CN109754203B - 一种智能物流拣选路径组合方法 - Google Patents
一种智能物流拣选路径组合方法 Download PDFInfo
- Publication number
- CN109754203B CN109754203B CN201811502014.8A CN201811502014A CN109754203B CN 109754203 B CN109754203 B CN 109754203B CN 201811502014 A CN201811502014 A CN 201811502014A CN 109754203 B CN109754203 B CN 109754203B
- Authority
- CN
- China
- Prior art keywords
- lane
- roadway
- picking
- tasks
- task
- 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.)
- Active
Links
Images
Abstract
本发明提出了一种智能物流拣选路径组合方法，包括：同时根据路径和商品频次进行选择，在获得商品频次的前提下，选择一个起始拣选巷道计算任务单数量，当任务单数不满足预设参数时，在起始拣选巷道基础上增加一个相邻的巷道，并计算两个巷道任务单数量，若不满足，再次增加巷道，直至满足，本发明的拣选路径组合方法能够让拣货员走最短的路即可完成最多的拣选任务，提高拣选效率。
Description
技术领域
本发明涉及仓储物流技术领域，尤其涉及一种智能物流拣选路径组合方法。
背景技术
在电商场景中，单位时间内要完成100张任务，按常规仓库拣选作业模式，一人对应一个拣选任务，一个拣选任务对应一个任务，任务拣选货位节点按顺序排序进行作业，这种拣选模式存在任务单一、拣选操作人员走路较多、耗费时间长、投入较多的人力的缺点，已经不能满足对于大仓库、海量任务的拣选、有时效要求的业务诉求。基于此种情况，多单并行拣选且获取一组最优的任务组的路径算法和产品频次ABC布局可以有效的解决这些问题。
发明内容
有鉴于此，本发明提出了一种可以提高拣选人员作业效率，缩短作业时间的智能物流拣选路径组合方法。
本发明的技术方案是这样实现的：本发明提供了一种智能物流拣选路径组合方法，包括以下步骤：
S10、获取当前拣货区域的订单池任务，从中筛选出拣选订单任务；
S20、计算拣选订单任务中每个任务跨越的巷道间距，汇总得到拣选订单任务最大巷道间距M，最小巷道为P，最大巷道为Q；
S30、预设拣选任务节点值A，计算最大巷道间距M内具有最大任务数B1的最小巷道，比较B1和A，若B1不小于A，则拣选具有最大任务数B1的最小巷道，若B1小于A，则以具有最大任务数B1的最小巷道(X-Y)作为起始巷道，其中所述最小巷道(X-Y)代表包括巷道X、巷道Y以及位于巷道X到巷道Y之间的所有巷道，且巷道X到巷道Y之间的巷道数量最小；
S40、拣选起始巷道(X-Y)到巷道((X-n)-Y)，并计算巷道的总任务数B2，若B2不小于A，则拣选巷道(X-Y)到巷道((X-n)-Y)中靠前的A个任务，若B2小于A，则拣选巷道((X-n)-Y)到巷道((X-n)-(Y-n))，并计算巷道的总任务数B3，若B3不小于A，则拣选巷道((X-n)-Y)到巷道((X-n)-(Y-n))中靠前的A个任务，若B3小于A，则拣选巷道((X-n)-Y)到巷道(X-(Y+n))，并计算巷道的总任务数B4，若B4不小于A，则拣选巷道((X-n)-Y)到巷道(X-(Y+n))中靠前的A个任务，若B4小于A，则拣选巷道((X-n)-Y)到巷道((X+n)-(Y+n)),并计算五个巷道的总任务数B5，若B5不小于A，则拣选巷道((X-n)-Y)到巷道((X+n)-(Y+n))中靠前的A个任务，若B5小于A，则拣选巷道((X-n)-(Y+n))到巷道((X+n)-(Y+n))，并计算巷道((X-n)-(Y+n))到巷道((X+n)-(Y+n))的总任务数B6，若B6不小于A，则拣选巷道((X-n)-(Y+n))到巷道((X+n)-(Y+n))中靠前的A个任务，其中，巷道((X-n)-Y)代表包括巷道X-n、巷道Y以及位于巷道X-n到巷道Y之间的所有巷道，巷道((X-n)-(Y-n))代表包括巷道X-n、巷道Y-n以及位于巷道X-n到巷道Y-n之间的所有巷道，巷道(X-(Y+n))代表包括巷道X、巷道Y+n以及位于巷道X到巷道Y+n之间的所有巷道，巷道((X+n)-(Y+n))代表包括巷道X+n、巷道Y+n以及位于巷道X+n到巷道Y+n之间的所有巷道，巷道((X-n)-(Y+n))代表包括巷道X-n、巷道Y+n以及位于巷道X-n到巷道Y+n之间的所有巷道；
S50、若B6小于A，则重复S40并将n替换为n+1；
S60、若最大巷道间距M内所有任务数总和均小于A，则拣选所有巷道。
在以上技术方案的基础上，优选的，筛选出拣选订单任务的方法包括如下步骤：
S11、获取订单池中的所有订单任务；
S12、计算订单任务的订单时间信息，设定订单时间节点值T，比较订单时间信息和订单节点值T，若订单时间信息大于订单时间节点值T，则判定该订单任务为超时任务，若订单时间信息小于订单时间节点值T，则判定该订单任务为正常任务；
S13、获取S12中正常任务的批次属性，计算具有相同批次的正常任务的数量，并获得相同批次数量最多的任务，作为拣选订单任务。
在以上技术方案的基础上，优选的，所述S40中的n为正整数。
在以上技术方案的基础上，优选的，所述X、Y均为正整数，且X≤Y。
更进一步优选的，所述P≤X＜Q，P＜Y≤Q。
本发明的智能物流拣选路径组合方法相对于现有技术具有以下有益效果：
本发明的智能物流拣选路径组合方法能够让拣货员走最短的路即可完成最多的拣选任务，通过在订单池中获得所有订单信息，有限筛选出满足拣选数量的单个巷道，若存在就对该当个巷道进行拣选，同时还会对巷道进行优先筛选，巷道编号越小越优先，进一步减少拣货员的行走路程。若不存在单个巷道满足数量要求，对最接近的巷道进行补充巷道操作，补充距离最近的巷道进行拣选，若补充一个不行则补充两个，依次类推，从而可以从最近的巷道中获得满足需求量的任务数，减少拣货员的步行时间。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的智能物流拣选路径组合方法的流程框图。
具体实施方式
下面将结合本发明实施方式，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式仅仅是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
如图1所示，本发明的智能物流拣选路径组合方法，其包括步骤如下：
S10、获取当前拣货区域的订单池任务，从中筛选出拣选订单任务；
S20、计算拣选订单任务中每个任务跨越的巷道间距，汇总得到拣选订单任务最大巷道间距M，最小巷道为P，最大巷道为Q；
拣选订单任务包括若干个子任务，每个子任务需要拣选的巷道不同，对每个子任务所需要拣选的巷道进行统计，从而获得拣选订单任务的最大巷道间距M，同时获得编号最小的巷道P，以及编号数最大的巷道Q。
S30、预设拣选任务节点值A，计算最大巷道间距M内具有最大任务数B1的最小巷道，比较B1和A，若B1不小于A，则拣选具有最大任务数B1的最小巷道，若B1小于A，则以具有最大任务数B1的最小巷道(X-Y)作为起始巷道，其中所述最小巷道(X-Y)代表包括巷道X、巷道Y以及位于巷道X到巷道Y之间的所有巷道，且巷道X到巷道Y之间的巷道数量最小；
根据拣选不同的仓库，不同的巷道可以设置不同的拣选任务节点值A，该值表示拣选任务的目标数量，同时计算待拣选巷道内每一个巷道所包含的任务数，得到具有最大任务数B1同时编号值最小的巷道，若存在多个巷道的最大任务数相同，则选取编号最小的，若仅存在一个，则选取该巷道，比较B1和A值的大小，若B1大于A，则拣选该巷道内排序靠前的A个任务，拣选完毕，更新该巷道的任务数，若B1小于A，则以具有最大任务数B1的编号最小的巷道作为起始巷道(X-Y)。
若没有分布在单个巷道的任务，则计算跨越巷道的任务数，依次计算跨连续两个巷道的任务数，跨连续三个巷道的任务数...跨M个巷道的任务数。
S40、拣选起始巷道(X-Y)到巷道((X-n)-Y)，并计算巷道的总任务数B2，若B2不小于A，则拣选巷道(X-Y)到巷道((X-n)-Y)中靠前的A个任务，若B2小于A，则拣选巷道((X-n)-Y)到巷道((X-n)-(Y-n))，并计算巷道的总任务数B3，若B3不小于A，则拣选巷道((X-n)-Y)到巷道((X-n)-(Y-n))中靠前的A个任务，若B3小于A，则拣选巷道((X-n)-Y)到巷道(X-(Y+n))，并计算巷道的总任务数B4，若B4不小于A，则拣选巷道((X-n)-Y)到巷道(X-(Y+n))中靠前的A个任务，若B4小于A，则拣选巷道((X-n)-Y)到巷道((X+n)-(Y+n)),并计算五个巷道的总任务数B5，若B5不小于A，则拣选巷道((X-n)-Y)到巷道((X+n)-(Y+n))中靠前的A个任务，若B5小于A，则拣选巷道((X-n)-(Y+n))到巷道((X+n)-(Y+n))，并计算巷道((X-n)-(Y+n))到巷道((X+n)-(Y+n))的总任务数B6，若B6不小于A，则拣选巷道((X-n)-(Y+n))到巷道((X+n)-(Y+n))中靠前的A个任务，其中，巷道((X-n)-Y)代表包括巷道X-n、巷道Y以及位于巷道X-n到巷道Y之间的所有巷道，巷道((X-n)-(Y-n))代表包括巷道X-n、巷道Y-n以及位于巷道X-n到巷道Y-n之间的所有巷道，巷道(X-(Y+n))代表包括巷道X、巷道Y+n以及位于巷道X到巷道Y+n之间的所有巷道，巷道((X+n)-(Y+n))代表包括巷道X+n、巷道Y+n以及位于巷道X+n到巷道Y+n之间的所有巷道，巷道((X-n)-(Y+n))代表包括巷道X-n、巷道Y+n以及位于巷道X-n到巷道Y+n之间的所有巷道；
S50、若B6小于A，则重复S40并将n替换为n+1；
S60、若最大巷道间距M内所有任务数总和均小于A，则拣选所有巷道。
以上n、X、Y均为正整数，X≤Y，P≤X＜Q，P＜Y≤Q。
通过以上计算方式，可以获得在尽可能跨越少的巷道同时具有更多的任务数的拣选任务，从而得到能够在满足拣选要求的同时，拣货员走更少的路。
在具体实施方式中，筛选出拣选订单任务的方法包括以下步骤：
S11、获取订单池中的所有订单任务；
S12、计算订单任务的订单时间信息，设定订单时间节点值T，比较订单时间信息和订单节点值T，若订单时间信息大于订单时间节点值T，则判定该订单任务为超时任务，若订单时间信息小于订单时间节点值T，则判定该订单任务为正常任务；
S13、获取S12中正常任务的批次属性，计算具有相同批次的正常任务的数量，并获得相同批次数量最多的任务，作为拣选订单任务。
实施例1
获取拣货区域订单池任务，筛选出拣选订单任务；
预设拣选任务节点值为24，巷道4-4有30单任务、巷道5-5有30单任务，则选择4-4巷道中前24单任务打包生成一个拣选任务，不再遍历其他巷道，并更新4-4巷道的任务数。
实施例2
获取拣货区域订单池任务，筛选出拣选订单任务；
预设拣选任务节点值为24，巷道4-4有25单任务、巷道5-5有36单任务，选择5-5巷道中前24单任务打包生成一个拣选任务，不再遍历其他巷道，并更新5-5巷道的任务数。
实施例3
获取拣货区域订单池任务，筛选出拣选订单任务；
预设拣选任务节点值为20，巷道4-4有3单任务、巷道4-5有2单任务、巷道4-6有2单任务、巷道5-5有7单任务、巷道5-6有3单任务、巷道6-6有3单任务；
经过计算系统依次选中巷道5-5的7单、巷道4-5的2单、巷道4-4的3单、巷道5-6的3单、巷道6-6的3单、巷道4-6的2单，从而达到20单，不在遍历其他巷道，生成一个拣货任务。
实施例4
获取拣货区域订单池任务，筛选出拣选订单任务；
预设拣选任务节点值为20；
若没有分布在单个巷道的任务，则找跨连续两个巷道和三个巷道的任务，例如巷道(7-8)有37单任务，巷道(15-16)有16单任务，巷道(40-41)有13单任务，巷道(9-10)有12单任务，巷道(9-10)有12单任务，巷道(39-41)有9单任务，巷道(43-45)有16单任务；
第一次计算是从巷道(7-8)取20单打包成一个任务，更新巷道(7-8)的任务数；
第二次计算时：
第一轮:从巷道(7-8)取17单，再从巷道((7-1)-8)即巷道(6-8)取，没有分布在巷道(6-8)的任务，系统继续从巷道((7-1)-(8-1))即巷道(6-7)取，没有分布在巷道(6-7)的任务，系统继续从巷道(7-(8+1))即巷道(7-9)取，没有分布在巷道(7-9)的任务，系统继续从巷道((7+1)-(8+1))即巷道(8-9)取，没有分布在巷道(8-9)的任务，系统继续从巷道((7-1)-(8+1))即巷道(6-9)取，没有分布在巷道(6-9)的任务。
