CN111557013B - 仓库订单履行操作中的订单分组 - Google Patents
仓库订单履行操作中的订单分组 Download PDFInfo
- Publication number
- CN111557013B CN111557013B CN201880085586.2A CN201880085586A CN111557013B CN 111557013 B CN111557013 B CN 111557013B CN 201880085586 A CN201880085586 A CN 201880085586A CN 111557013 B CN111557013 B CN 111557013B
- Authority
- CN
- China
- Prior art keywords
- order
- orders
- warehouse
- cluster domain
- cluster
- 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
- 238000000034 method Methods 0.000 claims abstract description 76
- 238000012423 maintenance Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 31
- 238000007726 management method Methods 0.000 description 19
- 239000003550 marker Substances 0.000 description 16
- 238000013507 mapping Methods 0.000 description 10
- 241000282412 Homo Species 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004806 packaging method and process Methods 0.000 description 4
- 230000001174 ascending effect Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241001235534 Graphis <ascomycete fungus> Species 0.000 description 1
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G06Q10/0835—Relationships between shipper or supplier and carriers
-
- 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
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Economics (AREA)
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Warehouses Or Storage Devices (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种用于在仓库管理系统的订单队列中对多个订单进行分组的方法,每个订单包括一个或多个物品,每个物品与仓库中的物理位置相关联。该方法包括确定多个订单中每个物品在仓库中的物理位置。对于每个订单,该方法还包括建立至少一个集群域,每个集群域包括来自相应订单的至少一个物品。该方法进一步包括基于仓库中的集群域的物理位置对多个订单进行分组,以形成至少一个订单集。
Description
相关申请的交叉引用
本申请要求于2017年11月9日提交的美国申请号15/807,672的优先权,其内容通过引用合并于此。
技术领域
本发明涉及对仓库管理系统的订单队列中的订单进行分组,以提高使用自主移动机器人、人工操作员或其组合的订单执行效率。
背景技术
订单履行通常是在一个装满产品的大型仓库中执行,产品将被运送到已经通过互联网下订单进行送货上门的客户。在某些操作中,人类可以通过遍历仓库以手动检索订单中的物品。在其他操作中,可以使用机器人代替人类来执行物品检索功能,或者可以使用机器人来辅助人类进行物品检索,以提高生产率和效率。
及时、准确和高效地履行此类订单在逻辑上至少可以说具有挑战性。单击虚拟购物车中的“结算”按钮将创建一个“订单”。该订单包括一个将要发送到特定地址的物品列表。“履行”的过程包括从一个大仓库实际提取或“挑选”这些物品,包装它们,并将它们运送到指定的地址。因此,订单履行过程的一个重要目标是在尽可能短的时间内装运尽可能多的物品。
仓库管理系统(WMS)是一种软件应用程序,它支持如上所述的订单履行仓库中的日常操作,它可以利用人工和/或机器人来提高操作的效率和生产率。WMS程序可对任务进行集中管理,例如跟踪库存水平和库存位置。仓库管理系统还支持或指导所有主要和许多次要仓库任务,例如接收,检查和验收、上架、内部补货到拣货位置、拣选、包装、在装运台上组装订单、证明文件和装运(装载到运输工具上)。
WMS通常从上级主机系统(通常是ERP系统)接收订单。为了通过电子商务订单履行订单,客户在线下订单后,信息就会通过主机(ERP系统)传递到WMS。然后,在WMS中处理管理此订单的所有必要步骤(例如,挑选已订购的物品等)。之后,信息被发送回业务主机,以支持财务交易、向客户提前发货通知、库存管理等。
随着来自WMS的订单的累积,它们被保存在订单队列中,并分发给人类或机器人以在仓库内执行订单。可以从到达顺序的订单队列中依次获取订单,并将其分配给人类和/或机器人以执行订单。订单也可以安排在订单队列中,并根据客户合同中定义的服务水平要求或基于客户运输要求进行分配。尽管这些系统已经变得非常高级,但是仍然需要在订单排队和分配过程中提高效率和生产率。
发明内容
通过下面的发明概述和详细说明,本发明相对于现有系统的好处和优点将显而易见。本领域的技术人员将理解,可以用除了下面总结或公开的实施例以外的实施例来实践本教导。
在一方面,本发明包括一种用于在仓库管理系统的订单队列中对多个订单进行分组的方法,每个订单包括一个或多个物品,每个物品与仓库中的物理位置相关联。该方法包括确定多个订单中每个物品在仓库中的物理位置。对于每个订单,该方法还包括:建立至少一个集群域,每个集群域包括来自相应订单的至少一个物品;以及基于仓库中的集群域的物理位置对多个订单进行分组,以形成至少一个订单集。
在本发明的其他方面,可包括以下一个或多个特征。确定所述多个订单中的每个物品在仓库中的物理位置可包括:在由仓库定义的坐标空间中确定多个订单中每个物品的二维坐标(x,y)。该确定步骤可包括:从包含与每个所述物品相关联的基准标记的二维坐标(x,y)的数据结构中检索每个物品的二维坐标(x,y)。该建立步骤包括:对于多个订单中的每一个的每个物品,确定二维坐标(x,y)是否包含在订单的已建立的集群域中,并且如果是,将每个这种物品分配给订单的相应集群域;如果二维坐标(x,y)不包含在已经建立的集群域中,则在相应订单中对于每个这种物品关于二维坐标(x,y)建立一个新集群域。为每个这种物品建立关于二维坐标(x,y)的新集群域的步骤可包括:对于不包含在已经建立的集群域中的每个这种物品,关于其二维坐标(x,y)形成一个半径为R的圆,以为相应的订单定义新集群域。分组的步骤可包括:为每个订单计算每个集群域的位置,并将一个订单中的每个集群域的位置与至少一个其他多个订单中的对应集群域的位置进行比较。可通过计算相应集群域中每个物品的二维坐标(x,y)的平均值获得每个集群域的中点位置,以确定多个订单中的每一个的每个集群域的位置。分组的步骤可进一步包括:建立基本订单,并将基本订单中每个集群域的中点与其他多个订单中的每一个的相应集群域的中点进行比较,以相对于其他多个订单的每一个的相应集群域的物理位置确定基本订单中每个集群域的物理位置。
在本发明的其他方面,可包括以下一个或多个特征。将基本订单中每个集群域的中点与其他多个订单中的每一个的相应集群域的中点进行比较的步骤可包括:计算基本订单中每个集群域的中点到其他多个订单中的每一个的相应集群域的中点之间的距离,以及求和每个计算的距离,以确定基本订单中每个集群域的中点到其他多个订单中的每一个的相应集群域的中点之间的总距离。分组的步骤进一步包括:根据基本订单中每个集群域的中点到至少一个其他订单的相应的集群域的中点之间的最小总距离,将基本订单与至少一个其他订单组合,以形成至少一个订单集。包括将所述至少一个订单集分配给操作员或自主移动机器人中的一个。操作员和所述自主移动机器人具有订单容量(capacity),并且其中,组合成所述至少一个订单集的订单数量基于所述操作员和所述自主移动机器人的容量。分配给操作员或自主移动机器人中的一个的步骤包括将订单集电子传输到操作员的手持电子设备或自主移动机器人的车载电子设备中的一个。订单可包括拣货订单,放置订单或维护订单。每个订单能够建立的集群域可具有一个最大数量。为每个订单建立至少一个集群域的步骤包括将每个集群域与在仓库中按顺序排列的多个区域中的一个相关。集群域的所述最大数量可对应于仓库中的区域的数量,其中,为每个订单建立至少一个集群域的步骤可包括基于仓库中多个区域的顺序,从每个订单中选择物品以按顺序建立所述集群域。
在其他方面,本发明包括一种用于在订单队列中对多个订单进行分组的仓库订单系统,该系统包括存储器,其包括订单队列中的多个订单,每个订单包括一个或多个物品,并且每个物品与仓库中的物理位置相关联;处理器,配置为:确定多个订单中每个物品在仓库中的物理位置;对于每个订单,建立至少一个集群域,每个集群域包括来自相应订单的至少一个物品;以及基于仓库中的集群域的物理位置对多个订单进行分组,以形成至少一个订单集。
在本发明的其他方面,包括以下一个或多个特征。该处理器可进一步配置为在由仓库定义的坐标空间中确定多个订单中每个物品的二维坐标(x,y)。该处理器可进一步配置为从包含与每个所述物品相关联的基准标记的二维坐标(x,y)的数据结构中检索每个物品的二维坐标(x,y)。该处理器可进一步配置为对于多个订单中的每一个的每个物品,确定二维坐标(x,y)是否包含在订单的已建立的集群域中,并且如果是,将每个这种物品分配给订单的相应集群域;如果二维坐标(x,y)不包含在已经建立的集群域中,则在相应订单中对于每个这种物品建立一个关于二维坐标(x,y)的新集群域。该处理器可进一步配置为对于不包含在已经建立的集群域中的每个这种物品,关于其二维坐标(x,y)形成一个半径为R的圆,以为相应的订单定义新集群域。该处理器可进一步配置为为每个订单计算每个集群域的位置,并将一个订单中的每个集群域的位置与至少一个其他多个订单中的对应集群域的位置进行比较。该处理器可进一步配置为计算相应集群域中每个物品的二维坐标(x,y)的平均值,以获得每个集群域的中点位置。该处理器可进一步配置为建立基本订单,并将基本订单中每个集群域的中点与其他多个订单中的每一个的相应集群域的中点进行比较,以相对于其他多个订单的每一个的相应集群域的物理位置确定基本订单中每个集群域的物理位置。
在本发明的其他方面,可包括以下一个或多个特征。该处理器可进一步配置为计算基本订单中每个集群域的中点到其他多个订单中的每一个的相应集群域的中点之间的距离,以及求和每个计算的距离,以确定基本订单中每个集群域的中点到其他多个订单中的每一个的相应集群域的中点之间的总距离。该处理器可进一步配置为根据基本订单中每个集群域的中点到至少一个其他订单的相应的集群域的中点之间的最小总距离,将基本订单与至少一个其他订单组合,以形成至少一个订单集。该处理器可进一步配置为将所述至少一个订单集分配给操作员或自主移动机器人中的一个。操作员和所述自主移动机器人具有订单容量,并且其中,组合成所述至少一个订单集的订单数量基于所述操作员和所述自主移动机器人的容量。该处理器进一步配置为将订单集电子传输到操作员的手持电子设备或自主移动机器人的车载电子设备中的一个。该订单可包括拣货订单,放置订单或维护订单。每个订单能够建立的集群域可具有一个最大数量。该处理器可进一步配置为将每个集群域与在仓库中按顺序排列的多个区域中的一个关联。集群域的最大数量可对应于仓库中的区域的数量,处理器可进一步配置为基于仓库中多个区域的顺序,从每个订单中选择物品以按顺序建立所述集群域。
根据以下详细描述和附图,本发明的这些和其他特征将显而易见。
附图说明
现在将参考附图仅通过举例的方式描述本发明的实施例,其中:
图1为订单履行仓库的俯视图;
图2A为图1所示的仓库中使用的机器人之一的基座的正视图;
图2B为图1所示的仓库中使用的机器人之一的基座的立体图;
图3为图2A和2B中的机器人的立体图,该机器人装配有电枢并停在图1所示的货架的前面;
图4为使用机器人上的激光雷达创建的图1的仓库的局部图;
图5为描述定位散布在整个仓库中的基准标记和存储基准标记位姿的过程的流程图;
图6为基准标识到位姿映射的表;
图7是箱子的位置到基准标识映射的表;
图8是描述产品SKU到位姿映射过程的流程图;
图9是描绘根据本发明一方面的集群域的建立的仓库的平面图;
图10是描述根据本发明一方面的部分订单队列的表;
图11是图9的仓库的一部分仓库的平面图,示出了根据本发明的一个方面的集群域的中点的确定;
图12是描述根据本发明一方面的建立集群域的过程的流程图;
图13示出了与图10的表不同布置的订单1-3的集群域的中点坐标;
图14A是订单1和2的三个集群域中的第一个的视图,以描绘这些集群域中点之间的距离;
图14B是订单1和2的三个集群域中的第二个的视图,以描绘这些集群域中点之间的距离;
图14C是订单1和2的三个集群域中的第三个的视图,以描绘这些集群域中点之间的距离;
图15是根据本发明的一方面的分隔成区域的仓库的一部分的平面图;
图16是三个订单中单个物品以及它们如何映射到图15的仓库中的区域的示意图;以及
图17是描述根据本发明一方面的订单分组过程的流程图。
具体实施方式
参考在附图中描述和/或示出并且在以下描述中详细描述的非限制性实施例和示例,更充分地解释了本公开及其各种特征和有利细节。应当注意,附图中示出的特征不必按比例绘制,并且即使没有在本文中明确陈述,本领域技术人员也可以将一个实施例的特征与其他实施例一起使用。可以省略对公知组件和处理技术的描述,以免不必要地混淆本公开的实施例。本文中使用的示例仅旨在促进对可以实践本公开的方式的理解,并且还使得本领域技术人员能够实践本公开的实施例。因此,本文的示例和实施例不应解释为限制本公开的范围。此外,应注意,贯穿附图的若干视图,相似的附图标记表示相似的部分。
本公开涉及一种订单分组过程,其可以应用于使用自主移动机器人或“AMR”的仓库中的订单履行操作,以提高效率和生产率。本申请中机器人的使用将被描述,以为订单分组过程提供上下文。在所描述的申请中,机器人由人类操作员辅助以更有效地执行物品的拣选和放置,但是本公开同样适用于具有关节臂以执行拣选和放置操作的机器人。还应注意,根据本公开的订单分组过程可以在仓库中的订单履行操作中使用,在该仓库中,操作员无需AMR即可执行订单执行操作。另外,根据本公开的订单分组过程可以更普遍地应用于使用AMR、人工操作员或两者的组合的其他应用
尽管本文提供的描述集中于从仓库中的箱子位置拣选物品以履行向客户发货的订单,但该系统同样适用于在仓库中将接收到的物品存储或放置在箱子中,以便以后查找物品并发送给客户。本发明还适用于与这种仓库系统相关的库存控制任务,例如合并、计数、验证、检查和清理产品。
如图1所示,典型的订单履行仓库10包括货架12,货架12上装有可以包含在订单16中的各种物品。在操作中,来自仓库管理服务器15的订单16到达订单服务器14。订单服务器14将订单或一组订单(订单集)16传送到从仓库10中多个闲逛的机器人中选择的机器人18(可以是自主移动机器人)。应当注意,订单服务器14的功能可以与仓库管理服务器15的功能集成为单个服务器。图1还示出了充电区域19,充电区域19可以是一个或多个充电站处于的位置。在此将首先描述机器人18执行订单/订单集的操作。然后将描述的是,根据本公开的一方面,由订单服务器14和/或仓库管理服务器15将订单分组为订单集并将订单集分配给机器人以提高效率和生产率的过程。
在优选实施例中,图2A和2B所示的机器人18包括具有激光雷达22的自主轮式基座20。该基座20还具有收发器(未示出)和一对数字光学摄像机24a和24b,该收发器使机器人18能够从订单服务器14接收指令。该机器人基座还包括充电端口26(在图10和图11中更详细地示出),用于对为自主轮式基座20供电的电池重新充电。基座20还具有处理器(未示出),该处理器从激光雷达和摄像机24a和24b接收数据以捕获表示机器人环境的信息。如图3所示,本发明还包括存储器(未示出),其与处理器一起操作以执行在仓库10内的与导航相关联的各种任务,以及导航到放置在货架12上的基准标记30。基准标记30(例如,二维条形码)对应于所订购物品的箱子/位置。下面参照图4至图8详细描述本发明的导航方法。基准标记还用于识别充电站,并且到这种充电站的基准标记的导航与到所订购物品的箱子/位置的导航相同。一旦机器人导航到充电站,将使用更精确的导航方法将机器人与充电站插接,并且下文描述这种导航方法。
再次参考图2B所示,基座20包括上表面32,在该上表面32中可以存储手提袋或箱子以携带物品。该图还示出了联接器34,其联接多个可互换电枢40中的任何一个,图3中示出了其中一个可互换电枢40。图3中的特定电枢40的特征在于具有用于携带接收物品的手提袋44的手提袋保持器42(在这种情况下为货架),以及用于支撑平板电脑48的平板电脑保持器46(或便携式计算机/其他用户输入设备)。在一些实施例中,电枢40支撑一个或多个搬运物品的搬运箱。在其他实施例中,基座20支撑一个或多个手提袋,用于搬运接收到的物品。如本文所用,术语“手提袋”包括但不限于货座、箱子、笼子、货架及可悬挂物品的杆子,不限于罐子、板条箱、货架、架子、支架、集装箱、盒子、容器和储藏室。
尽管机器人18擅长在仓库10内来回移动,但是利用当前的机器人技术,机器人关节臂还没被优化为快速有效地从货架上取走物品并将其放置在手提袋44中。当前,拣选物品的一种更有效的方法是使用通常是人的本地操作员50来执行从货架12上通过身体(physically)取走已订购的物品并将其放置在机器人18上(例如在手提袋44中)的任务。机器人18通过平板电脑48(或便携式计算机/其他用户输入设备)将订单传达给本地操作员50,本地操作员50可以读取该平板电脑48,或者将订单传输到本地操作员50使用的手持设备上。随着技术发展,在此描述的订单分组公开内容同样适用于具有关节臂的机器人执行拣选和放置操作。
在从订单服务器14接收到订单/订单集16时,机器人18前进到第一仓库位置,例如,如图3所示,以为该订单/订单集中的第一商品执行功能(例如拣选/放置)。它基于存储在存储器中并由处理器执行的导航软件来执行此操作。导航软件依赖于由激光雷达22收集的与环境有关的数据,存储器中的内部表格识别基准标记30的基准标识(“ID”),该基准标识对应于仓库10中的位置,在该位置上可以找到特定物品,其中,摄像机24a和24b用于导航。
在到达正确的位置时,机器人18将自己停在存放物品的货架12的前面,并等待本地操作员50从货架12取回物品并将其放入手提袋44。如果机器人18还有其他物品要取回,它将继续到那些位置。然后,由机器人18取回的物品被传送到包装站100,如图1所示,包装站是用于包装和运输的地方。
本领域技术人员将理解,当机器人具有足够的容量和适当的手提袋配置时,每个机器人可以履行一个或多个订单,并且每个订单可以由一个或多个物品组成。下面将更详细地描述将订单分组为分配给各个机器人的订单集的过程,该过程可以提高操作效率和总体生产率。
为了简化本发明的描述,描述了单个机器人18和操作员50。但是,从图1可以明显看出,典型的履行操作包括许多机器人和操作员在仓库中相互合作以完成连续的订单流。
下面将通过图4至图8描述本发明的导航方法,以及待取回的物品的SKU的语义映射,该语义映射指示到与物品所在仓库的基准标记相关联的基准ID/位姿。如上所述,可以使用相同的导航方法来使机器人导航到充电站,以便为其电池充电。
使用一个或多个机器人18,必须创建并动态更新仓库10的地图,以确定静态和动态物体的位置,以及散布在整个仓库中的各种基准标记的位置。为此,如图4所示,一个或多个机器人18在仓库中导航并建立/更新地图10a,利用其激光雷达22以及同步定位与映射(SLAM),这是一种构建或更新未知环境的虚拟图的计算方法。常用的SLAM近似解方法包括粒子滤波器和扩展卡尔曼滤波器。SLAM GMapping方法是优选方法,但是可以使用任何合适的SLAM方法。
当机器人18在整个空间中行走,并识别空旷的空间112、墙壁114、物体116和其他静态障碍物(例如空间中的货架12a)时,基于激光雷达扫描环境时收到的反射,机器人18利用激光雷达22来创建/更新仓库10的地图10a。
参见图3,在构建地图10a或之后的过程中,一个或多个机器人18使用摄像头24a和24b在仓库10中导航以扫描环境,以定位遍布在整个仓库中的存放商品的、近似箱子的货架上的基准标记(二维条形码),诸如32和34所指示的。机器人18使用已知的参考点或原点进行参考,例如原点110。如图3和图4所示,当基准标记,诸如基准标记30,由机器人18使用其摄像机24a和24b进行定位后,则该基准标记在仓库中相对于原点110的位置是确定的。如图2A所示,通过使用两个摄像头,每个摄像头位于机器人基座的任一侧,机器人18可以具有从机器人的两侧延伸出的相对较宽的视场(例如120度)。这样,当机器人在货架的走道上上下移动时例如可以看到其两侧的基准标记。
通过使用轮式编码器和航向传感器,可以确定航线120以及机器人在仓库10中的位置。使用捕获的基准标记/二维条形码的图像及其已知大小,机器人18可以确定基准标记/二维条形码相对于机器人的方向和距离,即航线130。利用已知的航线120和130,可以确定起点110和基准标记30之间的航线140。根据航线140和确定的基准标记/二维条形码相对于机器人18的方向,可以确定基准标记30的位姿,该位姿包括其在仓库中的位置(x,y,z坐标)和其方向或四元数(x,y,z,ω)。应注意的是,坐标通常只能包括x和y坐标,因为基准位姿通常位于地板上,因此z坐标为零。
图5的流程图200描述了基准标记定位过程。上述定位过程在初始映射模式下且当机器人18在执行拣选、放置和/或其他任务时在仓库中遇到新的基准标记时执行。在步骤202中,机器人18使用摄像机24a和24b捕获图像,并且在步骤204中,机器人18在捕获的图像内搜索基准标记。在步骤206中,如果在图像中找到基准标记(步骤204),则确定基准标记是否已经存储在基准表300中,如图6所示,基准表300位于机器人18的存储器和/或仓库管理系统15中。如果基准信息已经存储在存储器中,则流程图返回到步骤202以捕获另一图像。如果它不在存储器中,则根据上述过程确定位姿,并且在步骤208中,将基准添加到位姿查找表300。
在可以存储在每个机器人的存储器和/或仓库管理系统15中的查找表300中,每个基准标记包括一基准标识,如1、2、3等,以及与每个基准标识相关联的基准标记/条形码的位姿。如上所述,位姿由仓库中的x,y,z坐标以及方向或四元数(x,y,z,ω)组成。
如图7所示,另一个查找表400是仓库10内的箱子位置(例如402a-f)的列表,该查找表还可以存储在每个机器人的存储器和/或仓库管理系统15中,其与特定的基准ID为404的基准相关联,例如,数字“11”。在此示例中,箱子位置由七个字母数字字符组成。前六个字符(例如L01001)与仓库中的货架位置相关,最后一个字符(例如A-F)表示货架位置上的特定箱子。在该示例中,存在与基准ID“11”相关联的六个不同的箱子位置。每个基准ID/标记可能有一个或多个箱子。位于图1中充电区域19中的充电站也可以存储在表400中并且与基准ID相关。根据基准ID,可在图6的表300中找到充电站的位姿。
字母数字代表箱子位置是人们可以理解的,例如,操作员50,如图3所示,当字母数字对应于存储物品的仓库10中的物理位置时。但是,它们对机器人18没有意义。如图6所示,通过将位置映射到基准ID,机器人18可以使用表300中的信息确定基准ID的位姿,然后导航到此处所述的位姿。
图8的流程图500中描述了根据本发明的订单履行过程。在步骤502中,图1的仓库管理系统(WMS)15获得一个订单,该订单可包含一个或多个要取回的物品。在步骤504中,由仓库管理系统15确定物品的SKU编号,并在步骤506中从SKU编号中确定箱子位置。然后将订单的箱子位置的列表发送至机器人18。在步骤508中,机器人18将箱子位置与基准ID相关联,并且在步骤510从基准ID中获得每个基准ID的位姿。在步骤512中,机器人18导航到如图3所示的位姿,操作员可以从合适的箱子中拣选要取回的物品并将其放在机器人上。
可以将由仓库管理系统15获取的物品的特定信息(例如SKU编号和箱子位置)传输到机器人18上的平板电脑48,以便当机器人到达每个基准标记位置时,可以将要取回的特定物品通知操作员50。
通过已知的SLAM图和基准ID的位姿,机器人18可以易于使用各种机器人导航技术导航至基准ID中的任何一个。优选的方法包括在考虑到仓库10中的开放空间112以及壁114、货架(例如货架12)和其他障碍物116的情况下,设置到基准标记位姿的初始路线。当机器人开始使用其激光雷达22穿行在仓库时,它会确定其路径中是否有固定或动态的障碍物(例如其他机器人18和/或操作员50),并将其路径迭代更新为基准标记的位姿。机器人大约每50毫秒重新规划路线,不断寻找最有效的路径,同时避开障碍物。
通常,通过在SLAM虚拟地图上运行的多对多的多分辨率扫描匹配(M3RSM)来实现机器人在仓库10a中的定位。与普通未优化的方法相比,M3RSM大大减少了人执行SLAM环路闭合和扫描匹配的计算时间,这是确定机器人姿势和位置的两个关键步骤。根据2017年9月22日提交的、主题为“具有排除区的多分辨率扫描匹配”的相关美国专利申请15/712,222中公开的方法,通过最小化M3RSM搜索空间,可以进一步改善机器人定位,该专利通过引用并入本文。
将产品SKU/基准ID到基准位姿映射技术与本文所述的SLAM导航技术相结合,机器人18能够非常高效且能够有效地在仓库空间内导航,而不必使用比较复杂的导航手段,通常使用的导航手段涉及网格线和中间基准标记来确定仓库内的位置。
通常,通过防撞方法(包括动态窗口方法(DWA)和最优交互避碰(ORCA))可以在仓库中存在其他机器人和移动障碍物的情况下导航。DWA在可行的机器人运动轨迹之间计算增量运动,该运动避免与障碍物碰撞,并有利于所需路径到达目标基准标记。ORCA最佳地避免了与其他移动机器人的碰撞,而无需与其他机器人进行通信。导航通常以一系列的增量运动沿大约50毫秒的更新间隔计算出的轨迹进行。可以通过2017年9月22日提交的、名称为“使用最优交互避碰代价评估的动态窗口方法”的相关美国申请No.15/712,256中描述的技术来进一步改善避碰,该申请在此全文引入作为参考。
如上所述,将订单(每个订单包含一个或多个物品)分组为订单集以分配给各个机器人的过程可以提高操作效率和整体生产率,下面将参考图9-17进行更详细的描述。机器人可能在每个箱子或隔室中有一个手提袋阵列,以允许单个机器人执行多个订单。在2016年9月1日提交的美国专利申请15/254,321中描述了这种手提袋阵列的示例,其全部内容通过引用合并于此,其提供了将“相似”的订单聚集或分组在一起的机会,以减少机器人执行订单集所需的行进量。例如,如果一个订单的各个物品或“拣选”在仓库内彼此靠近,则可以确定订单彼此“相似”。在将类似的订单分组以分配给机器人时,机器人将走更少的距离来履行订单,因此会提高拣货率和仓库运营的整体效率/生产率。
典型的仓库管理系统不包含有关存储在其中的物品在仓库中的物理位置的信息。如上所述,根据本发明的一方面的系统具有仓库内存储的所有物品的位置(x,y坐标)的知识。利用此信息,可以根据订单在仓库中的位置对订单进行分组。
图9的仓库600的表示由分别具有x,y轴602和604的坐标图描绘。在该示例中,x和y轴均从原点606(坐标0,0)延伸80米的长度。只要将空间划分为允许映射仓库中物品位置的坐标系,就可以使用各种形状和仓库配置。图9上绘制的是三个订单的物品位置,分别由“圆圈”、“三角形”和“虚线”表示。当然,这是简化的示例,以更容易地说明根据本发明的订单分组的过程。此外,为了便于理解,在该视图中未示出通常会出现的货架单元或其他物体。
参考图10,示出了来自仓库管理系统的一部分订单队列650,该订单队列650包括排队等待分配给机器人执行的所有当前订单(列652中列出)。订单可以以各种方式分类/安排,包括例如通过服务水平协议和/或配送要求。本发明的订单集分组方面与订单的分类和优先次序无关。一旦将订单适当地排序,就可以使用此处的过程将订单分组为要分配的订单集。虽然本文中优选实施例使用机器人执行订单来描述,但是本发明同样适用于使用人工拣选订单的仓库订单履行操作。如果使用人工来拣选订单,则仓库管理系统可以将分组为订单集的订单发送到手持式计算或电子设备,手持式计算或电子设备可以由人类手持或穿着,也可以位于人类用来搬运物品的推车上。
继续参考图10,对于列652中的每个订单,有三组列654、656和658,其中包括坐标(x1,y1),(x2,y2)和(x3,y3)。这些坐标对应于集群域的中点,这些集群域在仓库坐标图600(图9)上显示。集群域通过在坐标图上绘制物品的位置并将它们分组为彼此接近的一个或多个物品的集群而形成的。订单内的物品分组为集群域的具体过程将参照图13的流程图更详细地描述。
首先,提供如图9所示的简化示例以大致描述集群域。图10队列650中列出的前三个订单(即订单号107387396、107387878和107388221)是仅在图9中的仓库600坐标图上绘制的订单。此外,在此简化示例中,每个订单只有三个物品。在典型的仓库系统中,将绘制更多的订单,每个订单将包含一个或多个物品。
第一个订单(107387396)中的物品在图9中以三角形608a、608b和608c绘制,分别位于坐标(x1=57.56,y1=37.23)、(x2=57.38,y2=68.52)和(x3=73.9,y3=57.88)。第二个订单(107387878)中的物品以圆圈610a、610b和610c绘制,坐标分别为(x1=54.83,y1=45.06)、(x2=57.36,y2=66.47)和(x3=73.44,y3=58.20)。第三个订单(107388221)中的物品以虚线612a、612b和612c绘制,坐标分别为(x1=65.31,y1=25.35),(x2=57.38,y2=68.52)和(x3=73.09,y3=57.25)。三个订单中的物品的坐标对应于物品的位姿,这些位姿是已知的并且存储在数据结构中,例如图6的表300。虽然图9中未示出,但还将绘制来自订单队列650中的剩余订单的物品。
继续参考图9,对于每个订单形成一个或多个集群域。围绕三角形608a可形成集群域614a,三角形608a代表第一个订单(107387396)中的第一个物品。该区域可以是从三角形608a的坐标(x1=57.56,y1=37.23)延伸的半径为R的圆形。围绕圆圈610a形成集群域616a,圆圈610a表示第二个订单(107387878)中的第一个物品。该区域也可以是从圆圈610a的坐标(x2=57.38,y2=68.52)延伸的半径为R的圆形。而且,围绕虚线612a可形成集群域618a,虚线612a表示第三个订单(107388221)中的第一个物品。该区域也可以是从虚线612a的坐标(x3=73.09,y3=57.25)延伸的半径为R的圆形。
围绕三角形610b、圆610b和虚线612b类似地分别形成集群域614b,616b和618b,三角形610b,圆610b和虚线612b分别对应于第一个,第二个和第三个订单中的第二个物品的位置。同样地,围绕三角形610c、圆610c和虚线612c类似地分别形成集群域614c、616c和618c,三角形610c、圆形610c和虚线612c对应于第一个、第二个和第三个订单中的第三个物品的位置。这些集群域也是半径为R的圆形。
集群域的大小和每个订单的集群域的数量可以根据各种因素进行设置,包括仓库的大小/配置,货架单位的间距和大小以及仓库中订单活动的数量。在此示例中,集群域的半径R设置为十米,每个订单的集群域的最大数量设置为三个。应当注意,这些仅仅是用于特定应用的示例性设置,并且它们可改变。另外,当仓库中的条件随时间变化时,仓库管理系统可以基于机器学习来动态更改集群域的大小和数量。
如下所述,集群域的中点用于将订单组合在一起成为订单集,以分配给机器人。在此简单示例中,至少对于前三个订单,由于每个集群域只有一个物品,因此集群域的中点是集群域中唯一的物品的位置。因此,前三个订单的集群域的中点是每个集群域中唯一的物品的坐标,并且这些位置存储在图10的订单队列650中,作为相应订单的(x,y)坐标654、656和658。
在许多情况下,一个订单中会有多个物品,这些物品分组在一个集群域中。例如,在图11中对此进行了描绘,其中显示了具有两个集群域672和674的仓库670的图像。集群域672类似于图9所示的集群域,因为它仅具有单个物品/位置673,围绕该单个物品/位置673应用半径R以形成该集群域。集群域672的中点(正方形676)与位置673一致,并且位置673的那些坐标将存储在特定订单的订单队列中。相反,集群域674包括两个物品/位置675和677。通过在位置677周围应用半径R形成此集群域。可以通过如下平均位置来确定多物品的中点:
(1)x1+x2+…xn/n,y1+y2+…yn/n,
其中n是集群域中的物品数。在集群域674中,中点描绘为位于两个物品/位置675和677之间的正方形678。正方形678的坐标将被保存为订单队列(例如650)中的作为特定订单的集群域674的x,y坐标。
在图13的流程图700中描述了建立集群域的过程。在步骤702中,该过程开始评估订单队列中的第一个订单。在步骤704中,获得队列中处于第一订单中的第一物品(其可以基于特定的拣选序列)的x,y坐标,并且将该物品绘制在该仓库的图像上。从订单(拣选序列)中选择物品的顺序可能是建立有效集群域的一个因素。下面参照图15和16进行描述。在上述示例中,第一个订单的第一个物品将是图9中具有位置608a的物品,它是从包含与该第一项的SKU关联的基准ID/标记的位姿的数据结构中检索到的。接下来,在步骤706中,关于第一个物品建立第一集群域(例如,集群域614a)。如上所述,可以通过创建关于第一个物品的位置的、具有预定半径R的圆形区域来建立集群域。尽管本文描述的集群域是圆形的,但是它们可以采取不同的形状/形式,例如正方形或矩形或其他合适的形状。
系统进行到步骤708,在该步骤中对第一订单中的其余物品进行评估。在步骤710中,检索并评估订单中下一个物品的位置,以查看其是否位于第一个已建立的集群域(区域614a)内。如果该位置位于由第一个已建立的集群域定义的空间内,则系统进行到步骤712,并将该物品的位置添加到该物品所在的集群域中。或者,如果确定下一个位置不位于任何现有集群域中(如图9中位置608b的情况一样),则系统进入步骤714。在步骤714中,确定是否存在空间来建立新的集群域。这是通过评估可用的最大集群域定义数量来完成的。如果在步骤714中确定没有空间容纳新集群域,则在步骤716中将当前物品添加到最后建立的集群域。
可替代地,如果在步骤714中确定有空间容纳新集群域,则在步骤718中,通过将预定半径R应用于当前物品的位置来创建新集群域。在关于图9描述的示例中,每个订单的最大集群域数量是三个。由于尚未达到集群域的最大数量,因此第一个订单中的下一个物品608b的位置用于形成集群域614b。
在步骤712、716或718之后,系统循环回到步骤708,以评估在当前订单中是否还有其他物品需要评估。如果是,则如上所述,在步骤710及其后的步骤中评估下一个物品的位置。在图9中描述的示例中,确定物品608c的位置不在集群614a或614b中。由于尚未达到一个订单的最集群域数量(三个),因此在位置608c周围形成了关于位置614c的第三集群域。
如果在步骤708中确定该订单中没有其他物品,则系统进行到步骤720(就像评估物品608a-608c之后的订单一样)。其中确定当前每个集群域中所有位置的中点或平均位置。然后,将当前订单中每个集群域的中点作为列集合654、656和658中的(x,y)坐标存储在图10的订单队列650中。如上所述,系统继续为订单队列中的每个订单运行过程700,并为队列中每个订单的中点填充x,y坐标。
再次参考图10,由附图标记660标识的订单1到由附图标记662标识的订单20,在每个列集合654、656和658中具有非零坐标,每个列集合对应于三个集群域(每个订单允许的最大数量)之一。由附图标记664代表的订单21在列集合654和656中具有非零坐标,但在列集合658中没有,列集合658具有0,0的x,y坐标。这表明对于订单21,只有两个集群域;即,将订单的物品分组到集群域一和二,而不是第三个集群域。对于分别由附图标记666、668和670指示的订单22-24,它们仅在列集合654中具有非零坐标,但在列集合656和658中不具有非零坐标,其具有0,0的x,y坐标。这表明对于订单22-24,只有一个集群域;即,订单的物品分组至集群域一。
当在特定集群域中没有物品时,此处的系统将x,y坐标分配为0,0,该坐标位于仓库图的原点。可能的集群域中没有物品的情况下的坐标可以分配不同的坐标,只要它们不是库存中任何物品可能位于的坐标即可。
一旦在订单队列中填充了每个订单的集群域的中点,系统便可以使用订单队列将“相似”的订单分组在一起,并分配它们以执行。队列顶部的订单(在图10的队列650的示例中为订单660)可以指定为基本订单,队列中的其他订单(或队列的某些部分)可以与基本订单进行比较并计分。下面将详细描述根据本发明的一个方面为订单计分的过程。队列中的第一订单不必指定为基本订单,但是当按优先级对队列进行排序时,逻辑上是首先处理队列顶部的订单。一旦将相似的订单与队列顶部的订单分组在一起,就可以通过优先级重新建立队列,并且现在可以将队列顶部的新物品指定为待与相似订单分组的当前基本订单。
订单队列650中的列680包含相对于当前基本订单的每个订单的分数,在此示例中,该基本订单是由附图标记660指示的订单。该基本订单被分配一个分数“0”,将每个订单与基本订单进行比较,订单队列按分数升序排序,以便与基本订单分组以进行分配。基本订单1所示订单的评分范围为11到226,这表示其他订单与基本订单的“相似度”。相似度可定义为每个订单与基本订单的接近程度(数字越低,越接近)。
然后可以根据分数将基本订单与一个或多个其他订单分组。可以将基本订单与预定义的固定数量的订单(例如两个,三个等)进行分组,然后进行分配。或者,它们可以按机器人或人(如果有)能够运输的订单数量进行分组。在具有带三个隔室的托架的机器人的情况下,基本订单将与其他两个订单分组在一起,例如最接近它的两个订单2-3,形成订单集682,如图10所示。由于分数表示基本订单的接近度,因此对用于承载三个订单的机器人的订单集682进行优化,以使订单的这种分组具有最少的行进量,并因此具有最大的订单执行效率。该过程可以很容易地使用在为人类分配要执行的订单集以最小化人类行进量的系统中。
关于图13和图14描述了计算图10的订单队列650的列680中列出的分数的过程。图13中以不同的布置描绘了订单集682,其中每个订单的中点排列在列中,并且按集群域的数据分布在行上。相反,图10描绘了订单集682,其中订单排列成列,中点布置在行上。图13的布置可以更好地描述每个订单的集群域中点的比较方式。
具体地,确定基本订单的每个集群域(1,2,3)的中点到每个订单的每个集群域(1,2,3)的中点之间的距离,然后将这三个距离相加,以确定基本订单与订单队列中其他订单之间的总距离。这些总距离可用作相对于基本订单的分数。例如,基本订单的集群域1到任何其他订单的集群域1之间的距离可以计算如下:
(2)Δx=|x1-xn|,
Δy=|y1-yn|
根据Δx和Δy,可以使用勾股定理计算基本订单和任何其他订单的中点之间的距离Δz(共同构成直角三角形),如下所示:
作为示例,使用图13中与订单2的集群域1与订单1的集群域1的(x,y)坐标比较,计算如下:
(4)Δx1=|57.56-54.83|=2.73meters
(5)Δy1=37.32–45.06=7.83meters
在图14A中描绘了由集群域1的位置608a和610a形成的直角三角形。在图14B和14C中分别描绘了对于集群域2的位置608b和610b形成的直角三角形以及对于集群域2和3的位置608c和610c形成的直角三角形。如果对于订单1和2的集群域2和集群域3重复上述计算,则距离Δz2和Δz3可以分别确定为2.05和.56。通过这些计算,订单1和订单2之间的总距离可以求和如下:
(7)Δz1+Δz2+Δz3,or 8.29+2.05+.56=10.9meter
如图10的订单队列650所示,舍入到11米后,该值存储为订单2的分数。对于订单队列中的所有订单可执行相同的过程。当计算所有订单的分数时,它们将从0(基本订单)升序排列。
如上所述,本发明的一方面涉及对彼此相邻的订单进行分组以减少在订单执行过程中的行进时间。为了评估订单的接近程度,将订单的集群域的位置与其他订单的相应集群域进行比较。为了更好地确保订单的各个集群域能够合理地接近,可以在建立集群域的过程(流程图700,图13)中优化来自订单的物品拣选序列。例如,在步骤704中,“基于拣选序列”获得订单的第一位置。这样的拣选序列可对应于仓库(诸如图15中以平面图示出的仓库800)中物品的位置。
通常对订单履行仓库进行组织,以使物品存储在具有物理地址的货架和箱子上,这些地址可遵循特定的订单或顺序,从仓库的一部分(起始位置)到仓库的另一部分(结束部分)。在仓库800中,例如,如蛇形线802所示,路径可以从起始位置804延伸到结束位置806。沿着路径,仓库可划分为不同的区域,例如区域808、810和812,这些区域可以沿着仓库800的长度(L)划分。仓库可进一步划分为其他区域,例如,沿未示出的宽度(W)划分。
根据本文所述的过程可建立利用的集群域的最大数量以对应于仓库被划分成的区域的数量。因此,如果将仓库划分为三个区域,则使用的集群域的最大数量可能会限制为三个。在建立集群域的过程中设置要从订单中选择的物品的拣选序列时,可以根据物品所在仓库的区域来拣选。因此,位于区域1中的物品将在区域2中的物品之前选择。区域3中的物品最后选择。无论订单中物品的排列如何,都可以这样做。由于物品是按区域顺序进行拣选的,因此与拣选序列是随机的情况相比(即,不是基于仓库中的位置),物品分组的相应集群域(例如1,2,3)更有可能彼此靠近。
在图16中描绘了上述拣选序列过程,其示出了部分具有三个订单的订单队列820,即,订单A(820)、订单B(822)和订单C(824)。在订单820中,有四个物品821a-821d,分别位于区域1、2、1和3中。根据图13的流程图700,并非按顺序(821a-821d)选择物品以建立820订单的集群域,而是按以下顺序选择物品:821a(区域1)、821c(区域1)、821b(区域2)和821d(区域3)。订单822的三个物品将按以下顺序选择:823a(区域1)、823b(区域2)和823c(区域3)。订单824的两个物品将按以下顺序选择:825b(区域1)和825a(区域3)。
参考图17的流程图900,描述了仓库管理系统的订单分组和分配过程的一般操作。在步骤902中,按优先级对订单队列排序。如上所述,系统可以通过各种方式来做到这一点,包括通过服务水平协议和/或配送要求(例如,快速交付),或者以各种其他方式。下一个步骤904是指定基本订单,该基本订单可以是已按优先级排序的订单队列中的第一个订单。在步骤906中绘制订单队列中每个订单的物品,并建立集群域。步骤908中,如上所述,相对于基本分数使用建立的集群域计算订单队列中每个订单的分数。在步骤910中,按分数以升序对订单队列重新进行排序,以使得具有与基本订单最接近的物品的订单是分数最低的物品(指示相对于基本订单的最短距离)。在步骤912中,确定机器人(或人类)的容量,即,机器人能够运输的隔室/订单的数量n。在步骤914中,基本订单与队列中的后续n-1个订单组合,其中n是机器人能够运输的最大订单数量。然后,系统返回到步骤902,在该步骤中通过优先级对队列进行重新排序,并且该过程继续。
虽然本发明的前述描述使本领域普通技术人员能够制造和使用目前被认为是其最佳模式的产品,本领域普通技术人员将理解和领会本文具体实施例和示例的变型、组合和等同形式的存在。本发明的上述实施方式仅是示例。在不脱离本发明的范围的情况下,本领域技术人员可以对特定实施例进行改变、修改和变化,本发明的范围仅由所附权利要求书限定。因此,本发明不受上述实施例和示例、实施例等的限制。
在描述了本发明及其优选实施例之后,要求专利保护的新内容为:
Claims (22)
1.一种用于在仓库管理系统的订单队列中对多个订单进行分组的方法,每个订单包括一个或多个物品,每个物品与仓库中的物理位置相关联,所述方法包括:
处理器从数据结构中检索坐标空间中多个订单中每个物品的二维坐标(x,y),所述坐标空间由所述多个订单中每个物品在所述仓库中的物理位置相关联的仓库定义;
对于所述多个订单中的每个订单,由所述处理器形成至少一个集群域,所述集群域为由半径R定义的关于所述多个订单中的相应订单的至少一个物品的所述二维坐标(x,y)的集群域;
基于所述仓库中的集群域的所述物理位置通过所述处理器对所述多个订单进行分组,以形成至少一个订单集;以及,
由所述处理器通过电子传输所述至少一个订单集至操作员的手持电子设备或自主移动机器人的车载电子设备中的一个的方式来分配所述至少一个订单集至所述操作员或所述自主移动机器人;
其中,分组的步骤包括:为每个订单计算每个集群域的位置,并将一个订单中的每个集群域的所述位置与所述多个订单中至少一个其他订单的对应集群域的所述位置进行比较。
2.根据权利要求1所述的方法,其中,形成步骤包括:对于所述多个订单中的每一个的每个所述物品,确定所述二维坐标(x,y)是否包含在所述订单的已建立的集群域中,并且如果是,将每个这种物品分配给所述订单的相应集群域;如果二维坐标(x,y)不包含在已经建立的集群域中,为相应订单中的每个这种物品建立关于所述二维坐标(x,y)的新集群域。
3.根据权利要求1所述的方法,其中,通过计算相应集群域中每个物品的所述二维坐标(x,y)的平均值获得每个集群域的中点位置,以确定所述多个订单中的每一个的每个所述集群域的位置。
4.根据权利要求3所述的方法,其中,分组的步骤进一步包括:建立基本订单,并将基本订单中每个集群域的所述中点与所述多个订单中其他订单中的每一个的相应集群域的所述中点进行比较,以相对于所述多个订单中其他订单中的每一个的相应集群域的物理位置确定基本订单中每个集群域的物理位置。
5.根据权利要求4所述的方法,其中,将基本订单中每个集群域的所述中点与所述多个订单中其他订单中的每一个的相应集群域的所述中点进行比较的步骤包括:计算基本订单中每个集群域的中点到所述多个订单中其他订单的每一个的相应集群域的中点之间的距离,以及求和每个计算的距离,以确定基本订单中每个集群域的所述中点到所述多个订单中其他订单中的每一个的相应集群域的所述中点之间的总距离。
6.根据权利要求4所述的方法,其中,分组的步骤进一步包括:根据所述基本订单中每个集群域的中点到至少一个其他订单的相应的集群域的中点之间的最小总距离,将所述基本订单与至少一个其他订单组合,以形成至少一个订单集。
7.根据权利要求6所述的方法,其中,所述操作员和所述自主移动机器人具有订单容量,并且其中,组合成所述至少一个订单集的订单的数量基于所述操作员和所述自主移动机器人的容量。
8.根据权利要求1所述的方法,其中,所述订单可包括拣货订单,放置订单或维护订单。
9.根据权利要求2所述的方法,其中,每个订单能够建立的集群域具有一个最大数量。
10.根据权利要求9所述的方法,其中,为每个订单形成至少一个集群域的步骤包括将每个集群域与在所述仓库中按顺序排列的多个区域中的一个关联。
11.根据权利要求10所述的方法,其中,集群域的所述最大数量对应于所述仓库中的区域的数量,其中,为每个订单形成至少一个集群域的步骤包括基于所述仓库中所述多个区域的顺序,从每个订单中选择所述物品以按顺序建立所述集群域。
12.一种用于在订单队列中对多个订单进行分组的仓库订单系统,所述系统包括:
存储器,包括订单队列中的多个订单,每个订单包括一个或多个物品,并且每个物品与仓库中的物理位置相关联;
处理器,被配置为:
从所述存储器的数据结构中检索坐标空间中所述多个订单中每个物品的二维坐标(x,y),所述坐标空间由所述多个订单中每个物品在所述仓库中的物理位置相关联的仓库定义;
对于所述多个订单中的每个订单,形成至少一个集群域,所述集群域为由半径R定义的关于所述多个订单中的相应的订单的至少一个物品的所述二维坐标(x,y)的集群域;以及,
基于所述仓库中的所述集群域的物理位置对所述多个订单进行分组,以形成至少一个订单集;以及,
通过电子传输所述至少一个订单集至操作员的手持电子设备或自主移动机器人的车载电子设备中的一个来分配所述至少一个订单集至所述操作员或所述自主移动机器人;
其中,所述处理器进一步配置为为每个订单计算每个集群域的位置,并将一订单中的每个集群域的所述位置与所述多个订单中至少一个其他订单的对应集群域的位置进行比较。
13.根据权利要求12所述的仓库订单系统,其中,所述处理器进一步配置为对于所述多个订单中的每一个的每个物品,确定所述二维坐标(x,y)是否包含在所述订单的已形成的集群域中,并且如果是,将每个这种物品分配给所述订单的相应集群域,如果所述二维坐标(x,y)不包含在已经建立的集群域中,则为相应的所述订单中的每个这种物品关于所述二维坐标(x,y)建立一个新集群域。
14.根据权利要求13所述的仓库订单系统,其中,所述处理器进一步配置为通过计算相应集群域中每个物品的所述二维坐标(x,y)的平均值获得每个集群域的中点位置。
15.根据权利要求14所述的仓库订单系统,其中,所述处理器进一步配置为建立基本订单,并将所述基本订单中每个集群域的所述中点与所述多个订单中其他订单中的每一个的相应集群域的所述中点进行比较,以相对于所述多个订单中其他订单的每一个的相应集群域的物理位置确定所述基本订单中每个集群域的所述物理位置。
16.根据权利要求15所述的仓库订单系统,其中,所述处理器进一步配置为计算所述基本订单中每个集群域的所述中点到所述多个订单中其他订单中的每一个的相应集群域的所述中点之间的距离,以及求和每个计算的距离,以确定所述基本订单中每个集群域的所述中点到所述多个订单中其他订单中的每一个的相应集群域的所述中点之间的总距离。
17.根据权利要求16所述的仓库订单系统,其中,所述处理器进一步配置为根据所述基本订单中每个集群域的所述中点到至少一个其他订单的相应的集群域的所述中点之间的最小总距离,将所述基本订单与至少一个其他订单组合,以形成至少一个订单集。
18.根据权利要求17所述的仓库订单系统,其中,所述操作员和所述自主移动机器人具有订单容量,并且其中,组合成所述至少一个订单集的订单数量基于所述操作员和所述自主移动机器人的容量。
19.根据权利要求12所述的仓库订单系统,其中,所述订单可包括拣货订单,放置订单或维护订单。
20.根据权利要求13所述的仓库订单系统,其中,每个订单能够建立的集群域具有一个最大数量。
21.根据权利要求20所述的仓库订单系统,其中,所述处理器进一步配置为将每个集群域与在所述仓库中按顺序排列的多个区域中的一个相关。
22.根据权利要求21所述的仓库订单系统,其中,集群域的所述最大数量对应于仓库中的区域的数量,其中,所述处理器进一步配置为基于所述仓库中多个区域的顺序,从每个订单中选择物品以按顺序形成所述集群域。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/807,672 US10572854B2 (en) | 2017-11-09 | 2017-11-09 | Order grouping in warehouse order fulfillment operations |
US15/807,672 | 2017-11-09 | ||
PCT/US2018/059621 WO2019094467A1 (en) | 2017-11-09 | 2018-11-07 | Order grouping in warehouse order fulfillment operations |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111557013A CN111557013A (zh) | 2020-08-18 |
CN111557013B true CN111557013B (zh) | 2024-02-09 |
Family
ID=64457110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880085586.2A Active CN111557013B (zh) | 2017-11-09 | 2018-11-07 | 仓库订单履行操作中的订单分组 |
Country Status (9)
Country | Link |
---|---|
US (1) | US10572854B2 (zh) |
EP (1) | EP3707657A1 (zh) |
JP (1) | JP6995200B2 (zh) |
KR (1) | KR102477754B1 (zh) |
CN (1) | CN111557013B (zh) |
AU (1) | AU2018366020B2 (zh) |
CA (1) | CA3082182C (zh) |
NZ (1) | NZ764531A (zh) |
WO (1) | WO2019094467A1 (zh) |
Families Citing this family (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10546259B2 (en) * | 2016-08-25 | 2020-01-28 | Accenture Global Solutions Limited | Analytics toolkit system |
US11325782B2 (en) * | 2017-02-12 | 2022-05-10 | Get Fabric Ltd. | Human-assisted robotic picking apparatus |
US10878378B2 (en) * | 2017-05-26 | 2020-12-29 | Inmotus Pty Ltd | Retail supply chain management system |
US11775926B2 (en) * | 2018-01-29 | 2023-10-03 | Maplebear, Inc. | Machine-learned model for optimizing selection sequence for items in a warehouse |
US10678228B2 (en) * | 2018-04-04 | 2020-06-09 | Invia Robotics, Inc. | Autonomous robots performing concerted operation based on shared sensory access and holistic flow of information |
US10802498B2 (en) * | 2018-05-30 | 2020-10-13 | Datalogic Ip Tech S.R.L. | Target direction estimation using centroid follower |
US11049065B2 (en) * | 2018-06-30 | 2021-06-29 | Staples, Inc. | Automated guided vehicle control and organizing inventory items using stock keeping unit clusters |
US11030573B2 (en) | 2018-07-24 | 2021-06-08 | Staples, Inc. | Automated guided vehicle control and organizing inventory items using predictive models for slow item types |
US11498776B1 (en) | 2018-08-02 | 2022-11-15 | Staples, Inc. | Automated guided vehicle control and organizing inventory items using dissimilarity models |
DE102018131267A1 (de) * | 2018-12-07 | 2020-06-10 | Sick Ag | Transportsystem für Waren und Verfahren zum Entfernen einer herabgefallenen Ware |
US11078019B2 (en) | 2019-01-30 | 2021-08-03 | Locus Robotics Corp. | Tote induction in warehouse order fulfillment operations |
US11034027B2 (en) | 2019-02-01 | 2021-06-15 | Locus Robotics Corp. | Robot assisted personnel routing |
US11724395B2 (en) | 2019-02-01 | 2023-08-15 | Locus Robotics Corp. | Robot congestion management |
US20200320471A1 (en) * | 2019-04-04 | 2020-10-08 | Wal-Mart Apollo, LLC | Emethod and apparatus for item delivery preparation |
CN110039543B (zh) * | 2019-04-14 | 2022-04-15 | 炬星科技(深圳)有限公司 | 仓储地图快速确定方法、设备、存储介质及机器人 |
US10783462B1 (en) * | 2019-04-17 | 2020-09-22 | Coupang Corp. | Warehouse batch product picking optimization using high density areas to minimize travel distance |
CN110260867B (zh) * | 2019-07-29 | 2021-06-15 | 浙江华睿科技有限公司 | 一种机器人导航中位姿确定、纠正的方法、设备及装置 |
US11829908B2 (en) | 2019-10-11 | 2023-11-28 | Exel Inc. | Warehouse order picking optimization system and method |
CN111674800B (zh) * | 2020-06-03 | 2021-07-09 | 灵动科技(北京)有限公司 | 用于自动驾驶系统的智能仓储技术 |
FR3112414B1 (fr) | 2020-07-10 | 2022-12-16 | Ifollow | Système et procede de gestion d’une pluralite de robots mobiles pour la preparation de commandes de produits stockes dans un entrepot |
KR20220026129A (ko) | 2020-08-25 | 2022-03-04 | 주식회사 리턴박스 | 악성재고 관리 및 재고처리 시스템 |
US11741564B2 (en) | 2020-09-11 | 2023-08-29 | Locus Robotics Corp. | Sequence adjustment for executing functions on hems in an order |
CA3135589A1 (en) * | 2020-10-22 | 2022-04-22 | Rehrig Pacific Company | Vision product inference based on package detect and brand classification with active learning |
CN113762572B (zh) * | 2020-10-29 | 2024-04-16 | 北京京东振世信息技术有限公司 | 一种物流方法、系统、装置、电子设备及其存储介质 |
CN112581451B (zh) * | 2020-12-21 | 2024-02-23 | 北京科技大学 | 一种基于激光雷达的仓库线卷位置检测系统及方法 |
US20220245585A1 (en) * | 2021-01-29 | 2022-08-04 | Walmart Apollo, Llc | System and method for generating last-mile delivery routes |
US20220270027A1 (en) * | 2021-02-19 | 2022-08-25 | Maplebear, Inc. (Dba Instacart) | Crowdsourcing location data for a planogram |
KR20220124504A (ko) | 2021-03-03 | 2022-09-14 | 주식회사 리턴박스 | 악성재고 관리 및 재고처리 방법 |
CN113034084B (zh) * | 2021-04-08 | 2022-02-11 | 深圳大学 | 一种单元化智慧仓库动态配置方法及终端 |
US11763229B2 (en) * | 2021-08-26 | 2023-09-19 | Maplebear Inc. | Picking sequence optimization within a warehouse for an item list |
US20230153751A1 (en) * | 2021-11-18 | 2023-05-18 | Maplebear Inc. (Dba Instacart) | Generating clusters of geographic regions for evaluation of different conditions based on active shoppers fulfilling orders in different geographic regions |
TR2021022244A2 (tr) * | 2021-12-31 | 2022-01-21 | Advoard Robotik Arge Yazilim Ve Sanayi Anonim Sirketi | Fi̇lo hali̇nde toplama yapan otonom robotlar |
CN114852566A (zh) * | 2022-04-11 | 2022-08-05 | 深圳市库宝软件有限公司 | 订单处理方法、装置、设备、仓储系统及存储介质 |
JP7414931B1 (ja) | 2022-10-28 | 2024-01-16 | 株式会社東芝 | 情報処理装置、情報処理方法、プログラムおよび情報処理システム |
CN116757611B (zh) * | 2023-08-18 | 2023-10-31 | 成都秦川物联网科技股份有限公司 | 智能仓储工业物联网系统及控制方法 |
JP7415076B1 (ja) | 2023-09-19 | 2024-01-16 | 株式会社東芝 | 情報処理装置、情報処理方法、プログラムおよび情報処理システム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2816752A1 (en) * | 2012-05-28 | 2013-11-28 | Well.Ca Inc. | Order processing systems using picking robots |
WO2017165872A1 (en) * | 2016-03-25 | 2017-09-28 | Locus Robotics Corporation | Dynamic task interleaving in robot assisted order-fulfillment operations |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6876958B1 (en) | 1999-07-01 | 2005-04-05 | New Breed Corporations | Method and system of optimized sequencing and configuring of items for packing in a bounded region |
DE102006025620A1 (de) | 2006-05-24 | 2007-11-29 | SSI Schäfer Noell GmbH Lager- und Systemtechnik | Regallager und Kommissionierverfahren |
US7920961B2 (en) * | 2007-08-29 | 2011-04-05 | Sap Ag | Method and apparatus for path planning and distance calculation |
JP2009263018A (ja) * | 2008-04-22 | 2009-11-12 | Askul Corp | ピッキングシステム |
DE102009019511B3 (de) | 2009-04-24 | 2011-03-03 | SSI Schäfer PEEM GmbH | Lager-und Kommissioniersystem und Verfahren zum Betreiben desselben im Batch-Betrieb |
US20110035247A1 (en) * | 2009-08-04 | 2011-02-10 | United Parcel Service Of America | Systems, methods, apparatuses, and computer program products for determining productivity associated with retrieving items in a warehouse |
US8244603B1 (en) * | 2010-02-15 | 2012-08-14 | Amazon Technologies, Inc. | System and method for integrated stowing and picking in a materials handling facility |
US8571915B1 (en) * | 2010-03-16 | 2013-10-29 | Amazon Technologies, Inc. | System and method for selectively advancing items in a picking schedule |
US9373098B2 (en) | 2011-05-24 | 2016-06-21 | Intelligrated Headquarters Llc | Method and apparatus for optimized shipping strategies accounting for endpoint requirements |
WO2012178048A1 (en) * | 2011-06-24 | 2012-12-27 | Seegrid Corporation | Robot-enabled case picking |
US20140040075A1 (en) * | 2012-08-03 | 2014-02-06 | Vargo Adaptive Software LLC | System and method of selection and organization of customer orders in preparation for distribution operations order fulfillment |
US9785911B2 (en) * | 2013-07-25 | 2017-10-10 | I AM Robotics, LLC | System and method for piece-picking or put-away with a mobile manipulation robot |
US20150120514A1 (en) * | 2013-10-31 | 2015-04-30 | International Business Machines Corporation | Logistics management system for determining pickup routes for retail stores |
EP3119704B1 (en) | 2014-01-24 | 2020-08-12 | Picklog, Lda | Evolving mobile unit for controlled product storage and dispensing |
JP6178506B2 (ja) * | 2014-05-12 | 2017-08-09 | 株式会社日立製作所 | 情報処理システムおよび情報処理方法 |
US10259649B2 (en) | 2014-07-12 | 2019-04-16 | Bionichive Ltd | Automatic warehouse system |
CN107108123B (zh) * | 2015-01-23 | 2019-05-10 | 株式会社日立物流 | 出货单分配装置及其分配方法 |
US9758305B2 (en) * | 2015-07-31 | 2017-09-12 | Locus Robotics Corp. | Robotic navigation utilizing semantic mapping |
US9774991B2 (en) * | 2015-08-17 | 2017-09-26 | Collateral Opportunities, Inc. | Electronic location identification and tracking system with beacon clustering |
US10796357B2 (en) * | 2017-04-17 | 2020-10-06 | Walmart Apollo, Llc | Systems to fulfill a picked sales order and related methods therefor |
US10810542B2 (en) * | 2017-05-11 | 2020-10-20 | Walmart Apollo, Llc | Systems and methods for fulfilment design and optimization |
-
2017
- 2017-11-09 US US15/807,672 patent/US10572854B2/en active Active
-
2018
- 2018-11-07 CA CA3082182A patent/CA3082182C/en active Active
- 2018-11-07 CN CN201880085586.2A patent/CN111557013B/zh active Active
- 2018-11-07 AU AU2018366020A patent/AU2018366020B2/en active Active
- 2018-11-07 NZ NZ764531A patent/NZ764531A/en unknown
- 2018-11-07 EP EP18808179.8A patent/EP3707657A1/en active Pending
- 2018-11-07 JP JP2020525929A patent/JP6995200B2/ja active Active
- 2018-11-07 KR KR1020207016131A patent/KR102477754B1/ko active IP Right Grant
- 2018-11-07 WO PCT/US2018/059621 patent/WO2019094467A1/en unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2816752A1 (en) * | 2012-05-28 | 2013-11-28 | Well.Ca Inc. | Order processing systems using picking robots |
WO2017165872A1 (en) * | 2016-03-25 | 2017-09-28 | Locus Robotics Corporation | Dynamic task interleaving in robot assisted order-fulfillment operations |
Also Published As
Publication number | Publication date |
---|---|
CA3082182C (en) | 2023-09-19 |
AU2018366020B2 (en) | 2021-11-18 |
US20190138978A1 (en) | 2019-05-09 |
AU2018366020A1 (en) | 2020-06-04 |
WO2019094467A1 (en) | 2019-05-16 |
KR20200090799A (ko) | 2020-07-29 |
JP2021502641A (ja) | 2021-01-28 |
US10572854B2 (en) | 2020-02-25 |
JP6995200B2 (ja) | 2022-01-14 |
CA3082182A1 (en) | 2019-05-16 |
NZ764531A (en) | 2022-02-25 |
CN111557013A (zh) | 2020-08-18 |
KR102477754B1 (ko) | 2022-12-14 |
EP3707657A1 (en) | 2020-09-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111557013B (zh) | 仓库订单履行操作中的订单分组 | |
US20170282368A1 (en) | Robot queueing in order-fulfillment operations | |
CN110998620B (zh) | 排队完成订单操作的机器人 | |
US20170278047A1 (en) | Dynamic task interleaving in robot assisted order-fulfillment operations | |
JP7268172B2 (ja) | 倉庫注文履行動作における通い箱誘導 | |
KR102580084B1 (ko) | 로봇 혼잡 관리 | |
AU2023210522A1 (en) | Optimized tote recommendation process in warehouse order fulfillment operations | |
US11741564B2 (en) | Sequence adjustment for executing functions on hems in an order | |
CN116472540A (zh) | 使用移动机器人的动态物品上架管理 |
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 |