CN111598510B - 一种适用于智能仓储系统的订单分批方法 - Google Patents
一种适用于智能仓储系统的订单分批方法 Download PDFInfo
- Publication number
- CN111598510B CN111598510B CN202010398605.6A CN202010398605A CN111598510B CN 111598510 B CN111598510 B CN 111598510B CN 202010398605 A CN202010398605 A CN 202010398605A CN 111598510 B CN111598510 B CN 111598510B
- Authority
- CN
- China
- Prior art keywords
- order
- orders
- similarity
- control center
- num
- 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
- 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
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q10/06313—Resource planning in a project environment
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Mathematical Analysis (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Warehouses Or Storage Devices (AREA)
Abstract
本发明提出了一种适用于智能仓储系统的订单分批方法,旨在提高智能仓储系统中订单分批的分批效率,减少订单的处理时延并提高仓储资源的利用率。其实现步骤包括:1)构建智能仓储系统;2)控制中心对当前每个订单信息进行统计;3)控制中心对订单集合O中部分订单进行分批;4)控制中心将已分批订单分配给分拣站台;5)分拣站台对已分批订单进行拣选;6)控制中心完成订单集合O中剩余订单的分批。本发明与现有的订单分批方法相比,通过计算订单之间相似度,可以充分利用订单的已知信息,减少在完成相同订单情况下,自动导引小车需要转运的可搬运货架数量,从而降低系统的整体运行成本,有效提升系统订单的分拣效率。
Description
技术领域
本发明属于仓储技术领域,涉及一种订单分批方法,具体涉及一种适用于智能仓储系统的订单分批方法,可用于仓储物流体系中订单任务的分配。
背景技术
随着科学技术的迅速发展,电子商务在国家经济中占据的比重已越来越大,现代物流企业也已发生了质的飞跃。目前,智能仓储正向着自动化、无人化方向发展,订单的拣选也由传统的“人到货”逐渐演变到“货到人”的智能仓储系统。其中,传统的“人到货”模式是指拣选人员推着拣选车辆,同时携带系统分配的订单到指定的货架处拣选订单上相对应的具体商品。而如今,随着仓储系统的智能化水平不断提高,逐渐出现了以自动导引小车代替分拣人员进行商品寻找的“货到人”的智能仓储系统,该系统依托于多自动导引小车的协同合作,通过自动导引小车将存放商品的可搬运货架转运到分拣站台进行商品的拣选,能够将分拣人员从依靠人力寻找商品的耗时作业解放出来,还能极大地提高商品的拣选效率。
目前,随着电商顾客的增长,电商企业要处理的订单越来越多,尤其在网络促销等活动时,订单量更是呈现爆炸式增长,因此对订单的及时处理成为电商企业的一项重要任务。与此同时在电商的商品交易中,顾客不仅要求商品的质量,更加追求到货的效率。故此,为了提升自身的竞争力并满足顾客的需求,提升智能仓储的拣选效率变得尤为重要。在上述智能仓储系统的整个订单处理的过程中,订单的分批策略就是影响智能仓储拣选效率的关键环节之一,订单分批作为分拣作业的前道工序,直接影响着后续的分拣、配送业务,高效的订单分批方法不但可以提高电商物流效率、还能减少自动导引小车的搬运货架的次数,从而减少系统整体运行成本。因此,设计合理的订单分批方法至关重要。