第二轮:系统继续从巷道((7-2)-8)即巷道(5-8)取，没有分布在巷道(5-8)的任务,系统继续从巷道((7-2)-(8-2))即巷道(5-6)取，没有分布在巷道(5-6)的任务，系统继续从巷道(7-(8+2))即巷道(7-10)取，没有分布在巷道(7-10)的任务，系统继续从巷道((7+2)-(8+2))即巷道(9-10)取3单，系统将巷道(7-8)的17单，巷道(9-10)的3单组合生成一个任务：获取任务单号更新巷道(7-8)的任务数。
以上所述仅为本发明的较佳实施方式而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (2)
1.一种智能物流拣选路径组合方法，其特征在于，包括以下步骤：
S10、获取当前拣货区域的订单池任务，从中筛选出拣选订单任务；
S20、计算拣选订单任务中每个任务跨越的巷道间距，汇总得到拣选订单任务最大巷道间距M，最小巷道为P，最大巷道为Q，M、P、Q均为正整数；
S30、预设拣选任务节点值A，计算最大巷道间距M内具有最大任务数B1的最小巷道，比较B1和A，若B1不小于A，则拣选具有最大任务数B1的最小巷道，若B1小于A，则以具有最大任务数B1的最小巷道（X-Y）作为起始巷道，对最接近的巷道进行补充巷道操作，补充距离最近的巷道进行拣选，其中所述最小巷道（X-Y）代表包括巷道X、巷道Y以及位于巷道X到巷道Y之间的所有巷道，且巷道X到巷道Y之间的巷道数量最小，X、Y均为正整数，X≤Y，所述P≤X≤Q，P≤Y≤Q；
S40、拣选起始巷道（X-Y）到巷道（（X-n）-Y），并计算巷道的总任务数B2，若B2不小于A，则拣选巷道（X-Y）到巷道（（X-n）-Y）中靠前的A个任务，若B2小于A，则拣选巷道（（X-n）-Y）到巷道（（X-n）-（Y-n）），并计算巷道的总任务数B3，若B3不小于A，则拣选巷道（（X-n）-Y）到巷道（（X-n）-（Y-n））中靠前的A个任务，若B3小于A，则拣选巷道（（X-n）-Y）到巷道（X-（Y+n）），并计算巷道的总任务数B4，若B4不小于A，则拣选巷道（（X-n）-Y）到巷道（X-（Y+n））中靠前的A个任务，若B4小于A，则拣选巷道（（X-n）-Y）到巷道（（X+n）-（Y+n））,并计算五个巷道的总任务数B5，若B5不小于A，则拣选巷道（（X-n）-Y）到巷道（（X+n）-（Y+n））中靠前的A个任务，若B5小于A，则拣选巷道（（X-n）-（Y+n））到巷道（（X+n）-（Y+n）），并计算巷道（（X-n）-（Y+n））到巷道（（X+n）-（Y+n））的总任务数B6，若B6不小于A，则拣选巷道（（X-n）-（Y+n））到巷道（（X+n）-（Y+n））中靠前的A个任务，其中，巷道（（X-n）-Y）代表包括巷道X-n、巷道Y以及位于巷道X-n到巷道Y之间的所有巷道，巷道（（X-n）-（Y-n））代表包括巷道X-n、巷道Y-n以及位于巷道X-n到巷道Y-n之间的所有巷道，巷道（X-（Y+n））代表包括巷道X、巷道Y+n以及位于巷道X到巷道Y+n之间的所有巷道，巷道（（X+n）-（Y+n））代表包括巷道X+n、巷道Y+n以及位于巷道X+n到巷道Y+n之间的所有巷道，巷道（（X-n）-（Y+n））代表包括巷道X-n、巷道Y+n以及位于巷道X-n到巷道Y+n之间的所有巷道，其中n为正整数；
S50、若B6小于A，则重复S40并将n替换为n+1；
S60、若最大巷道间距M内所有任务数总和均小于A，则拣选所有巷道。
2.如权利要求1所述的智能物流拣选路径组合方法，其特征在于，筛选出拣选订单任务的方法包括：
S11、获取订单池中的所有订单任务；
S12、计算订单任务的订单时间信息，设定订单时间节点值T，比较订单时间信息和订单节点值T，若订单时间信息大于订单时间节点值T，则判定该订单任务为超时任务，若订单时间信息小于订单时间节点值T，则判定该订单任务为正常任务；
S13、获取S12中正常任务的批次属性，计算具有相同批次的正常任务的数量，并获得相同批次数量最多的任务，作为拣选订单任务。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811502014.8A CN109754203B (zh) | 2018-12-08 | 2018-12-08 | 一种智能物流拣选路径组合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811502014.8A CN109754203B (zh) | 2018-12-08 | 2018-12-08 | 一种智能物流拣选路径组合方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109754203A CN109754203A (zh) | 2019-05-14 |
