CN110046845B - 一种场区车辆装载方法和装载系统 - Google Patents
一种场区车辆装载方法和装载系统 Download PDFInfo
- Publication number
- CN110046845B CN110046845B CN201910169060.9A CN201910169060A CN110046845B CN 110046845 B CN110046845 B CN 110046845B CN 201910169060 A CN201910169060 A CN 201910169060A CN 110046845 B CN110046845 B CN 110046845B
- Authority
- CN
- China
- Prior art keywords
- loading
- cargo
- goods
- constraint
- station
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
基于语音引导系统场区车辆装载方法,包括:采集待装载信息;采集车辆信息;判定输出单点提货控制信号或多点提货控制信号;判定装载模式;根据装载模式调用装载算法的约束条件,建立装载模型;求解装载模型,形成装载计划,建立装载计划和车辆的绑定关系;语音引导系统识别车辆并读取装载计划并输出;移动终端扫描待装载的货物,判定待装载的货物是否与语音引导系统输出的装载计划匹配;判断装载计划是否完成;语音引导系统输出装载完毕信号。本发明所公开的基于语音引导系统的场区车辆装载方法,可以保证家电货物在场区装载时,车辆的最佳装载率,尤其可以避免重复装箱的现象,提高了装载效率,具有实用性好的优点。
Description
技术领域
本发明涉及物流技术领域,尤其涉及一种场区车辆装载方法和一种场区车辆装载系统。
背景技术
家电企业的产品供应通常采用分散物流配送模式或大区集中配送模式,这两种模式下场区库存量均相当庞大,装卸搬运环节较多,运作效率低。
导致装卸搬运效率低的主要原因是无法保证理想的装载率,且重复装箱现象明显。举例来说,在场区内,通常采用多点集货的方式进行货物装载,即同一辆车可能会装载多个仓库的货物,操作人员凭经验装货,装载率很难保持理想水平,具有多年经验的操作人员才可以将车辆中的装卸率控制在良好水平并合理安排。而培养一个熟练操作人员的时间成本和经济成本均非常高。此外,操作凭借经验进行装货,需要反复地确认货物的种类和位置,而且装载时无法保证货物“后进先出”的装卸原则,这带来了繁重的重复装卸作业,重复装卸不仅增加了操作人员的上手难度及工作强度,而且容易发生货损,提高了货损率。
发明内容
为保证场区家电产品理想的装卸率,避免出现重复装箱的问题,本发明设计并公开了一种场区车辆装载方法。
本发明提供一种场区车辆装载方法,其特征在于,包括以下步骤:
采集货物的待装载信息;
采集车辆信息;
判定输出单点提货控制信号或输出多点提货控制信号;
判定装载模式:若输出单点提货控制信号,且卸货对象数量等于1,则判定为一对一装载模式;若输出单点提货控制信号,且卸货对象数量大于等于1,则判定为一对多装载模式;若输出多点提货控制信号,且卸货对象数量等于1,则判定为多对一装载模式;若输出多点提货控制信号,且卸货对象数量大于1,则判定为多对多装载模式;
根据判定出的装载模式调用装载算法的不同约束条件,建立对应装载模式的装载模型;
根据建立的装载模型完成装载流程。
本发明所公开的场区车辆装载方法,可以保证家电货物在场区装载时,车辆的最佳装载率,尤其可以避免重复装箱的现象,提高了装载效率,具有实用性好的优点。
同时还提供一种场区车辆装载系统,包括第一采集模块,所述第一采集模块用于采集货物的待装载信息;
第二采集模块,所述第二采集模块用于采集车辆信息;
第一控制模块,所述第一控制模块用于判定输出单点提货控制信号或输出多点提货控制信号;
第二控制模块,所述第二控制模块用于根据所述第一控制模块的判定结果和卸货对象的数量判定装载模式;
计算模块,所述计算模块用于根据判定出的装载模式调用装载算法的不同约束条件,建立对应装载模式的装载模型;
装载模块,所述装载模块用于根据建立的装载模型完成装载流程。
通过本发明所公开的场区车辆装卸系统,可以智能生成装载方案,一方面提高装载效率,另一方面,对货物和操作人员形成保障。
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一简单地介绍,显而易见地,下面描述中的附图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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所公开的场区车辆装载方法的流程图;
图2为本发明所公开的场区车辆装载方法中遗传算法求解的原理流程图;
图3为本发明所公开的场区车辆装载方法中遗传算法求解的流程图;
图4为本发明所公开的场区车辆装载系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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例,都属于本发明保护的范围。
如图1所示为本发明所公开的场区车辆装载方法一种具体实施例的流程图,具体来说,包括以下步骤:
步骤S101,采集货物的待装载信息。在本实施例中,待装载信息优选包括家电货物种类、家电货物的长、宽、高尺寸数据、数量、家电货物重量、卸货对象数量,即卸货对象的地址数量,和摆放限制参数等,还可以包括其它的装载相关数据。其中摆放限制参数优选根据家电货物种类自动生成。优选的,家电货物种类和摆放限制参数之间存在一一对应关系。举例来说,由于其中充注有制冷剂,冰箱和冷柜允许竖直正向直立放置、而电视则允许竖直正向直立放置或侧卧放置。为了便于数据调用,在此种情况下,冰箱和冷柜的摆放限制参数可以设定为(1、2),电视的摆放限制参数则可以设定为(1、2、5、6),家电货物种类和摆放限制参数的数据表根据使用限制由专业的操作人员编写并提前存储,以供在装卸方法中的不同进程随时进行调用。当然,货物种类和摆放限制参数也可以是独立输入的,在此不做限定。
步骤S102,采集车辆信息。在本实施例中,车辆信息包括车辆货舱的长、宽、高尺寸数据以及设定载重量;优选还包括最大载重量。
步骤S103,判定输出单点提货控制信号或输出多点提货控制信号。
单点提货控制信号和多点提货控制信号可以根据配车单货物是否是同一站点的货物判断。如果配车单货物是同一站点货物,则输出单点提货控制信号;如果不是同一站点货物,则输出单点提货控制信号。
另一种可选的方式是,对于待装载的任意一辆车辆,首先判定待装载信息是否与车辆信息匹配;若匹配,则输出单点提货控制信号,即使得待装载车辆前往一个站点装载货物;若不匹配,则输出多点提货控制信号,即使得装载车辆按照设定路径前往多个站点装载货物。多个站点优选设置在同一个工业园区内。
在步骤S103中,待装载信息与车辆信息之间的匹配关系优选通过设定载重量和货物重量之间的关系确定;即判定设定载重量是否小于等于货物重量,若设定载重量小于等于货物重量,则判定为待装载信息与车辆信息匹配。若设定载重量大于货物重量,则判定为待装载信息与车辆信息不匹配。
除利用设定载重量和货物重量之间大小关系判定待装载信息与车辆信息是否匹配之外,还可以利用待装载货物的体积、以及货舱体积乘以比例系数后的参照体积之间的大小关系判定待装载信息与车辆信息是否匹配:如果参照体积小于等于待装载货物的体积,即判定为待装载信息与车辆信息匹配;如果参照体积大于待装载货物的体积,即判定为待装载信息与车辆信息不匹配。
步骤S104,判定当前待装载货物和车辆条件下的优选装载模式:
如果输出单点提货控制信号,且卸货对象数量等于1,则判定为一对一装载模式;
如果输出单点提货控制信号,且卸货对象数量大于等于1,则判定为一对多装载模式;
如果输出多点提货控制信号,且卸货对象数量等于1,则判定为多对一装载模式;
如果输出多点提货控制信号,且卸货对象数量大于等于1,则判定为多对多装载模式;
步骤S105,根据判定出的装载模式所对应的约束条件调用对应的装载算法,建立装载模型。
步骤S106,根据建立的装载模型完成装载流程。
为建立适用于多种场景的装载算法的数学模型,在建立数学模型时首先采取一辆车的情况进行计算,在一辆车的基本情况下,可以推广到多辆车。
在建立适用于多种场景的装载数学模型之前,首先构建一个笛卡尔坐标系。即以货舱远离车门一侧侧壁的左侧角部顶点作为原点建立三维直角坐标系,之后数学模型中的长度、宽度、高度坐标即基于此坐标系建立。
具体来说,本实施例中适用于多种场景的装载算法的数学模型为:
Sir=lirwirhir (2)
gXir=Xir+ψX(wir,hir,lir,ort) (3)
gYir=Yir+ψY(wir,hir,lir,ort) (4)
gZir=Zir+ψZ(wir,hir,lir,ort),i∈I,r∈(1,2......,bi) (5)
gXir<L,gYir<W,gZir<H (6)
(Xir≥gXjt)V(Xjt≥gXir)V(Yir≥gYjt)V(Yjt≥gYir)V(Zir≥gZjt)V(Zjt≥gZir)i,j∈I,r∈{1,2…bi},t∈{1,2…bj} (7)
Wir-jt=min(Xir+wir,Xjt+wjt)-max(Xir,Xjt),i,j∈I,r∈{1,2…bi},t∈{1,2…bj},ir≠jt (8)
Lir-jt=min(Xir+lir,Xjt+ljt)-max(Xir,Xjt),i,j∈I,r∈{1,2…bi},t∈{1,2…bj},ir≠jt (9)
min{Xir}Pij≥max{tXjt}Pij,i,j∈I,r∈{1,2,…bi},t∈{1,2,…,bj} (12)
其中,i代表提货站的站点编号,I={1,2,...,N},r代表提货点的货物编号,r={1,2,...,N},X代表货舱中X方向的坐标值,Y代表货舱中Y方向的坐标值,Z代表货舱中Z方向的坐标值,(Xir,Yir,Zir)分别表示第i个站点的第r个货箱的左前下方顶点在车厢中X、Y、Z方向的坐标值,(gXir,gYir,gZir)表示与(Xir,Yir,Zir)相连的体对角线的顶点坐标;ort={1,2},代表水平和竖直对应的摆放约束系数,平行于X轴的边定义为相对宽,用ψX(wir,hir,lir,ort)表示,平行于Y轴的边定义为相对长,用ψY(wir,hir,lir,ort)表示,平行于Z轴的边定义为相对高,用ψZ(wir,hir,lir,ort)表示,货舱的长宽高分别为L、W、H,(Lir,Wir,Hir)表示第i个城市站的第r个货物的长宽高,bi是在第i个站点时货舱中的货物数,bj是在第j个站点时当前货舱中的货物数,Lir-jt,Wir-jt表示第i个站点的第r个货物与第j个站点的第t个货物相互接触面积的长、宽;ρ表示两个货物直接接触面积不能小于上层货物底面积的倍数,(ρ为给定常量,0≤ρ≤1);σir表示第i个城市站的第r个货物能承受的最大压强;Gir是每个货物的重量。
以下对数学模型进行进一步解释:
其中,式(1)为装载算法的目标函数,表示最大化装入货舱中的货物数,式(2)至式(5)约束货物在货舱中正交放置,即正交放置约束;式(6)约束货物都放置在货舱内部,不能超出货舱的空间范围,即空间范围约束;式(7)约束货舱中的任意两个货物的放置空间不重叠,即不重叠约束;式(8)和式(9)是第i个站点的第r个货物接触面的长度和宽度计算公式;式(10)是式(1)中的定义;式(11)是式(12)中Pij的定义;式(12)是装载时要遵守”后进先出”原则,即后进先出约束;式(13)是保证所有货物必须有支撑区域的约束条件,即不可悬空约束;式(14)是式(15)中Uir-jt的定义;式(15)是保证上层货物的重量不大于下层货物的重量,即重不压轻约束。
在本实施例中,若判定为一对一装载模式,则仅按照装载率最大的原则进行装车,即调用装载算法中的正交放置约束、不重叠约束和空间范围约束,求解目标函数,计算得到货物进入货舱的目标坐标位置。
若判定为一对多装载模式,则调用装载算法中的正交放置约束、空间范围约束、不重叠约束和后进先出约束,即考虑卸货顺序的条件下,求解目标函数,计算得到货物进入货舱的目标坐标位置。
若判定为多对一装载模式,则在每一个站点均调用一次装载算法中的正交放置约束、不重叠约束和空间范围约束,即在每个站点均按本站点货物装载率最大的条件(局部装载率最大)下,求解目标函数,计算得到货物进入货舱的目标位置。
若判定为多对多装载模式,则首先判定最后一个站点的场区面积是否大于等于设定面积,若大于等于设定面积,则在除最后一个站点外的每一个站点均调用一次装载算法中的正交放置约束、不重叠约束和空间范围约束,求解目标函数,计算得到货物进入货舱的目标坐标位置。在最后一个站点卸货后,调用装载算法中的正交放置约束、空间范围约束、不重叠约束和后进先出约束,求解目标函数,再次计算货物进入货舱的目标坐标位置。若小于设定面积,则在每一个站点均调用一次装载算法中的正交放置约束、不重叠约束和空间范围约束,求解目标函数,计算得出货物进入货舱的目标坐标位置。
优选的,除根据判定的装载模型调用约束条件外,在操作人员进行操作时,装载算法中式(12)、式(13)和式(15)所约定的约束条件即后进先出约束、不可悬空约束、重不压轻约束还可以根据装载需求调用。
在本实施例中,上述目标函数和约束条件优选通过遗传算法求解。遗传算法是建立在达尔文进化论基础上的搜索算法,它从代表问题潜在解的一个种群开始,而一个种群则由经过基因编码的一定数目的个体组成。遗传算法采用了自然进行模型,如选择、交叉、变异等。计算开始时,一定数目S个个体(父个体1、父个体2……)即种群随机地初始化,并计算每个个体的适应度函数,第一代也即初始代产生,如果不满足优化准则,开始产生新一代的计算。为了产生新一代,按照适应度选择个体、父代通过基因重组(交叉)而产生子代、所有的子代按一定的概率变异,然后重新计算子代适应度,将子代插入到种群中取代父代,构成新的一代,循环执行这一过程,直到满足优化准则。
在本方法中,遗传算法求解具体包括以下步骤:
S201.给定初始参数,所述初始参数包括最大迭代次数,种群规模,交叉概率和变异概率;
S202.产生初始种群:根据初始解的产生规则,产生初始种群;
S203.依据种群中的装载顺序与货物摆放方向,按照货物的摆放规则对货物进行装车;
S204.根据装车情况计算种群中每个个体的适应值;
S205.根据选择操作规则,选择适应度较高的个体产生下一代新个体;
S206.进行交叉操作并更新子代;
S207.进行变异操作并更新子代;
S208.如果未达到最大迭代次数,则执行步骤S202;否则执行步骤S209;
S209.停止运算,输出计算结果。
更具体的说,如图3所示,采用遗传算法求解时,首先对家电货物的摆放方位进行编码设计。对于仅有长、宽、高三个维度的家电货物来说,存在六个可用的方位编码,即(O,1,2,3,4,5)。但是,由于家电多数不能倒置或翻转,因此,也可以仅设定对应lir,wir,hir和wir,lir,hir的两个方位编码,即0和1。其次,建立货物的编号和方位,即每层中放置的货物号、顺序和方位,首先对沿行进路线各站点的货物按装载的先后顺序用自然数顺序编码,即对第一个站点的货物编码为1,2,...n1,第k站的货物编码为 即(1、3、4、7、8)表示货箱中顺序放置1、3、4、7、8货物。
不难理解,将任意一个货物贴壁装载入货舱内会产生三个新平面,即货物右方平面,货物前方平面(靠近门一侧)和货物上方平面。对于下一个装入货舱的货物来说,货舱内即存在当前所有可装入的平面集合。尝试将当前货物装入平面集合中的一个目标平面。选择目标平面的原则是,首先考虑将货物装入离x轴较近的平面(使得求解更容易满足先进后出的约束条件),如果存在多个与x轴距离相同的平面,则考虑选择面积较小的平面(面积小的平面有效利用的概率低,且随着装载的进行越发难以被应用);如果存在多个面积最小且面积相同的平面,则考虑离y轴较近的平面。
进一步考虑放置方位,选定目标平面后,判断当前目标平面是否可以按jk方向放置该货物。如果目标平面不能按jk方向放置该货物,则增加新的一层,按照新的一层确定新的基点,同时更新平面集合。然后再次判断当前目标平面是否可以按jk方向放置该货物。如果目标平面可以按jk方向放置该货物,则计算货物的接触面积,选择接触面积与目标平面面积之间差值最小的一种摆放方式放入。如果有两种方式接触面积与目标平面面积之间差值相同,则选择能够产生最大可利用目标平面的方式放入。放入后,则自动产生新的平面,并根据优先装入目标平面更新目标平面的存储顺序。进一步判断下一个货物能否放入新的平面。
采用遗传算法的求解可以采用MATLAB中的遗传算法函数,或者通过C语言编程实现。
为了便于操作人员了解装载效果,建立对应装载模式的装载模型后,还包括仿真步骤。在仿真步骤中,按照装载模型计算的每一个货物的装载顺序逐个显示装载过程。在仿真步骤中,操作人员也可以根据实际装载需求主动选择约束条件,查看不同约束条件下的装载效果。
仿真模式分为手动逐个装车仿真和连续自动仿真两种情形。对于手动逐个仿真情形,操作人员每激活一次,即调用读取一次计算结果,并按照计算结果中的装车顺序,仿真将第一个货物装入货舱中;操作人员再激活一次,则再调用读取一次计算结果,并按照计算结果中的装车顺序,将第二个货物装入货舱中。具体流程如下:首先定义初始化变量,包括激活次数和已装车货物队列,初始值均赋值为0;用户激活一次,生成变量x用于记录计算结果的行数,变量x的初始值为零,同时激活次数加1;逐行读取计算结果的每一行,变量x的值逐行增加,当变量x的值与激活次数相等时,将该行数据存入缓存中,根据缓存中的行数据输出仿真对象结果。对于连续仿真情形,操作人员激活一次,即按照设定的时间间隔调用读取计算结果,并按照计算结果中的装车顺序,仿真连续将货物逐个置于货舱中。
本发明所公开的场区车辆装载方法,可以保证家电货物在场区装载时,车辆的最佳装载率,尤其可以避免重复装箱的现象,提高了装载效率,具有实用性好的优点。
如图4所示,本发明同时公开了一种场区车辆装载系统。场区车辆装载系统包括:
第一采集模块,第一采集模块用于采集货物的待装载信息。在本实施例中,待装载信息优选包括家电货物种类、家电货物的长、宽、高尺寸数据、数量、家电货物重量、卸货对象数量,即卸货对象的地址数量,和摆放限制参数等,还可以包括其它的装载相关数据。其中摆放限制参数优选根据家电货物种类自动生成。优选的,家电货物种类和摆放限制参数之间存在一一对应关系。举例来说,由于其中充注有制冷剂,冰箱和冷柜允许竖直正向直立放置、而电视则允许竖直正向直立放置或侧卧放置。为了便于数据调用,在此种情况下,冰箱和冷柜的摆放限制参数可以设定为(1、2),电视的摆放限制参数则可以设定为(1、2、5、6),家电货物种类和摆放限制参数的数据表根据使用限制由专业的操作人员编写并提前存储,以供在装卸方法中的不同进程随时进行调用。当然,货物种类和摆放限制参数也可以是独立输入的,在此不做限定。
第二采集模块,第二采集模块用于采集车辆信息。车辆信息包括车辆货舱的长、宽、高尺寸数据以及设定载重量;优选还包括最大载重量。
第一控制模块用于判定输出单点提货控制信号或输出多点提货控制信号。第一控制信号可以根据配车单货物是否是同一站点的货物判断。如果配车单货物是同一站点货物,则输出单点提货控制信号。如果不是同一站点货物,则输出单点提货控制信号。
另一种可选的方式是,第一控制模块用于判定待装载信息是否与车辆信息匹配,并根据匹配结果输出提货控制信号。待装载信息与车辆信息之间的匹配关系优选通过设定载重量和货物重量之间的关系确定;即判定设定载重量是否小于等于货物重量,若设定载重量小于等于货物重量,则判定为待装载信息与车辆信息匹配。若设定载重量大于货物重量,则判定为待装载信息与车辆信息不匹配。
第二控制模块,第二控制模块用于根据第一控制模块的判定结构和卸货对象的数量判定装载模式。即根据卸货对象数量判定为一对一装卸模式、一对多装卸模式、多对一装卸模式和多对多装卸模式。
计算模块,计算模块用于根据判定出的装载模式调用装载算法的不同约束条件,建立对应装载模式的装载模型。装载算法在上文中有详细介绍,在此不再赘述。
装载模块,装载模块用于根据建立的装载模型完成装载流程。
优选的,还包括仿真模块,仿真模块用于按照装载模型计算的每一个货物的装载顺序逐个显示装载过程。仿真模块包括手动仿真单元和连续仿真单元。
通过本发明所公开的场区车辆装卸系统,可以智能生成装载方案,一方面提高装载效率,另一方面,对货物和操作人员形成保障。
对于系统/装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者一个操作与另一个实体或者另一个操作区分开来,而不一定要求或者暗示这些实体或者操作之间存在任何这种实际的关系或者顺序。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种场区车辆装载方法,其特征在于,包括以下步骤:
采集货物的待装载信息;
采集车辆信息;
判定输出单点提货控制信号或输出多点提货控制信号;
判定装载模式:若输出单点提货控制信号,且卸货对象数量等于1,则判定为一对一装载模式;若输出单点提货控制信号,且卸货对象数量大于等于1,则判定为一对多装载模式;若输出多点提货控制信号,且卸货对象数量等于1,则判定为多对一装载模式;若输出多点提货控制信号,且卸货对象数量大于1,则判定为多对多装载模式;
根据判定出的装载模式调用装载算法的不同约束条件,建立对应装载模式的装载模型;
根据建立的装载模型完成装载流程;
其中装载算法的数学模型为:
Sir=lirwirhir (2)
gXir=Xir+ψX(wir,hir,lir,ort) (3)
gYir=Yir+ψY(wir,hir,lir,ort) (4)
gZir=Zir+ψZ(wir,hir,lir,ort),i∈I,r∈(1,2......,bi) (5)
gXir<L,gYir<W,gZir<H (6)
(Xir≥gXjt)∨(Xjt≥gXir)∨(Yir≥gYjt)∨(Yjt≥gYir)∨(Zir≥gZjt)∨(Zjt≥gZir)i,j∈I,r∈{1,2…bi},t∈{1,2…bj} (7)
Wir-jt=min(Xir+wir,Xjt+wjt)-max(Xir,Xjt),i,j∈I,r∈{1,2…bi},t∈{1,2…bj},ir≠jt (8)
Lir-jt=min(Xir+lir,Xjt+ljt)-max(Xir,Xjt),i,j∈I,r∈{1,2…bi},t∈{1,2…bj},ir≠jt (9)
min{Xir}Pij≥max{tXjt}Pij,i,j∈I,r∈{1,2,…bi},t∈{1,2,…,bj} (12)
其中,i代表提货站点编号,I={1,2,…,N},r代表提货点的货物编号,r={1,2,…,N},X代表货舱中X方向的坐标值,Y代表货舱中Y方向的坐标值,Z代表货舱中Z方向的坐标值,(Xir,Yir,Zir)分别表示第i个站点的第r个货箱的左前下方顶点在车厢中X、Y、Z方向的坐标值,(gXir,gYir,gZir)表示与(Xir,Yir,Zir)相连的体对角线的顶点坐标;ort={1,2},代表水平和竖直对应的摆放约束系数,平行于X轴的边定义为相对宽,用ψX(wir,hir,lir,ort)表示,平行于Y轴的边定义为相对长,用ψY(wir,hir,lir,ort)表示,平行于Z轴的边定义为相对高,用ψZ(wir,hir,lir,ort)表示,货舱的长宽高分别为L、W、H,(Lir,Wir,Hir)表示第i个城市站的第r个货物的长宽高,bi是在第i个站点时货舱中的货物数,bj是在第j个站点时当前货舱中的货物数,Lir-jt,Wir-jt表示第i个站点的第r个货物与第j个站点的第t个货物相互接触面积的长、宽;ρ表示两个货物直接接触面积不能小于上层货物底面积的倍数,ρ为给定常量,0≤ρ≤1;σir表示第i个城市站的第r个货物能承受的最大压强;Gir是每个货物的重量;
其中,式(1)为装载算法的目标函数,表示最大化装入货舱中的货物数,式(2)至式(5)约束货物在货舱中正交放置,即正交放置约束;式(6)约束货物都放置在货舱内部,不能超出货舱的空间范围,即空间范围约束;式(7)约束货舱中的任意两个货物的放置空间不重叠,即不重叠约束;式(8)和式(9)是第i个站点的第r个货物接触面的长度和宽度计算公式;式(10)是式(1)中的定义;式(11)是式(12)中Pij的定义;式(12)是装载时要遵守“后进先出”原则,即后进先出约束;式(13)是保证所有货物必须有支撑区域的约束条件,即不可悬空约束;式(14)是式(15)中Uir-jt的定义;式(15)是保证上层货物的重量不大于下层货物的重量,即重不压轻约束;
其中,式(12)、式(13)和式(15)所约定的约束条件根据判定的装载模型和/或装载需求调用;
若判定为一对一装载模式,则调用装载算法中的正交放置约束、空间范围约束和不重叠约束,求解目标函数,计算货物进入货舱的目标坐标位置;
若判定为一对多装载模式,则调用装载算法中的正交放置约束、空间范围约束、不重叠约束和后进先出约束,求解目标函数,计算货物进入货舱的目标坐标位置;
若判定为多对一装载模式,则在每一个站点均调用一次装载算法中的正交放置约束、不重叠约束和空间范围约束,求解目标函数,计算货物进入货舱的目标坐标位置;
若判定为多对多装载模式,则首先判定最后一个站点的场区面积是否大于等于设定面积,若大于等于设定面积,则在除最后一个站点外的每一个站点均调用一次装载算法中的正交放置约束和空间范围约束,求解目标函数,计算货物进入货舱的目标坐标位置;在最后一个站点卸货后,调用装载算法中的正交放置约束、空间范围约束、不重叠约束和后进先出约束,求解目标函数,再次计算货物进入货舱的目标坐标位置;若小于设定面积,则在每一个站点均调用一次装载算法中的正交放置约束、空间范围约束和不重叠约束,求解目标函数,计算货物进入货舱的目标坐标位置。
2.根据权利要求1所述的场区车辆装载方法,其特征在于,
所述待装载信息包括待装载的货物重量,所述车辆信息包括车辆的设定载重量;
若所述设定载重量小于等于所述货物重量,则判定为所述待装载信息与所述车辆信息匹配,输出单点提货控制信号;若所述设定载重量大于货物重量,则判定为所述待装载信息与所述车辆信息不匹配,输出多点提货控制信号。
3.根据权利要求1所述的场区车辆装载方法,其特征在于:
所述装载算法采用遗传算法求解。
4.根据权利要求3所述的场区车辆装载方法,其特征在于:
所述遗传算法求解包括以下步骤:
S201.给定初始参数,所述初始参数包括最大迭代次数,种群规模,交叉概率和变异概率;
S202.产生初始种群:根据初始解的产生规则,产生初始种群;
S203.依据种群中的装载顺序与货物摆放方向,按照货物的摆放规则对货物进行装车;
S204.根据装车情况计算种群中每个个体的适应值;
S205.根据选择操作规则,选择适应度较高的个体产生下一代新个体;
S206.进行交叉操作并更新子代;
S207.进行变异操作并更新子代;
S208.如果未达到最大迭代次数,则执行步骤S202;否则执行步骤S209;
S209.停止运算,输出计算结果。
5.根据权利要求4所述的场区车辆装载方法,其特征在于:
建立对应装载模式的装载模型后,还包括仿真步骤:按照所述装载模型计算的每一个货物的装载顺序逐个显示装载过程。
6.一种场区车辆装载系统,其特征在于,包括:
第一采集模块,所述第一采集模块用于采集货物的待装载信息;
第二采集模块,所述第二采集模块用于采集车辆信息;
第一控制模块,所述第一控制模块用于判定输出单点提货控制信号或输出多点提货控制信号;
第二控制模块,所述第二控制模块用于根据所述第一控制模块的判定结果和卸货对象的数量判定装载模式;若输出单点提货控制信号,且卸货对象数量等于1,则判定为一对一装载模式;若输出单点提货控制信号,且卸货对象数量大于等于1,则判定为一对多装载模式;若输出多点提货控制信号,且卸货对象数量等于1,则判定为多对一装载模式;若输出多点提货控制信号,且卸货对象数量大于1,则判定为多对多装载模式;
计算模块,所述计算模块用于根据判定出的装载模式调用装载算法的不同约束条件,建立对应装载模式的装载模型;
装载模块,所述装载模块用于根据建立的装载模型完成装载流程;
其中装载算法的数学模型为:
Sir=lirwirhir (2)
gXir=Xir+ψX(wir,hir,lir,ort) (3)
gYir=Yir+ψY(wir,hir,lir,ort) (4)
gZir=Zir+ψZ(wir,hir,lir,ort),i∈I,r∈(1,2......,bi) (5)
gXir<L,gYir<W,gZir<H (6)
(Xir≥gXjt)∨(Xjt≥gXir)∨(Yir≥gYjt)∨(Yjt≥gYir)∨(Zir≥gZjt)∨(Zjt≥gZir)i,j∈I,r∈{1,2…bi},t∈{1,2…bj} (7)
Wir-jt=min(Xir+wir,Xjt+wjt)-max(Xir,Xjt),i,j∈I,r∈{1,2…bi},t∈{1,2…bj},ir≠jt (8)
Lir-jt=min(Xir+lir,Xjt+ljt)-max(Xir,Xjt),i,j∈I,r∈{1,2…bi},t∈{1,2…bj},ir≠jt (9)
min{Xir}Pij≥max{tXjt}Pij,i,j∈I,r∈{1,2,…bi},t∈{1,2,…,bj} (12)
其中,i代表提货站点编号,I={1,2,…,N},r代表提货点的货物编号,r={1,2,…,N},X代表货舱中X方向的坐标值,Y代表货舱中Y方向的坐标值,Z代表货舱中Z方向的坐标值,(Xir,Yir,Zir)分别表示第i个站点的第r个货箱的左前下方顶点在车厢中X、Y、Z方向的坐标值,(gXir,gYir,gZir)表示与(Xir,Yir,Zir)相连的体对角线的顶点坐标;ort={1,2},代表水平和竖直对应的摆放约束系数,平行于X轴的边定义为相对宽,用ψX(wir,hir,lir,ort)表示,平行于Y轴的边定义为相对长,用ψY(wir,hir,lir,ort)表示,平行于Z轴的边定义为相对高,用ψZ(wir,hir,lir,ort)表示,货舱的长宽高分别为L、W、H,(Lir,Wir,Hir)表示第i个城市站的第r个货物的长宽高,bi是在第i个站点时货舱中的货物数,bj是在第j个站点时当前货舱中的货物数,Lir-jt,Wir-jt表示第i个站点的第r个货物与第j个站点的第t个货物相互接触面积的长、宽;ρ表示两个货物直接接触面积不能小于上层货物底面积的倍数,ρ为给定常量,0≤ρ≤1;σir表示第i个城市站的第r个货物能承受的最大压强;Gir是每个货物的重量;
其中,式(1)为装载算法的目标函数,表示最大化装入货舱中的货物数,式(2)至式(5)约束货物在货舱中正交放置,即正交放置约束;式(6)约束货物都放置在货舱内部,不能超出货舱的空间范围,即空间范围约束;式(7)约束货舱中的任意两个货物的放置空间不重叠,即不重叠约束;式(8)和式(9)是第i个站点的第r个货物接触面的长度和宽度计算公式;式(10)是式(1)中的定义;式(11)是式(12)中Pij的定义;式(12)是装载时要遵守“后进先出”原则,即后进先出约束;式(13)是保证所有货物必须有支撑区域的约束条件,即不可悬空约束;式(14)是式(15)中Uir-jt的定义;式(15)是保证上层货物的重量不大于下层货物的重量,即重不压轻约束;
其中,式(12)、式(13)和式(15)所约定的约束条件根据判定的装载模型和/或装载需求调用;
若判定为多对多装载模式,则首先判定最后一个站点的场区面积是否大于等于设定面积,若大于等于设定面积,则在除最后一个站点外的每一个站点均调用一次装载算法中的正交放置约束和空间范围约束,求解目标函数,计算货物进入货舱的目标坐标位置;在最后一个站点卸货后,调用装载算法中的正交放置约束、空间范围约束、不重叠约束和后进先出约束,求解目标函数,再次计算货物进入货舱的目标坐标位置;若小于设定面积,则在每一个站点均调用一次装载算法中的正交放置约束、空间范围约束和不重叠约束,求解目标函数,计算货物进入货舱的目标坐标位置。
7.根据权利要求6所述的场区车辆装载系统,其特征在于,还包括:
仿真模块,所述仿真模块用于按照所述装载模型计算的每一个货物的装载顺序逐个显示装载过程。
8.根据权利要求7所述的场区车辆装载系统,其特征在于,
所述仿真模块包括手动仿真单元和连续仿真单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910169060.9A CN110046845B (zh) | 2019-03-06 | 2019-03-06 | 一种场区车辆装载方法和装载系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910169060.9A CN110046845B (zh) | 2019-03-06 | 2019-03-06 | 一种场区车辆装载方法和装载系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110046845A CN110046845A (zh) | 2019-07-23 |
CN110046845B true CN110046845B (zh) | 2022-05-20 |
Family
ID=67274578
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910169060.9A Active CN110046845B (zh) | 2019-03-06 | 2019-03-06 | 一种场区车辆装载方法和装载系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110046845B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110414851A (zh) * | 2019-07-31 | 2019-11-05 | 秒针信息技术有限公司 | 自动装货方法和装置 |
CN110963319B (zh) * | 2019-11-06 | 2020-11-24 | 南京大学 | 一种考虑卸货顺序的装车方法 |
CN111027405B (zh) * | 2019-11-15 | 2023-09-01 | 浙江大华技术股份有限公司 | 物品空间占比估计方法、装置、终端及存储装置 |
CN111932173A (zh) * | 2020-07-23 | 2020-11-13 | 江苏智临物流有限公司 | 一种干线运输的方法、装置及可读存储介质 |
JP7484556B2 (ja) * | 2020-08-17 | 2024-05-16 | 富士通株式会社 | 情報処理装置、最適化方法および最適化プログラム |
CN112541227A (zh) * | 2020-12-08 | 2021-03-23 | 广汽乘用车有限公司 | 一种汽车零部件物流配载系统及方法 |
CN113722921B (zh) * | 2021-09-02 | 2024-08-06 | 江苏智库智能科技有限公司 | 一种车厢装载系统及方法 |
CN113753604B (zh) * | 2021-09-10 | 2023-01-03 | 中铁二十局集团有限公司 | 一种铁路货运装卸控制系统 |
CN117611034B (zh) * | 2024-01-17 | 2024-03-26 | 山东岱岳制盐有限公司 | 一种产品装车智能输送控制管理系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831767A (zh) * | 2012-08-13 | 2012-12-19 | 东南大学 | 一种综合成本优化的城市公共交通多模式站点停靠方法 |
CN103617743A (zh) * | 2013-11-22 | 2014-03-05 | 冶金自动化研究设计院 | 基于rfid与电力载波的钢铁企业车辆定位系统及方法 |
WO2014152670A2 (en) * | 2013-03-14 | 2014-09-25 | Master Lock Company Llc | Systems and methods for facilitating loading and monitoring of shipments |
CN105976152A (zh) * | 2016-05-30 | 2016-09-28 | 中车青岛四方机车车辆股份有限公司 | 基于轨道车辆的货物运输方法和装置 |
CN109345017A (zh) * | 2018-10-08 | 2019-02-15 | 南京航空航天大学 | 一种考虑装箱约束的车间物料配送优化方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104680237A (zh) * | 2015-03-10 | 2015-06-03 | 西南科技大学 | 一种多约束条件下三维装箱新型遗传算法模型 |
US10592842B2 (en) * | 2015-12-02 | 2020-03-17 | Walmart Apollo, Llc | Methods and systems for loading products into a cargo space of a delivery vehicle |
CN105976030B (zh) * | 2016-03-15 | 2019-08-20 | 武汉宝钢华中贸易有限公司 | 基于多智能体月台调度智能排序模型的构造 |
CN107622321B (zh) * | 2017-07-27 | 2020-11-13 | 国家粮食和物资储备局山东局八三二处 | 一种基于多约束条件智能生成箱体装载方案的方法 |
-
2019
- 2019-03-06 CN CN201910169060.9A patent/CN110046845B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831767A (zh) * | 2012-08-13 | 2012-12-19 | 东南大学 | 一种综合成本优化的城市公共交通多模式站点停靠方法 |
WO2014152670A2 (en) * | 2013-03-14 | 2014-09-25 | Master Lock Company Llc | Systems and methods for facilitating loading and monitoring of shipments |
CN103617743A (zh) * | 2013-11-22 | 2014-03-05 | 冶金自动化研究设计院 | 基于rfid与电力载波的钢铁企业车辆定位系统及方法 |
CN105976152A (zh) * | 2016-05-30 | 2016-09-28 | 中车青岛四方机车车辆股份有限公司 | 基于轨道车辆的货物运输方法和装置 |
CN109345017A (zh) * | 2018-10-08 | 2019-02-15 | 南京航空航天大学 | 一种考虑装箱约束的车间物料配送优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110046845A (zh) | 2019-07-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046845B (zh) | 一种场区车辆装载方法和装载系统 | |
CN110059996B (zh) | 一种基于语音引导系统的场区车辆装载方法 | |
CN109359739A (zh) | 基于遗传算法的堆叠组合方法、装置、设备和存储介质 | |
CN111065103B (zh) | 一种多目标优化的无线传感器网络节点部署方法 | |
CN109447311A (zh) | 基于遗传算法的适配装箱方法、装置、设备和存储介质 | |
Ma et al. | Ensemble multi-objective biogeography-based optimization with application to automated warehouse scheduling | |
CN107480922A (zh) | 两端式同轨双车运行模式下货位分配调度模型建立方法 | |
CN110443549B (zh) | 一种物流仓库中物品的装箱方案生成方法及系统 | |
Hidalgo-Paniagua et al. | Applying the MOVNS (multi-objective variable neighborhood search) algorithm to solve the path planning problem in mobile robotics | |
CN109447317A (zh) | 一种基于多人同时拣货的仓库最短路径优化方法 | |
CN111709061B (zh) | 室内物品自动摆放处理方法、装置以及设备、存储介质 | |
WO2023082728A1 (zh) | 一种装箱任务处理方法、装置及设备 | |
CN108510095B (zh) | 一种拣货路径的确定方法及装置 | |
CN114417696A (zh) | 一种基于遗传算法的自动化立体仓库货位分配优化方法 | |
CN107977756A (zh) | 解决三维装箱问题的三叉树规划计算方法 | |
CN104504468B (zh) | 基于三维移动模式序列与密母算法的三维装箱方法 | |
CN113627642A (zh) | 基于自适应大规模邻域搜索算法的堆垛机路径优化方法 | |
CN111027902A (zh) | 无人仓货品运输匹配方法及装置 | |
CN112711972B (zh) | 一种目标检测方法及装置 | |
CN109685278A (zh) | 装箱方法、设备和计算机可读存储介质 | |
Harun et al. | A genetic algorithm based task scheduling system for logistics service robots | |
CN113110422A (zh) | 一种基于q-iga动态拟合贝塞尔曲线的路径规划方法 | |
CN112785045A (zh) | 一种运用混合模拟退火算法的堆垛最优配置空间方法 | |
Hayat et al. | Mobile robot path planning for circular shaped obstacles using simulated annealing | |
CN112001053B (zh) | 货架数据处理方法、装置、电子设备及可读介质 |
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 | ||
CB02 | Change of applicant information |
Address after: 266101 Haier Industrial Park, Haier Road, Laoshan District, Shandong, Qingdao, China Applicant after: Ririshun Supply Chain Technology Co.,Ltd. Address before: 266101 Haier Industrial Park, Haier Road, Laoshan District, Shandong, Qingdao, China Applicant before: QINGDAO RIRISHUN LOGISTICS Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |