CN112434893B - 一种装车垛型逐层最优设计方法 - Google Patents

一种装车垛型逐层最优设计方法 Download PDF

Info

Publication number
CN112434893B
CN112434893B CN202110114502.7A CN202110114502A CN112434893B CN 112434893 B CN112434893 B CN 112434893B CN 202110114502 A CN202110114502 A CN 202110114502A CN 112434893 B CN112434893 B CN 112434893B
Authority
CN
China
Prior art keywords
layer
loading
stack
goods
height
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
CN202110114502.7A
Other languages
English (en)
Other versions
CN112434893A (zh
Inventor
李政德
刘霞
戴冬冬
武杰
霍英杰
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.)
Austong Intelligent Robot Technology Co Ltd
Original Assignee
Austong Intelligent Robot 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 Austong Intelligent Robot Technology Co Ltd filed Critical Austong Intelligent Robot Technology Co Ltd
Priority to CN202110114502.7A priority Critical patent/CN112434893B/zh
Publication of CN112434893A publication Critical patent/CN112434893A/zh
Application granted granted Critical
Publication of CN112434893B publication Critical patent/CN112434893B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/04—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
    • 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
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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

Abstract

本发明实施例涉及物流行业自动装车领域，公开了一种装车垛型逐层最优设计方法。本发明中，获取当前到达车辆对应的订单信息；构建装车垛型设计问题的数学模型；至少根据货物重量信息确定每层货物的可选货物范围；至少根据可选货物范围逐层求解装车垛型设计问题的数学模型，判断当前垛型高度与装车空间高度差值是否小于第一预设值；若差值小于第一预设值，则以当前垛型为垛型设计问题的数学模型的最优解，若差值大于或等于第一预设值，以当前设计的垛型为基础，垛型层数加1，返回继续求解。本发明降低了最优求解过程的计算量，避免直接对整体垛型进行求解，降低设计方法运算量，缩短求解时间，简化了模型结构，简化了最优求解过程。

Description

一种装车垛型逐层最优设计方法
技术领域
本发明涉及物流行业自动装车领域，尤其涉及一种装车垛型逐层最优设计方法。
背景技术
自动装车过程中，装车机器人按照预先规定的垛型将货物码放至指定位置，货物垛型的设计直接影响了车厢空间利用率和货物稳定性。装车货物垛型设计涉及货物码放的先后顺序、货物码放的方向等多个方面，离线垛型规划通常是以利用率、货物数量或货物总重量等为最优目标，设置多种约束条件，通过遗传算法、模拟退火算法、蚁群算法和粒子群算法等智能优化算法对该最优问题进行求解，得到最优装车垛型。而现有的垛型最优设计方法中，主要针对相同的货物码放，未考虑不同箱体的重量，进一步地未考虑整体垛型的重心，按照垛型最优设计结果，通常会出现较重的货物码放在上方，整体垛型偏高的情况，在车辆行驶运输过程中，容易出现货物坍塌的现象；且垛型最优设计方法通常采用智能优化算法对整体优化问题求解，由于约束条件较多，该最优求解过程时间较长，计算量较大，计算时间较长。
发明内容
本发明实施方式的目的在于针对现有技术存在的垛型最优设计未考虑货物重量、未考虑整体垛型的中心以及最优求解计算量较大，计算过程较长的技术问题，提供一种装车垛型逐层最优设计方法。
为解决上述技术问题，本发明的实施方式提供了一种装车垛型逐层最优设计方法，具体包括如下步骤：
步骤S1，获取当前到达车辆对应的订单信息；
步骤S2，构建装车垛型设计问题的数学模型；
步骤S3，至少根据所述订单信息中的货物重量信息确定每层货物的可选货物范围；
步骤S4，至少根据所述可选货物范围逐层求解所述装车垛型设计问题的数学模型，判断当前垛型高度与装车空间高度差值是否小于第一预设值；
步骤S5，若所述差值小于所述第一预设值，则以当前垛型为所述垛型设计问题的数学模型的最优解，若差值大于或等于第一预设值，以当前设计的垛型为基础，垛型层数加1，返回步骤S4求解。
优选的，所述步骤S1具体包括：
检测装置获取所述当前到达车辆的标识信息；
基于所述当前到达车辆的所述标识信息获取所述当前到达车辆对应的装车订单信息；
至少基于所述装车订单信息确定装车空间的尺寸信息。
优选的，所述至少基于所述装车订单信息确定装车空间的尺寸信息，具体包括：
至少基于所述装车订单信息确定车厢的尺寸信息；
利用传感器对车厢内部空间进行扫描，获得车厢内部空间扫描数据；
基于所述车厢内部空间扫描数据对所述车厢的尺寸信息进行校正，确定所述装车空间的尺寸信息。
优选的，所述步骤S2具体包括：
装车垛型设计问题的数学模型以装车空间利用率最大为目标函数，约束条件包括：位置约束、重心约束和稳定度约束。
优选的，所述目标函数可以表示为如下形式：
Figure 423285DEST_PATH_IMAGE001
其中，
Figure 834543DEST_PATH_IMAGE002
表示空间利用率，
Figure 99302DEST_PATH_IMAGE003
表示目标函数f最大，
Figure 383653DEST_PATH_IMAGE004
分别表示第
Figure 717552DEST_PATH_IMAGE005
个待装车货物箱体的长、宽、高尺寸，
Figure 745550DEST_PATH_IMAGE006
，
Figure 864816DEST_PATH_IMAGE007
为货物箱体总数量，
Figure 507019DEST_PATH_IMAGE008
为装车空间的体积
Figure 406842DEST_PATH_IMAGE009
，装车空间的长、宽、高分别为
Figure 910635DEST_PATH_IMAGE010
；
所述位置约束表示为：
Figure 133675DEST_PATH_IMAGE011
，
Figure 759829DEST_PATH_IMAGE012
，
Figure 819052DEST_PATH_IMAGE013
，
其中
Figure 188853DEST_PATH_IMAGE014
表示第
Figure 531979DEST_PATH_IMAGE005
个货物箱体的布局中心点坐标；
所述重心约束表示为：
Figure 329033DEST_PATH_IMAGE015
，
Figure 875552DEST_PATH_IMAGE016
表示计算周期数，
Figure 970416DEST_PATH_IMAGE016
为正整数，
Figure 981097DEST_PATH_IMAGE017
表示第
Figure 886737DEST_PATH_IMAGE016
周期垛型的重心高度值；
所述稳定度约束表示为：
Figure 982868DEST_PATH_IMAGE018
，
Figure 881423DEST_PATH_IMAGE019
表示垛型的综合稳定度，
Figure 12190DEST_PATH_IMAGE020
表示垛型的水平稳定度，
Figure 88731DEST_PATH_IMAGE021
表示垛型的垂直稳定度，
Figure 406580DEST_PATH_IMAGE022
表示稳定度干预因子，
Figure 108825DEST_PATH_IMAGE023
表示稳定度阈值，
Figure 31782DEST_PATH_IMAGE023
为一预设正数。
优选的，所述水平稳定度表示为
Figure 341540DEST_PATH_IMAGE024
，其中，
Figure 333636DEST_PATH_IMAGE016
表示计算周期数，
Figure 387043DEST_PATH_IMAGE025
表示摩擦系数因子，摩擦系数因子为最底层箱体与车厢底面的摩擦系数和箱体之间的摩擦系数均值，
Figure 226823DEST_PATH_IMAGE026
表示水平稳定度系数，
Figure 645166DEST_PATH_IMAGE027
，
Figure 203186DEST_PATH_IMAGE028
表示垛型中最底层箱体的总数，
Figure 981655DEST_PATH_IMAGE029
表示最底层箱体个数标准值，根据箱体个数不同，水平稳定度系数不同，
Figure 941521DEST_PATH_IMAGE030
表示第
Figure 530765DEST_PATH_IMAGE016
个周期中垛型的重心系数，
Figure 310502DEST_PATH_IMAGE031
，
Figure 892662DEST_PATH_IMAGE032
表示第
Figure 707035DEST_PATH_IMAGE016
个周期中垛型货物的平均密度，
Figure 529497DEST_PATH_IMAGE033
表示第
Figure 734213DEST_PATH_IMAGE016
个周期中垛型高度；
所述垂直稳定度表示为
Figure 933114DEST_PATH_IMAGE034
，
Figure 788943DEST_PATH_IMAGE035
为支撑面积比，由垛型中箱体接触面积之和与最底层箱体与车厢底面的接触面积二者之间的比值确定，
Figure 782307DEST_PATH_IMAGE036
为第
Figure 474319DEST_PATH_IMAGE016
个周期的质量比重数
Figure 476910DEST_PATH_IMAGE037
，
Figure 187246DEST_PATH_IMAGE038
为第
Figure 351511DEST_PATH_IMAGE016
个周期的垛型中位于重心高度值
Figure 530820DEST_PATH_IMAGE039
以下箱体的总质量，
Figure 71523DEST_PATH_IMAGE040
为第
Figure 449414DEST_PATH_IMAGE016
个周期的垛型中位于重心高度值
Figure 237111DEST_PATH_IMAGE039
以上箱体的总质量，
Figure 700453DEST_PATH_IMAGE041
表示除最底层以外的垛型箱体总数。
优选的，所述步骤S3具体包括：
获取订单信息中该车辆对应的所有货物的重量均值；
获取每个货物的重量信息，将货物重量信息大于所述重量均值的货物与第一区间对应，将货物重量信息小于或等于所述重量均值的货物与第二区间相对应，其中，车辆高度为
Figure 982530DEST_PATH_IMAGE042
，所述第一区间为以装车空间底面为起点，高度低于
Figure 214928DEST_PATH_IMAGE043
的区域，所述第二区间为装车空间内高度大于或等于
Figure 173526DEST_PATH_IMAGE043
的区域。
优选的，所述步骤S4中，至少根据可选货物范围逐层求解装车垛型设计问题的数学模型，具体包括：
若第
Figure 124164DEST_PATH_IMAGE044
个计算周期的垛型的高度大于或等于
Figure 944353DEST_PATH_IMAGE045
，则第
Figure 296837DEST_PATH_IMAGE016
个周期从所述第二区间对应的货物范围中选择货物进行垛型规划。
优选的，若第
Figure 239385DEST_PATH_IMAGE044
个计算周期的垛型的高度大于或等于
Figure 864270DEST_PATH_IMAGE045
，还包括：判断所述第一区间对应的货物是否码放完毕，若是，则从所述第二区间对应的货物范围中选择货物进行垛型规划，否则，码放所述第一区间的剩余货物，然后从所述第二区间对应的货物范围中选择货物进行垛型规划。
优选的，所述步骤S4中，至少根据可选货物范围逐层求解装车垛型设计问题的数学模型，具体包括：
在第
Figure 550466DEST_PATH_IMAGE016
个计算周期中，将空间利用率
Figure 695140DEST_PATH_IMAGE002
表示为适应度函数，org表示为最优个体，执行如下步骤：
A1：随机生成初始种群
Figure 808589DEST_PATH_IMAGE046
；
A2：计算种群个体的适应度，将最优个体保存到org中；
A3：如果满足停止准则，算法输出结果并停止运行，否则，继续；
A4：迭代次数
Figure 920771DEST_PATH_IMAGE047
；
A5：从
Figure 145079DEST_PATH_IMAGE048
中选出父代个体；
A6：父代个体进行交叉运算，得到子代种群
Figure 409838DEST_PATH_IMAGE049
；
A7：对子代种群
Figure 428609DEST_PATH_IMAGE049
执行变异操作，得到种群
Figure 841136DEST_PATH_IMAGE050
；
A8：计算种群
Figure 56086DEST_PATH_IMAGE050
中所有个体的适应度值，将适应度值最大的个体记为new；
A9：如果new 的适应值大于org 的适应值，用new 代替org，否则org不变，得到第b代种群；
A10：返回步骤A3。
本发明实施方式相对于现有技术而言，本发明提供的装车垛型逐层最优设计方法，首先根据订单中的货物重量信息确定所属区间，然后以装车空间利用率最大为目标函数，以位置约束、重心约束和稳定度约束为约束条件，逐层求解最优垛型。对于求解垛型的可选货物范围，通过区间划分减少货物的可选数量选取范围，降低了最优求解过程的计算量，通过区间划分首先实现重量较重的货物放置在垛型的下部的效果，降低了垛型重心，避免在模型约束条件中考虑货物重量对垛型重心的影响，简化了模型结构，简化了最优求解过程。此外，通过垛型层数逐步增加的方式求解该最优问题，减少了每次最优求解的计算时间，较少了最优求解的运算量。对于最优问题，约束条件中引入垛型重心和垛型稳定度，保证最终设计的垛型能够在静止状态和运输状态下均保持稳定，避免了装车、运输过程中货物的坍塌。对于最优问题的求解方式，本发明提出的装车垛型逐层最优设计方法，采用层数逐步累加的逐层求解方式，自下而上垛型层数逐步累加，将一个复杂的最优设计问题简化为各个子优化问题，下一周期的垛型以上一周期的垛型为基础进行求解，避免直接对整体垛型进行求解，降低设计方法运算量，缩短求解时间。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
图1是本发明实施例提供的一种装车垛型逐层最优设计方法示意图；
附图2是本发明实施例提供的装车空间示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的各实施方式进行详细的阐述。然而，本领域的普通技术人员可以理解，在本发明各实施方式中，为了使读者更好地理解本申请而提出了许多技术细节。但是，即使没有这些技术细节和基于以下各实施方式的种种变化和修改，也可以实现本申请所要求保护的技术方案。以下各个实施例的划分是为了描述方便，不应对本发明的具体实现方式构成任何限定，各个实施例在不矛盾的前提下可以相互结合相互引用。
本发明的第一实施方式涉及一种装车垛型逐层最优设计方法。其流程如图1所示，具体如下：
步骤S1，获取当前到达车辆对应的订单信息；
当车辆到达装货月台时，检测装置获取车辆的标识信息，基于车辆的标识信息获取当前到达车辆对应的装车订单信息，装车订单信息可以存储在检测装置本地或服务器中，订单信息以车辆标识信息为索引，每条订单信息包括车厢尺寸、待装车货物编号、待装车货物箱体尺寸、待装车货物重量等信息，标识信息可以为车辆的外形、车牌号码、车厢表面的二维码等车辆标识信息。
步骤S2，构建装车垛型设计问题的数学模型；
以装车空间利用率最大为目标函数，定义约束条件，构建装车垛型设计问题的数学模型。
步骤S3，至少根据订单信息中的货物重量信息确定每层货物的可选货物范围；
根据车辆的高度信息将货物码放空间分为下上两个区间，设车辆高度为
Figure 237668DEST_PATH_IMAGE042
，以中心点为划分，即高度低于
Figure 630604DEST_PATH_IMAGE043
的第一区间和高度大于或等于
Figure 264847DEST_PATH_IMAGE045
的第二区间，如图2所示，至少根据订单信息中的货物重量信息确定待装车货物所属区间，在对每层垛型设计时，根据垛型当前高度值确定当前层货物的可选货物范围，获取订单信息中所有待装车货物的重量均值，将货物重量信息大于重量均值的货物与第一区间相对应，将货物重量信息小于或等于重量均值的货物与第二区间相对应。本发明在数学模型求解之前，根据货物重量信息划定求解时可选货物的范围，相较于现有技术中在整个待装车货物范围内求解最优垛型，缩小了求解过程中的可选货物范围，减少了最优垛型求解的运算量，缩短了最优垛型的求解时间。
步骤S4，至少根据可选货物范围逐层求解装车垛型设计问题的数学模型，判断当前垛型高度与装车空间高度差值是否小于第一预设值；
自下往上逐层求解装车垛型设计问题的数学模型的最优解，判断当前周期求解的最优垛型高度与装车空间高度差值是否小于第一预设值，第一预设值可以为订单信息中货物的平均高度值，第一预设值还可以为订单信息中货物的最小高度值。本发明自下往上逐层求解最优垛型，相较于现有技术中对一次性求解整体垛型的方式，逐层求解能够减小每次求解的运算量，在后最优垛型求解以在前最优垛型为基础，避免罗列所有垛型组合需求最优，减小了最优垛型求解时需要对比的方案，简化了求解最优解的运算量。
步骤S5，若差值小于第一预设值，则以当前垛型为装车垛型设计问题的数学模型的最优解，若差值大于或等于第一预设值，垛型层数加1，返回步骤S4求解。
若二者的差值小于第一预设值，则以当前周期求解的最优垛型为装车垛型设计问题的数学模型的最优解，得到当前到达车辆的装车垛型。否则，当前周期垛型上方仍存在可利用装车空间，垛型层数加1，返回步骤S4继续求解。
综上，本实施例提供了一种装车垛型逐层最优设计方法，该方法根据订单中的货物重量信息确定所属区间，从而在垛型优化求解时，能够减少货物的选取范围，减少最优求解过程的计算量，与此同时，在模型求解之前，就将重量较重的货物放置在垛型的下部，降低垛型重心，避免在模型约束条件中才考虑货物重量的因素，简化了模型结构。此外，通过垛型层数逐步增加的方式求解该最优问题，减少了每次最优求解的计算时间，较少了最优求解的运算量。
本发明的第二实施方式涉及一种装车垛型逐层最优设计方法。第二实施方式与第一实施方式大致相同，与实施例一相同的内容本实施例不再赘述，实施例二提出的一种装车垛型逐层最优设计方法包括以下步骤：
步骤S1，获取当前到达车辆对应的订单信息；
当车辆到达装货月台时，检测装置获取车辆的标识信息，基于车辆的标识信息获取当前到达车辆对应的装车订单信息，从订单信息中确定装车空间的长宽高尺寸信息，分别表示为
Figure 17909DEST_PATH_IMAGE051
，可以将车厢长、宽、高尺寸信息作为装车空间的尺寸信息，获取待装车货物箱体的长
Figure 319577DEST_PATH_IMAGE052
、宽
Figure 945730DEST_PATH_IMAGE053
、高
Figure 4953DEST_PATH_IMAGE054
尺寸信息、待装车货物重量信息
Figure 374755DEST_PATH_IMAGE055
，
Figure 717880DEST_PATH_IMAGE056
，
Figure 514935DEST_PATH_IMAGE057
表示第
Figure 61454DEST_PATH_IMAGE057
个待装车货物箱体。
更进一步地，对于非规整装车空间，利用传感器对车厢内部空间进行扫描，基于传感器扫描的数据对车厢长、宽、高尺寸信息进行校正，获取实际能够用于装车的规整装车空间的长、宽、高尺寸信息
Figure 969367DEST_PATH_IMAGE058
，通过上述校正步骤，使得垛型设计方法能够同样适用于非规整装车空间，无需在垛型设计时考虑装车空间中的非规整部分，简化了垛型设计方法求解的运算量，同时无需针对该特殊环境设计特殊的设计方法，提高了本发明提出的垛型设计方法的适用性。
步骤S2，构建装车垛型设计问题的数学模型；
装车垛型设计问题的数学模型以装车空间利用率最大为目标函数，目标函数可以表示为如下形式：
Figure 166999DEST_PATH_IMAGE001
其中，
Figure 134955DEST_PATH_IMAGE002
表示空间利用率，
Figure 168770DEST_PATH_IMAGE003
表示目标函数f最大，
Figure 880374DEST_PATH_IMAGE059
分别表示第
Figure 932513DEST_PATH_IMAGE057
个待装车货物箱体的长、宽、高尺寸，
Figure 71370DEST_PATH_IMAGE060
，
Figure 654798DEST_PATH_IMAGE007
为货物箱体总数量，
Figure 107776DEST_PATH_IMAGE008
为装车空间的体积
Figure 827470DEST_PATH_IMAGE061
。
假定待装车货物箱体横竖交叉码放，装车垛型设计问题的数学模型约束条件包括：
位置约束：
Figure 324180DEST_PATH_IMAGE062
，
Figure 394904DEST_PATH_IMAGE012
，
Figure 385994DEST_PATH_IMAGE063
；其中
Figure 225774DEST_PATH_IMAGE064
表示第
Figure 893384DEST_PATH_IMAGE057
个货物箱体的布局中心点坐标。
重心约束：
Figure 451405DEST_PATH_IMAGE065
，
Figure 42923DEST_PATH_IMAGE016
表示计算周期数，
Figure 674893DEST_PATH_IMAGE016
为正整数，
Figure 592033DEST_PATH_IMAGE066
表示第
Figure 558721DEST_PATH_IMAGE016
周期垛型的重心高度值，即重心坐标的y轴值。本发明装车垛型设计问题的数学模型约束条件包含重心约束，保证垛型在静止状态下能够稳定码放。
稳定度约束：
Figure 953930DEST_PATH_IMAGE018
，
Figure 705985DEST_PATH_IMAGE019
表示垛型的综合稳定度，
Figure 528448DEST_PATH_IMAGE067
表示垛型的水平稳定度，
Figure 818369DEST_PATH_IMAGE068
表示垛型的垂直稳定度，
Figure 17270DEST_PATH_IMAGE069
表示稳定度干预因子，
Figure 623831DEST_PATH_IMAGE070
表示稳定度阈值，
Figure 617195DEST_PATH_IMAGE070
为一预设正数。水平稳定度
Figure 558475DEST_PATH_IMAGE071
，其中，
Figure 295487DEST_PATH_IMAGE016
表示第
Figure 756555DEST_PATH_IMAGE016
周期，
Figure 186400DEST_PATH_IMAGE025
表示摩擦系数因子，摩擦系数因子为最底层箱体与车厢底面的摩擦系数和箱体之间的摩擦系数均值，
Figure 614976DEST_PATH_IMAGE072
表示水平稳定度系数，
Figure 890100DEST_PATH_IMAGE073
，
Figure 471254DEST_PATH_IMAGE028
表示垛型中最底层箱体的总数，
Figure 806420DEST_PATH_IMAGE074
表示最底层箱体个数标准值，根据箱体个数不同，水平稳定度系数不同。
Figure 722292DEST_PATH_IMAGE075
表示第
Figure 801107DEST_PATH_IMAGE016
个周期中垛型的重心系数，
Figure 299084DEST_PATH_IMAGE076
，
Figure 8414DEST_PATH_IMAGE077
表示第
Figure 959053DEST_PATH_IMAGE016
个周期中垛型货物的平均密度，
Figure 28509DEST_PATH_IMAGE078
表示第
Figure 380993DEST_PATH_IMAGE016
个周期中垛型高度。垂直稳定度
Figure 261224DEST_PATH_IMAGE079
，
Figure 699158DEST_PATH_IMAGE080
为支撑面积比，由垛型中箱体接触面积之和与最底层箱体与车厢底面的接触面积二者之间的比值确定，
Figure 306726DEST_PATH_IMAGE081
为第
Figure 779296DEST_PATH_IMAGE016
个周期的质量比重数
Figure 830428DEST_PATH_IMAGE082
，
Figure 755659DEST_PATH_IMAGE083
为第
Figure 979967DEST_PATH_IMAGE016
个周期的垛型中位于重心高度值
Figure 228415DEST_PATH_IMAGE084
以下箱体的总质量，
Figure 450449DEST_PATH_IMAGE085
为第
Figure 862975DEST_PATH_IMAGE016
个周期的垛型中位于重心高度值
Figure 77925DEST_PATH_IMAGE084
以上箱体的总质量，
Figure 259508DEST_PATH_IMAGE086
表示除最底层以外的垛型箱体总数。
最终，装车垛型设计问题的数学模型可以表示为如下形式：
Figure 386864DEST_PATH_IMAGE001
Figure 286686DEST_PATH_IMAGE087
；
Figure 852797DEST_PATH_IMAGE088
；
Figure 341416DEST_PATH_IMAGE089
；
装车垛型设计问题的数学模型以装车空间利用率最大为目标函数，约束条件为货物的位置与装车空间之间的位置干涉、垛型重心小于装车空间高度的0.5倍、垛型综合稳定度大于预设值。在运输状态下，重心和综合稳定度的约束能够使得垛型在水平方向和垂直方向均保持稳定，综合稳定度同时考虑了受摩擦力影响的水平稳定度和受支撑面积影响的垂直稳定度，相较于现有技术中仅考虑静止状态下的码放稳定度，本发明综合考虑了装车、启动、停止、运输全过程的垛型稳定度，避免了装车、运输过程中货物的坍塌。
步骤S3，至少根据订单信息中的货物重量信息确定每层货物的可选货物范围；
设车辆高度为
Figure 701990DEST_PATH_IMAGE042
，以自装车空间底面为起点，高度低于
Figure 26792DEST_PATH_IMAGE045
的区域为第一区间，高度大于或等于
Figure 396594DEST_PATH_IMAGE043
的区域为第二区域，获取订单信息中该车辆对应的所有货物的重量均值Gnom，将货物重量信息大于重量均值的货物与第一区间相对应，将货物重量信息小于或等于重量均值的货物与第二区间相对应，例如，Gi是第
Figure 474140DEST_PATH_IMAGE005
个货物箱体的重量信息，若大于或等于，则第
Figure 271195DEST_PATH_IMAGE057
个货物箱体对应的码放范围为第一区间，否则为第二区间，在优化问题求解过程中，对于特定高度的垛型规划，仅从对应区间内选择货物进行垛型规划，例如，若第
Figure 817714DEST_PATH_IMAGE090
个周期垛型的高度大于或等于
Figure 991206DEST_PATH_IMAGE045
，则第
Figure 188838DEST_PATH_IMAGE016
个周期从第二区间对应的货物范围中选择货物进行垛型规划。
更进一步的，若第
Figure 156794DEST_PATH_IMAGE090
个周期垛型的高度大于或等于
Figure 252926DEST_PATH_IMAGE045
，判断第一区间对应的货物是否码放完毕，若是，则从第二区间对应的货物范围中选择货物进行垛型规划，否则首先码放第一区间对应的剩余货物，然后从第二区间对应的货物范围中选择货物进行垛型规划。
步骤S4，至少根据可选货物范围逐层求解装车垛型设计问题的数学模型，判断当前垛型高度与装车空间高度差值是否小于第一预设值；步骤S5，若差值小于第一预设值，则以当前垛型为装车垛型设计问题的数学模型的最优解，若差值大于或等于第一预设值，垛型层数加1，返回步骤S4求解。
装车垛型设计问题的数学模型求解过程中，采用从下至上逐层增加的方式进行求解，也就是首先求解最底层的垛型，判断垛型高度与装车空间高度差值是否小于第一预设值，若二者的差值大于或等于第一预设值，说明当前周期垛型上方仍存在可利用装车空间，垛型层数加1，以当前设计的垛型为基础，返回步骤S4继续求解。例如，在第一周期中，将垛型层数设为1层，在该基础上对装车垛型设计问题的数学模型进行求解，判断垛型上方仍存在可利用装车空间后，垛型层数加1，即此时垛型共有2层，以1层垛型为基础，对2层结构的垛型设计最优垛型。
对于每一周期的求解过程，采用改进的遗传算法求解最优垛型，对于第
Figure 902213DEST_PATH_IMAGE016
个周期，定义中间变量org和new，分别用于表示最优个体和适应度值最大的个体，求解具体包括如下步骤：
A1：随机生成初始种群
Figure 767401DEST_PATH_IMAGE091
；
A2：计算种群个体的适应度，将最优个体保存到org中；
A3：如果满足停止准则，算法输出结果并停止运行，否则，继续；
A4：迭代次数
Figure 93209DEST_PATH_IMAGE092
；
A5：从
Figure 676637DEST_PATH_IMAGE048
中选出父代个体；
A6：父代个体进行交叉运算，得到子代种群
Figure 864036DEST_PATH_IMAGE049
；
A7：对子代种群
Figure 849310DEST_PATH_IMAGE049
执行变异操作，得到种群
Figure 346019DEST_PATH_IMAGE093
；
A8：计算种群
Figure 416743DEST_PATH_IMAGE093
中所有个体的适应度值，将适应度值最大的个体记为new；
A9：如果new 的适应值大于org 的适应值，用new 代替org，否则org不变，得到第b代种群；
A10：返回步骤A3。
用空间利用率
Figure 407833DEST_PATH_IMAGE094
表示适应度函数，通过步骤A1-A10求解当前周期的最优解，得到当前周期的最优垛型，获取垛型的高度，判断当前垛型的高度与装车空间高度的差值与第一预设值之间的关系，若二者的插值小于第一预设值，则已完成装车空间的垛型设计，可用于指导装车机器人进行货物码放；若二者的差值大于或等于第一预设值，则垛型层数加1，将更新后的垛型层数作为约束条件之一，以已求解得到的垛型为基础，返回步骤S4，重新求解当前垛型层数下的最优垛型。
综上，本实施例提供了一种装车垛型逐层最优设计方法，以装车空间利用率最大为目标函数，约束条件包括位置约束、重心约束和稳定度约束，垛型重心和垛型稳定度直接影响最终垛型的求解，该最优设计方法求解得到的最终垛型能够满足预设的重心要求、水平稳定度要求和垂直稳定度要求，在静止状态下，由于重心的约束，垛型能够稳定码放，在运输状态下，重心和综合稳定度的约束能够使得垛型在水平方向和垂直方向均保持稳定，避免了装车、运输过程中货物的坍塌。本发明提出的装车垛型逐层最优设计方法，在装车垛型设计问题的数学模型求解时，采用层数逐步累加的逐层求解方式，自下而上垛型层数逐步累加，将一个复杂的最优设计问题简化为各个子优化问题，下一周期的垛型以上一周期的垛型为基础进行求解，避免直接对整体垛型进行求解，降低设计方法运算量，缩短求解时间，且在逐层求解之前，根据货物箱体的重量信息与订单中所有货物的重量均值之间的大小关系，预先划分货物所对应的码放空间，确定其对应的区域，从而在每一个求解周期中，仅从特定区域对应的货物范围中选取货物进行垛型规划，减少了最优设计求解过程中的运算量，同时能够保证最终垛型能够满足较重的货物位于下方，较轻的货物位于上方这一准则。
上面各种方法的步骤划分，只是为了描述清楚，实现时可以合并为一个步骤或者对某些步骤进行拆分，分解为多个步骤，只要包括相同的逻辑关系，都在本专利的保护范围内；对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计，但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明第三实施方式涉及一种装车垛型逐层最优设计装置，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序存储在所述存储器中并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行实施例一至二提供的方法中的任一方法的指令。
值得一提的是，本实施方式中所涉及到的各模块均为逻辑模块，在实际应用中，一个逻辑单元可以是一个物理单元，也可以是一个物理单元的一部分，还可以以多个物理单元的组合实现。此外，为了突出本发明的创新部分，本实施方式中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入，但这并不表明本实施方式中不存在其它的单元。
其中，存储器和处理器采用总线方式连接，总线可以包括任意数量的互联的总线和桥，总线将一个或多个处理器和存储器的各种电路连接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路连接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件，也可以是多个元件，比如多个接收器和发送器，提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输，进一步，天线还接收数据并将数据传送给处理器。
处理器负责管理总线和通常的处理，还可以提供各种功能，包括定时，外围接口，电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
本发明第四实施方式涉及一种计算机可读存储介质，存储有计算机程序。计算机程序被处理器执行时实现上述方法实施例。
即，本领域技术人员可以理解，实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得一个设备（可以是单片机，芯片等）或处理器（processor）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-OnlyMemory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解，上述各实施方式是实现本发明的具体实施例，而在实际应用中，可以在形式上和细节上对其作各种改变，而不偏离本发明的精神和范围。

Claims (8)

1.一种装车垛型逐层最优设计方法，其特征在于，所述装车垛型逐层最优设计方法具体包括如下步骤：
步骤S1，获取当前到达车辆对应的订单信息；
步骤S2，构建装车垛型设计问题的数学模型；
装车垛型设计问题的数学模型以装车空间利用率最大为目标函数，约束条件包括：位置约束、重心约束和稳定度约束；
所述稳定度约束表示为：
Figure 301096DEST_PATH_IMAGE001
，
Figure 182464DEST_PATH_IMAGE002
表示垛型的综合稳定度，
Figure 413725DEST_PATH_IMAGE003
表示垛型的水平稳定度，
Figure 792711DEST_PATH_IMAGE004
表示垛型的垂直稳定度，
Figure 451225DEST_PATH_IMAGE005
表示稳定度干预因子，
Figure 554310DEST_PATH_IMAGE006
表示稳定度阈值，
Figure 589262DEST_PATH_IMAGE006
为一预设正数；
所述水平稳定度表示为
Figure 94193DEST_PATH_IMAGE007
，其中，
Figure 923609DEST_PATH_IMAGE008
表示计算周期数，
Figure 513990DEST_PATH_IMAGE009
表示摩擦系数因子，摩擦系数因子为最底层箱体与车厢底面的摩擦系数和箱体之间的摩擦系数均值，
Figure 352633DEST_PATH_IMAGE010
表示水平稳定度系数，
Figure 446491DEST_PATH_IMAGE011
，
Figure 446808DEST_PATH_IMAGE012
表示垛型中最底层箱体的总数，
Figure 258906DEST_PATH_IMAGE013
表示最底层箱体个数标准值，根据箱体个数不同，水平稳定度系数不同，
Figure 901240DEST_PATH_IMAGE014
表示第
Figure 115184DEST_PATH_IMAGE008
个周期中垛型的重心系数，
Figure 286402DEST_PATH_IMAGE015
，
Figure 585797DEST_PATH_IMAGE016
表示第
Figure 766242DEST_PATH_IMAGE008
个周期中垛型货物的平均密度，
Figure 834692DEST_PATH_IMAGE017
表示第
Figure 176812DEST_PATH_IMAGE008
个周期中垛型高度；
所述垂直稳定度表示为
Figure 963502DEST_PATH_IMAGE018
，
Figure 682060DEST_PATH_IMAGE019
为支撑面积比，由垛型中箱体接触面积之和与最底层箱体与车厢底面的接触面积二者之间的比值确定，
Figure 870596DEST_PATH_IMAGE020
为第
Figure 383617DEST_PATH_IMAGE008
个周期的质量比重数
Figure 923182DEST_PATH_IMAGE021
，
Figure 179851DEST_PATH_IMAGE022
为第
Figure 488473DEST_PATH_IMAGE008
个周期的垛型中位于重心高度值
Figure 166536DEST_PATH_IMAGE023
以下箱体的总质量，
Figure 927818DEST_PATH_IMAGE024
为第
Figure 988178DEST_PATH_IMAGE008
个周期的垛型中位于重心高度值
Figure 151306DEST_PATH_IMAGE023
以上箱体的总质量，
Figure 6130DEST_PATH_IMAGE025
表示除最底层以外的垛型箱体总数；
步骤S3，至少根据所述订单信息中的货物重量信息确定每层货物的可选货物范围，获取所有货物的重量均值，根据所述订单信息将货物重量信息大于重量均值的货物与第一区间相对应，将货物重量信息小于或等于重量均值的货物与第二区间相对应；
步骤S4，至少根据所述可选货物范围逐层求解所述装车垛型设计问题的数学模型，判断当前垛型高度与装车空间高度差值是否小于第一预设值，
其中，步骤S4包括从当前垛型高度对应的区间内选择货物进行垛型规划；
步骤S5，若所述差值小于所述第一预设值，则以当前垛型为所述垛型设计问题的数学模型的最优解，若差值大于或等于第一预设值，以当前设计的垛型为基础，垛型层数加1，返回步骤S4求解。
2.根据权利要求1所述的装车垛型逐层最优设计方法，其特征在于，所述步骤S1具体包括：
检测装置获取所述当前到达车辆的标识信息；
基于所述当前到达车辆的所述标识信息获取所述当前到达车辆对应的装车订单信息；
至少基于所述装车订单信息确定装车空间的尺寸信息。
3.根据权利要求2所述的装车垛型逐层最优设计方法，其特征在于，所述至少基于所述装车订单信息确定装车空间的尺寸信息，具体包括：
至少基于所述装车订单信息确定车厢的尺寸信息；
利用传感器对车厢内部空间进行扫描，获得车厢内部空间扫描数据；
基于所述车厢内部空间扫描数据对所述车厢的尺寸信息进行校正，确定所述装车空间的尺寸信息。
4.根据权利要求1所述的装车垛型逐层最优设计方法，其特征在于，
所述目标函数可以表示为如下形式：
Figure 254709DEST_PATH_IMAGE026
其中，
Figure 118759DEST_PATH_IMAGE027
表示空间利用率，
Figure 136394DEST_PATH_IMAGE028
表示目标函数f最大，
Figure 427698DEST_PATH_IMAGE029
分别表示第
Figure 897994DEST_PATH_IMAGE030
个待装车货物箱体的长、宽、高尺寸，
Figure 565735DEST_PATH_IMAGE031
，
Figure 437876DEST_PATH_IMAGE032
为货物箱体总数量，
Figure 900082DEST_PATH_IMAGE033
为装车空间的体积
Figure 857673DEST_PATH_IMAGE034
，装车空间的长、宽、高分别为
Figure 63527DEST_PATH_IMAGE035
；
所述位置约束表示为：
Figure 790174DEST_PATH_IMAGE036
，
Figure 688860DEST_PATH_IMAGE037
，
Figure 868169DEST_PATH_IMAGE038
，
其中
Figure 612134DEST_PATH_IMAGE039
表示第
Figure 724446DEST_PATH_IMAGE030
个货物箱体的布局中心点坐标；
所述重心约束表示为：
Figure 262875DEST_PATH_IMAGE040
，
Figure 460638DEST_PATH_IMAGE008
表示计算周期数，
Figure 742715DEST_PATH_IMAGE008
为正整数，
Figure 709534DEST_PATH_IMAGE041
表示第
Figure 418864DEST_PATH_IMAGE008
周期垛型的重心高度值。
5.根据权利要求1所述的装车垛型逐层最优设计方法，其特征在于，所述步骤S3具体包括：
获取订单信息中该车辆对应的所有货物的重量均值；
获取每个货物的重量信息，将货物重量信息大于所述重量均值的货物与第一区间对应，将货物重量信息小于或等于所述重量均值的货物与第二区间相对应，其中，车辆高度为
Figure 855922DEST_PATH_IMAGE042
，所述第一区间为以装车空间底面为起点，高度低于
Figure 207269DEST_PATH_IMAGE043
的区域，所述第二区间为装车空间内高度大于或等于
Figure 763015DEST_PATH_IMAGE043
的区域。
6.根据权利要求5所述的装车垛型逐层最优设计方法，其特征在于，所述步骤S4中，至少根据可选货物范围逐层求解装车垛型设计问题的数学模型，具体包括：
若第
Figure 174405DEST_PATH_IMAGE044
个计算周期的垛型的高度大于或等于
Figure 815602DEST_PATH_IMAGE045
，则第
Figure 705061DEST_PATH_IMAGE008
个周期从所述第二区间对应的货物范围中选择货物进行垛型规划。
7.根据权利要求6所述的装车垛型逐层最优设计方法，其特征在于，若第
Figure 380893DEST_PATH_IMAGE044
个计算周期的垛型的高度大于或等于
Figure 697605DEST_PATH_IMAGE043
，还包括：判断所述第一区间对应的货物是否码放完毕，若是，则从所述第二区间对应的货物范围中选择货物进行垛型规划，否则，码放所述第一区间的剩余货物，然后从所述第二区间对应的货物范围中选择货物进行垛型规划。
8.根据权利要求1所述的装车垛型逐层最优设计方法，其特征在于，所述步骤S4中，至少根据可选货物范围逐层求解装车垛型设计问题的数学模型，具体包括：
在第
Figure 826098DEST_PATH_IMAGE008
个计算周期中，将空间利用率
Figure 519247DEST_PATH_IMAGE046
表示为适应度函数，org表示为最优个体，执行如下步骤：
A1：随机生成初始种群
Figure 49586DEST_PATH_IMAGE047
；
A2：计算种群个体的适应度，将最优个体保存到org中；
A3：如果满足停止准则，算法输出结果并停止运行，否则，继续；
A4：迭代次数
Figure 802778DEST_PATH_IMAGE048
；
A5：从
Figure 418567DEST_PATH_IMAGE049
中选出父代个体；
A6：父代个体进行交叉运算，得到子代种群
Figure 384249DEST_PATH_IMAGE050
；
A7：对子代种群
Figure 34673DEST_PATH_IMAGE050
执行变异操作，得到种群
Figure 693188DEST_PATH_IMAGE051
；
A8：计算种群
Figure 61852DEST_PATH_IMAGE052
中所有个体的适应度值，将适应度值最大的个体记为new；
A9：如果new 的适应值大于org 的适应值，用new 代替org，否则org不变，得到第b代种群；
A10：返回步骤A3。
CN202110114502.7A 2021-01-28 2021-01-28 一种装车垛型逐层最优设计方法 Active CN112434893B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110114502.7A CN112434893B (zh) 2021-01-28 2021-01-28 一种装车垛型逐层最优设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110114502.7A CN112434893B (zh) 2021-01-28 2021-01-28 一种装车垛型逐层最优设计方法

Publications (2)

Publication Number Publication Date
CN112434893A CN112434893A (zh) 2021-03-02
CN112434893B true CN112434893B (zh) 2021-04-06

Family

ID=74697357

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110114502.7A Active CN112434893B (zh) 2021-01-28 2021-01-28 一种装车垛型逐层最优设计方法

Country Status (1)

Country Link
CN (1) CN112434893B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113128118B (zh) * 2021-04-20 2021-11-30 广东工业大学 一种基于分支定界算法的单规格码垛方法及码垛系统
CN114084683B (zh) * 2021-12-02 2023-09-01 中轻长泰(长沙)智能科技股份有限公司 确定垛型的方法和装置
CN114873003B (zh) * 2021-12-31 2024-03-05 第四范式（北京）技术有限公司 装箱方法和装箱装置
CN114772318B (zh) * 2022-04-25 2023-03-21 中国农业大学 一种智能装车系统及方法
CN114819426B (zh) * 2022-07-01 2022-12-09 深圳市海清数字技术有限公司 货物装车方案确定方法、装置、设备及存储介质
CN115571643B (zh) * 2022-09-05 2023-05-12 梅卡曼德（北京）机器人科技有限公司 垛型确定方法、装置及设备
CN117049199B (zh) * 2023-10-11 2024-02-13 季华实验室 一种集装箱装箱方法及其相关设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8489229B2 (en) * 2009-03-02 2013-07-16 Kuka Roboter Gmbh Method and device for automated loading of packages on a load carrier
CN105279629A (zh) * 2015-09-30 2016-01-27 上海东源计算机自动化工程有限公司 一种优化的智能装箱系统
CN107622321A (zh) * 2017-07-27 2018-01-23 山东储备物资管理局八三二处 一种基于多约束条件智能生成箱体装载方案的算法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8489229B2 (en) * 2009-03-02 2013-07-16 Kuka Roboter Gmbh Method and device for automated loading of packages on a load carrier
CN105279629A (zh) * 2015-09-30 2016-01-27 上海东源计算机自动化工程有限公司 一种优化的智能装箱系统
CN107622321A (zh) * 2017-07-27 2018-01-23 山东储备物资管理局八三二处 一种基于多约束条件智能生成箱体装载方案的算法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《基于遗传算法的单车三维货物积载问题优化研究》;明立立;《中国优秀硕士学位论文全文数据库信息科技辑》;20130715(第07期);第14-34页 *
《多约束装箱优化模型的研究与系统开发》;乐千桤;《中国优秀硕士学位论文全文数据库信息科技辑》;20061215(第12期);第15-34页 *

Also Published As

Publication number Publication date
CN112434893A (zh) 2021-03-02

Similar Documents

Publication Publication Date Title
CN112434893B (zh) 一种装车垛型逐层最优设计方法
CN110175405B (zh) 车辆装载优化方法及系统
CN110175402B (zh) 车辆零部件装载方法及系统
US5430831A (en) Method of packing rectangular objects in a rectangular area or space by determination of free subareas or subspaces
KR101384739B1 (ko) 컨테이너에서의 무게중심을 고려한 박스 적재 방법
CN114417696B (zh) 一种基于遗传算法的自动化立体仓库货位分配优化方法
CN110175404B (zh) 货物装载调整方法及装置
GB2524952A (en) A method of packing containers
CN110077772B (zh) 组托盘方法及其应用
CN111815233B (zh) 基于物流总量和能量消耗的货位优化方法
CN113222293A (zh) 一种智能立体仓库优化调度方法
CN114841642B (zh) 基于鹰栖息优化的辅料入库货位分配方法
CN115860613B (zh) 一种考虑预约机制的零担车货匹配及车辆调度方法
WO2023082728A1 (zh) 一种装箱任务处理方法、装置及设备
US20220129840A1 (en) System And Method For Reinforcement-Learning Based On-Loading Optimization
CN114723119A (zh) 一种优化工业运输装载空间的方法及系统
CN111860837A (zh) 装箱问题的处理方法、装置及计算机可读存储介质
CN114841583A (zh) 智能化仓库货位调配优化方法
CN115310917B (zh) 一种入库管理方法
CN116681151A (zh) 一种基于组合堆垛与最低水平线的装箱优化方法
CN115619198B (zh) 库位移动规划方法、装置、电子设备及存储介质
CN115796750A (zh) 货物入库方法、出库方法、装置和计算机设备
KR101135464B1 (ko) 컨테이너 최적 배치 선정 방법 및 이를 실행하기 위한 프로그램이 기록된 컴퓨터 판독 가능한 기록매체
JP2000076220A (ja) 荷物配置位置決定装置
JP4432042B2 (ja) シミュレーションプログラム、シミュレーション方法及びシミュレーション装置

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