目前智能仓储系统中的订单分批主要有先来先服务、所有订单合并处理等方式。其中纯粹的先来先服务的方式虽然对用户来说相对公平,但是并没有很好地利用订单中已知的信息,效率较低;将所有订单进行合并处理的方式是目前订单分批广泛采用的方法,例如申请公布号为CN108648046A,名称为“一种基于改进二分k-均值算法的订单分组方法”的专利申请,公开了一种对于订单合并处理的方法,该方法采用改进的二分k-均值算法求解对配送中心订单分批问题,从k值选取、初始中心值的选取、异常点处理三个方面对k-means聚类算法进行了改善,使得求解出的订单分组方案更加有效合理,从而有效提高订单分拣效率。但其存在的不足之处在于:1、将所有订单进行合并处理的方式会大大增加二次分拣的时间开销,而且需要等待所有订单到达后再进行整体的分拣,这增加订单的处理时延,订单分批效率较低。2、实际中为了提高拣选效率并充分利用仓储空间,经常会在一个货架上存放多种不同的商品种类,而该方法中一个货架上只存放一种商品,资源利用率较低。
发明内容
本发明的目的在于克服上述现有技术的不足,提出一种适用于智能仓储系统的订单分批方法,旨在提高智能仓储系统中订单分批的分批效率及仓储资源的利用率。
为实现上述步骤,本发明采取的技术方案包括如下步骤:
(1)构建智能仓储系统:
构建包括控制中心、Snum个分拣站台、与每个分拣站台对应的包含GS个储位的储位货架、自动导引小车和S个可搬运货架的智能仓储系统,并对所有可搬运货架进行编号后通过1或0对每个可搬运货架的状态进行标识,得到可搬运货架集合W:W={P1,P2,...Pj,...PS},然后初始化Pj=0,其中,1表示可搬运货架的状态为需要拣选,0表示可搬运货架的状态为不需要拣选,Pj表示第j个可搬运货架,10≤GS≤20,Snum≥2,S≥20;
(2)控制中心对当前每个订单信息进行统计:
(2a)控制中心对达到设定订单阈值n时的当前订单进行汇总,得到订单集合O,O={O1,O2,...Oi,...On},其中Oi表示至少包含一个商品种类的第i个编号的订单,n≥100;
(2b)控制中心根据每个订单Oi所包含的商品种类查找订单Oi需要拣选的可搬运货架,并将W中需要拣选的可搬运货架的状态更新为1,得到Oi的订单信息WSi,WSi=[P′1,P′2,...P′j,...P′S],其中:
P′j=1表示订单Oi需要拣选第j个可搬运货架,P′j=0表示订单Oi不需要拣选第j个可搬运货架;
(3)控制中心对订单集合O中部分订单进行分批:
(3a)设分批次数为t,最大分批次数为T,T=Snum,并令t=1;
(3b)控制中心根据每个订单Oi的订单信息WSi,计算Oi与订单集合O中除Oi以外的其他每个订单的相似度,得到包含n×(n-1)个相似度值的相似度集合OS,其中Oi与Oy的相似度OSiy计算公式为:
OSiy=WSi×WSy T y取值于n且y≠i
其中,WSy表示Oy的订单信息,T表示对WSy的转置;
(3c)控制中心令订单与其自身相似度为0,并判断i>y是否成立,若是,令OSiy=0,否则保留原相似度,然后将OS中n×(n-1)个相似度以及每个订单Oi与其自身相似度排列成n行,每行n个相似度的相似度矩阵AOS:
其中,第i行的n个相似度由订单Oi与订单集合O中除Oi以外的其他每个订单Oy得到的(n-1)个相似度和订单Oi与其自身的相似度组成;
(3d)控制中心将从相似度矩阵AOS中选取的最大相似度OSab在订单集合O中对应的订单Oa和Ob,作为第t批种子订单存入已分批订单集合Yt,Yt={num,Oa,...Ox,...Ob},并初始化已分批订单的数量num=2,同时令OSab=0,其中,Ox表示已分批集合Yt中编号为x的订单;
(3e)控制中心根据Yt中的每个订单Ox在相似度矩阵AOS中选取与该订单对应的相似度值所在的行和列的相似度,组成待选集合Ro:
其中OSxk表示相似度矩阵AOS中第x行的第k个相似度,OSkx表示相似度矩阵AOS中第x列的第k个相似度;
(3f)控制中心选取待选集合Ro中的最大相似度,并在O中选取与最大相似度对应的订单添加到已分批订单集合Yt中,同时将Ro中的最大的相似度更新为0,并令num=num+1;
(3g)判断num=GS是否成立,若是,得到第t批次已分配订单Yt集合,并执行步骤(3h),否则,执行步骤(3e);
(3h)控制中心对Yt中已分批订单进行统计,将其从订单集合O中删除;并对O中订单从1开始重新编号;
(3i)控制中心判断t=T是否成立,若是,得到T个批次的分批结果,否则,令t=t+1,并执行步骤(3b);
(4)控制中心将已分批订单分配给分拣站台:
控制中心将T个批次的分批结果分配给分拣站台,每个分拣站台对应一个Yt,并为Yt中每个已分批订单指定一个储位货架上的储位;
(5)分拣站台对已分批订单进行拣选:
(5a)分拣站台根据Yt中每个已分批订单Ox的订单信息WSx向自动导引小车发送指令,调动自动导引小车将需要拣选的可搬运货架搬运到分拣站台,并开始订单Ox的拣选;
(5b)分拣站台完成订单Ox中所有商品拣选后,将该订单分发至打包区域,并向控制中心请求新的分批订单;
(6)控制中心完成订单集合O中剩余订单的分批:
(6a)控制中心计算订单集合O中剩余订单数目Rnum:Rnum=n-T×num;
(6b)控制中心对(5b)申请新的分批订单的分拣站台内仍需拣选的可搬运货架进行统计,并根据统计结果将W中仍需拣选的可搬运货架状态更新为1,得到分拣站台信息Sres:Sres=[P″1,P″2,...P″f,...P″S],其中:
(6c)控制中心根据Sres的转置结果Sres T和O中剩余订单的每个订单信息,计算O中剩余订单和分拣站台的相似度,得到包含Rnum个相似度值的相似度集合OS′,其中O中未分批的第m个订单Om与Sres的相似度OSm计算方式如下:
OSm=WSm×Sres T;
(6d)控制中心将O中与Sres的相似度最大的订单分配给(5b)请求新的分批订单的分拣站台,同时将该订单从订单集合O中删除;
(6e)控制中心判断Rnum>0是否成立,若是,令Rnum=Rnum-1,并执行步骤(6b),否则,得到O中剩余订单的分批结果,对剩余订单的分批以及步骤(3)中完成的对部分订单的分批,构成智能仓储系统中所有n个当前订单的分批结果。
本发明与现有技术相比,具有如下优点:
第一,本发明通过计算订单之间相似度,生成相似度矩阵来对选取的订单进行批次的划分,使得智能仓储系统可以充分利用订单的已知信息,减少在完成相同订单情况下,自动导引小车需要转运的可搬运货架的次数,不但能有效提升系统订单的分拣效率,而且还能降低系统的整体运行成本;同时,在进行订单分批时将整个过程分为两部分,首先对所有订单中部分订单进行分批,将其分配给分拣站台,分拣站台迅速开始拣选工作,最后再根据分拣站台自身状况对剩余订单进行分批,可有效降低订单的处理时延,进一步提升订单分批的效率。
第二,本发明通过统计完成每个订单所需拣选的可搬运货架编号来作为订单信息,该方法考虑到仓储环境中每个订单所需拣选的多种商品种类可能储存在同一货架,自动导引小车对可搬运货架转运一次即可同时完成该订单内多种商品的拣选,相较于每个货架只存放一种商品并以商品种类作为订单信息的方法,更加贴合实际智能仓储场景,仓储资源的利用率更高。
附图说明
图1是本发明的实现流程图;
图2是本发明采用的智能仓储系统的框图;
具体实施方式
以下结合附图和具体实施例,对本发明作进一步详细描述:
参照图1,本发明包括如下步骤:
步骤1)构建如图2所示的智能仓储系统:
其中包括一个控制中心1、Snum个分拣站台2、与每个分拣站台对应的包含GS个储位的储位货架5、自动导引小车3和S个可搬运货架4。并对所有可搬运货架进行编号后通过1或0对每个可搬运货架的状态进行标识,得到可搬运货架集合W:W={P1,P2,...Pj,...PS},然后初始化Pj=0,其中,1表示可搬运货架的状态为需要拣选,0表示可搬运货架状态为不需要拣选,Pj表示第j个可搬运货架,10≤GS≤20,Snum≥2,S≥20,在本实施例中,GS=15,Snum=8,S=50;
本系统中控制中心1可实现订单信息统计、监控订单余量、计算订单相似度等多种功能;分拣站台2与控制中心1有线连接,负责接收控制中心1下发的已分批订单,并为每个订单在储位货架5上分配一个储位;每个可搬运货架4上可存储一种或多种商品种类;每个自动导引小车3与可搬运货架4和分拣站台2可进行无线连接,负责将可搬运货架4转运至分拣站台2。
步骤2)控制中心对当前每个订单信息进行统计:
步骤2a)控制中心对达到设定订单阈值n时的当前订单进行汇总,得到订单集合O,O={O1,O2,...Oi,...On},其中Oi表示至少包含一个商品种类的第i个编号的订单,n≥100,在本实施例中,n=200;
该步骤是采用固定订单量的方法选取n值,该方法基于先到先服务的原则,订单的处理时效性强。由于订单到达随着时间具有很强的波动性,通过预先设置阈值还可以保证较为稳定的作业效率。另外,n的取值应该大于等于100,否则小样本的订单之间可能相似度较低,订单分批的效果也会有所下降;
步骤2b)控制中心根据每个订单Oi所包含的商品种类查找订单Oi需要拣选的可搬运货架,由于订单中包含的多个商品种类可能存储在同一个可搬运货架,自动导引小车仅需转运该货架一次即可完成多个商品的拣选,所以在此可并将W中需要拣选的可搬运货架的状态更新为1,得到Oi的订单信息WSi,WSi=[P′1,P′2,...P′j,...P′S],其中:
P′j=1表示订单Oi需要拣选第j个可搬运货架,P′j=0表示订单Oi不需要拣选第j个可搬运货架;
步骤3)控制中心对订单集合O中部分订单进行分批:
步骤3a)设分批次数为t,最大分批次数为T,T=Snum,并令t=1;
步骤3b)控制中心根据每个订单Oi的订单信息WSi,计算Oi与订单集合O中除Oi以外的其他每个订单的相似度,得到包含n×(n-1)个相似度值的相似度集合OS,本实施例通过计算共得到39800个相似度,其中Oi与Oy的相似度OSiy计算公式为:
OSiy=WSi×WSy T y取值于n且y≠i
其中,WSy表示Oy的订单信息,T表示对WSy的转置,OSiy为一维数组与一维数组转置的乘积,得到的结果是一个实数,该结果大小即为订单Oi和Oy中相同的需要拣选的可搬运货架数目,即二者的相似度;
步骤3c)控制中心令订单与其自身相似度为0,并判断i>y是否成立,若是,令OSiy=0,否则保留原相似度,然后将OS中n×(n-1)个相似度以及每个订单Oi与其自身相似度排列成n行,每行n个相似度的相似度矩阵AOS:
其中,该矩阵为n行n列的上三角矩阵,矩阵中相似度OSiy所在位置为第i行第y列,第i行的n个相似度由订单Oi与订单集合O中除Oi以外的其他每个订单Oy得到的(n-1)个相似度和订单Oi与其自身的相似度0组成;
步骤3d)控制中心将从相似度矩阵AOS中选取的最大相似度OSab在订单集合O中对应的订单Oa和Ob,作为第t批种子订单存入已分批订单集合Yt,Yt={num,Oa,...Ox,...Ob},并初始化已分批订单的数量num=2,同时令OSab=0,其中,Ox表示已分批集合Yt中编号为x的订单;
该步骤在相似度矩阵AOS中选择相似度最高的两个订单作为种子订单时,若同时存在多组订单相似度均为最大,则从中选择需要拣选最多可搬运货架数目的两个订单作为种子订单,通过该规则可提高其他订单与种子订单相似的概率,进一步提升订单的分批效率。
步骤3e)控制中心根据Yt中的每个订单Ox在相似度矩阵AOS中选取与该订单对应的相似度值所在的行和列的相似度,组成待选集合Ro:
其中OSxk表示相似度矩阵AOS中第x行的第k个相似度,OSkx表示相似度矩阵AOS中第x列的第k个相似度,待选集合Ro中的相似度都是由Yt中所有已分批订单与其余订单的相似度组成;
步骤3f)控制中心选取待选集合Ro中的最大相似度,并在O中选取与最大相似度对应的订单添加到已分批订单集合Yt中,同时将Ro中的最大的相似度更新为0,并令num=num+1;
步骤3g)判断num=GS是否成立,本实例中判断num=15是否成立,若是,得到第t批次已分配订单Yt集合,并执行步骤3h),否则,执行步骤3e);
步骤3h)控制中心对Yt中已分批订单进行统计,将其从订单集合O中删除;并对O中订单从1开始重新编号;
步骤3i)控制中心判断t=T是否成立,若是,得到T个批次的分批结果,否则,令t=t+1,并执行步骤3b);
步骤4)控制中心将已分批订单分配给分拣站台:
控制中心将T个批次的分批结果分配给分拣站台,由于T=Snum,分批批次和分拣站台数量相同,所以每个分拣站台对应一个Yt,又由于Yt中已分批订单数目等于分拣站台中储位货架的储位数,所以将Yt中每个已分批订单分配给储位货架上的任一储位,一个订单占一个储位;
步骤5)分拣站台对已分批订单进行拣选:
步骤5a)分拣站台根据分配给自身的Yt中每个已分批订单Ox的订单信息WSx向自动导引小车发送指令,调动自动导引小车将需要拣选的可搬运货架搬运到分拣站台,并开始订单Ox的拣选;
步骤5b)分拣站台完成订单Ox中所有商品拣选后,将该订单分发至打包区域,并向控制中心请求新的分批订单;
步骤6)控制中心完成订单集合O中剩余订单的分批:
步骤6a)控制中心计算订单集合O中剩余订单数目Rnum:Rnum=n-T×num,在本实施例中,Rnum=80;
步骤6b)控制中心对步骤5b)申请新的分批订单的分拣站台内仍需拣选的可搬运货架进行统计,并根据统计结果将W中仍需拣选的可搬运货架状态更新为1,得到分拣站台信息Sres:Sres=[P″1,P″2,...P″f,...P″S],其中:
步骤6c)控制中心根据Sres的转置结果Sres T和O中剩余订单的每个订单信息,计算O中剩余订单每个订单和分拣站台的相似度,得到包含Rnum个相似度值的相似度集合OS′,其中O中未分批的第m个订单Om与Sres的相似度OSm计算方式如下:
OSm=WSm×Sres T;
步骤6d)控制中心将O中与Sres的相似度最大的订单分配给步骤5b)请求新的分批订单的分拣站台,同时将该订单从订单集合O中删除;
步骤6e)控制中心判断Rnum>0是否成立,若是,令Rnum=Rnum-1,并执行步骤6b),否则,得到O中剩余订单的分批结果,此时,对剩余80个订单的分批以及步骤3)中完成的对120个订单的分批,构成智能仓储系统中所有200个当前订单的分批结果。
以上描述仅是本发明的一个具体实例,不构成对本发明的任何限制,显然对于本领域的专业人员来说,在了解了本发明内容和原理后,都可能在不背离本发明原理、结构的情况下,进行形式和细节上的各种修改和改变,但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。
Claims (2)
1.一种适用于智能仓储系统的订单分批方法,其特征在于,包括如下步骤:
(1)构建智能仓储系统:
构建包括控制中心、Snum个分拣站台、与每个分拣站台对应的包含GS个储位的储位货架、自动导引小车和S个可搬运货架的智能仓储系统,并对所有可搬运货架进行编号后通过1或0对每个可搬运货架的状态进行标识,得到可搬运货架集合W,W={P1,P2,...Pj,...PS},然后初始化Pj=0,其中,1表示可搬运货架的状态为需要拣选,0表示可搬运货架的状态为不需要拣选,Pj表示第j个可搬运货架,10≤GS≤20,Snum≥2,S≥20;
(2)控制中心对当前每个订单信息进行统计:
(2a)控制中心对达到设定订单阈值n时的当前订单进行汇总,得到订单集合O,O={O1,O2,...Oi,...On},其中Oi表示至少包含一个商品种类的第i个编号的订单,n≥100;
(2b)控制中心根据每个订单Oi所包含的商品种类查找订单Oi需要拣选的可搬运货架,并将W中需要拣选的可搬运货架的状态更新为1,得到Oi的订单信息WSi,WSi=[P1′,P2′,...Pj′,...PS′],其中:
P′j=1表示订单Oi需要拣选第j个可搬运货架,Pj′=0表示订单Oi不需要拣选第j个可搬运货架;
(3)控制中心对订单集合O中部分订单进行分批:
(3a)设分批次数为t,最大分批次数为T,T=Snum,并令t=1;
(3b)控制中心根据每个订单Oi的订单信息WSi,计算Oi与订单集合O中除Oi以外的其他每个订单的相似度,得到包含n×(n-1)个相似度值的相似度集合OS,其中Oi与Oy的相似度OSiy计算公式为:
OSiy=WSi×WSy T y取值于n且y≠i
其中,WSy表示Oy的订单信息,T表示对WSy的转置;
(3c)控制中心令订单与其自身相似度为0,并判断i>y是否成立,若是,令OSiy=0,否则保留原相似度,然后将OS中n×(n-1)个相似度以及每个订单Oi与其自身相似度排列成n行,每行n个相似度的相似度矩阵AOS:
其中,第i行的n个相似度由订单Oi与订单集合O中除Oi以外的其他每个订单Oy得到的(n-1)个相似度和订单Oi与其自身的相似度组成;
(3d)控制中心将从相似度矩阵AOS中选取的最大相似度OSab在订单集合O中对应的订单Oa和Ob,作为第t批种子订单存入已分批订单集合Yt,Yt={num,Oa,...Ox,...Ob},并初始化已分批订单的数量num=2,同时令OSab=0,其中,Ox表示已分批集合Yt中编号为x的订单;
(3e)控制中心根据Yt中的每个订单Ox在相似度矩阵AOS中选取与该订单对应的相似度值所在的行和列的相似度,组成待选集合Ro:
其中OSxk表示相似度矩阵AOS中第x行的第k个相似度,OSkx表示相似度矩阵AOS中第x列的第k个相似度;
(3f)控制中心选取待选集合Ro中的最大相似度,并在O中选取与最大相似度对应的订单添加到已分批订单集合Yt中,同时将Ro中的最大的相似度更新为0,并令num=num+1;
(3g)判断num=GS是否成立,若是,得到第t批次已分配订单Yt集合,并执行步骤(3h),否则,执行步骤(3e);
(3h)控制中心对Yt中已分批订单进行统计,将其从订单集合O中删除;并对O中订单从1开始重新编号;
(3i)控制中心判断t=T是否成立,若是,得到T个批次的分批结果,否则,令t=t+1,并执行步骤(3b);
(4)控制中心将已分批订单分配给分拣站台:
控制中心将T个批次的分批结果分配给分拣站台,每个分拣站台对应一个Yt,并为Yt中每个已分批订单指定一个储位货架上的储位;
(5)分拣站台对已分批订单进行拣选:
(5a)分拣站台根据Yt中每个已分批订单Ox的订单信息WSx向自动导引小车发送指令,调动自动导引小车将需要拣选的可搬运货架搬运到分拣站台,并开始订单Ox的拣选;
(5b)分拣站台完成订单Ox中所有商品拣选后,将该订单分发至打包区域,并向控制中心请求新的分批订单;
(6)控制中心完成订单集合O中剩余订单的分批:
(6a)控制中心计算订单集合O中剩余订单数目Rnum:Rnum=n-T×num;
(6b)控制中心对(5b)申请新的分批订单的分拣站台内仍需拣选的可搬运货架进行统计,并根据统计结果将W中仍需拣选的可搬运货架状态更新为1,得到分拣站台信息Sres:Sres=[P1″,P2″,...Pf″,...PS″],其中:
(6c)控制中心根据Sres的转置结果Sres T和O中剩余订单的每个订单信息,计算O中剩余订单和分拣站台的相似度,得到包含Rnum个相似度值的相似度集合OS′,其中O中未分批的第m个订单Om与Sres的相似度OSm计算方式如下:
OSm=WSm×Sres T;
(6d)控制中心将O中与Sres的相似度最大的订单分配给(5b)请求新的分批订单的分拣站台,同时将该订单从订单集合O中删除;
(6e)控制中心判断Rnum>0是否成立,若是,令Rnum=Rnum-1,并执行步骤(6b),否则,得到O中剩余订单的分批结果,对剩余订单的分批以及步骤(3)中完成的对部分订单的分批,构成智能仓储系统中所有n个当前订单的分批结果。
2.根据权利要求1所述的一种智能仓储系统中的订单分批方法,其特征在于,步骤(3d)中在相似度矩阵AOS中选择相似度最高的两个订单作为种子订单时,若同时存在多组订单相似度均为最大,则从中选择需要拣选最多可搬运货架数目的两个订单作为种子订单。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010398605.6A CN111598510B (zh) | 2020-05-12 | 2020-05-12 | 一种适用于智能仓储系统的订单分批方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010398605.6A CN111598510B (zh) | 2020-05-12 | 2020-05-12 | 一种适用于智能仓储系统的订单分批方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111598510A CN111598510A (zh) | 2020-08-28 |
CN111598510B true CN111598510B (zh) | 2023-04-18 |
Family
ID=72188665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010398605.6A Active CN111598510B (zh) | 2020-05-12 | 2020-05-12 | 一种适用于智能仓储系统的订单分批方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111598510B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113065820A (zh) * | 2021-03-25 | 2021-07-02 | 北京京东乾石科技有限公司 | 信息生成方法、装置、电子设备和计算机可读介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110111048A (zh) * | 2019-04-29 | 2019-08-09 | 西安电子科技大学 | 仓储系统中的订单任务调度方法 |
CN110322309A (zh) * | 2018-03-30 | 2019-10-11 | 北京京东尚科信息技术有限公司 | 订单处理方法、装置和计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10825076B2 (en) * | 2017-04-17 | 2020-11-03 | Walmart Apollo Llc | Systems to fulfill a picked sales order and related methods therefor |
-
2020
- 2020-05-12 CN CN202010398605.6A patent/CN111598510B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110322309A (zh) * | 2018-03-30 | 2019-10-11 | 北京京东尚科信息技术有限公司 | 订单处理方法、装置和计算机可读存储介质 |
CN110111048A (zh) * | 2019-04-29 | 2019-08-09 | 西安电子科技大学 | 仓储系统中的订单任务调度方法 |
Non-Patent Citations (3)
Title |
---|
Order batching and picking in a synchronized zone order picking system;Li Pan etc.;《 2011 IEEE International Conference on Industrial Engineering and Engineering Management》;IEEE;20111229;全文 * |
基于拣选和分拣时间的订单分批优化;赵兰;《中国优秀硕士学位论文全文库》;中国学术期刊电子杂志社;20170630;全文 * |
配送中心订单分批拣货问题的数学模型及算法;李诗珍;《铁道运输与经济》;20071115(第11期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN111598510A (zh) | 2020-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106875148B (zh) | 用于为物品确定存放位置的方法和装置 | |
CN110111048B (zh) | 仓储系统中的订单任务调度方法 | |
CN110348771B (zh) | 一种对订单进行组单的方法和装置 | |
CN110310057B (zh) | 货品排序和货位处理方法、装置、设备及其存储介质 | |
CN111815040B (zh) | 一种用于智能仓库的订单处理和货架指派方法 | |
CN112488386B (zh) | 基于分布熵多目标粒子群的物流车辆配送规划方法及系统 | |
Jiang et al. | Picking-replenishment synchronization for robotic forward-reserve warehouses | |
CN109767150A (zh) | 信息推送方法和装置 | |
CN110826953B (zh) | 一种仓库存储设备规划的方法和装置 | |
CN111598510B (zh) | 一种适用于智能仓储系统的订单分批方法 | |
Nori et al. | Optimum number of kanbans between two adjacent stations | |
CN103116641B (zh) | 获取排序的统计数据的方法及排序装置 | |
CN115660380A (zh) | 货到人拣选的订单处理方法及装置 | |
CN110650170A (zh) | 用于推送信息的方法和装置 | |
CN110428284A (zh) | 一种跨境物流运费定价方法及其装置 | |
CN114331253A (zh) | 订单组单的方法、装置、电子设备和存储介质 | |
CN109711770A (zh) | 仓储物流快速拣选系统及方法 | |
Bayram et al. | Optimal order batching in warehouse management: A data-driven robust approach | |
CN109656540B (zh) | 一种基于Apriori算法的补货库位推荐方法 | |
US6970768B2 (en) | Dynamic material picking method | |
CN113650997A (zh) | 一种物品出库定位方法和装置 | |
CN112784212A (zh) | 一种优化库存的方法和装置 | |
CN115796411A (zh) | 基于自定义循点聚簇的仓库拣货路径优化方法及系统 | |
CN115375243A (zh) | 订单分配方法和装置、电子设备、计算机可读介质 | |
CN112232605B (zh) | 派送资源的处理方法、装置、设备及计算机可读存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |