CN111796596B - 仓库自动拣货方法、装置、计算机设备及存储介质 - Google Patents

仓库自动拣货方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN111796596B
CN111796596B CN202010633987.6A CN202010633987A CN111796596B CN 111796596 B CN111796596 B CN 111796596B CN 202010633987 A CN202010633987 A CN 202010633987A CN 111796596 B CN111796596 B CN 111796596B
Authority
CN
China
Prior art keywords
picking
goods
route
robot
working state
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
Application number
CN202010633987.6A
Other languages
English (en)
Other versions
CN111796596A (zh
Inventor
何云飞
任福平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Chihu Software Technology Co ltd
Original Assignee
Shenzhen Chihu Software Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Chihu Software Technology Co ltd filed Critical Shenzhen Chihu Software Technology Co ltd
Priority to CN202010633987.6A priority Critical patent/CN111796596B/zh
Publication of CN111796596A publication Critical patent/CN111796596A/zh
Application granted granted Critical
Publication of CN111796596B publication Critical patent/CN111796596B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0217—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with energy consumption, time reduction or distance reduction criteria
    • 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"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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

Abstract

本发明公开了一种仓库自动拣货方法、装置、计算机设备及其存储介质。其中，该方法通过接收的订单信息获取商品在货物网格区域的位置，然后查询并获取在行走网格区域内处于工作状态且未满载的拣货机器人的位置以及调用未处于工作状态的拣货机器人的初始出发位置，然后通过神经网络计算模型计算得到所有拣货机器人对商品的拣货路线并从中选出耗时最短的最优拣货路线，将最优拣货路线以及订单信息生成拣货任务，并发送给最优拣货路线对应的拣货机器人，使其执行并完成所述拣货任务中的所有拣货操作，实现了根据商品的具体位置，对拣货路径进行计算，确定出最优拣货路线，有效的提升了物流配送效率，节省拣货时间，减少拣货错误率。

Description

仓库自动拣货方法、装置、计算机设备及存储介质
技术领域
本发明涉及仓库物流领域，尤其涉及一种仓库自动拣货方法、装置、计算机设备及存储介质。
背景技术
随着网络购物的快速发展，对电商供应配货提出了更高的要求，当前供应商配货大多通过人工操作，但人工拣货的耗时长，效率低，出错率高。
为解决上述问题，开始使用自动拣货系统控制机器人来替代人工操作，但是目前的自动拣货系统大部分只是实现了自动拣货，其拣货系统只能遵循设定好的路线进行拣货，不能根据不同货物的不同放置地点采用最优的拣货路线，针对该问题，现有技术对货物进行拣货操作的耗时、效率和准确率还有待提高。
发明内容
本发明的目的是提供一种仓库自动拣货方法、装置、计算机设备及存储介质，旨在解决现有拣货系统控制机器人对货物进行拣货操作的耗时、效率和准确率还有待提高的问题。
第一方面，本发明实施例提供了一种仓库自动拣货方法，其包括：
接收订单信息；
根据所述订单信息确定商品在货物网格区域的位置；
查询在行走网格区域内是否有处于工作状态的拣货机器人；
若在行走网格区域内有处于工作状态的拣货机器人，则确定所述拣货机器人的位置，并获取所述拣货机器人的拣货负载状态，根据拣货负载状态选取未满载的拣货机器人的位置，同时调取未处于工作状态的拣货机器人的初始出发位置；
将所述商品在货物网格区域的位置、处于工作状态且未满载的拣货机器人的位置以及未处于工作状态的拣货机器人的初始出发位置传输至神经网络计算模型中，通过神经网络计算模型计算得到多条拣货路线并输出其中的最优拣货路线；
根据所述最优拣货路线以及订单信息生成拣货任务并发送给最优拣货路线对应的拣货机器人，使所述拣货机器人执行所述拣货任务并完成所述拣货任务中的所有拣货操作。
第二方面，本发明实施例提供了一种仓库自动拣货装置，其包括：
接收单元，用于接收订单信息；
第一确定单元，用于根据所述订单信息确定商品在货物网格区域的位置；
查询单元，用于查询在行走网格区域内是否有处于工作状态的拣货机器人；
第二确定单元，用于若在行走网格区域内有处于工作状态的拣货机器人，则确定所述拣货机器人的位置，并获取所述拣货机器人的拣货负载状态，根据拣货负载状态选取未满载的拣货机器人的位置，同时调取未处于工作状态的拣货机器人的初始出发位置；
计算单元，用于将所述商品在货物网格区域的位置、处于工作状态且未满载的拣货机器人的位置以及未处于工作状态的拣货机器人的初始出发位置传输至神经网络计算模型中，通过神经网络计算模型计算得到多条拣货路线并输出其中的最优拣货路线；
执行单元，用于根据所述最优拣货路线以及订单信息生成拣货任务并发送给最优拣货路线对应的拣货机器人，使所述拣货机器人执行所述拣货任务并完成所述拣货任务中的所有拣货操作。
第三方面，本发明实施例又提供了一种计算机设备，其包括存储器、处理器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，所述处理器执行所述计算机程序时实现上述第一方面所述的仓库自动拣货方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其中所述计算机可读存储介质存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行上述第一方面所述的仓库自动拣货方法。
本发明公开了一种仓库自动拣货方法、装置、计算机设备及存储介质，其中，该方法通过接收的订单信息获取商品在货物网格区域的位置，然后查询并获取在行走网格区域内处于工作状态且未满载的拣货机器人的位置以及调用未处于工作状态的拣货机器人的初始出发位置，然后通过神经网络计算模型计算得到所有拣货机器人对商品的拣货路线并从中选出耗时最短的最优拣货路线，将最优拣货路线以及订单信息生成拣货任务，并发送给最优拣货路线对应的拣货机器人，使所述拣货机器人执行所述拣货任务并完成所述拣货任务中的所有拣货操作，该方法实现了根据商品的具体位置，对拣货路径进行计算，确定出最优拣货路线，有效的提升了物流配送效率，节省拣货时间，减少拣货错误率。
附图说明
为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的仓库自动拣货方法的流程示意图；
图2为本发明实施例提供的仓库自动拣货方法的子流程示意图；
图3为本发明实施例提供的神经网络计算模型的模型图；
图4为本发明实施例提供的仓库自动拣货装置的示意性框图；
图5为本发明实施例提供的计算机设备的示意性框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1，图1为本发明实施例提供的仓库自动拣货方法的流程图；
如图1所示，该方法包括步骤S101～S106。
S101、接收订单信息。
本实施例中，通过拣货控制中心(即仓库自动拣货装置)的订单接收器(即订单接收单元)接收订单信息，所述订单信息包括商品的数量、类型、负载量(即重量)以及位置等信息。
S102、根据所述订单信息确定商品在货物网格区域的位置。
本实施例中，仓储区分为货物存储区域和行走区域，所述货物存储区域用于存放商品，所述行走区域用于拣货机器人行走。具体可将所述货物存储区域网格化，分为多个货物网格区域，以及将所述行走网格化，分为多个行走网格区域，所述货物网格区域对应设置于所述行走网格区域一侧或两个行走网格区域之间，所述行走网格区域为拣货机器人的拣货行走通道。
从所述订单信息中可直接获取商品在货物网格区域的位置，比如A商品的在货物网格区域的位置为02排A侧12号。
S103、查询在行走网格区域内是否有处于工作状态的拣货机器人。
本实施例中，所述拣货控制中心可监控所有拣货机器人的位置和拣货情况，通过拣货控制中心查询在行走网格区域内是否有处于工作状态的拣货机器人，以便后续对订单信息中的待拣货商品挑选合适的拣货机器人。
S104、若在行走网格区域内有处于工作状态的拣货机器人，则确定所述拣货机器人的位置，并获取所述拣货机器人的拣货负载状态，根据拣货负载状态选取未满载的拣货机器人的位置，同时调取未处于工作状态的拣货机器人的初始出发位置。
本实施例中，通过拣货控制中心查询到在行走网格区域内有处于工作状态的拣货机器人后，获取处于工作状态的拣货机器人的拣货负载状态，若所述拣货负载状态为满载，则直接剔除处于满载状态的拣货机器人；选取剩余的未满载状态的拣货机器人并确定位置，同时调取未处于工作状态的拣货机器人的初始出发位置，用于后续根据未满载状态的拣货机器人的位置和未处于工作状态的拣货机器人的初始出发位置计算出每一拣货机器人的拣货路线。
在一实施例中，步骤S104包括：
获取订单信息中商品的负载量，判断未满载的所述拣货机器人能否继续承载商品的负载量，若是则确定未满载的拣货机器人的位置，若否则剔除该拣货机器人。
本实施例中，未满载的所述拣货机器人存在接近满载状态的情况，若加上订单信息中商品的负载量，可能超出负载；故在确定未满载的所述拣货机器人的位置时，还需获取订单信息中商品的负载量，根据商品的负载量，判断未满载的所述拣货机器人加上订单信息中商品的负载量后，是否会超出负载，若是则剔除该拣货机器人，若否则确定该拣货机器人的位置。
S105、将所述商品在货物网格区域的位置、处于工作状态且未满载的拣货机器人的位置以及未处于工作状态的拣货机器人的初始出发位置传输至神经网络计算模型中，通过神经网络计算模型计算得到多条拣货路线并输出其中的最优拣货路线。
本实施例中，将所述商品在货物网格区域的位置、处于工作状态且未满载的拣货机器人的位置以及未处于工作状态的拣货机器人的初始出发位置传输至神经网络计算模型中后，通过所述神经网络计算模型计算并得到每一拣货机器人对商品进行拣货的拣货路线和耗时，并从所有拣货路线中输出其中的最优拣货路线，即可得到对应最优拣货路线的拣货机器人，并选取该拣货机器人按照最优拣货路线对商品执行拣货操作。
如图2所示，在一实施例中，步骤S105包括：
S201、将所述商品在货物网格区域的位置、处于工作状态且未满载的拣货机器人的位置以及未处于工作状态的拣货机器人的初始出发位置传输至神经网络计算模型中；
S202、所述神经网络计算模型基于所述商品在货物网格区域的位置、处于工作状态且未满载的拣货机器人的位置，计算得到每一所述拣货机器人的拣货路线和对应拣货路线的耗时；
S203、将各拣货路线的耗时与未处于工作状态的拣货机器人的拣货路线的耗时进行比较；
S204、若各拣货路线的耗时均大于未处于工作状态的拣货机器人的拣货路线的耗时，则选取未处于工作状态的拣货机器人的拣货路线作为最优拣货路线；
S205、若各拣货路线的耗时任意一个小于或等于未处于工作状态的拣货机器人的拣货路线的耗时，则选取处于工作状态的拣货机器人中耗时最短的拣货路线作为最优拣货路线。
本实施例中，通过神经网络计算模型计算出每一拣货机器人对商品进行拣货的拣货路线和耗时，然后以耗时最短的拣货路线作为最优拣货路线，在处于工作状态且未满载的拣货机器人和未处于工作状态的拣货机器人中选取耗时最短的拣货机器人去执行对商品的拣货操作。
进一步的，拣货机器人在持续的拣货工作中，电能不断消耗，在达到相应的工作量或者工作时间后，需要进行充能；本实施例对拣货机器人单次的工作时间做出限定，比如每一拣货机器人在充能后，投入拣货工作的时长为8小时，在拣货8小时后需停止拣货并进行充能；故在选取处于工作状态且未满载的拣货机器人的拣货路线作为最优拣货路线时，还需根据该拣货路线的耗时，计算该拣货机器人当前剩余的工作时间是否能够满足对商品进行拣货操作的所需耗时，若是则将该拣货机器人的拣货路线纳入最优拣货路线的选取范畴，若否则剔除该拣货路线。
结合图3所示，本发明实施例采用的神经网络计算模型用于计算每一拣货机器人对商品进行拣货操作的拣货路线并输出最优拣货路线，其具体的计算过程为：
接收输入的参数，所述参数包括：处于工作状态且未满载的拣货器人的位置Xi；商品位置Pa；处于工作状态的拣货器人的负载状态Lj；拣货机器人的位置及负载状态XL；未处于工作状态的拣货机器人的初始位置R；由于初始位置R的位置是固定的，因此其到各个商品的位置也是已知固定的，因此，可直接设置SR表示其到某一商品的具体位置。
其中，0表示满载状态，1表示未满载状态；
通过神经网络计算模型按如下公式计算每一拣货机器人对商品进行拣货的拣货路线：
最后输出参数：S＝min{Sj,SR}；最优距离S，即拣货机器人到待拣货商品的最短距离，最短距离使用的耗时也最短，可将该拣货机器人的拣货路线作为最优拣货路线。
在一实施例中，步骤S105还包括：
当所述订单信息中的商品需要多个拣货机器人同时完成时，则从处于工作状态的各拣货路线的拣货路线与未处于工作状态的拣货机器人的拣货路线中选取多个耗时短的拣货路线作为最优拣货路线。
本实施例中，在所述订单信息包含有多种商品且各商品位置相距较远的情况下，需要分开进行拣货，为提高拣货效率，需要多个拣货机器人同时进行拣货，可将订单信息中的多种商品一一分开，通过神经网络计算模型计算出对单个商品进行拣货的所有拣货路线和耗时，并选取多个耗时短的拣货路线作为最优拣货路线。
进一步的，举例来说，若所述订单信息中包含5种不同的商品，需要5个拣货机器人同时进行拣货，可计算出对这5种商品进行拣货的所有拣货路线和对应的耗时，并从耗时最短的开始进行排序，根据耗时排序选取出5个耗时短的拣货路线作为分别作为对每种商品进行拣货的最优拣货路线。
S106、根据所述最优拣货路线以及订单信息生成拣货任务并发送给最优拣货路线对应的拣货机器人，使所述拣货机器人执行所述拣货任务并完成所述拣货任务中的所有拣货操作。
本实施例中，所述拣货控制中心根据所述最优拣货路线以及订单信息生成拣货任务，通过信号传输系统将拣货任务发送给最优拣货路线对应的拣货机器人，对应的拣货机器人接收到拣货任务后执行并完成所述拣货任务中的所有拣货操作，从而有效的提升了拣货效率和拣货耗时。
在一实施例中，步骤S106包括：
根据所述最优拣货路线以及订单信息生成拣货任务并发送给最优拣货路线对应的拣货机器人，并控制所述拣货机器人先执行当前拣货任务中的当前拣货操作，然后执行新接收到的拣货任务，并在执行完新接收到的拣货任务后，继续执行当前拣货任务中的剩余拣货操作。
本实施例中，在最优拣货路线对应的拣货机器人为处于工作状态且未满载的拣货机器人的情况下，处于工作状态且未满载的拣货机器人接收到拣货任务后，先执行当前拣货任务中的当前拣货操作并记录存档，然后执行新接收到的拣货任务，并在执行完新接收到的拣货任务后，读取当前拣货任务的存档并继续执行当前拣货任务中的剩余拣货操作；这样可以避免拣货过程中发生漏拣或重复拣货的情况，有效的减少了拣货错误率。
为了合理、高效的安排拣货机器人进行拣货操作，预先对拣货任务设置了优先级，如高优先级任务、中优先级任务、低优先级任务，具体根据所述订单信息上的预计配送时间进行设置，优先级越高表示预计配送时间越紧急，需要优先对该订单进行拣货。
具体的，将订单信息中选择加急收货的订单生成的拣货任务设置为高优先级任务，将订单信息中选择正常配送的订单生成的拣货任务设置为中优先级任务，将订单信息中选择延迟收货的订单生成的拣货任务设置为低优先级任务，这样高优先级任务的预计配送时间就比中优先级任务要快，中优先级任务的预计配送时间就比低优先级任务要快。
在一具体应用场景中，处于工作状态且未满载的拣货机器人在收到拣货控制中心新发送的拣货任务时，先获取该拣货任务的优先级，并与拣货机器人当前的拣货任务进行优先级对比，得到拣货任务的优先级排序；比如拣货机器人当前有2个中优先级任务和1个低优先级任务，并且正在执行其中1个中优先级任务，当接收到新的拣货任务且属于高优先级任务时，拣货任务的优先级排序发生更新，此时的高优先级任务排在最先需要拣货的位置，拣货机器人需要在执行当前中优先级任务中的当前拣货操作并记录存档后，优先执行新接收到的高优先级任务，在执行完成高优先级任务后，再继续读取当前中优先级任务的存档并继续执行当前拣货任务中的剩余拣货操作，并在完成当前的2个中优先级任务后，再继续执行优先级排序中的低优先级任务。
拣货任务的优先级排序中，若有两个或两个以上的相同优先等级的拣货任务，则根据接收到拣货任务的时间进行排序，先执行接收在前的相同优先等级的拣货任务；这样可以实现更合理、更高效的安排拣货机器人进行拣货操作。
在一实施例中，步骤S106还包括：
根据所述最优拣货路线以及订单信息生成多个拣货任务，并发送给各最优拣货路线对应的拣货机器人，使各拣货机器人执行对应的拣货任务并完成所述拣货任务中的所有拣货操作。
本实施例中，根据所述多条最优拣货路线以及多个商品的位置信息生成多个拣货任务并发送给多条最优拣货路线对应的多个拣货机器人，并控制各拣货机器人执行对应的拣货任务并完成所述拣货任务中的所有拣货操作；这样可以有效的提高对订单的拣货效率和物流配送效率。
在一实施例中，该方法还包括：
若在行走网格区域内没有处于工作状态的拣货机器人，则直接调取未处于工作状态的拣货机器人的初始出发位置，并根据所述商品在货物网格区域上的位置、未处于工作状态的拣货机器人的初始出发位置生成拣货路线，将所述拣货路线作为最优拣货路线。
本实施例中，当接收到订单信息后，所述拣货控制中心在行走网格区域内查询到没有处于工作状态的拣货机器人时，则直接将未处于工作状态的拣货机器人的初始出发位置和商品在货物网格区域上的位置输入神经网络计算模型中，并输出拣货路线和耗时，将该拣货路线作为最优拣货路线，并将该拣货路线和订单信息生成拣货任务发送至未处于工作状态的拣货机器人，未处于工作状态的拣货机器人接收拣货任务后执行所述拣货任务中的所有拣货操作。
如图4所示，本发明实施例还提供一种仓库自动拣货装置400，包括：接收单元401、第一确定单元402、查询单元404、第二确定单元404、计算单元405以及执行单元406。
接收单元401，用于接收订单信息；
第一确定单元402，用于根据所述订单信息确定商品在货物网格区域的位置；
查询单元404，用于查询在行走网格区域内是否有处于工作状态的拣货机器人；
第二确定单元404，用于若在行走网格区域内有处于工作状态的拣货机器人，则确定所述拣货机器人的位置，并获取所述拣货机器人的拣货负载状态，根据拣货负载状态选取未满载的拣货机器人的位置，同时调取未处于工作状态的拣货机器人的初始出发位置；
计算单元405，用于将所述商品在货物网格区域的位置、处于工作状态且未满载的拣货机器人的位置以及未处于工作状态的拣货机器人的初始出发位置传输至神经网络计算模型中，通过神经网络计算模型计算得到多条拣货路线并输出其中的最优拣货路线；
执行单元406，用于根据所述最优拣货路线以及订单信息生成拣货任务并发送给最优拣货路线对应的拣货机器人，使所述拣货机器人执行所述拣货任务并完成所述拣货任务中的所有拣货操作。
该装置实现了根据商品的具体位置，对拣货路径进行计算，确定出最优拣货路线，有效的提升了物流配送效率，节省拣货时间，减少拣货错误率。
由于装置部分的实施例与方法部分的实施例相互对应，因此装置部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
上述仓库自动拣货装置可以实现为计算机程序的形式，该计算机程序可以在如图5所示的计算机设备上运行。
请参阅图5，图5是本发明实施例提供的计算机设备的示意性框图。该计算机设备500是服务器，服务器可以是独立的服务器，也可以是多个服务器组成的服务器集群。
参阅图5，该计算机设备500包括通过系统总线501连接的处理器502、存储器和网络接口505，其中，存储器可以包括非易失性存储介质503和内存储器505。
该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序5032被执行时，可使得处理器502执行仓库自动拣货方法。
该处理器502用于提供计算和控制能力，支撑整个计算机设备500的运行。
该内存储器505为非易失性存储介质503中的计算机程序5032的运行提供环境，该计算机程序5032被处理器502执行时，可使得处理器502执行仓库自动拣货方法。
该网络接口505用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图5中示出的结构，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的计算机设备500的限定，具体的计算机设备500可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
本领域技术人员可以理解，图5中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机设备可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图5所示实施例一致，在此不再赘述。
应当理解，在本申请实施例中，处理器502可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本申请的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现本申请实施例的仓库自动拣货方法。
所述存储介质为实体的、非瞬时性的存储介质，例如可以是U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的实体存储介质。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种仓库自动拣货方法，其特征在于，
接收订单信息；
根据所述订单信息确定商品在货物网格区域的位置；
查询在行走网格区域内是否有处于工作状态的拣货机器人；
若在行走网格区域内有处于工作状态的拣货机器人，则确定所述拣货机器人的位置，并获取所述拣货机器人的拣货负载状态，根据拣货负载状态选取未满载的拣货机器人的位置，同时调取未处于工作状态的拣货机器人的初始出发位置；
将所述商品在货物网格区域的位置、处于工作状态且未满载的拣货机器人的位置以及未处于工作状态的拣货机器人的初始出发位置传输至神经网络计算模型中，通过神经网络计算模型计算得到多条拣货路线并输出其中的最优拣货路线；
根据所述最优拣货路线以及订单信息生成拣货任务并发送给最优拣货路线对应的拣货机器人，使所述拣货机器人执行所述拣货任务并完成所述拣货任务中的所有拣货操作；
其中，所述将所述商品在货物网格区域的位置、处于工作状态且未满载的拣货机器人的位置以及未处于工作状态的拣货机器人的初始出发位置传输至神经网络计算模型中，通过神经网络计算模型计算得到多条拣货路线并输出其中的最优拣货路线，包括：将所述商品在货物网格区域的位置、处于工作状态且未满载的拣货机器人的位置以及未处于工作状态的拣货机器人的初始出发位置传输至神经网络计算模型中；所述神经网络计算模型基于所述商品在货物网格区域的位置、处于工作状态且未满载的拣货机器人的位置，计算得到每一所述拣货机器人的拣货路线和对应拣货路线的耗时；将各拣货路线的耗时与未处于工作状态的拣货机器人的拣货路线的耗时进行比较；若各拣货路线的耗时均大于未处于工作状态的拣货机器人的拣货路线的耗时，则选取未处于工作状态的拣货机器人的拣货路线作为最优拣货路线；若各拣货路线的耗时任意一个小于或等于未处于工作状态的拣货机器人的拣货路线的耗时，则选取处于工作状态的拣货机器人中耗时最短的拣货路线作为最优拣货路线；根据所述最优拣货路线的耗时，计算对应所述最优拣货路线的拣货机器人当前剩余的工作时间是否能够满足对商品进行拣货操作的所需耗时，若是则将所述拣货机器人的拣货路线纳入最优拣货路线的选取范畴，若否则剔除所述拣货路线。
2.根据权利要求1所述的仓库自动拣货方法，其特征在于，所述根据所述最优拣货路线以及订单信息生成拣货任务并发送给最优拣货路线对应的拣货机器人，使所述拣货机器人执行所述拣货任务并完成所述拣货任务中的所有拣货操作，包括：
根据所述最优拣货路线以及订单信息生成拣货任务并发送给最优拣货路线对应的拣货机器人，并控制所述拣货机器人先执行当前拣货任务中的当前拣货操作，然后执行新接收到的拣货任务，并在执行完新接收到的拣货任务后，继续执行当前拣货任务中的剩余拣货操作。
3.根据权利要求1所述的仓库自动拣货方法，其特征在于，所述根据拣货负载状态选取未满载的拣货机器人的位置，包括：
获取订单信息中商品的负载量，判断未满载的所述拣货机器人能否继续承载商品的负载量，若是则确定未满载的拣货机器人的位置，若否则剔除该拣货机器人。
4.根据权利要求1所述的仓库自动拣货方法，其特征在于，还包括：
若在行走网格区域内没有处于工作状态的拣货机器人，则直接调取未处于工作状态的拣货机器人的初始出发位置，并根据所述商品在货物网格区域上的位置、未处于工作状态的拣货机器人的初始出发位置生成拣货路线，将所述拣货路线作为最优拣货路线。
5.根据权利要求1所述的仓库自动拣货方法，其特征在于，所述将所述商品在货物网格区域的位置、处于工作状态且未满载的拣货机器人的位置以及未处于工作状态的拣货机器人的初始出发位置传输至神经网络计算模型中，通过神经网络计算模型计算得到多条拣货路线并输出其中的最优拣货路线，还包括：
当所述订单信息中的商品需要多个拣货机器人同时完成时，则从处于工作状态的各拣货路线的拣货路线与未处于工作状态的拣货机器人的拣货路线中选取多个耗时短的拣货路线作为最优拣货路线。
6.根据权利要求1所述的仓库自动拣货方法，其特征在于，所述根据所述最优拣货路线以及订单信息生成拣货任务并发送给最优拣货路线对应的拣货机器人，使所述拣货机器人执行所述拣货任务并完成所述拣货任务中的所有拣货操作，还包括：
根据所述最优拣货路线以及订单信息生成多个拣货任务，并发送给各最优拣货路线对应的拣货机器人，使各拣货机器人执行对应的拣货任务并完成所述拣货任务中的所有拣货操作。
7.一种仓库自动拣货装置，其特征在于，包括：
接收单元，用于接收订单信息；
第一确定单元，用于根据所述订单信息确定商品在货物网格区域的位置；
查询单元，用于查询在行走网格区域内是否有处于工作状态的拣货机器人；
第二确定单元，用于若在行走网格区域内有处于工作状态的拣货机器人，则确定所述拣货机器人的位置，并获取所述拣货机器人的拣货负载状态，根据拣货负载状态选取未满载的拣货机器人的位置，同时调取未处于工作状态的拣货机器人的初始出发位置；
计算单元，用于将所述商品在货物网格区域的位置、处于工作状态且未满载的拣货机器人的位置以及未处于工作状态的拣货机器人的初始出发位置传输至神经网络计算模型中，通过神经网络计算模型计算得到多条拣货路线并输出其中的最优拣货路线；
执行单元，用于根据所述最优拣货路线以及订单信息生成拣货任务并发送给最优拣货路线对应的拣货机器人，使所述拣货机器人执行所述拣货任务并完成所述拣货任务中的所有拣货操作；
其中，所述计算单元包括：将所述商品在货物网格区域的位置、处于工作状态且未满载的拣货机器人的位置以及未处于工作状态的拣货机器人的初始出发位置传输至神经网络计算模型中；所述神经网络计算模型基于所述商品在货物网格区域的位置、处于工作状态且未满载的拣货机器人的位置，计算得到每一所述拣货机器人的拣货路线和对应拣货路线的耗时；将各拣货路线的耗时与未处于工作状态的拣货机器人的拣货路线的耗时进行比较；若各拣货路线的耗时均大于未处于工作状态的拣货机器人的拣货路线的耗时，则选取未处于工作状态的拣货机器人的拣货路线作为最优拣货路线；若各拣货路线的耗时任意一个小于或等于未处于工作状态的拣货机器人的拣货路线的耗时，则选取处于工作状态的拣货机器人中耗时最短的拣货路线作为最优拣货路线；根据所述最优拣货路线的耗时，计算对应所述最优拣货路线的拣货机器人当前剩余的工作时间是否能够满足对商品进行拣货操作的所需耗时，若是则将所述拣货机器人的拣货路线纳入最优拣货路线的选取范畴，若否则剔除所述拣货路线。
8.一种计算机设备，包括存储器、处理器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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6中任一项所述的仓库自动拣货方法。
9.一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存储有计算机程序，所述计算机程序当被处理器执行时使所述处理器执行如权利要求1至6任一项所述的仓库自动拣货方法。
CN202010633987.6A 2020-07-02 2020-07-02 仓库自动拣货方法、装置、计算机设备及存储介质 Active CN111796596B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010633987.6A CN111796596B (zh) 2020-07-02 2020-07-02 仓库自动拣货方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010633987.6A CN111796596B (zh) 2020-07-02 2020-07-02 仓库自动拣货方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN111796596A CN111796596A (zh) 2020-10-20
CN111796596B true CN111796596B (zh) 2024-02-09

Family

ID=72811134

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010633987.6A Active CN111796596B (zh) 2020-07-02 2020-07-02 仓库自动拣货方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN111796596B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112561451A (zh) * 2020-12-25 2021-03-26 生活半径(北京)信息技术有限公司 一种物流配送分拣方法、装置及系统
CN112712409A (zh) * 2020-12-30 2021-04-27 深圳千岸科技股份有限公司 快速拣货方法、装置、计算机设备及存储介质
CN113240369B (zh) * 2021-05-14 2024-04-05 北京京东振世信息技术有限公司 货物拣选方法、装置、设备及存储介质
CN113256212B (zh) * 2021-05-28 2024-04-05 深圳优地科技有限公司 订单处理方法、装置、通信设备及存储介质
CN113200278B (zh) * 2021-05-28 2022-11-01 深圳市海柔创新科技有限公司 货物运输方法、装置、设备、仓储系统及存储介质
CN114506615A (zh) * 2022-03-02 2022-05-17 厦门荆艺软件股份有限公司 一种仓库拣货方法
CN114596035A (zh) * 2022-03-15 2022-06-07 深圳市海柔创新科技有限公司 货物配送方法、装置和设备
CN114897449B (zh) * 2022-07-13 2022-11-18 北京邮电大学 Rmfs最大完工时长确定方法、装置和设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003106858A (ja) * 2001-09-28 2003-04-09 Toshiba Corp 最適経路検索装置及びその方法
CN107539690A (zh) * 2017-08-25 2018-01-05 深圳普智联科机器人技术有限公司 一种载人agv拣货车系统和拣货方法
CN107943030A (zh) * 2017-11-15 2018-04-20 海航创新科技研究有限公司 控制机器人运输货品的方法和装置
CN109886625A (zh) * 2019-01-30 2019-06-14 炬星科技（深圳）有限公司 拣货方法、装置及存储介质
CN110969396A (zh) * 2019-12-19 2020-04-07 广州快批信息科技有限公司 一种订单自动拣货方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003106858A (ja) * 2001-09-28 2003-04-09 Toshiba Corp 最適経路検索装置及びその方法
CN107539690A (zh) * 2017-08-25 2018-01-05 深圳普智联科机器人技术有限公司 一种载人agv拣货车系统和拣货方法
CN107943030A (zh) * 2017-11-15 2018-04-20 海航创新科技研究有限公司 控制机器人运输货品的方法和装置
CN109886625A (zh) * 2019-01-30 2019-06-14 炬星科技（深圳）有限公司 拣货方法、装置及存储介质
CN110969396A (zh) * 2019-12-19 2020-04-07 广州快批信息科技有限公司 一种订单自动拣货方法及系统

Also Published As

Publication number Publication date
CN111796596A (zh) 2020-10-20

Similar Documents

Publication Publication Date Title
CN111796596B (zh) 仓库自动拣货方法、装置、计算机设备及存储介质
US20220063915A1 (en) Goods sorting method and goods sorting system
JP6650508B2 (ja) 倉庫管理システム及び倉庫管理方法
JP2015084667A (ja) 遠隔配車サーバ
CN111210136B (zh) 一种机器人任务调度的方法及服务器
CN112801565A (zh) 一种智能仓储的货位分配调度方法、系统和存储介质
CN114415610B (zh) 机器人的调度方法、装置、电子设备及存储介质
CN110858073A (zh) 自动导引运输车的调度方法和调度装置
JP6687788B1 (ja) 分散型ロボットのスケジューリング決定方法、装置、システム並びに電子機器及び記憶媒体
TW202239685A (zh) 機器人配置方法、裝置、控制終端和倉儲系統
CN109902996B (zh) 订单处理方法、装置、电子设备及计算机可读存储介质
CN111703802B (zh) 出入库流程的控制方法和装置、仓储系统
CN112520284B (zh) 货架储位调整方法和系统
CN115049148A (zh) 一种车辆调度方法、装置及服务器
CN117010661A (zh) 工具导引车的调度方法、系统、存储介质及电子设备
CN116307573A (zh) 建筑场地材料绿色节能处理方法、设备与介质
US20220374026A1 (en) Robotic crop transport
US20200327633A1 (en) Delivery vehicle management system
CN111815226B (zh) 一种自动导引运输车调度方法、调度系统和存储装置
CN113848924A (zh) 机器人的调度控制方法、装置、设备及存储介质
CN114548880A (zh) 物流规划方法、设备、装置和存储介质
CN115965181A (zh) 自动导引车的动态调度方法、电子装置及存储介质
CN111768065A (zh) 一种分配拣货任务的方法和装置
US20210207965A1 (en) Information processing device, moving device, information processing system, method, and program
US20210166186A1 (en) Information processing device, moving device, information processing system, method, and program

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