CN106651049A - 自动化集装箱码头装卸设备的重调度方法 - Google Patents
自动化集装箱码头装卸设备的重调度方法 Download PDFInfo
- Publication number
- CN106651049A CN106651049A CN201611246982.8A CN201611246982A CN106651049A CN 106651049 A CN106651049 A CN 106651049A CN 201611246982 A CN201611246982 A CN 201611246982A CN 106651049 A CN106651049 A CN 106651049A
- Authority
- CN
- China
- Prior art keywords
- task
- stage
- equipment
- phi
- scheduling
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种自动化集装箱码头装卸设备的重调度方法,包含:步骤1建立三阶段设备的模型;步骤2确定三阶段中各设备的调度状态;步骤3确定三阶段中各设备的重调度;即通过集装箱码头的状态监测控制器提供优化三阶段中各设备的调度方案;然后经过一个时间周期,状态监测控制器测量三阶段中各设备的实际位置和实际速度;根据实际位置和实际速度的状态测量值更新即将进行的一个任务所需最小完工时间;之后根据即将进行的一个任务所需最小完工时间使状态监测控制器监测更新的一个任务时间;最后状态监测控制器为相互作用的三阶段中的各设备确定新的调度方案。本发明具有在装卸设备受干扰的情况下提供快速准确的重调度方案的优点。
Description
技术领域
本发明涉及集装箱运输领域,特别涉及一种自动化集装箱码头装卸设备的重调度方法。
背景技术
在过去的几十年里,全球深海货物的60%以上通过集装箱运输。货物运输管理需要适应集装箱增长的需求。联合运输具有灵活性和可扩展性,针对不同运输距离不同的运输方式可以覆盖不同的区域。一个可以联运的集装箱码头一般包含驳船、火车和卡车这几种运输方式。因此,集装箱码头在货物运输中起着至关重要的作用。
集装箱码头调度优化问题由于其高动态和复杂的环境受到许多研究人员高度关注。调度问题属于优化问题,就是将一系列的任务在特定时间内分配给有限的资源。为了对问题进行简化,若干任务在某一区域进行,即岸侧、运输区和堆区。然而,集装箱的运输依赖码头各区域的多台设备的相互作用。这促使大型区域集成管理的研究,甚至是整个码头集成管理研究。
尽管在集装箱码头的研究中,调度问题已经得到了广泛关注,但相关文献中很少涉及设备的重调度。一个计划好的调度有可能受到设备操作中不确定因素的影响。不确定因素是指装卸设备的意外事件,例如,装卸设备的延迟或设备故障。在此情况下,计划好的调度对于剩下的操作可能并不是最佳的。
发明内容
本发明目的是提供一种自动化集装箱码头装卸设备的重调度方法,实现通过考虑两种类型的调度,即时效调度和能效调度,通过在时效调度和能效调度中的测量值来更新即将进行操作的预期加工时间,基于更新的加工时间的信息,再通过状态监测控制器确定一个新调度的目的。
为了实现以上目的,本发明通过以下技术方案实现:
一种自动化集装箱码头装卸设备的重调度方法,包含以下步骤:
步骤1:建立三阶段设备的模型;步骤2:确定三阶段中各设备的调度状态;
步骤3:确定三阶段中各设备的重调度;
首先,通过集装箱码头的状态监测控制器提供优化所述三阶段中各设备的调度方案;然后经过一个时间周期,所述状态监测控制器测量所述三阶段中各设备的实际位置和实际速度;根据所述实际位置和实际速度的状态测量值更新即将进行的一个任务所需最小完工时间;之后根据所述即将进行的一个任务所需最小完工时间使所述状态监测控制器监测更新的一个任务时间;最后所述状态监测控制器为相互作用的所述三阶段中的各设备确定新的调度方案。
优选地,所述步骤1进一步包含:三种类型设备,即依次位于运输岸侧的船与堆区间的堆点之间的一个岸桥、多个自动引导车与场桥;所述三种类型的设备运输操作建立模拟成一个三阶段混合流水车间模型,即
所述定义为集装箱i在船上的位置;定义为集装箱i从岸桥转移到自动引导车转移点;定义为集装箱i从自动引导车转移到场桥转移点;被定义为集装箱i在堆区的存储位置;
所述第一阶段有两个操作和 表示岸桥从到 表示岸桥载着集装箱i从到
所述第二阶段有两个操作和 表示自动引导车载着集装箱i从到 表示卸载集装箱i后自动引导车从返回到
所述第三阶段有两个操作和其中表示场桥运输集装箱i从到 表示卸载集装箱i后场桥从到
优选地,所述一个任务定义为将一个集装箱i从船上到堆区的堆点位置的完整的运输过程。
优选地,根据所述三阶段混合流水车间模型建立相应的数学模型,即假设有n个集装箱需从船上运输至堆区的一个任务;定义Φ是所述任务的集合满足|Φ|=n的条件;引进两个虚拟作业任务0和n+1,定义Φ1=Φ∪{0}和Φ2=Φ∪{n+1};
上述任意一台设备在所述三阶段中任意一阶段所完成的一个任务,对于此任务的前续任务和后续任务满足时间约束条件:即
对于和
αij=1表示在第一阶段任务i在任务j之前加工,否则,αij=0;
βij=1表示在第二阶段任务i在任务j之前加工,否则,βij=0;
γij=1表示在第三阶段任务i在任务j之前加工,否则,γij=0;
是加工时间,是加工时间,h1∈{1,2,3},h2∈{1,2};
ai是任务i第一阶段的完成时间,aj是任务j第一阶段的完成时间;
bi是任务i第二阶段的完成时间,bj是任务j第二阶段的完成时间;
ci是任务i第三阶段的完成时间,cj是任务j第三阶段的完成时间;
M是一个较大正数。
优选地,所述每个阶段中的设备必须是正好有一个前续任务和一个后续任务;根据此假设条件对离散决策变量αij、βij和γij附加等式约束;其约束条件为,对于第一个即将加工的任务j(j∈Φ),αij、βij和γij(i,j∈Φ,i≠j)必须是0,对于最后一个任务i,αij、βij和γij也必须是0;所述集合Φ1和Φ2是用来满足包含第一个任务和最后一个任务的额外的限制条件;这些约束条件如下:
∑i∈Φα0i=m1,
∑i∈Φ2αi(n+1)=1,
∑i∈Φβ0i=m2,
∑j∈Φγ0j=m3;
式中i∈Φ;m1代表岸桥数量,m2代表自动引导车数量,m3代表场桥数量。
优选地,所述步骤2进一步包含:对所述三阶段中各设备的时效调度和能效调度状态的确定;
对于时效调度,此调度目的是最小化最大完工时间,即最小化n个任务完成时间的最大值;所述最大完工时间定义成所有任务在第三阶段完工时间的最大值,即满足max d={c1,c2,...,cn},也就是||d||∞条件;
时效调度的目标是受限于离散事件动态的条件下最小化最大完工时间。假设在这个调度问题中设备加工一个任务的时间是固定的,通过此假设条件定义时效调度问题,即
其中,
a=[a1,a2,…,an]T,
b=[b1,b2,…,bn]T,
c=[c1,c2,…,cn]T,
α={αij},i∈Φ1,j∈Φ2,i≠j,
β={βij},i∈Φ1,j∈Φ2,i≠j,
γ={γij},i∈Φ1,j∈Φ2,i≠j。
优选地,所述能效调度的目标是在最小化最大完工时间条件下,最大化所有任务的加工时间总和进而达到能耗最小化的目标,即定义:
t=[tqc T,tagv T,tyc T]T;
能效调度的公式为
其限制条件为在满足所述步骤1中包含的限制条件的前提下,满足的限制条件如下列公式所示:
其中,是的下界,h1∈{1,2,3},h2∈{1,2}。
优选地,所述步骤3进一步包含:当所述三阶段中任意一个阶段中的任意设备需要重调度时,需要通过各个设备测量值来计算将进行的任务所需的最小完工时间;对于最小完工时间计算,由当前可用设备的动态模型和状态决定;对于上述三种类型的设备,设备岸桥和场桥的最小完工时间是自动引导车的一个特殊情况,所以计算自动引导车的最小完工时间即可;
所述各个设备自动引导车都采用点质量模型来估计二维空间的动态行为,即
在最小完工时间计算问题当中,设备自动引导车p的位置需要尽可能快的从当前状态rp,0达到目标状态rp,f;即假设所述自动引导车的位移为S(k),操作时间为t(k),最大速度限制为Vmax;
所述自动引导车的运行轨迹满足曲线方程为V=a*t^2+b*t,将曲线上的点(t(k),0)和(0.5*t(k),Vmax)代入方程得a=-4*Vmax/(t(k)^2),b=4*Vmax/t(k),则根据定积分公式:算得所述自动引导车的工作时间t(k)=1.5*S(k)/Vmax;
引入一个二进制变量bp(k),满足当自动引导车的位置从当前状态达到目标状态时bp(k)=1,否则bp(k)=0;
当bp(k)=1时,t(k)*bp(k)代表所述自动引导车的工作时间。因此,运输集装箱i的最小完工时间通过最小化工作时间的总和来获得,即
式中u与b是优化问题的连续型二进制控制变量,Tp为计算设备自动引导车p最小完工时间的输入初始值。
优选地,对于所述重调度的优化更新,在最小完工时间的计算的基础上,更新不同类型的设备加工任务i所需的最短时间,即
式中是即将进行的操作更新后的最小完工时间,是操作最小完工时间,是即将进行的操作更新前后的时间差;h1∈{1,2,3},h2∈{1,2}。
优选地,根据更新做小完工时间的信息以及相应算式求解调度问题更新各个阶段各个设备即将进行任务的任务次序αij、βij和γij。
本发明与现有技术相比具有以下优点:
本发明提出了装卸设备在受干扰情况下的重调度方法,所述重调度方法可以使用更新信息以优化性能。即通过考虑两种类型的调度,即时效调度和能效调度,时效调度是指任务时间最小化,而能效调度是指为达到节能的目的每个任务的时间灵活。重调度是基于设备的当前状态测量值进行的。通过在时效调度和能效调度中的测量值来更新即将进行操作的预期加工时间,基于更新的加工时间的信息,使其具有通过状态监测控制器确定一个新调度的状态监测控制器确定一个新调度的优点。
附图说明
图1为本发明自动化集装箱码头装卸设备的重调度方法的重调度方案结构框图;
图2为本发明自动化集装箱码头装卸设备的重调度方法的三种设备运输集装箱的顺序图;
图3为本发明自动化集装箱码头装卸设备的重调度方法的自动导引车的速度-时间曲线。
具体实施方式
以下结合附图,通过详细说明一个较佳的具体实施例,对本发明做进一步阐述。
如图1所示,首先,集装箱码头状态监测控制器提供优化调度方案。然后经过一段时间周期,状态监测控制器测量设备状态,即实际位置和实际速度。这些状态测量值用于更新即将进行的任务所需最小完工时间。然后为状态监测控制器更新一个任务的时间。状态监测控制器随后为相互作用的设备确定新的调度方案。本发明在装卸设备受干扰的情况下,一种自动化集装箱码头装卸设备的重调度方法,包含以下步骤:步骤1三阶段设备的模型步骤;步骤2:确定三阶段设备调度;步骤3:确定三阶段设备重调度。
上述步骤1三阶段设备的模型步骤进一步包含:
在一个自动化码头,岸桥(简称QC)、自动导引车(简称AGV)和场桥(简称YC)这三种设备用于运输岸侧和堆区间的集装箱。
为进一步理解上述模型,假设本发明需要一个QC,多个AGV,多个YC。这三种类型的设备之间的相互作用决定设备什么时候和以什么样的次序装卸集装箱。
三种类型的设备操作流程与一个三阶段混合流水车间流程相似。即在一个混合流水车间,每个任务都要经过好几个阶段的处理。每个阶段相同的设备可以并行加工一个任务的一部分。每个任务加工顺序都是相同的且每个任务每个阶段的加工时间都是一定的。在三阶段混合流水车间流程即类似于三级流水线中,一个任务定义为一个集装箱从船上到堆区位置的完整的运输过程。
将所述一个任务分为三阶段,即第一阶段,由1个QC完成;第二阶段由多个AGV完成;第三阶段由多个YC完成。
如图2所示,在三种类型的设备的所有操作和操作顺序中,定义为集装箱i在船上的位置。定义为集装箱i从QC转移到AGV转移点。定义为集装箱i从AGV转移到YC转移点。被定义为集装箱i在堆区的存储位置。
在所述第一阶段,有两个操作和 表示QC从到 表示QC载着集装箱i从到
在所述第二阶段,有两个操作和 表示AGV载着集装箱i从到 表示卸载集装箱i后AGV从返回到
在所述第三阶段,有两个操作和其中表示YC运输集装箱i从到 表示卸载集装箱i后YC从到
为了进一步理解此任务过程,假设有n个集装箱需从船上运输至堆区的一个任务。定义Φ是所述任务的集合满足|Φ|=n的条件。之后引进两个虚拟作业任务0和n+1,然后定义Φ1=Φ∪{0}和Φ2=Φ∪{n+1}。这两个集合之后在含有第一个任务和最后一个任务的约束条件中使用。在所述三阶段混合流水车间模型中,各阶段的各任务的加工有时间上的约束关系。一台设备在某个阶段所加工的一个任务,对于其前续任务和后续任务有一个时间约束。这些时间约束条件为:
对于和
αij=1表示在第一阶段任务i在任务j之前加工,否则,αij=0;
βij=1表示在第二阶段任务i在任务j之前加工,否则,βij=0;
γij=1表示在第三阶段任务i在任务j之前加工,否则,γij=0;
是加工时间,是加工时间,h1∈{1,2,3},h2∈{1,2};
ai是任务i第一阶段的完成时间,aj是任务j第一阶段的完成时间;
bi是任务i第二阶段的完成时间,bj是任务j第二阶段的完成时间;
ci是任务i第三阶段的完成时间,cj是任务j第三阶段的完成时间;
M是一个较大正数。
不等式1和4初始化设备QC和AGV的第一个任务;不等式2描述了由特定的QC加工的任务i,j之间关系;不等式3确保任务i先由QC加工后由AGV加工;不等式6确保任务i在AGV之后由YC操作;不等式5和7代表QC和AGV任务i和j之间关系。
所述每个阶段的特定设备必须是正好有一个前续任务和一个后续任务。根据此假设条件对离散决策变量αij、βij和γij附加等式约束。其约束条件为,对于第一个即将加工的任务j(j∈Φ),αij、βij和γij(i,j∈Φ,i≠j)必须是0,对于最后一个任务i,αij、βij和γij也必须是0。上述集合Φ1和Φ2是用来满足包含第一个任务和最后一个任务的额外的限制条件。这些约束条件如下:
∑i∈Φα0i=m1,(10)
∑i∈Φ2αi(n+1)=1,(11)
∑i∈Φβ0i=m2,(14)
∑i∈Φβi(n+1)=m2,(15)
∑j∈Φγ0j=m3,(18)
∑i∈Φγi(n+1)=m3;(19)
等式8和9代表每个任务i∈Φ恰好有一个前续任务和一个后续任务分配给QC。等式10和11确保m1个QC都使用。等式12和13代表任务i∈Φ恰好有一个前续任务和一个后续的任务分配给AGV。不等式14和15保证m2个AGV都使用。等式16和17表示每个i∈Φ恰好有一个前续任务和一个后续的任务分配给YC。等式18和19保证m3个YC都使用。根据上述不等式约束以及等式约束条件,三种类型设备的离散事件动态即可模拟为一个三阶段混合流水车间。在所述三阶段混合流水车间中,任务i各个阶段的完成时间和各个阶段每个设备的加工次序都是决策变量。这些决策变量通过此系统中的状态监测控制器确定。
上述步骤2:确定三阶段设备调度进一步包含:
所述状态监测器是通过求解一个调度优化问题来确定相互作用的三种设备的调度情况。在本发明中,考虑两种类型调度:即时效调度和能效调度。
对于时效调度,一般来说,调度问题的目的是最小化最大完工时间,指的是最小化所有n个任务完成时间的最大值。在三种设备的调度问题当中,最大完工时间定义成所有任务在第三阶段完工时间的最大值,即满足max d={c1,c2,...,cn},也就是||d||∞条件。
时效调度的目标是受限于离散事件动态的条件下最小化最大完工时间。假设在这个调度问题中设备加工一个任务的时间是固定的,通过此假设条件定义时效调度问题,即
其中,
a=[a1,a2,…,an]T,
b=[b1,b2,…,bn]T,
c=[c1,c2,…,cn]T,
α={αij},i∈Φ1,j∈Φ2,i≠j,
β={βij},i∈Φ1,j∈Φ2,i≠j,
γ={γij},i∈Φ1,j∈Φ2,i≠j;
时效调度问题为混合整数线性规划问题。使用基于模拟退火的遗传算法求解所述时效调度问题优化问题。
对于能效调度,除了最大完工时间,能耗最小化也视为一个调度的基本准则。与时效调度不同,能效调度加工时间不是一个固定值,可以更加灵活。由于不同类型的设备相互作用,一种设备可能需要等待另一种设备完成加工操作才可用。然而,对于一个固定的行驶距离,当加工时间增加时,一台设备的能耗则降低,同时等待时间则减少。考虑加工时间与能耗之间的矛盾,则一台设备某个操作的时间依赖于所有设备的调度情况。对于固定的行驶距离,较长时间的操作可以使能耗降低。通过此种操作控制,每一个操作的时间都可以变得更加灵活且不影响最大完工时间。因此,对于能效调度的目标是在最小化最大完工时间条件下,最大化所有任务的加工时间总和。在这里定义:
t=[tqc T,tagv T,tyc T]T;
能效调度问题可转换为公式,即
其限制条件为在上述限制条件,即公式1~7与公式8~19的基础上,其还需满足的限制条件如下列公式所示:
其中,是的下界,h1∈{1,2,3},h2∈{1,2},其由所述阶段控制器获得。在求解优化问题时,任务i的时间窗见表1。
表格1为本发明自动化集装箱码头装卸设备的重调度方法的三阶段操作的时间窗。
上述步骤3确定三阶段设备重调度进一步包含:
当重调度发生时,即将进行的任务所需的最小完工时间通过设备测量值来计算。相互作用设备的新调度通过所述状态监测控制器确定。
完成即将进行的任务所需要的最小完工时间的计算如下:
为了更新即将进行的任务加工时间,需计算完成即将进行的任务所需要的最短时间即最小完工时间;对于最小完工时间计算,由当前可用设备的动态模型和状态决定。本发明通过数值方法来计算所述最小完工时间。
对于上述三种类型的设备,设备AGV通常认为具有二维轨迹,设备QC和YC具有一维轨迹。设备QC和YC需要的最短时间是AGV的一个特殊情况,因为一维轨迹是二维轨迹的一个特殊情况。所以以计算设备AGV的最小完工时间为例,来进一步理解计算所述最小完工时间的过程。
所有设备AGV都采用点质量模型来估计二维空间的动态行为,即
在最小完工时间计算问题当中,设备AGV p的位置需要尽可能快的从当前状态rp,0达到目标状态rp,f。假设AGV的位移为S(k),操作时间为t(k),最大速度限制为Vmax。
如图3所示,所述AGV速度-时间曲线近似为抛物线,则曲线方程为V=a*t^2+b*t,将曲线上的点(t(k),0)和(0.5*t(k),Vmax)代入方程得a=-4*Vmax/(t(k)^2),b=4*Vmax/t(k),则根据定积分公式:算得工作时间t(k)=1.5*S(k)/Vmax。
引入一个二进制变量bp(k),满足当AGV的位置从当前状态达到目标状态时bp(k)=1,否则bp(k)=0。
当bp(k)=1时,t(k)*bp(k)代表操作时间。因此,运输集装箱i的最短时间可通过最小化工作时间的总和来获得:
式中u与b是优化问题的连续型二进制控制变量,Tp为计算设备p最短时间的输入初始值。上述公式26用于计算运输集装箱i的最小完工时间。
对于重调度的优化更新,在最小完工时间的计算的基础上,可以更新不同类型的设备加工任务i所需的最小完工时间,即将进行的操作如下:
式中是即将进行的操作更新后的最小完工时间,是操作最小完工时间,是即将进行的操作更新前后的时间差;h1∈{1,2,3},h2∈{1,2}。
除了更新即将进行的任务的最小完工时间,还需根据更新的信息以及相应算式求解调度问题以更新每阶段的即将进行任务的任务次序αij、βij和γij。
综上所述,本发明通过考虑两种类型的调度,即时效调度和能效调度,时效调度是指任务时间最小化,而能效调度是指为达到节能的目的每个任务的时间灵活。重调度是基于设备的当前状态测量值进行的。通过在时效调度和能效调度中的测量值来更新即将进行操作的预期加工时间,基于更新的加工时间的信息,使其具有通过状态监测控制器确定一个新调度的状态监测控制器确定一个新调度的优点。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (10)
1.一种自动化集装箱码头装卸设备的重调度方法,其特征在于,包含以下步骤:
步骤1:建立三阶段设备的模型;步骤2:确定三阶段中各设备的调度状态;步骤3:确定三阶段中各设备的重调度;
首先,通过集装箱码头的状态监测控制器提供优化所述三阶段中各设备的调度方案;然后经过一个时间周期,所述状态监测控制器测量所述三阶段中各设备的实际位置和实际速度;根据所述实际位置和实际速度的状态测量值更新即将进行的一个任务所需最小完工时间;之后根据所述即将进行的一个任务所需最小完工时间使所述状态监测控制器监测更新的一个任务时间;最后所述状态监测控制器为相互作用的所述三阶段中的各设备确定新的调度方案。
2.如权利要求1所述一种自动化集装箱码头装卸设备的重调度方法,其特征在于,所述步骤1进一步包含:三种类型设备,即依次位于运输岸侧的船与堆区间的堆点之间的一个岸桥、多个自动引导车与场桥;所述三种类型的设备运输操作建立模拟成一个三阶段混合流水车间模型,即
所述定义为集装箱i在船上的位置;定义为集装箱i从岸桥转移到自动引导车转移点;定义为集装箱i从自动引导车转移到场桥转移点;被定义为集装箱i在堆区的存储位置;
所述第一阶段有两个操作和 表示岸桥从到表示岸桥载着集装箱i从到
所述第二阶段有两个操作和表示自动引导车载着集装箱i从到表示卸载集装箱i后自动引导车从返回到
所述第三阶段有两个操作和其中表示场桥运输集装箱i从到表示卸载集装箱i后场桥从到
3.如权利要求1所述一种自动化集装箱码头装卸设备的重调度方法,其特征在于,所述一个任务定义为将一个集装箱i从船上到堆区的堆点位置的完整的运输过程。
4.如权利要求2所述一种自动化集装箱码头装卸设备的重调度方法,其特征在于,根据所述三阶段混合流水车间模型建立相应的数学模型,即
假设有n个集装箱需从船上运输至堆区的一个任务;定义Φ是所述任务的集合满足|Φ|=n的条件;引进两个虚拟作业任务0和n+1,定义Φ1=Φ∪{0}和Φ2=φ∪{n+1};
上述任意一台设备在所述三阶段中任意一阶段所完成的一个任务,对于此任务的前续任务和后续任务满足时间约束条件:即
对于和
αij=1表示在第一阶段任务i在任务j之前加工,否则,αij=0;
βij=1表示在第二阶段任务i在任务j之前加工,否则,βij=0;
γij=1表示在第三阶段任务i在任务j之前加工,否则,γij=0;
是加工时间,是加工时间,h1∈{1,2,3},h2∈{1,2};
ai是任务i第一阶段的完成时间,aj是任务j第一阶段的完成时间;
bi是任务i第二阶段的完成时间,bj是任务j第二阶段的完成时间;
ci是任务i第三阶段的完成时间,cj是任务j第三阶段的完成时间;
M是一个较大正数。
5.如权利要求4所述一种自动化集装箱码头装卸设备的重调度方法,其特征在于,所述每个阶段中的设备必须是正好有一个前续任务和一个后续任务;根据此假设条件对离散决策变量αij、βij和γij附加等式约束;其约束条件为,对于第一个即将加工的任务j(j∈Φ),αij、αij和γij(i,j∈Φ,i≠j)必须是0,对于最后一个任务i,αij、βij和γij也必须是0;所述集合Φ1和Φ2是用来满足包含第一个任务和最后一个任务的额外的限制条件;这些约束条件如下:
式中i∈Φ;m1代表岸桥数量,m2代表自动引导车数量,m3代表场桥数量。
6.如权利要求1所述一种自动化集装箱码头装卸设备的重调度方法,其特征在于,所述步骤2进一步包含:对所述三阶段中各设备的时效调度和能效调度状态的确定;
对于时效调度,此调度目的是最小化最大完工时间,即最小化n个任务完成时间的最大值;所述最大完工时间定义成所有任务在第三阶段完工时间的最大值,即满足max d={c1,c2,...,cn},也就是||d||∞条件;
时效调度的目标是受限于离散事件动态的条件下最小化最大完工时间。假设在这个调度问题中设备加工一个任务的时间是固定的,通过此假设条件定义时效调度问题,即
其中,
a=[a1,α2…,an]T,
b=[b1,b2…,bn]T,
c=[c1c2,…,cn]T,
α={αij},i∈Φ1,j∈φ2,1≠j,
β={βij},i∈φ1,j∈φ2,1≠j,
γ={γij},i∈φ1,j∈Φ2,i≠j。
7.如权利要求6所述一种自动化集装箱码头装卸设备的重调度方法,其特征在于,
所述能效调度的目标是在最小化最大完工时间条件下,最大化所有任务的加工时间总和进而达到能耗最小化的目标,即定义:
t=[tqc T,tagv T,tyo T]T;
能效调度的公式为
其限制条件为在满足所述步骤1中包含的限制条件的前提下,满足的限制条件如下列公式所示:
其中,是的下界,h1∈{1,2,3},h2∈{1,2}。
8.如权利要求1所述一种自动化集装箱码头装卸设备的重调度方法,其特征在于,
所述步骤3进一步包含:当所述三阶段中任意一个阶段中的任意设备需要重调度时,需要通过各个设备测量值来计算将进行的任务所需的最小完工时间;对于最小完工时间计算,由当前可用设备的动态模型和状态决定;
对于上述三种类型的设备,设备岸桥和场桥的最小完工时间是自动引导车的一个特殊情况,所以计算自动引导车的最小完工时间即可;
所述各个设备自动引导车都采用点质量模型来估计二维空间的动态行为,即
在最小完工时间计算问题当中,设备自动引导车p的位置需要尽可能快的从当前状态rp,0达到目标状态rp,f;即假设所述自动引导车的位移为S(k),操作时间为t(k),最大速度限制为Vmax;
所述自动引导车的运行轨迹满足曲线方程为V=a*t^2+b*t,将曲线上的点(t(k),0)和(0.5*t(k),Vmax)代入方程得a=-4*Vmax/(t(k)^2),b=4*Vmax/t(k),则根据定积分公式:算得所述自动引导车的工作时间t(k)=1.5*S(k)/Vmax;
引入一个二进制变量bp(k),满足当自动引导车的位置从当前状态达到目标状态时bp(k)=1,否则bp(k)=0;
当bp(k)=1时,t(k)*bp(k)代表所述自动引导车的工作时间。因此,运输集装箱i的最小完工时间通过最小化工作时间的总和来获得,即
式中u与b是优化问题的连续型二进制控制变量,Tp为计算设备自动引导车p最小完工时间的输入初始值。
9.如权利要求8所述一种自动化集装箱码头装卸设备的重调度方法,其特征在于,对于所述重调度的优化更新,在最小完工时间的计算的基础上,更新不同类型的设备加工任务i所需的最短时间,即
式中是即将进行的操作更新后的最小完工时间,是操作最小完工时间,是即将进行的操作更新前后的时间差;h1∈{1,2,3},
h2∈{1,2}。
10.如权利要求9所述一种自动化集装箱码头装卸设备的重调度方法,其特征在于,根据更新最小完工时间的信息以及相应算式求解调度问题更新各个阶段各个设备即将进行任务的任务次序αij、βij和γij。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611246982.8A CN106651049B (zh) | 2016-12-29 | 2016-12-29 | 自动化集装箱码头装卸设备的重调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611246982.8A CN106651049B (zh) | 2016-12-29 | 2016-12-29 | 自动化集装箱码头装卸设备的重调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106651049A true CN106651049A (zh) | 2017-05-10 |
CN106651049B CN106651049B (zh) | 2020-11-03 |
Family
ID=58837056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611246982.8A Active CN106651049B (zh) | 2016-12-29 | 2016-12-29 | 自动化集装箱码头装卸设备的重调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106651049B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107505612A (zh) * | 2017-09-11 | 2017-12-22 | 深圳市航天华拓科技有限公司 | 无线测距系统及方法 |
CN107545366A (zh) * | 2017-08-28 | 2018-01-05 | 上海振华重工电气有限公司 | 全自动化集装箱码头的装船调度方法及系统 |
CN107678279A (zh) * | 2017-10-09 | 2018-02-09 | 上海海事大学 | 一种考虑规避约束的agv轨迹规划方法 |
CN107784396A (zh) * | 2017-11-06 | 2018-03-09 | 上海海事大学 | 一种自动化集装箱码头关键装卸资源集成调度方法 |
CN108182552A (zh) * | 2018-02-02 | 2018-06-19 | 上海西井信息科技有限公司 | 集装箱船舶的装卸货方法、系统、设备及存储介质 |
CN108313556A (zh) * | 2018-04-03 | 2018-07-24 | 北京巨得力机电有限公司 | 智能自动化装卸集装箱 |
CN108469749A (zh) * | 2018-04-03 | 2018-08-31 | 北京巨得力机电有限公司 | 一种集装箱物流系统及其控制方法 |
CN109019056A (zh) * | 2018-08-28 | 2018-12-18 | 盐田国际集装箱码头有限公司 | 一种集装箱堆场双层高架轨道垂直运输设备调度方法 |
CN110516976A (zh) * | 2019-08-30 | 2019-11-29 | 大连海事大学 | 一种可选择装卸完工时间的自动化集装箱码头agv调度方法 |
CN112053046A (zh) * | 2020-08-24 | 2020-12-08 | 山东科技大学 | 一种带有时间窗的自动化集装箱码头agv重进重出路径规划方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020792A (zh) * | 2012-11-20 | 2013-04-03 | 上海海事大学 | 自动化集装箱码头低架桥电动小车调度方法及其系统 |
US20150112476A1 (en) * | 2013-10-17 | 2015-04-23 | Navis Llc | System and method for integral planning and control of container flow operations in container terminals |
CN105427075A (zh) * | 2015-11-24 | 2016-03-23 | 山东科技大学 | 一种用于港口集装箱卡车的混合式动态调度方法 |
CN105740979A (zh) * | 2016-01-29 | 2016-07-06 | 上海海事大学 | 自动化码头多自动导引车的智能调度系统与方法 |
-
2016
- 2016-12-29 CN CN201611246982.8A patent/CN106651049B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020792A (zh) * | 2012-11-20 | 2013-04-03 | 上海海事大学 | 自动化集装箱码头低架桥电动小车调度方法及其系统 |
US20150112476A1 (en) * | 2013-10-17 | 2015-04-23 | Navis Llc | System and method for integral planning and control of container flow operations in container terminals |
CN105427075A (zh) * | 2015-11-24 | 2016-03-23 | 山东科技大学 | 一种用于港口集装箱卡车的混合式动态调度方法 |
CN105740979A (zh) * | 2016-01-29 | 2016-07-06 | 上海海事大学 | 自动化码头多自动导引车的智能调度系统与方法 |
Non-Patent Citations (1)
Title |
---|
王力: "集装箱码头装卸系统三阶段设备集成调度优化", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545366A (zh) * | 2017-08-28 | 2018-01-05 | 上海振华重工电气有限公司 | 全自动化集装箱码头的装船调度方法及系统 |
CN107545366B (zh) * | 2017-08-28 | 2020-07-31 | 上海振华重工电气有限公司 | 全自动化集装箱码头的装船调度方法及系统 |
CN107505612A (zh) * | 2017-09-11 | 2017-12-22 | 深圳市航天华拓科技有限公司 | 无线测距系统及方法 |
CN107678279A (zh) * | 2017-10-09 | 2018-02-09 | 上海海事大学 | 一种考虑规避约束的agv轨迹规划方法 |
CN107784396A (zh) * | 2017-11-06 | 2018-03-09 | 上海海事大学 | 一种自动化集装箱码头关键装卸资源集成调度方法 |
CN108182552B (zh) * | 2018-02-02 | 2018-12-07 | 上海西井信息科技有限公司 | 集装箱船舶的装卸货方法、系统、设备及存储介质 |
CN108182552A (zh) * | 2018-02-02 | 2018-06-19 | 上海西井信息科技有限公司 | 集装箱船舶的装卸货方法、系统、设备及存储介质 |
CN108469749A (zh) * | 2018-04-03 | 2018-08-31 | 北京巨得力机电有限公司 | 一种集装箱物流系统及其控制方法 |
CN108313556A (zh) * | 2018-04-03 | 2018-07-24 | 北京巨得力机电有限公司 | 智能自动化装卸集装箱 |
CN109019056A (zh) * | 2018-08-28 | 2018-12-18 | 盐田国际集装箱码头有限公司 | 一种集装箱堆场双层高架轨道垂直运输设备调度方法 |
CN110516976A (zh) * | 2019-08-30 | 2019-11-29 | 大连海事大学 | 一种可选择装卸完工时间的自动化集装箱码头agv调度方法 |
CN110516976B (zh) * | 2019-08-30 | 2022-12-13 | 大连海事大学 | 一种可选择装卸完工时间的自动化集装箱码头agv调度方法 |
CN112053046A (zh) * | 2020-08-24 | 2020-12-08 | 山东科技大学 | 一种带有时间窗的自动化集装箱码头agv重进重出路径规划方法 |
CN112053046B (zh) * | 2020-08-24 | 2022-03-11 | 山东科技大学 | 一种带有时间窗的自动化集装箱码头agv重进重出路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106651049B (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106651049A (zh) | 自动化集装箱码头装卸设备的重调度方法 | |
Rodrigues et al. | An exact robust approach for the integrated berth allocation and quay crane scheduling problem under uncertain arrival times | |
Xin et al. | Energy-aware control for automated container terminals using integrated flow shop scheduling and optimal control | |
Rashidi et al. | Novel constraints satisfaction models for optimization problems in container terminals | |
Murty et al. | Hongkong International Terminals gains elastic capacity using a data-intensive decision-support system | |
CN101789093A (zh) | 一种集装箱码头泊位与岸桥分配方法 | |
CN106651280B (zh) | 一种集装箱轮船物流运输调度方法及系统 | |
CN101986313A (zh) | 基于知识的集装箱码头泊位与岸桥调度方法 | |
CN112488606B (zh) | 一种生产物流智能优化和自动调度系统 | |
Cafaro et al. | Rigorous formulation for the scheduling of reversible-flow multiproduct pipelines | |
CN111860968A (zh) | 一种露天矿山车辆调度方法、系统及计算机设备 | |
Xin et al. | Event-driven receding horizon control for energy-efficient container handling | |
CN107451720A (zh) | 面向自动化集装箱码头的船次作业计划评价方法 | |
Li et al. | Planning inland vessel operations in large seaports using a two-phase approach | |
CN116224926A (zh) | 面向单件小批柔性制造车间的动态调度优化方法及装置 | |
Zhong et al. | Adaptive autotuning mathematical approaches for integrated optimization of automated container terminal | |
Xin et al. | Mixed-integer nonlinear programming for energy-efficient container handling: Formulation and customized genetic algorithm | |
Zeng et al. | Models and algorithms for multi-crane oriented scheduling method in container terminals | |
Naeem et al. | A comprehensive review and directions for future research on the integrated scheduling of quay cranes and automated guided vehicles and yard cranes in automated container terminals | |
CN112801484B (zh) | 一种考虑配料误差的物料配送调度方法和系统 | |
Zou et al. | An effective self-adaptive iterated greedy algorithm for a multi-AGVs scheduling problem with charging and maintenance | |
Xiao et al. | Berth allocation problem with quay crane assignment for container terminals based on rolling‐horizon strategy | |
CN116957440A (zh) | 一种面向大型发电集团的煤炭运输规划方法及系统 | |
Zeng et al. | A method integrating simulation and reinforcement learning for operation scheduling in container terminals | |
Dong et al. | QCs scheduling scheme of genetic algorithm (GA) and improved firefly algorithm (FA) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |