CN111709565B - 一种基于多层穿梭车系统的能效优化方法及系统 - Google Patents
一种基于多层穿梭车系统的能效优化方法及系统 Download PDFInfo
- Publication number
- CN111709565B CN111709565B CN202010512690.4A CN202010512690A CN111709565B CN 111709565 B CN111709565 B CN 111709565B CN 202010512690 A CN202010512690 A CN 202010512690A CN 111709565 B CN111709565 B CN 111709565B
- Authority
- CN
- China
- Prior art keywords
- shuttle
- throughput
- speed
- energy consumption
- layer
- 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 title claims abstract description 35
- 238000005457 optimization Methods 0.000 title claims abstract description 25
- 238000005265 energy consumption Methods 0.000 claims abstract description 108
- 238000012546 transfer Methods 0.000 claims abstract description 54
- 230000001133 acceleration Effects 0.000 claims abstract description 51
- 238000004088 simulation Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 9
- 230000000875 corresponding effect Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000002596 correlated effect Effects 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 3
- 238000004904 shortening Methods 0.000 claims 1
- 239000010410 layer Substances 0.000 description 38
- 230000014509 gene expression Effects 0.000 description 14
- 238000013178 mathematical model Methods 0.000 description 9
- 238000013461 design Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000010219 correlation analysis Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000032258 transport Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 238000010220 Pearson correlation analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002356 single layer Substances 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Warehouses Or Storage Devices (AREA)
Abstract
本发明公开了一种基于多层穿梭车系统的能效优化方法及系统，所述方法包括以下步骤：针对当前多层穿梭车系统，计算所述多层穿梭车系统的最大吞吐量；接收吞吐量要求，根据预先确立的穿梭车、转载车和提升机的速度配置、旅行时间、吞吐量和能耗之间的相关关系，确定所需吞吐量要求下具有最小能耗的速度配置。本发明通过建立双指令多层穿梭车系统(SBS/RS)的能效模型，能够获取在额定吞吐量要求下最为节能的速度和加速度配置参数，以指导SBS/RS实际的拣货作业。
Description
技术领域
本发明属于自动化仓库系统技术领域，尤其涉及一种基于多层穿梭车系统的能效优化方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
自动化仓库设计不仅需要考虑系统的运行性能指标和经济性能指标，还应考虑系统的能耗性能指标，以满足自动化仓库响应速度和绿色发展的要求。传统的物流仓储与拣选系统主要以人工拣选为主，由于电商的飞速发展，客户的在线订单结构逐渐呈现“小批量、多频次”的特点。与传统仓库相比，自动化仓库可以节省更多的空间，提高拣选作业效率，多层穿梭车系统(SBS/RS)因其较高的灵活性和鲁棒性逐渐投入使用。
系统的拣选任务分为两个阶段：料箱出库和料箱返库。当客户出库订单到达工作站台时，系统自动识别相应的料箱。穿梭车将该料箱运输至转载车，转载车再将其运输至提升机，最终提升机将料箱运输到工作站台，操作顺序在图1中以虚线表示。返库的料箱依次经传送带、提升机、转载车和穿梭车返回原始储位。穿梭车、转载车和提升机沿着固定的路径移动，并且重复执行加速、恒速和减速过程或重复执行加速和减速过程。
不跨层SBS/RS在自动化仓库领域相对较新，相关研究较少。它与自动化存取系统(AVS/RS)有一些相似之处，因此本文也对AVS/RS的相关文献进行了综述。
Marchet等人(2011)在分析排队网络理论的基础上，研究了不跨层单指令AVS/RS的旅行时间和等待时间。随之，Marchet等人(2013)建立了仿真模型，用于估计设计变量对不跨层AVS/RS的投入成本和性能指标的影响，该研究发现巷道数和层数是影响系统性能的关键。Zou等人(2016)使用Fork-Join排队网络对不跨层AVS/RS进行建模，并比较了并行和串行作业策略下AVS/RS的响应时间，得出在给定层数的情况下，并行作业优于串行作业策略的结论。上述模型均进行了系统性能评估，但是他们只考虑了单指令作业，即只考虑了取货作业，而真实拣选作业通常是双指令的，即存取作业同时进行的。
Lerher等人(2015)提出了用于评估不跨层SBS/RS吞吐量的数学模型，并表明SBS/RS的吞吐能力与提升机的吞吐性能乘以巷道数有很大关系。Roy等人(2015)研究了单层AVS/RS设备停留点政策，并得出转载车停靠在巷道末端、穿梭车停靠在装卸点是最优的策略。Eder和Kartnig(2016a)提出了基于提升机和穿梭车速度配置、货架几何比例和到达率的SBS/RS吞吐量评估模型，以确定SBS/RS的最佳货架几何比例。Lerher(2016a)提出了双伸位SBS/RS吞吐量性能评估模型。Wang等人(2016)讨论了多层穿梭车仓储系统的取货流程，构建了二级开放式排队网络，并根据开放排队网络求得了穿梭车的等待时间和提升机的空闲时间。Kriehn等人(2017)提出了一种考虑不同存储策略和存取任务排序的SBS/RS吞吐量评估模型。D‘Antonio等人(2018)指出在AVS/RS未来的研究中应当考虑能量因素的影响。综上所述，上述模型虽然同时考虑了单指令和双指令作业，也为系统设计、主要系统性能评估提供了工具。但是，上述文献主要考虑了系统的运行性能指标和经济性能指标，忽视了能耗性能指标。
近年来，越来越多的学者在自动化仓库系统设计中将能耗指标考虑在内。Lerher(2014)提出了小负载自动存取系统的能效模型。Lerher(2016b)提出了用于估算提升机和穿梭车的能耗的SBS/RS的分析模型。ek等人(2017)建立了自动化立体仓库的多目标优化模型，以最小化系统的周期时间、能耗和系统总成本。Eder和Kartnig(2018)提出了S/R穿梭车系统(即仅有穿梭车和提升机的系统)吞吐量和能耗估计的模型。Ekren等人(2018)开发了一种用于SBS/RS的分析工具，可以估计能源消耗，但是该研究没有考虑系统的吞吐能力。最近，Guerrazzi等人(2019年)提出了一种基于单命令周期AVS/RS的能耗评估方法，其结果表明，使用AVS/RS的仓库比传统仓库显著减少了能耗。以上研究为自动化仓库绿色设计做出了重要贡献。然而，现有的关于SBS/RS能耗研究并没有分析导致能耗不断增加的主要因素，如设备速度和加速度等。且现有的分析仅停留在理论层面，难以对SBS/RS实际的拣货作业进行指导。
发明内容
为克服上述现有技术的不足，本发明提供了一种基于多层穿梭车系统的能效优化方法及系统。通过建立双指令多层穿梭车系统(SBS/RS)的能效模型，能够获取在额定吞吐量要求下最为节能的速度和加速度配置参数，以指导SBS/RS实际的拣货作业。
为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：
一种基于多层穿梭车系统的能效优化方法，包括以下步骤：
针对当前多层穿梭车系统，计算所述多层穿梭车系统的最大吞吐量；
接收吞吐量要求，根据预先确立的穿梭车、转载车和提升机的速度配置、旅行时间、吞吐量和能耗之间的相关关系，确定所需吞吐量要求下具有最小能耗的速度配置。
一个或多个实施例提供了一种基于多层穿梭车系统的能效优化系统，包括：
最大吞吐量计算模块，针对当前多层穿梭车系统，计算所述多层穿梭车系统的最大吞吐量；
速度配置求解模块，接收吞吐量要求，根据预先确立的穿梭车、转载车和提升机的速度配置、旅行时间、吞吐量和能耗之间的相关关系，确定所需吞吐量要求下具有最小能耗的速度配置。
一个或多个实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述的基于多层穿梭车系统的能效优化方法。
一个或多个实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的基于多层穿梭车系统的能效优化方法。
以上一个或多个技术方案存在以下有益效果：
通过建立双指令多层穿梭车系统(SBS/RS)的能效模型，能够获取在额定吞吐量要求下最为节能的速度和加速度配置参数，以指导SBS/RS实际的拣货作业。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为多层穿梭车系统(SBS/RS)的拣选任务作业流程示意图；
图2为本发明实施例中基于多层穿梭车系统的能效优化方法的流程图；
图3(a)和图3(b)分别为本发明实施例中通过数值模型模拟的穿梭车在第一阶段的两种状态速度变化图；
图4为本发明实施例中通过数值模型模拟的旅行时间与能耗的分布图；
图5为本发明实施例中通过数值模型模拟的所选速度配置的旅行时间和吞吐能力的分布图；
图6为本发明实施例中通过数值模型模拟的所选速度配置W和λ的分布图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
以下技术方案基于以下假设：
(1)系统采用随机存取策略；
(2)取货和放货时间忽略不计；
(3)穿梭车、转载车和提升机的停靠在上一次服务完成点。
本文的符号介绍如下：
tS,tC,tL依次为穿梭车、转载车和提升机的平均服务时间；
τS,τC,τL依次为穿梭车、转载车和提升机的输出量，分别由三者在单位时间内可处理的料箱数量来衡量；
τm SBS/RS可实现的最大吞吐量；
穿梭车在执行第i个过程上所用的时间(1≤i≤3)；
aS 穿梭车的加速度(m/s2)；
穿梭车可达到的最大速度；
穿梭车加速后达到的速度；
a 巷道数；
l 提升机数；
c 每条巷道中货架的列数；
d SBS/RS的层数；
μS,μC,μL 依次为穿梭车、转载车和提升机的平均服务率；
G,g 依次为重力及其加速度
cf 摩擦系数Coefficient of friction(＝0.01)；
ce 变速运动阻力系数(＝1.15)；
依次为加速时穿梭车和提升机的牵引力(单位：Newton)；
依次为加速时穿梭车和提升机克服所需的发动机功率；
依次为制动时穿梭车和提升机的牵引力(单位：Newton)；
依次为制动时穿梭车和提升机克服所需的发动机功率；
依次为匀速时穿梭车和提升机的牵引力(单位：Newton)；
依次为匀速时穿梭车和提升机克服所需的发动机功率；
WS,WC,W 穿梭车、转载车和提升机的能耗(kWh)；
W 总能耗。
实施例一
本实施例公开了一种基于多层穿梭车系统的能效优化方法，包括以下步骤：
步骤1：针对当前多层穿梭车系统，计算所述多层穿梭车系统的最大吞吐量；
本系统为双指令不跨层SBS/RS，该系统的运输设备包含穿梭车、转载车和提升机，穿梭车只能在同一层运行，不能移动到另一层。
一般来说，SBS/RS的最大吞吐量是指系统在单位时间内可以处理的料箱数。本文分三步计算该最大吞吐量：
第一步：分别计算穿梭车、转载车和提升机的平均服务时间。
首先，通过分析穿梭车的移动轨迹进行计算tS。穿梭车的运动可分为三个阶段：(1)移动阶段：穿梭车从上次的储存点移动到新的取货点，然后取走相关料箱；(2)取货阶段：穿梭车将取出的料箱存放至缓存传送带；(3)存货阶段：穿梭车从传送带上拣取一个料箱，移动到存储点并将其放于货位。
以穿梭车为例，在穿梭车运动的第一阶段，穿梭车首先从静止位置开始加速，接近目的地时开始减速。如果穿梭车能在减速前达到最高速度，则其速度变化如图3(a)所示；否则，速度变化如图3(b)所示。等于穿梭车到达该层中每一列的所有货位的总时间除以巷道中的列数，如公式(1)所示。
其中，当穿梭车到达第nd列时，穿梭车可以达到其最大速度，nd如公式(2)所示。
在第二阶段中，穿梭车的起始点是上一次的存储位置，目的地是新的取货位置。这两个位置可能是货架的任何一列。因此，在第二阶段上花费的时间可以表示如公式(3)
其中，
在公式(3)中，是达到最大速度的平均运行时间，是未达到最大速度时的平均运行时间。与相似，与相似，但方向相反。
第三阶段的起点可能是货架的任何一列，终点始终是缓存传送带。两点之间的距离与第一阶段的距离相同，即由于穿梭车的往返运动包括上述三个阶段，因此可以将tS表示为三个阶段的总和，即同理，可以用相同的方法计算出tC和tL。
第二步：通过公式(8)-(10)计算总吞吐量
第三步：通过公式(11)求出SBS/RS的最大吞吐量
τm＝min(τS,τC,τL). (11)
步骤2：接收吞吐量要求，根据预先确立的穿梭车、转载车和提升机的速度配置、旅行时间、吞吐量和能耗之间的相关关系，确定所需吞吐量要求下具有最小能耗的速度配置。
所述速度配置包括速度配置和加速度配置。
本领域技术人员可以理解，在得知了穿梭车、转载车和提升机的速度配置、旅行时间、吞吐量和能耗之间的相关关系之后，通过仿真获得多组初始实际数据(每组数据包括穿梭车、转载车和提升机的速度配置、相应的旅行时间、吞吐量和能耗)，根据这些相关关系和初始实际数据建立能耗与速度配置、旅行时间、吞吐量之间的数学模型，即能耗分析模型，再以能耗最小为目标，以速度、旅行时间、吞吐量的取值范围作为约束条件，计算在所需吞吐量要求下，能耗最小对应的速度配置和旅行时间。
本实施例中，为了明确对能耗影响显著的因素，选取了穿梭车、转载车和提升机的速度、加速度、旅行时间、吞吐量作为影响因素，对这些影响因素与能耗之间的关系，以及各影响因素之间的关系进行分析。
首先，本实施例给出了旅行时间和能耗的计算方法，具体如下：
如上文所述，穿梭车、转载车和提升机两种速度变化如图3(a)和3(b)所示，这两种情况都假设穿梭车、转载车和提升机在t1时间内加速或减速。
在穿梭车的加速阶段，牵引力如表达式(12)所示
为克服所需发动机功率(单位：kW)如表达式(13)所示
在穿梭车的减速阶段，制动力的计算表达式为：
为克服所需发动机功率(单位：kW)如表达式(15)所示
在穿梭车的匀速阶段，牵引力如表达式(16)所示
为克服所需发动机功率(单位：kW)如表达式(17)所示
因此，穿梭车在上述三个阶段的能耗若表达式(18)-(20)所示
其中，t1表示加速或减速的行程时间；t2表示等速的行程时间。它们的单位均为如果穿梭车不能加速到最大速度Vmax，则执行每次任务的平均能耗为：
如果穿梭车可以加速到Vmax，则执行每次任务的平均能耗为：
提升机执行任务的平均时间的计算方法与穿梭车情况相同。然而，提升机是在垂直方向上移动的，所以其能源消耗的计算不同于穿梭车。
在加速阶段，提升机受到的拉力如表达式(23)所示
为克服所需发动机功率(单位：kW)如表达式(24)所示
在减速阶段，提升机受到的制动力如表达式(25)所示
为克服所需发动机功率(单位：kW)如表达式(26)所示
在匀速阶段，提升机受到的牵引力如表达式(27)所示
为克服所需发动机功率(单位：kW)如表达式(28)所示
因此，提升机在上述三个阶段的能耗如下：
其中，t1表示加速或减速过程经历的时间；t2表示恒速的时间。如果提升机不能加速到Vmax，则每次执行任务的平均能耗如表达式(32)所示
如果提升机的速度到可以加速到Vmax，则每次执行任务的平均能耗等于以下公式：
本实施例通过构建仿真模型，对以上影响因素进行分析。该模型的输入数据来自某电子商务公司的真实SBS/RS数据，速度配置1到64记为vpi(i＝1,…,64)，根据管理人员的经验，最大加速度限制在如果加速度该值，设备车轮将会打滑，影响正常运行。案例研究中的SBS/RS有12层、7个巷道、30列(双伸位)、3个提升机，每个储位有2个料箱(参见图1和2)。仓库容量为10080箱，吞吐量要求为800单/小时，负载的质量设置为20kg(可能与实际系统不同)。其他系统参数如表1所示。
表1.货架几何数据
为了验证数学模型的性能，首先随机抽取了某电商企业过去12个月中每月同一天的500个单行订单，共计6000个订单。利用Flexsim(三维仿真建模与分析软件)建立了仿真模型。仿真模型的参数与真实SBS/RS参数相同(参照表1)，速度配置与vp1相同。穿梭车和转载车被定义为可移动的传送带模块，提升机在Flexsim中被定义为提升机模块。所选的6000个订单数据在仿真运行开始时输入到仿真模型，模拟模型的吞吐量和旅行时间如表2所示。
表2.仿真模型的输入输出数据
将相同的系统参数输入到数学模型中，得到系统的最大吞吐量为807条订单/小时，平均旅行时间为62秒。结果表明，第1个月至第11个月的输入速率小于最大吞吐量时，仿真模型的吞吐量等于输入速率。第12个月的输入速率大于最大吞吐量，在实验时间范围内的仿真吞吐量接近理论最大吞吐量。仿真模型从第1个月到第12个月的订单平均旅行时间为65秒。由数学模型估计的平均旅行时间比由仿真模型估计的平均旅行时间少4.8％。这说明，数学模型的吞吐量和平均旅行时间与仿真模型的结果相似，可以用来估计系统能耗分析。
穿梭车、转载车和提升机的速度、加速度、旅行时间、吞吐量与能耗之间的关系分析过程如下：
首先通过数学模型对速度配置、旅行时间和能耗进行整体展示，如图3所示，其中的点代表了系统在64个速度配置下的旅行时间和能耗。下文将详细分析旅行时间t、能耗W和速度配置vpi(i＝1,…,64)之间的关系。
(1)加速度与能耗
采用Pearson相关性分析法，估计旅行时间与能耗的关系。由表3可知，Pearson相关系数为-0.822，对应的P值小于0.05。结果表明旅行时间与能耗之间存在负相关关系，即旅行时间越少，能耗越高。
表3.旅行时间与能耗的相关性分析
同时，由图4可知，在不同的速度配置下，能耗是分阶段增加的。vp1到vp8是在穿梭车、转载车和提升机的速度设定为3m/s的前提下，通过改变穿梭车、转载车和提升机的加速度得到的(见表4)。图4的结果显示，与vp1相比，vp2到vp8的能耗增加了0.02％到1.36％，而vp2到vp8的旅行时间减少了0.82％到9.16％。
vp9到vp16是在穿梭车和转载车的速度设定为3m/s，提升机的速度设定为4m/s的情况下，通过改变穿梭车、转载车和提升机的加速度得到的(见附录)。图4的结果显示，与vp9相比，vp10到vp16的能耗增加了0.17％到2.19％，而vp10到vp16的旅行时间减少了3.53％到12.52％。
同样，vp17到vp24、vp25到vp32、vp33到vp40、vp41到vp48、vp49到vp56以及vp57到vp64，旅行时间明显减少，而能耗变化相对较小。因此，适当增加穿梭车、转载车和提升机的加速度，能耗变化不大。
通过以上分析可知，适当提高穿梭车、转载车和提升机的加速度，可以在能耗变化不大的情况下，有效缩短行程时间，从而提高仓储效率。
表4.速度配置数据
(2)速度和能耗
为了平滑设备加速度对旅行时间和能耗的影响，依次计算vp1到vp8、vp9到vp16、vp17到vp24、vp25到vp32、vp33到vp40、vp41到vp48、vp49到vp56以及vp57到vp64的平均旅行时间和平均能耗，并重新编号为vi(i＝1,…,8)，如表5所示。
无论单独或同时提高穿梭车、转载车和提升机的速度，都会导致能耗的增加。比较旅行时间标准差相对较小的4个速度配置v5,v6,v7,v8，结果如表五所示。
表5.旅行时间和能耗的平均值
表6.差值
从表6可以看出，v5和v8旅行时间差值小于v7和v8旅行时间差值，而v5和v8的能耗差值大于v7和v8能耗差值。同时，v5和v8旅行时间差值比v6和v8能耗差值高3.5％，然而v5和v8能耗差值比v6和v8能耗差值高34％。从计算结果看，转载车速度增加，能耗增加最多。因此，转载车的速度对能耗有显著影响。
(3)吞吐量与旅行时间、吞吐量与能耗
在以上分析的基础上，选择了8种不同的速度配置进一步分析。这8种速度配置的穿梭车、转载车和升降机的加速度均为图5给出了该8种速度配置的双指令旅行时间与吞吐能力的关系，图6给出了这8种速度剖面的能耗与吞吐能力的关系。
利用Pearson相关分析评估λ与t、λ和W之间的关系，如表6所示。
表7.λ、t和W的两两相关分析
由表7可知，吞吐量与旅行时间的Pearson相关系数为-0.926，P值小于0.05，这表明两者呈负相关。t值越低，λ值越高，反之亦然，t值越高，λ值越低。同时，能耗与吞吐能力的Pearson相关系数为0.892，P值小于0.05，表明能耗与吞吐量呈正相关。λ值越低，W值越高，反之亦然，λ值越高，W值越高。
结合图4的结果可以看出，如果吞吐量需求为每小时800个订单，则vp8是此案例研究系统的最佳选择，因为在满足吞吐量需求的同时，vp8的能耗最少。
由此，可以得出以下结论：(1)穿梭车速度对能耗有显著影响；(2)适当提高穿梭车、转载车和提升机的加速度，能耗基本不变。此外，我们还发现了双指令旅行时间、能耗与吞吐量之间的关系，即旅行时间与能耗呈负相关；旅行时间与吞吐量呈负相关；能耗与吞吐量呈正相关。由此我们可以得到在不同吞吐量要求下具有最小能耗的最优速度配置。
以上研究结果表明，适度提高穿梭车、转载车和提升机的加速度，能耗几乎不增加，以此可有效地缩短旅行时间，提高仓储效率。同时，如果增加穿梭车和提升机的加速度、速度可以达到满足吞吐量的目的，则最好不要增加转载车的速度。
上述得到的速度配置是根据数学模型得到的参考数据，并未考虑不同影响因素之间的影响，而通过上述相关分析可知，加速度对旅行时间具有显著影响，因此，本方法还可以包括：
步骤3：根据所述速度配置对所述多层穿梭车系统的作业过程进行仿真，得到相应的旅行时间和能耗；对所述速度配置中穿梭车、转载车或提升机的加速度进行调整，重复步骤3，直至得到在能耗增加满足设定容差的前提下的最短旅行时间，此时的速度配置记为最优速度配置。
具体地，优先对穿梭车或提升机的加速度进行调整。
本实施例首先对能耗的影响因素进行了充分挖掘，其次，不仅考虑了能耗与各影响因素之间的关系，还考虑了各因素之间的影响，在建立了整体的能效模型得到速度配置后，还通过其中一个影响因素(加速度)的微调，实现另一个影响因素(旅行时间)的缩短，得到最优速度配置，从而使系统在满足能耗最低的前提下，以更短的时间完成拣选作业任务。
本实施例旨在探讨双指令多层穿梭车系统(SBS/RS)在额定吞吐量要求下最为节能的速度和加速度配置参数，帮助企业在满足额定的吞吐量要求下找到最环保的速度和加速度配置，从而减少能源消耗，进一步达到减少二氧化碳排放的目的。通过建立双指令多层穿梭车系统的能效模型，并利用真实电子商务公司的仓库数据建立仿真模型以验证了数学模型的准确性。不仅考虑了系统的运行性能指标和经济性能指标，还考虑了系统的能耗性能指标，能够满足自动化仓库响应速度和绿色发展的要求。
实施例二
本实施例的目的是提供一种基于多层穿梭车系统的能效优化系统，包括：
最大吞吐量计算模块，针对当前多层穿梭车系统，计算所述多层穿梭车系统的最大吞吐量；
速度配置求解模块，接收吞吐量要求，根据预先确立的穿梭车、转载车和提升机的速度配置、旅行时间、吞吐量和能耗之间的相关关系，确定所需吞吐量要求下具有最小能耗的速度配置；所述速度配置包括速度和加速度配置；
速度优化配置模块，根据所述速度配置对所述多层穿梭车系统的作业过程进行仿真，得到相应的旅行时间和能耗；对所述速度配置中穿梭车、转载车或提升机的加速度进行调整，重复该步骤，直至得到在能耗增加满足设定容差的前提下的最短旅行时间，此时的速度配置记为最优速度配置。
实施例三
本实施例的目的是提供一种电子设备。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如实施例一所述的基于多层穿梭车系统的能效优化方法。
实施例四
本实施例的目的是提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如实施例一所述的基于多层穿梭车系统的能效优化方法。
以上实施例二、三和四的中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (9)
1.一种基于多层穿梭车系统的能效优化方法，其特征在于，包括以下步骤：
针对当前多层穿梭车系统，计算所述多层穿梭车系统的最大吞吐量；所述多层穿梭车系统的最大吞吐量的计算方法包括：分别计算穿梭车、转载车和提升机的平均服务时间；分别计算穿梭车、转载车和提升机所能承载的吞吐量；穿梭车、转载车和提升机所能承载的吞吐量的最小值即为系统的最大吞吐量；
接收吞吐量要求，根据预先确立的穿梭车、转载车和提升机的速度配置、旅行时间、吞吐量和能耗之间的相关关系，在得到速度配置后，通过调节加速度缩短旅行时间，得到最优速度配置，确定所需吞吐量要求下具有最小能耗的速度配置；
其中，如果穿梭车不能加速到最大速度Vmax，则执行每次任务的平均能耗为：
如果穿梭车可以加速到最大速度Vmax，则执行每次任务的平均能耗为：
式中，WS表示穿梭车的能耗，aS表示穿梭车的加速度，G为重力，g为重力加速度，cf表示摩擦系数，ce表示变速运动阻力系数，t1表示加速或减速过程经历的时间，t2表示恒速的时间，Vtop表示穿梭车加速后达到的速度；
通过公式(3)-(5)计算总吞吐量：
其中，τS，τC，τL依次为穿梭车、转载车和提升机的输出量；tS，tC，tL依次为穿梭车、转载车和提升机的平均服务时间；μS，μC，μL依次为穿梭车、转载车和提升机的平均服务率；a为巷道数，d为多层穿梭车系统的层数，l为提升机数；
通过公式(6)求出多层穿梭车系统的最大吞吐量：
τm＝min(τS，τC，τL)。 (6)
2.如权利要求1所述的基于多层穿梭车系统的能效优化方法，其特征在于，穿梭车、转载车和提升机的速度配置、旅行时间、吞吐量和能耗之间的相关关系包括：速度配置与能耗呈正相关、旅行时间与能耗呈负相关、旅行时间与吞吐量呈负相关，以及能耗与吞吐量呈正相关。
3.如权利要求2所述的基于多层穿梭车系统的能效优化方法，其特征在于，确定所需吞吐量要求下具有最小能耗的速度配置包括：
通过仿真获得多组初始数据，根据初始数据和能耗与速度配置、旅行时间、吞吐量之间的相关关系，建立能耗分析模型；
以能耗最小为目标，以速度、旅行时间、吞吐量的取值范围作为约束条件，计算在所需吞吐量要求下，能耗最小对应的速度配置和旅行时间。
4.如权利要求1所述的基于多层穿梭车系统的能效优化方法，其特征在于，所述速度配置包括速度和加速度配置。
5.如权利要求4所述的基于多层穿梭车系统的能效优化方法，其特征在于，所述方法还包括：
根据所述速度配置对所述多层穿梭车系统的作业过程进行仿真，得到相应的旅行时间和能耗；对所述速度配置中穿梭车、转载车或提升机的加速度进行调整，重复该步骤，直至得到在能耗增加满足设定容差的前提下的最短旅行时间，此时的速度配置记为最优速度配置。
6.如权利要求5所述的基于多层穿梭车系统的能效优化方法，其特征在于，对所述速度配置中穿梭车、转载车或提升机的加速度进行调整时，优先调整穿梭车或提升机的加速度。
7.一种基于多层穿梭车系统的能效优化系统，其特征在于，包括：
最大吞吐量计算模块，针对当前多层穿梭车系统，计算所述多层穿梭车系统的最大吞吐量；所述多层穿梭车系统的最大吞吐量的计算方法包括：分别计算穿梭车、转载车和提升机的平均服务时间；分别计算穿梭车、转载车和提升机所能承载的吞吐量；穿梭车、转载车和提升机所能承载的吞吐量的最小值即为系统的最大吞吐量；
速度配置求解模块，接收吞吐量要求，根据预先确立的穿梭车、转载车和提升机的速度配置、旅行时间、吞吐量和能耗之间的相关关系，在得到速度配置后，通过调节加速度缩短旅行时间，得到最优速度配置，确定所需吞吐量要求下具有最小能耗的速度配置；
其中，如果穿梭车不能加速到最大速度Vmax，则执行每次任务的平均能耗为：
如果穿梭车可以加速到最大速度Vmax，则执行每次任务的平均能耗为：
式中，WS表示穿梭车的能耗，aS表示穿梭车的加速度，G为重力，g为重力加速度，cf表示摩擦系数，ce表示变速运动阻力系数，t1表示加速或减速过程经历的时间，t2表示恒速的时间，Vtop表示穿梭车加速后达到的速度；
通过公式(3)-(5)计算总吞吐量：
其中，τS，τC，τL依次为穿梭车、转载车和提升机的输出量；tS，tC，tL依次为穿梭车、转载车和提升机的平均服务时间；μS，μC，μL依次为穿梭车、转载车和提升机的平均服务率；a为巷道数，d为多层穿梭车系统的层数，l为提升机数；
通过公式(6)求出多层穿梭车系统的最大吞吐量：
τm＝min(τS，τC，τL)。 (6)
8.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述的基于多层穿梭车系统的能效优化方法。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一项所述的基于多层穿梭车系统的能效优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010512690.4A CN111709565B (zh) | 2020-06-08 | 2020-06-08 | 一种基于多层穿梭车系统的能效优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010512690.4A CN111709565B (zh) | 2020-06-08 | 2020-06-08 | 一种基于多层穿梭车系统的能效优化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111709565A CN111709565A (zh) | 2020-09-25 |
| CN111709565B true CN111709565B (zh) | 2024-06-14 |
Family
ID=72539671
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010512690.4A Active CN111709565B (zh) | 2020-06-08 | 2020-06-08 | 一种基于多层穿梭车系统的能效优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111709565B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113191628A (zh) * | 2021-04-28 | 2021-07-30 | 北京京东乾石科技有限公司 | 一种多层料箱机器人的入库定位方法和装置 |
| CN113420951B (zh) * | 2021-05-17 | 2023-07-07 | 西安电子科技大学 | 一种双深多层智能仓储的性能评估系统 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180025460A1 (en) * | 2015-02-20 | 2018-01-25 | Hitachi Transport System, Ltd. | Warehouse Management System, Warehouse, and Warehouse Management Method |
| US10819599B2 (en) * | 2016-10-10 | 2020-10-27 | International Business Machines Corporation | Energy consumption as a measure of utilization and work characterization in a system |
| CN107697534A (zh) * | 2017-11-01 | 2018-02-16 | 贵阳普天物流技术有限公司 | 一种密集库子母穿梭车自动存取货物的方法及装置 |
| CN108269040B (zh) * | 2018-01-15 | 2021-05-14 | 清华大学深圳研究生院 | 自动化存取系统作业调度优化方法及装置 |
| CN109081030B (zh) * | 2018-09-28 | 2021-04-13 | 陕西科技大学 | 一种子母穿梭车式密集仓储系统的配置优化方法 |
| CN109677830B (zh) * | 2019-02-28 | 2021-04-16 | 陕西科技大学 | 一种四向穿梭车式密集仓储系统资源配置优化方法 |
| CN113163332B (zh) * | 2021-04-25 | 2022-07-05 | 北京邮电大学 | 基于度量学习的路标图着色无人机节能续航数据收集方法 |
-
2020
- 2020-06-08 CN CN202010512690.4A patent/CN111709565B/zh active Active
Non-Patent Citations (3)
| Title |
|---|
| "Multi-objective optimisation model of shuttlebasedstorage and retrieval system";Banu Y. Ekren 等;《Transport》;20160512 * |
| "多层穿梭车系统若干问题的研究";韩星;《中国优秀博硕士学位论文全文数据库（硕士）信息科技》;20190915 * |
| Banu Y. Ekren 等."Multi-objective optimisation model of shuttlebasedstorage and retrieval system".《Transport》.2016, * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111709565A (zh) | 2020-09-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lerher et al. | Travel time model for shuttle-based storage and retrieval systems | |
| Ekren et al. | A tool for time, variance and energy related performance estimations in a shuttle-based storage and retrieval system | |
| CN108960593B (zh) | 基于跨层穿梭车系统的任务排序优化方法及系统 | |
| CN108357848B (zh) | 基于多层穿梭车自动仓储系统的建模优化方法 | |
| Zou et al. | Evaluating battery charging and swapping strategies in a robotic mobile fulfillment system | |
| Borovinšek et al. | Multi-objective optimisation model of shuttle-based storage and retrieval system | |
| CN107416400B (zh) | 基于跨层穿梭车密集自动存储系统的模型及其优化方法 | |
| Ning et al. | An efficient simulation model for rack design in multi-elevator shuttle-based storage and retrieval system | |
| CN104408589B (zh) | 基于混合粒子群算法的agv优化调度方法 | |
| CN103955818B (zh) | 多层穿梭车自动仓储系统的任务调度方法 | |
| CN109205163A (zh) | 跨巷道多层穿梭车仓储系统设计方法、系统及存储介质 | |
| Lee et al. | Comparison and evaluation of various cycle-time models for yard cranes in container terminals | |
| Lerher et al. | Simulation analysis of mini-load multi-shuttle automated storage and retrieval systems | |
| CN111709565B (zh) | 一种基于多层穿梭车系统的能效优化方法及系统 | |
| Lerher | Design of experiments for identifying the throughput performance of shuttle-based storage and retrieval systems | |
| CN105911982A (zh) | 基于分散式出/入库布局模式下的堆垛机调度路径模型建立方法 | |
| CN111754014A (zh) | 拣选工作站出库任务的控制方法、存储介质及电子设备 | |
| CN115619198B (zh) | 库位移动规划方法、装置、电子设备及存储介质 | |
| Kosanić et al. | A Survey of literature on Shuttle Based Storage and Retrieval Systems. | |
| Akpunar et al. | Energy efficient design of autonomous vehicle based storage and retrieval system | |
| CN111861112A (zh) | 多层穿梭车系统输送缓存容量估计方法及装置 | |
| JP2023524443A (ja) | 自動保管および回収システムに保管コンテナを移送することと、自動保管および回収システムから移送することとを行うための、同一のポートと相互作用するように割り当てられたコンテナ取扱車両の動作キャパシティの最適な活用 | |
| CN106865418A (zh) | 一种钢卷库区吊机设备的控制方法 | |
| KR100389076B1 (ko) | 컨테이너 터미널의 최적화된 배차 방법 | |
| Lin et al. | A model and a task scheduling method for double-deep tier-captive SBS/RS with alternative elevator-patterns |
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 |