列组合的方法,其特征在于:1)总出库量越大的储区越靠近I/O站台;
2)储区间相似度高的两个储区,按照垂直方向排列,能够有效的利用多层穿梭车自动仓储系统的并行性;
3)储区间的总出库量差值越小的两个储区,按照对线方向排列,出库量高的储区的层数越小,减少提升机空闲时间。
[0008] 有益效果本发明在传统分类存储策略的基础上,提出利用开环排队网络模型分析设备空闲时间长度和系统表现,建立适用于多层穿梭车自动仓储系统货位分配模型及其求解算法,克服了传统自动化库中广泛应用的基于出入库速度和重原则的货位分配方法无法适应多层穿梭车自动仓储系统并行取货、串行出库的作业特点的弊端,并相对于随机分配和就近分配策略,该方法兼顾了设备利用率和并行作业特性,提高了货位利用率和出入作业效率。
附图说明
[0009] 图1是---多层穿梭车自动仓储系统。
[0010] 图2是---货位分配步骤图。
[0011] 图3是---多层穿梭车自动仓储系统开环排队网络模型示意图。
[0012] 图4是---开环排队网络模型求解过程图。

具体实施方式

[0013] 发明技术方案包含如下所述方法:1、通过将仓储环境中的货位信息、巷道信息、穿梭车配置数据存储至数据库中,生成仓库平面布置数据点;
2、将提升机和穿梭车都被看成服务机构,出库任务被看作顾客,建立非乘积型排队网络(如图3所示)模型并进行求解;
3、按照出库货物之间的相关性,建立品项之间的相关性矩阵,利用蚁群聚类算法进行品项聚类求解,获得分区数量和形状;
4、在二维平面内(单排货架)按照一定的原则将储区排列组合,储区内部储位随机存储,从而解决多层穿梭车自动仓储系统的储位动态分配优化问题。
[0014] 更进一步的技术方案是:所述步骤2中非乘积型排队网络模型的建模方法(如图4所示)包括:
1)将开环排队网络分为多个顾客到达过程服从泊松分布、服务时间服从一般分布、单一服务台的队列,即多个M/G/1队列。
[0015] 2)计算各个服务机构的到达率、利用率和平均服务时间。
[0016] (1)由于出库任务首先需要穿梭车来完成,因此穿梭车的顾客到达率等同于其客户类型到达率,为 ,而提升机的顾客到达率为所有出库任务之和。
[0017] (2)服务机构的利用率等于其顾客达到率与服务率的比值,故穿梭车的利用率,提升机的利用率 ;(3)由于穿梭车只服务一种顾客类型,因此其平均服务率 与自身的服务时间分布相关,而提升机服务多种顾客类型,则其平均服务率通过对每个顾客服务率的加权平均即为 ;
3)对于每一个服务机构,计算平均服务时间的变异系数。该变异系数与所服务节点的顾客种类和服务时间分布有关系。穿梭车由于只服务一个顾客类型,其变异系数只与服务时间分布有关,即为服务时间的标准差与期望的比值。而提升机则需要服务 种类型的顾客,其平均服务时间的变异系数:

4)计算每个服务机构的顾客到达间隔时间的变异系数 ;
(1)融合:此阶段将每个节点不同类型的顾客到达合并成一个总节点,并以到达率和顾客到达时间间隔的变异系数 来表示,表达式为:
其中: 和 分别表示 节点( ), 表示节 点
中顾客类型为 的到达时间间隔的变异系数。由于到达率服从泊松分布,到达间隔时间服从负指数分布,因此所有穿梭车所代表的节点该参数表示如下:

(2)流向:在此步骤中需要计算在每个节点中每种类型顾客的离开时间间隔的变异系数。所有类型的顾客接受完该节点处服务后,其离开时间间隔与其到达时间间隔变异系数、服务时间变异系数 和并行节点的个数 相关。
[0018] (3)分离:当确定了节点的离开时间间隔后,继而求得顾客前往下一个节点的到达率的变异系数:其中,多层穿梭车自动仓储系统的出库任务前往下一个节点的概率 为1。
[0019] 进行以上三个步骤的操作的前提假设是初始值 ,然后进行 次迭代操作直到 相较上一次的值变化很小,即 ,其中为很小的实数。
[0020] 5)计算每一个服务机构的平均队列长度和平均等待时间。
[0021] 首先, M/G/1系统的平均队列长度 可由M/M/1系统(即顾客到达过程服从泊松分布、服务时间服从负指数分布、单一服务台的队列)通过如下公式:其中:
利用利特尔公式求解出穿梭车与提升机任务交接时的平均等待时间:

分析开环排队网络模型,在不考虑仓储系统物理特性(速度、加速度以及排列层数)的情况下,每条任务的平均作业时间与任务到达不同层的概率 、到达率 以及提升机调度服务申请的到达率 有着密切的关系:
1)对提升机而言,服务时间随着层数的增高而增加,因此应当把调度服务申请到达率越大的货物安排在层数越小的货位。
[0022] 2)出库任务接受穿梭车服务后产生离开时间间隔的变异系数 ,当不同货层的穿梭车同时工作时,这些 组成了提升机的“顾客”到达率 。考虑到提升机服务时间分布,不同“顾客类型”完成穿梭车服务的离开时间间隔越接近提升机的平均服务时间,穿梭车与提升机的任务交接等待时间越短。
[0023] 3)对第一级穿梭车而言,由于不同层穿梭车具有并行工作的特性,到达时间间隔接近的顾客应该按照层数分开以保证能够同时有多辆车服务。
[0024] 更进一步的技术方案是:所述步骤3建立品项相关性矩阵的步骤为:1)对于任意两个品项 和 ,其出库数量分别为 和 ,其出库任务到达的时刻序列 和 ,假定

[0025] 2)两两品项的相关性:3)根据上述两两品项的相关性结果构建品项间的相关性矩阵,对于同一品项而言,其相关性值设为零。
[0026] 4)采用线性归一化的方法将相关性数据进行处理,建立归一化后的相关性矩阵:所述步骤3中蚁群聚类求解算法如下:
1)假设所有货物都随机地分布在二维格或栅上面,每个货物之间的“距离”按照相似度公式进行计算;
2)设计若干个蚂蚁在二维网格上,并每次沿着随机方向移动一格,蚂蚁每移动一步后,没有负担的蚂蚁按照 概率捡起一个货物,有负担的蚂蚁
则需要基于 概率来放下所背负的货物,其中: 表
示该蚂蚁所能观察范围的货物局部密度, 表示拾起概率常数, 表示遗弃概率常数;
3)假设某时刻下该蚂蚁所在坐标 能观察的范围半径为 ,则面积为 的邻域内局部密度函数为: ,常量 确定两个
货物是否应该放在一起。 越大,则蚂蚁越容易放下货物,导致簇数减少; 越小,则蚂蚁越容易拾起货物,导致簇数增多。
[0027] 4)基于蚁群的聚类算法,能够形成各式各样的簇形状,每一个簇可以看成一个集中一定数量和多个品项的储区;更进一步的技术方案是:所述步骤4中在二维平面内按照如下原则,将聚类后货位进行排列组合;
原则Ⅰ:总出库量越大的储区越靠近I/O站台;
原则Ⅱ:储区间相似度高的两个储区,按照垂直方向排列,能够有效的利用多层穿梭车自动仓储系统的并行性;
原则Ⅲ:储区间的总出库量差值越小的两个储区,按照对角线方向排列,出库量高的储区的层数越小,减少提升机空闲时间;
首先建立 的储区总量矩阵,对于第 个储区,储区总量值 为该簇内所有品项出库任务总数,从而建立储区总量矩阵 。
[0028] 其次,我们利用两两品项相关性矩阵建立簇簇相关性矩阵。当多个品项合并成一个簇后,该簇用各个品项的中心点定义为一种新的品项,而簇簇相关性是簇中心之间的距离。类似上述品项相关性矩阵的定义,得到簇簇相关性矩阵。
[0029] 假定共有 个品项的簇 与共有个品项的簇 ,簇簇之间的相关性值为簇内
所有品项相关性值的平均差值,从而构建簇簇相似性矩阵。
[0030]最后,我们通过对储区总量矩阵 两两进行差值计算求得总量差值 ,我们可以建立储区总量差值矩阵 。
[0031] 通过建立的以上三个储区矩阵,利用聚类分析中的凝聚思路,依次调用上述三个储区排列组合原则,就可以实现储区组合储位分配。具体的实现步骤如下:1)从储区总量矩阵 中取出库量最大的储区 按照原则Ⅰ排列。
[0032] 2)从簇簇相关性矩阵 中取与 距离最小的储区 按照原则Ⅱ排列。
[0033] 3)从储区总量差值矩阵 中取与 出库量差值最小的储区 按照原则Ⅲ排列。
[0034] 4)重复第一步,直到所有储区排列组合完成。
[0035] 本发明已由上述相关实施例加以描述,然而上述实施例仅为实施本发明的 范例。 必需指出的是,已公开的实施例并未限制本发明的范围。 相反地, 包含于权利要求书的精神及范围的修改及均等设置均包括于本发明的范围内。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