| CN109754203B true CN109754203B (zh) | 2020-10-30 |
Family
ID=66402670
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811502014.8A Active CN109754203B (zh) | 2018-12-08 | 2018-12-08 | 一种智能物流拣选路径组合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109754203B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112180919B (zh) * | 2020-09-21 | 2023-07-28 | 苏州牧星智能科技有限公司 | 一种仓储系统中的机器人运行路径规划方法、装置及系统 |
| CN113822509B (zh) * | 2020-11-09 | 2023-11-03 | 北京京东振世信息技术有限公司 | 一种组单方法和装置 |
| CN113592199B (zh) * | 2021-08-26 | 2022-06-07 | 南京希音电子商务有限公司 | 一种利用巷道浓度与最小化集合覆盖的波次规划方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6847861B2 (en) * | 2001-11-30 | 2005-01-25 | Mckesson Automation, Inc. | Carousel product for use in integrated restocking and dispensing system |
| CN101968860A (zh) * | 2010-10-09 | 2011-02-09 | 北京物资学院 | 订单拣选方法及系统 |
| EP2711880B1 (de) * | 2012-09-24 | 2021-06-23 | KNAPP Systemintegration GmbH | Verfahren und Vorrichtung zur Kommissionierung von Waren in einem Warenlager |
| CN104992240B (zh) * | 2015-06-24 | 2018-07-20 | 北京京东尚科信息技术有限公司 | 一种优化拣货路径的方法及装置 |
| CN108229767B (zh) * | 2016-12-09 | 2022-06-28 | 阿里巴巴集团控股有限公司 | 一种拣货任务分配方法、装置及系统 |
| CN106809586B (zh) * | 2017-03-28 | 2019-08-30 | 北京京东尚科信息技术有限公司 | 用于确定拣货路径的方法和装置 |
-
2018
- 2018-12-08 CN CN201811502014.8A patent/CN109754203B/zh active Active
Non-Patent Citations (2)
| Title |
|---|
| 基于RFID的配送中心拣货路径优化算法的研究;敖日格乐;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150715;I140-104 * |
| 面向B2C电商平台的订单分拣优化研究;韦超豪;《中国优秀硕士学位论文全文数据库 经济与管理科学辑》;20170215;J157-561 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109754203A (zh) | 2019-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109754203B (zh) | 一种智能物流拣选路径组合方法 | |
| Henn et al. | Metaheuristics for order batching and sequencing in manual order picking systems | |
| Bertsimas et al. | Asymptotically optimal algorithms for job shop scheduling and packet routing | |
| Gharehgozli et al. | Polynomial time algorithms to minimize total travel time in a two-depot automated storage/retrieval system | |
| US7742906B2 (en) | Balancing collections of vertices in a network | |
| US7801640B1 (en) | Continuous item picking in a distribution center using coordinated item picking periods | |
| CN114154894B (zh) | 任务处理方法、装置、电子设备及计算机可读存储介质 | |
| EP4398165A1 (en) | Cargo arrangement method and apparatus, and device, warehousing system and storage medium | |
| CN111238481A (zh) | 一种多路径规划方法和系统 | |
| TW201928811A (zh) | 物品揀選方法及相關設備 | |
| Goeke et al. | Upper and lower bounds for the vehicle-routing problem with private fleet and common carrier | |
| CN115049342A (zh) | 货物的出库控制方法、装置和计算机可读存储介质 | |
| CN117332995B (zh) | 基于窄通道避堵的拣选订单分配规划方法、装置及介质 | |
| CN116644931A (zh) | 一种基于遗传算法的任务调度方法 | |
| CN114417444A (zh) | 一种排样方案的确定方法、装置及电子设备 | |
| US20210027228A1 (en) | Shipping operation assisting system, method therefor, and storage medium | |
| CN105808340B (zh) | 负载均衡方法及系统 | |
| CN104125146B (zh) | 一种业务处理方法及装置 | |
| CN112232605A (zh) | 派送资源的处理方法、装置、设备及计算机可读存储介质 | |
| Chan et al. | Flex distribution for bounded-suboptimal multi-agent path finding | |
| CN111369189A (zh) | 生成拣货任务的方法、装置、存储介质及电子设备 | |
| US10114567B1 (en) | Data processing system with efficient path selection for storage I/O operations | |
| CN113050574B (zh) | 机器人调度方法和装置 | |
| US8489228B2 (en) | Path planning in a warehouse | |
| US5568381A (en) | Combinatorial optimization system that extracts an undersirable relationship from a present solution |
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 |