CN110414888A - 一种智能装箱方法、设备及存储介质 - Google Patents
一种智能装箱方法、设备及存储介质 Download PDFInfo
- Publication number
- CN110414888A CN110414888A CN201910595559.6A CN201910595559A CN110414888A CN 110414888 A CN110414888 A CN 110414888A CN 201910595559 A CN201910595559 A CN 201910595559A CN 110414888 A CN110414888 A CN 110414888A
- Authority
- CN
- China
- Prior art keywords
- cased
- goods
- cased goods
- group
- loading
- 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.)
- Pending
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Container Filling Or Packaging Operations (AREA)
Abstract
本发明公开了一种智能装箱方法、设备、及计算机可读存储介质。该方法包括根据所述待装箱货物清单的信息,将待装箱货物进行分组,得到多组待装箱货物,根据待装载容器的尺寸、每组待装箱货物的尺寸以及承重能力,对每组待装箱货物的装载性能进行评估,根据所述每组待装箱货物的装载性能评估结果、预估的待装载容器装载体积区间和承重,从多组待装箱货物的组合可能性中,选出最优装箱组合方案。采用本发明,对待装箱货物分类、并对各组待装箱货物进行可装载性评估,根据评估结果和装载条件选出最优装载方案,可以大概率提高装箱的成功率,显著的减少计算时间。
Description
技术领域
本发明涉及物流技术领域,尤其涉及一种智能装箱方法、设备及存储介质。
背景技术
在物流领域中,集装箱是现代重要的运输工具,它是一种规范、标准的运输容器,集装箱的使用大大提高了运输效率。随着现代贸易的快速发展,货物订单和种类数量越来越多。如何将包括大量货物的库存清单分成多个集装箱清单,并且能够满足各种装载条件,同时还能提高集装箱空间利用率,是物流领域中普遍存在的问题。
现存的装箱算法多少基于动态规划(dynamic programming)的分组算法。在组合数量很大时,会产生一个特别巨大的搜索树,因此在有限的时间内不能遍历所有的解,选出的解仅仅是局部较优方案,且不能一次性产生多个解。
发明内容
有鉴于此,本发明的目的在于提供一种智能装箱方法、设备及存储介质,以解决现有技术所采用的装箱方法需要大量计算时间的问题。
本发明解决上述技术问题所采用的技术方案如下:
根据本发明的第一个方面,提供一种智能装箱方法,适用于智能装箱设备,所述方法包括以下步骤:
输入待装箱货物清单、预估的待装载容器装载体积区间和承重;
根据所述待装箱货物清单的信息,将待装箱货物进行分组,得到多组待装箱货物;
根据待装载容器的尺寸、每组待装箱货物的尺寸以及承重能力,对每组待装箱货物的装载性能进行评估;
根据所述每组待装箱货物的装载性能评估结果、预估的待装载容器装载体积区间和承重,从多组待装箱货物的组合可能性中,选出最优装箱组合方案;
输出最优装箱组合方案。
根据本发明的第二个方面,提供一种智能装箱设备,所述设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如第一个方面所述的步骤。
本发明实施例的智能装箱方法、设备、及存储介质,通过对待装箱货物分类、并对各组待装箱货物进行可装载性评估,根据评估结果和装载条件选出最优装载方案,可以大概率提高装箱的成功率,显著的减少计算时间,同时,由于不需要提前将库存清单的待装箱货物机械地组合,保证了待装箱货物在分组过程中组合的多样性和灵活性。
附图说明
图1为本发明实施例一提供的一种智能装箱方法的流程图;
图2为本发明实施例二提供的另一种智能装箱方法的流程图;
图3为本发明实施例三提供的一种智能装箱设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在后续的描述中,如果使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。
本发明实施例一提供了一种智能装箱方法。本实施例的智能装箱适用于智能装箱设备。请参阅图1,方法流程包括:
步骤S101、输入待装箱货物清单、预估的待装载容器装载体积区间和承重;
预估的待装载容器装载体积,是根据待装载容器的装载能力对待载容器预估的装载体积区间。
待装箱清单货物包括货物信息(货物名称、货物数量、货物重量、货物承重、货物尺寸等)、客户信息、运送目的地等。
可选地,还可以包括待装载预期分组数量。
步骤S102、根据所述待装箱货物清单的信息,将待装箱货物进行分组,得到多组待装箱货物;
可选地,根据所述待装箱货物清单,将待装箱货物进行分组,得到多组待装箱货物,具体方式为:
根据所述待装箱货物的客户信息、货物名称、货物重量以及运输目的地,将所述待装箱货物进行分类,得到多组待装箱货物,并统计每组待装箱货物的尺寸、重量。
步骤S103、根据待装载容器的尺寸、每组待装箱货物的尺寸以及承重能力,对每组待装箱货物的装载性能进行评估;
可选地,根据待装载容器的尺寸、每组待装箱货物的尺寸以及承重能力,对每组待装箱货物的装载性能进行评估,包括:
以待装载容器的尺寸、每个待装箱货物自重为基准,对每个待装箱货物的装载性能进行评估;
对每组待装箱货物的装载性能进行统计,得到每组待装箱货物的装载性能评估结果。
步骤S104、根据所述每组待装箱货物的装载性能评估结果、预估的待装载容器装载体积区间和承重,从多组待装箱货物的组合可能性中,选出最优装箱组合方案;
可选地,根据所述每组待装箱货物的装载性能评估结果、预估的待装载容器装载体积区间和承重,从多组待装箱货物的组合方案中,选出装箱组合最优方案,具体方式为:
从表示多组待装箱货物的组合可能性的矩阵中,求解满足条件的最优组合方案:
总体装载性能评估分值最小;
总体积在预估的待装载容器装载体积区间之内;
总重量在待装载容器的承重范围之内。
步骤S105、输出最优装箱组合方案。
输出的最优装箱组合方案包括各组待装箱货物的客户信息、货物名称、货物重量以及运输目的地等信息。
在实际应用中,考虑到同一小组的待装箱货物一般属于同一个客户,因此在选取装箱组合方案中会将同组内的待装箱货物当做整体来选取。
本实施例的智能装箱方法,通过对待装箱货物分类、并对各组待装箱货物进行可装载性评估,根据评估结果和装载条件选出最优装载方案,可以大概率提高装箱的成功率,显著的减少计算时间,同时,由于不需要提前将库存清单的待装箱货物机械地组合,保证了待装箱货物在分组过程中组合的多样性和灵活性。
本发明实施例二提供了另一种智能装箱方法。请参阅图2,方法流程包括:
步骤S201、输入待装箱货物清单、预估的待装载容器装载体积区间和承重、待装载预期分组数量;
待装箱清单货物包括货物信息(货物名称、货物数量、货物重量、货物承重、货物尺寸等)、客户信息、运送目的地等。
待装箱容器的承重c3。预估的待装载容器装载体积区间[c1,c2],其中,c1为装载体积的最小值,c2为装载体积的最大值。例如,装载体积区间为[60,61],待装载预期分组数量为12。表示预估的待装载容器装载体积在60立方到61立方之间。待装载容器可以是集装箱、周转箱、仓储笼等。
步骤S202、根据所述待装箱货物清单的信息,将待装箱货物进行分组,得到多组待装箱货物;
可选地,根据所述待装箱货物清单,将待装箱货物进行分组,得到多组待装箱货物,具体方式为:
根据所述待装箱货物的客户信息、货物名称、货物重量以及运输目的地,将所述待装箱货物进行分类,得到多组待装箱货物,并统计每组待装箱货物的尺寸、重量。分组后的待装箱货物如下表1所示。
表1
步骤S203、根据待装载容器的尺寸、每组待装箱货物的宽以及承重能力,对每组待装箱货物的装载性能进行评估;
可选地,根据待装载容器的长宽高、每组待装箱货物的长宽高以及承重能力,对每组待装箱货物的装载性能进行评估,包括:
以待装载容器的宽W为基准,对每个待装箱货物的装载性能进行评估;
对每组待装箱货物的装载性能进行统计,得到每组待装箱货物的装载性能评估结果。
因为待装载容器的宽能不能满足装载条件是决定装箱方案最优解的一个重要因素,宽如果不满足要求,待装载容器浪费的空间为:宽度乘以高度乘以长度;如果高度不满足要求,则是浪费上面的高度而已。
综上所述,首先以待装载容器的宽W为基准,对每个待装箱货物的装载性能进行评估。
具体方式为:
以待装载容器的宽W为基准,设置一个最小装载间距interval,判断待装箱货物与本组待装箱货物中其它货物的组合体的宽度是否在[W-interval,W]区间内,如果是,则评估该待装箱货物宽度装载性好,如果否,进一步判断该待装箱货物与其他组待装箱货物的组合体宽度是否在[W-interval,W]区间内,如果是,则评估该待装箱货物宽度装载性一般,如果否,则评估该待装箱货物宽度装载性差;
可选地,所述以待装载容器的尺寸为基准,对每个待装箱货物的装载性进行评估,还包括:
以待装载容器的高H为基准,对每个待装箱货物的装载性能进行评估。
具体方式为:以待装载容器的高H为基准,设置一个最小装载间距interval,判断待装箱货物与本组待装箱货物中其它货物的组合体的高度是否在[H-interval,H]区间内,如果是,则评估该待装箱货物高度装载性好,如果否,进一步判断该待装箱货物与其他组待装箱货物的组合体高度是否在[H-interval,H]区间内,如果是,则评估该待装箱货物高度装载性一般,如果否,则评估该待装箱货物高度装载性差。
可选地,还可以以待装载容器的高L为基准,对每个待装箱货物的装载性能进行评估。
具体方式为:以待装载容器的高L为基准,设置一个最小装载间距interval,判断待装箱货物与本组待装箱货物中其它货物的组合体的高度是否在[L-interval,L]区间内,如果是,则评估该待装箱货物高度装载性好,如果否,进一步判断该待装箱货物与其他组待装箱货物的组合体高度是否在[L-interval,L]区间内,如果是,则评估该待装箱货物高度装载性一般,如果否,则评估该待装箱货物高度装载性差。
可选地,对每个待装箱货物的装载性能进行评估,还包括:
以每个待装箱货物自重为基准,判断待装箱货物承重能力是否小于自重的d倍,且自重大于待装箱货物单重平均值,如果是,则评估该待装箱货物长度装载性差,其中d为小数,如果否,则评估该待装箱货物长度装载性好。
在一个可行的方案中,采用分值表示每个待装箱货物装载性,当评估该待装箱货物装载性好,计为a分,当评估该待装箱货物装载性一般,计为b分,当评估该待装箱货物装载性差,计为c分,其中,a、b、c为整数,且a<b<c。
部分代码示例如下所示:
对每组内待装箱货物的装载性能进行统计,得到每组待装箱货物的装载性能评估结果,具体方式为:
将每组内的待装箱货物装载性能的分值进行加总求和,得到每组待装箱货物的装载性能评估分值。
步骤S204、根据所述每组待装箱货物的装载性能评估结果、预估的待装载容器装载体积区间和承重,从包含多组待装箱货物的组合可能性的矩阵中,选出最优装箱组合方案;
采用矩阵表示多组待装箱货物的组合方案,在矩阵中求解满足下列条件的组合方案:
总装载性能评估最优,即评估分值最小化;
总体积在待装载容器的体积范围之内;
总重量在待装载容器的承重范围之内。
下面举例说明,在本实施例中,通过矩阵T来表示待装箱货物组合的可能性,如下所示:
A1 B1 C2.........Z1
A2 B2 C3.........Z2
An Bn Cn.........Zn
其中矩阵:
A1+A2...+An<=1;B1+B2...+Bn<=1;C1+C2...+C3<=1......Z1+Z2...+Zn<=1。
矩阵T由i行,j列组成,A1、B1、A2、B2等各个矩阵点表示待装箱货物组合的各种可能性,{A1B1C2.........Z1}代表一个输出方案,A1代表一组待装箱货物,B1代表另一组待装箱货物。
其中,每一组的待装箱货物的体积设为:[AV1、AV2、AV3…AVn],将矩阵T乘以[AV1、AV2、AV3…AVn],得到待装箱货物的所有组合的总体积矩阵V;
其中,每一组的待装箱货物的总评分设为:[As1、As2、As3…Asn],将矩阵T乘以[As1、As2、As3…Asn],得到待装箱货物的所有组合的总评估分矩阵S;
其中,每一组的待装箱货物的总重量设为:[Aw1、Aw2、Aw3…Awn],将矩阵T乘以[Aw1、Aw2、Aw3…Awn],得到待装箱货物的所有组合的总重量矩阵W;
其中,采用下面算式求出在各个矩阵中满足条件解,这个解即为最优组合方案,用于最后输出方案:
Minimize sum(S[i]) (总评估分值最小化,代表装载性能最优)
∑W[i]<c3 (总重量在待装载容器的承重范围之内)
c1<∑V[i]<c2 (总体积在待装载容器的体积范围之内)
c1*j-p<sum(∑V[i])<c2*j+p(总体积在待装载容器的体积误差范围之内)
And∑T[j]<=1,即为A1+A2...+An<=1;B1+B2...+Bn<=1;C1+C2...+C3<=1......Z1+Z2...+Zn<=1,这使得在一组待装箱货物A1如果在第一行被采用后,这一组待装箱货物A1在后面的第J列中就不可能出现了,即同一组待装箱货物不能同时出现在两个输出方案中。
其中,i为矩阵T、V、S、W中的任一行,j为矩阵T、V、S、W中任一列,S为每组待装箱货物装载性能的评估分值的矩阵,c1和c2为预估的待装载容器装载体积区间的最小值和最大值,c3为待装载容器的承重,p为装载体积区间允许的误差值。
步骤S205、输出最优装箱组合方案。
输出的最优装箱组合方案包括各组待装箱货物的客户信息、货物名称、货物重量以及运输目的地等信息。
在实际应用中,考虑到同一小组的待装箱货物去往同一个目的地,因此在选取装箱组合方案中会将同组内的待装箱货物当做整体来选取,同一小组内的待装箱货物均在最优组合方案内,或者均不在最优组合方案内。
本实施例的智能装箱方法,通过对待装箱货物分类、并对各组待装箱货物进行可装载性评估,根据评估结果和装载条件选出最优装载方案,可以大概率提高装箱的成功率,显著的减少计算时间,同时,由于不需要提前将库存清单的待装箱货物机械地组合,保证了待装箱货物在分组过程中组合的多样性和灵活性。
在前述实施例的基础上,本发明实施例三提供又一种智能装箱设备。
请参阅图3,智能装箱设备包括:存储器301、处理器302以及存储在所述存储器301上并可在所述处理器上302运行的计算机程序303,所述计算机程序303被所述处理器302执行时实现如如第一实施例中的智能装箱步骤。
本实施例的智能装箱设备,通过对待装箱货物分类、并对各组待装箱货物进行可装载性评估,根据评估结果和装载条件选出最优装载方案,可以大概率提高装箱的成功率,显著的减少计算时间,同时,由于不需要提前将库存清单的待装箱货物机械地组合,保证了待装箱货物在分组过程中组合的多样性和灵活性。
在前述实施例的基础上,本发明实施例四提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如第一实施例或者第二实施例的智能装箱的步骤。
本实施例的计算机可读存储介质,通过对待装箱货物分类、并对各组待装箱货物进行可装载性评估,根据评估结果和装载条件选出最优装载方案,可以大概率提高装箱的成功率,显著的减少计算时间,同时,由于不需要提前将库存清单的待装箱货物机械地组合,保证了待装箱货物在分组过程中组合的多样性和灵活性。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种智能装箱方法,适用于智能装箱设备,所述方法包括以下步骤:
输入待装箱货物清单、预估的待装载容器装载体积区间和承重;
根据所述待装箱货物清单的信息,将待装箱货物进行分组,得到多组待装箱货物;
根据待装载容器的尺寸、每组待装箱货物的尺寸以及承重能力,对每组待装箱货物的装载性能进行评估;
根据所述每组待装箱货物的装载性能评估结果、预估的待装载容器装载体积区间和承重,从多组待装箱货物的组合可能性中,选出最优装箱组合方案;
输出最优装箱组合方案。
2.如权利要求1所述的智能装箱方法,其特征在于,根据待装载容器的尺寸、每组待装箱货物的尺寸以及承重能力,对每组待装箱货物的装载性能进行评估,包括:
以待装载容器的尺寸、每个待装箱货物自重为基准,对每个待装箱货物的装载性能进行评估;
对每组待装箱货物的装载性能进行统计,得到每组待装箱货物的装载性能评估结果。
3.如权利要求2所述的智能装箱方法,其特征在于,所述以待装载容器的尺寸为基准,对每个待装箱货物的装载性进行评估,包括:
以待装载容器的宽W为基准,设置一个最小装载间距interval,判断待装箱货物与本组待装箱货物中其它货物的组合体的宽度是否在[W-interval,W]区间内,如果是,则评估该待装箱货物宽度装载性好,如果否,进一步判断该待装箱货物与其他组待装箱货物的组合体宽度是否在[W-interval,W]区间内,如果是,则评估该待装箱货物宽度装载性一般,如果否,则评估该待装箱货物宽度装载性差。
4.如权利要求3所述的智能装箱方法,其特征在于,所述以待装载容器的尺寸为基准,对每个待装箱货物的装载性进行评估,还包括:
以待装载容器的高H为基准,设置一个最小装载间距interval,判断待装箱货物与本组待装箱货物中其它货物的组合体的高度是否在[H-interval,H]区间内,如果是,则评估该待装箱货物高度装载性好,如果否,进一步判断该待装箱货物与其他组待装箱货物的组合体高度是否在[H-interval,H]区间内,如果是,则评估该待装箱货物高度装载性一般,如果否,则评估该待装箱货物高度装载性差。
5.如权利要求3所述的智能装箱方法,其特征在于,所述以每个待装箱货物自重为基准,对每个待装箱货物的装载性进行评估,还包括:
判断待装箱货物承重能力是否小于自重的d倍,且自重大于待装箱货物单重平均值,如果是,则评估该待装箱货物长度装载性差,其中d为小数,如果否,则评估该待装箱货物长度装载性好。
6.如权利要求3-5中任一所述的智能装箱方法,其特征在于,采用分值表示每个待装箱货物装载性,当评估该待装箱货物装载性好,计为a分,当评估该待装箱货物装载性一般,计为b分,当评估该待装箱货物装载性差,计为c分,其中,a、b、c为整数,且a<b<c。
7.如权利要求6所述的智能装箱方法,其特征在于,所述对每组内待装箱货物的装载性能进行统计,得到每组待装箱货物的装载性能评估结果,具体方式为:
将每组内的待装箱货物装载性能的分值进行加总求和,得到每组待装箱货物的装载性能评估分值。
8.如权利要求7所述的智能装箱方法,其特征在于,根据所述每组待装箱货物的装载性能评估结果、预估的待装载容器装载体积区间和承重,从多组待装箱货物的组合方案中,选出装箱组合最优方案,具体方式为:
从表示多组待装箱货物的组合可能性的矩阵中,求解满足条件的最优组合方案:
总体装载性能评估分值最小;
总体积在预估的待装载容器装载体积区间之内;
总重量在待装载容器的承重范围之内。
9.如权利要求8所述的智能装箱方法,其特征在于,所述从表示多组待装箱货物的组合可能性的矩阵中,求解满足条件的最优组合方案,包括:
通过矩阵T表示多组待装箱货物的组合可能性:
A1 B1 C2......Z1
A2 B2 C3......Z2
An Bn Cn......Zn
其中,矩阵T由i行,j列组成,A1、B1、A2、B2等各个矩阵点表示待装箱货物组合的各种可能性,{A1B1C2...Z1}代表一个输出方案,A1代表一组待装箱货物,B1代表另一组待装箱货物,每一组的待装箱货物的体积设为:[AV1、AV2、AV3…AVn],将矩阵T乘以[AV1、AV2、AV3…AVn],得到待装箱货物的所有组合的总体积矩阵V,每一组的待装箱货物的总评分设为:[As1、As2、As3…Asn],将矩阵T乘以[As1、As2、As3…Asn],得到待装箱货物的所有组合的总评估分矩阵S,每一组的待装箱货物的总重量设为:[Aw1、Aw2、Aw3…Awn],将矩阵T乘以[Aw1、Aw2、Aw3…Awn],得到待装箱货物的所有组合的总重量矩阵W;
采用下面算式求出在各个矩阵中满足条件的解,这个解即为最优组合方案:
Minimize sum(S[i])
∑W[i]<c3
c1<∑V[i]<c2
c1*j-p<sum(∑V[i])<c2*j+p
And ∑T[j]<=1
其中,i为矩阵T、V、S、W中的任一行,j为矩阵T、V、S、W中任一列,S为每组待装箱货物装载性能的评估分值的矩阵,c1和c2为预估的待装载容器装载体积区间的最小值和最大值,c3为待装载容器的承重,p为预估的待装载容器装载体积区间允许的误差值。
10.一种智能装箱设备,其特征在于,所述设备包括:存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至9中任一所述的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910595559.6A CN110414888A (zh) | 2019-07-03 | 2019-07-03 | 一种智能装箱方法、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910595559.6A CN110414888A (zh) | 2019-07-03 | 2019-07-03 | 一种智能装箱方法、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110414888A true CN110414888A (zh) | 2019-11-05 |
Family
ID=68358781
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910595559.6A Pending CN110414888A (zh) | 2019-07-03 | 2019-07-03 | 一种智能装箱方法、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110414888A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047100A (zh) * | 2019-12-17 | 2020-04-21 | 广东工业大学 | 一种物流集装箱的装箱方法和系统 |
CN111861326A (zh) * | 2020-07-21 | 2020-10-30 | 日邮物流(中国)有限公司 | 打包方法、装置、设备及存储介质 |
CN113486292A (zh) * | 2021-06-22 | 2021-10-08 | 华东师范大学 | 一种将批量物体通过批量容器进行存放的方法 |
CN113627795A (zh) * | 2021-08-12 | 2021-11-09 | 深圳市全景世纪科技有限公司 | 多种包装合并密度平衡分拣方法、系统、装置及存储介质 |
CN115423390A (zh) * | 2022-08-01 | 2022-12-02 | 深圳智汇创想科技有限责任公司 | 对集箱装产品尺寸的识别方法、装置、设备以及介质 |
CN116739482A (zh) * | 2023-08-15 | 2023-09-12 | 宁波安得智联科技有限公司 | 订单装箱方法、设备及计算机可读存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957945A (zh) * | 2010-08-20 | 2011-01-26 | 上海电机学院 | 一种集装箱货物装载优化方法、装置 |
US20120158627A1 (en) * | 2010-12-17 | 2012-06-21 | Oracle International Corporation | Framework for optimized packing of items into a container |
CN103544588A (zh) * | 2013-10-31 | 2014-01-29 | 深圳市华傲数据技术有限公司 | 一种物流货物智能装车的方法及系统 |
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 |
CN109948991A (zh) * | 2019-04-09 | 2019-06-28 | 深圳蓝胖子机器人有限公司 | 一种智能装箱方法、设备及存储介质 |
-
2019
- 2019-07-03 CN CN201910595559.6A patent/CN110414888A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101957945A (zh) * | 2010-08-20 | 2011-01-26 | 上海电机学院 | 一种集装箱货物装载优化方法、装置 |
US20120158627A1 (en) * | 2010-12-17 | 2012-06-21 | Oracle International Corporation | Framework for optimized packing of items into a container |
CN103544588A (zh) * | 2013-10-31 | 2014-01-29 | 深圳市华傲数据技术有限公司 | 一种物流货物智能装车的方法及系统 |
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 |
CN109948991A (zh) * | 2019-04-09 | 2019-06-28 | 深圳蓝胖子机器人有限公司 | 一种智能装箱方法、设备及存储介质 |
Non-Patent Citations (2)
Title |
---|
张德富,彭煜,张丽丽: "求解三维装箱问题的多层启发式搜索算法", 《计算机学报》 * |
李鹏,汤勇: "三维货物装箱问题的研究进展", 《铁道科学与工程学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111047100A (zh) * | 2019-12-17 | 2020-04-21 | 广东工业大学 | 一种物流集装箱的装箱方法和系统 |
CN111861326A (zh) * | 2020-07-21 | 2020-10-30 | 日邮物流(中国)有限公司 | 打包方法、装置、设备及存储介质 |
CN113486292A (zh) * | 2021-06-22 | 2021-10-08 | 华东师范大学 | 一种将批量物体通过批量容器进行存放的方法 |
CN113627795A (zh) * | 2021-08-12 | 2021-11-09 | 深圳市全景世纪科技有限公司 | 多种包装合并密度平衡分拣方法、系统、装置及存储介质 |
CN115423390A (zh) * | 2022-08-01 | 2022-12-02 | 深圳智汇创想科技有限责任公司 | 对集箱装产品尺寸的识别方法、装置、设备以及介质 |
CN116739482A (zh) * | 2023-08-15 | 2023-09-12 | 宁波安得智联科技有限公司 | 订单装箱方法、设备及计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110414888A (zh) | 一种智能装箱方法、设备及存储介质 | |
US11004032B2 (en) | Warehouse rack space optimization | |
Huang et al. | Heuristic algorithms for container pre-marshalling problems | |
Zachariadis et al. | The pallet-packing vehicle routing problem | |
Borovinšek et al. | Multi-objective optimisation model of shuttle-based storage and retrieval system | |
CN107235276B (zh) | 货物搬运方法和装置 | |
US8655749B2 (en) | Methods and systems for distributing stock in a distribution network | |
CN110059900B (zh) | 用于控制仓库中运输车的方法和装置 | |
Lee et al. | Comparison and evaluation of various cycle-time models for yard cranes in container terminals | |
JP6650508B2 (ja) | 倉庫管理システム及び倉庫管理方法 | |
GB2524952A (en) | A method of packing containers | |
CN111598341B (zh) | 一种基于物资配载和路径优化电力物资配送方法及系统 | |
CN105427065A (zh) | 商品对象出库信息处理方法及装置 | |
CN110084471A (zh) | 拣选调度方法、装置、仓储系统及可读存储介质 | |
Lee et al. | Development of timed Colour Petri net simulation models for air cargo terminal operations | |
CN110390497A (zh) | 物品入库方法和装置 | |
CN109615300A (zh) | 一种基于仓库作业的卷钢出库管理方法 | |
CN113935528B (zh) | 智能调度方法、装置、计算机设备及存储介质 | |
CN109993470A (zh) | 一种库存调度方法和装置 | |
Cen et al. | Modelling and heuristically solving three-dimensional loading constrained vehicle routing problem with cross-docking | |
CN1702655A (zh) | 一种装船时减少集装箱翻箱量的优化方法 | |
CN112200390B (zh) | 基于分布估计算法的无人化发货仓承运货架空间规划方法 | |
CN111428929B (zh) | 带二维装卸和时间窗口限制的路径规划系统 | |
CN110298618B (zh) | 波次下架任务生成方法、装置、存储介质及电子设备 | |
CN113674051A (zh) | 货品出库方法、装置、电子设备及存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191105 |
|
RJ01 | Rejection of invention patent application after publication |