CN112488606A - 一种生产物流智能优化和自动调度系统 - Google Patents

Abstract

本发明涉及物流调度系统技术领域，具体为一种生产物流智能优化和自动调度系统，包括物流管理系统、组态软件和执行设备，物流管理系统包括运送需求接收模块、运送计划编制模块、运送调度模块、运送执行跟踪模块和运送计划自优化模块；运送调度模块，用于对运送计划编制模块计算得出的运送计划，并通过组态软件对执行设备进行调度指令下达；运送计划自优化模块，通过执行过程的反馈信息、物料需求变更信息、生产现场的变化和退料需求信息，及时更新运送计划，并再次进行运送计划下达和执行，形成配送过程闭环管理。本发明运用物联技术形成具备自感知、自优化、自决策的物流管理系统，提高运送计划的准确性、合理性，提升物流执行过程的效率。

Description

一种生产物流智能优化和自动调度系统

技术领域

本发明涉及一种物流调度系统，特别是涉及一种生产物流智能优化和自动调度系统，属于物流调度系统技术领域。

背景技术

物流管理是指在社会生产过程中，根据物质资料实体流动的规律，应用管理的基本原理和科学方法，对物流活动进行计划、组织、指挥、协调、控制和监督，使各项物流活动实现最佳的协调与配合，以降低物流成本，提高物流效率和经济效益，现代物流管理是建立在系统论、信息论和控制论的基础上的，物流以满足一定的经济、军事、社会要求为目的，并通过创造时间价值和场所价值来实现目的。

现有生产物流调度系统的配送方案由人工根据经验设计，调度指令由人工下达，当生产现场出现变化时，需要人员介入调整调度指令；运输过程采用二维码、RFID等物联网技术，实现AGV的自动运输，现有的生产物流调度系统存有如下问题：

1、配送方案根据历史经验得出，科学性不足，各项物流资源没有得到最优配置，直接影响产品成本；

2、当配送需求出现变更时，调度指令调整不及时，影响生产进度；

3、物料积压、造成车间在制增加，影响车间管理效率。

因此，亟需对物流调度系统进行改进，以解决上述存在的问题。

发明内容

本发明的目的是提供一种生产物流智能优化和自动调度系统，本系统运用物联技术构建具备自感知、自优化、自决策的物流管理系统，提高运送计划的准确性、合理性，提升物流执行过程的效率。

为了达到上述目的，本发明采用的主要技术方案包括：

一种生产物流智能优化和自动调度系统，包括物流管理系统、组态软件和执行设备，所述物流管理系统与所述组态软件连接，所述组态软件与所述执行设备连接；

所述物流管理系统包括运送需求接收模块、运送计划编制模块、运送调度模块、运送执行跟踪模块以及运送计划自优化模块；

所述运送需求接收模块，用于接收运送需求、库存数量、存放位置以及物料实时消耗信息；

所述运送计划编制模块，用于对接收到的运送需求、物流设备状态、设备运载能力、托盘状态、计划编制策略以及配送地图进行自动编制运送计划；

所述运送调度模块，用于对所述运送计划编制模块计算得出的所述运送计划，并通过组态软件对所述执行设备进行调度指令下达；

所述运送执行跟踪模块，通过物联技术实施获取运输设备的工作状态、位置信息、托盘状态、异常事件和库存数量信息，并实时反馈到所述运送计划编制模块；

所述运送计划自优化模块，通过执行过程的反馈信息、物料需求变更信息、生产现场的变化以及退料需求信息，及时更新运送计划，并再次进行运送计划下达和执行，形成配送过程闭环管理；

所述执行设备包括AGV、辊道和自动化立体仓库；

所述AGV通过所述辊道与所述自动化立体仓库连接。

优选的，所述运送需求接收模块接收到的运送需求、库存数量、存放位置以及物料实时消耗信息均为所述运送计划编制模块的输入信息。

优选的，所述运送计划包括配送的物料、配送地点、配送时间、配送设备、使用的托盘、物料存放位置以及运送路线。

优选的，所述运送计划编制模块的编制计划过程是多目标模糊规划问题，建模过程如下：

设有决策定量

有m个优化目标，满足如下的多目标数学模型：

z＝1,2,3...,q

v＝1,2,3...p

其中，

为目标函数，而

和

为约束条件。

优选的，多目标的小世界优化算法步骤如下：

步骤1：根据初始解的生成方法随机得到大小为n的初始信封群体，设为E₀；

步骤2：对E₀中每个信封x_i进行长邻居和短邻居搜索操作，得到邻居群体N_i；

步骤3：随机抽取一个信封节点x_j,y_j∈N_i；若x_j＞x_i，则将信封x_i传递给x_j，持有信封的群体组成新的群体E_t，否则，重复步骤3，直到找到这样一个节点为止，若重复m步或对N_i中所有节点都不能找到这样的支配解，将当前节点x_i移入外部解集E_x，重新分发信封；

步骤4：迭代规定次数后，停止迭代，得到信封群体E’_t和外部群体Ex’，将E’_t与Ex’合并，得到较优解O＝E’_t∪Ex’；

步骤5：从较优群体O中选择非支配个体，非支配个体选择算法如下：

(1)：从外部群体Ex’中随机选择一个个体x_e作为参考，把较优群体O分为较差与较优两部分，如果发现x_e加入非支配解集A，继续本部，否则转第(2)步：

(2)：从较优部分随机选择另外一个个体x_k作为参考，继续把后而较优部分分为较差和较优两部分，如果较优部分只有x_k，则x_k直接复制到A，继续第(2)步的操作，直至前面较差部分为空，这样剩下来的个体就相对x_e的较优个体；

(3)：把第(2)步中剩下的较优个体复制到A保存；

步骤6：根据多目标权重理论，对于一个由n个Pareto非支配解A_j(j＝1,2,...,n)所组成的Pareto非支配集A＝{A₁,A₂,...,A_n}和m个目标O_i(i＝1,2,...,m)组成的目标集O＝{O₁,O₂,...,O_m}的多目标决策问题，计算其模糊隶属度决策矩阵μ＝(μ_ij)_mxn；

步骤7：根据目标函数计算得到A^*∈A为优化的最终结果。

优选的，所述物流设备状态包括可用、维修以及占用，所述设备运载能力包括速度以及装载数量，所述托盘状态包括占用以及空闲，所述计划编制策略包括是否合批配送以及工位在制控制数量。

优选的，所述运送计划编制模块、所述运送调度模块、所述运送执行跟踪模块以及所述运送计划自优化模块形成闭环管理。

优选的，所述组态软件为系统开发环境与系统运行环境两大部分构成的组态监控系统软件。

优选的，所述运送计划编制模块确定自动编制运送计划的过程包括：

G1、根据托盘状态确定优先因子；

其中，t_r表示托盘状态富余配送地点r的优先因子，t_l表示托盘状态缺乏配送地点l的优先因子，a和b分别表示运送需求和时间要求的重要程度，且a+b＝1，h_rp表示托盘状态富余配送地点r的托盘富余数目，d_kp表示第k个托盘状态缺乏配送地点托盘缺乏数目，c_r,max表示托盘状态富余配送地点对时间的最晚要求，e_k,max表示托盘状态缺乏配送地点对时间的最晚要求，c_r表示第r个托盘状态富余配送地点对时间的要求，e_k表示第k个托盘状态缺乏配送地点对时间的要求；

G2、确定调度模型；

minF|F＝W₁+W₂+W₃+W₄

s.t.

z_gs≤t_gs

z_sl≤t_sl

z_rl≤t_rl

z_rs+z_rs,d≤t_rs

z_sg,d≤t_sg

z_gs，z_sl，z_rl，z_rs，z_rs,d，z_sg,d，d_r∈N⁺

上述公式中，F表示目标函数，s.t.表示约束条件，W₁表示运输成本，W₂表示存放成本，W₃表示维修成本，W₄表示惩罚成本，W₁，W₂，W₃和W₄具体表示为：

其中，z_gs表示生产点g向暂放点s运输的托盘数目，v_gs表示生产点g向暂放点s运输的成本，z_sl表示暂放点s向托盘状态缺乏配送地点l运输的托盘数目，v_sl表示暂放点s向托盘状态缺乏配送地点l运输的成本，z_rl表示托盘状态富余配送地点r向托盘状态缺乏配送地点l运输的托盘数目，v_rl表示托盘状态富余配送地点r向托盘状态缺乏配送地点l运输的成本，z_rs表示托盘状态富余配送地点r向暂放点s运输的托盘数目，v_rs表示托盘状态富余配送地点r向暂放点s运输的成本，z_rs,d表示托盘状态富余配送地点r运输到暂放点s的损坏托盘数量，z_sg,d表示从暂放点s运输到生产点g的损坏托盘数量，q_g表示生产点g的库存容量，q_s表示暂放点s的库存容量，v_g,u表示生产点g的单位库存成本，v_s,u表示暂放点s的单位库存成本，c_g表示生产点g的单位维修成本，p_l表示为未能满足或超出配送地点需求的单位托盘惩罚成本，f_l表示托盘状态缺乏配送地点l的需求量，q_r表示托盘状态富余配送地点r的库存容量，v_r,u表示托盘状态富余配送地点r的单位库存成本，w_g表示生产点g的初始库存量，f_g表示生产点g的生产能力，I_g表示生产点g的最大库存容量，w_s表示暂放点s的初始库存量，I_s表示暂放点s的最大库存容量，d_r表示托盘状态富余配送地点r的多余量，I_r表示托盘状态富余配送地点r的最大库存容量，t_gs表示生产点g向暂放点s运输的最大运输能力，t_sl表示暂放点s向托盘状态缺乏配送地点l运输的最大运输能力，t_rl表示托盘状态富余配送地点r向托盘状态缺乏配送地点l运输的最大运输能力，t_rs表示托盘状态富余配送地点r向暂放点s运输的最大运输能力，t_sg表示暂放点s向生产点g运输的最大运输能力，α_r表示托盘状态富余配送地点r的托盘损坏率；

G3、根据调度模型得到最优化的运送计划。

本发明至少具备以下有益效果：

1、本系统使用运筹学的方法进行计划编制，要比依靠历史经验的方式更具有科学性，计划的合理性的提升会保证资源都处于比较合理的使用状态，可以直接减少物料运送过程中的等待浪费、搬运浪费等，从财务角度来看，可以降低制造费用；

2、系统的自感知、自优化、自决策过程，缩短了人工根据物料需求进行编制计划并决策的过程，使配送变更的响应速度更快，减少物流对生产的影响；

3、物流计划的合理性的提高可以实现其与生产节奏的协同程度，协同程度的提升降低缺料的风险，有助于改善车间现场物料积压的问题，有助于减少车间在制物料，改善车间现场管理，降低由于物料堆积造成的等待浪费、安全风险、丢失损毁损失等。

附图说明

此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本发明的系统示意图；

图2为本发明的优化调度示意图；

图3为本发明的运送计划自优化模块示意图；

图4为本发明的运送执行跟踪模块示意图。

具体实施方式

以下将配合附图及实施例来详细说明本申请的实施方式，借此对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。

如图1-图4所示，本实施例提供的生产物流智能优化和自动调度系统，包括物流管理系统、组态软件和执行设备，物流管理系统与组态软件连接，组态软件与执行设备连接，组态软件为系统开发环境与系统运行环境两大部分构成的组态监控系统软件，是指数据采集与过程控制的专用软件，也是指在自动控制系统监控层一级的软件平台和开发环境，这些软件实际上也是一种通过灵活的组态方式，为用户提供快速构建工业自动控制系统监控功能的、通用层次的软件工具，组态软件广泛应用于机械、汽车、石油、化工、造纸、水处理以及过程控制等诸多领域；

系统开发环境系统开发环境是自动化工程设计工程师为实施其控制方案，在组态软件的支持下进行应用程序的系统生成工作所必须依赖的工作环境，系统开发环境由若干个组态程序组成，如图形界面组态程序、实时数据库组态程序等；

系统运行环境在系统运行环境下，目标应用程序被装入计算机内存并投入实时运行。实现系统运行环境的程序由若干个程序组成，如图形界面运行程序、实时数据库运行程序等，在跨平台应用中，运行环境可以运行于Windows操作系统，也可以运行于Linux等操作系统，还可以运行于嵌入式系统；

自动化工程设计工程师最先接触的一定是系统开发环境，通过反复地进行系统组态和调试，最终将目标应用程序在系统运行环境中投入实时运行，完成一个工程项目；

组态软件有如下特点：

功能强大：组态软件提供丰富的编辑和作图工具，提供大量的工业设备图符、仪表图符以及趋势图、历史曲线、数据分析图等；提供十分友好的图形化用户界面，包括一整套Windows风格的窗口、菜单、按钮、信息区、工具栏、滚动条等；画面丰富多彩，为设备的正常运行、操作人员的集中监控提供了极大的方便；具有强大的通信功能和良好的开放性，组态软件向下可以与数据采集硬件通信，向上可与管理网络互联；

简单易学：使用组态软件不需要掌握太多的编程语言技术，甚至不需要编程技术，根据工程实际情况，利用其提供的底层设备的I/O驱动、开放式的数据库和界面制作工具，就能完成一个具有动画效果、实时数据处理、历史数据和曲线并存、具有多媒体功能和网络功能的复杂工程；

扩展性好：组态软件开发的应用程序，当现场条件或用户需求发生改变时，不需要太多的修改就可以方便地完成软件的更新和升级；

实时多任务：组态软件开发的项目中，数据采集与输出、数据处理与算法实现、图形显示及人机对话、实时数据的存储、检索管理、实时通信等多个任务可以在同一台计算机上同时运行，组态控制技术是计算机控制技术发展的结果，采用组态控制技术的计算机控制系统最大的特点是从硬件到软件开发都具有组态性，因此极大地提高了系统的可靠性和开发速率，降低了开发难度，而且其可视化图形化的管理功能方便了生产管理与维护；

物流管理系统包括运送需求接收模块、运送计划编制模块、运送调度模块、运送执行跟踪模块以及运送计划自优化模块；

运送需求接收模块，用于接收运送需求、库存数量、存放位置以及物料实时消耗信息，运送需求接收模块接收到的运送需求、库存数量、存放位置和物料实时消耗信息均为运送计划编制模块的输入信息；

运送计划编制模块，用于对接收到的运送需求、物流设备状态、设备运载能力、托盘状态、计划编制策略以及配送地图进行自动编制运送计划，物流设备状态包括可用、维修以及占用，设备运载能力包括速度以及装载数量，托盘状态包括占用以及空闲，计划编制策略包括是否合批配送以及工位在制控制数量，运送计划包括配送的物料、配送地点、配送时间、配送设备、使用的托盘、物料存放位置以及运送路线；

运送计划编制模块的编制计划过程是多目标模糊规划问题，建模过程如下：

设有决策定量

有m个优化目标，满足如下的多目标数学模型：

z＝1,2,3...,q

v＝1,2,3...p

其中，

为目标函数，而

和

为约束条件；

优化方案实例：某一运输网络中有一配送中心和N个待服务的节点，以i表示节点，i∈N，车辆从配送中心出发，服务一定数量的工位后回到原点，结束服务，己知每辆车的装载能力为Q，节点i的需求量为一模糊数

节点i与节点j之间的设备运输时间

为一模糊数，节点i对货物送达时间满足模糊时间窗

求满足运输需求的总作业路程最短、派送所需的总设备数最少和生产工位满意度最大的车辆运输路线调度方案；

方案建模：

s.t.

If x_ijk＝1then

pos{RT_i＝t_t}≥α₃ (7)

y_tk∈{0,1},x_yk∈{0,1},i＝1,2,...,N；j＝1,2,...,N；k＝1,2,...,K (12)

该模型的目标式(2)表示决策的目标以派送作业总距离最短，目标与总作业时间最短和总行驶费用最少属于同相目标，都是减少可优化的路程配送成本。目标式(3)表示在满足配送清单制定的任务下派发的车辆最少，减少派车的成本(包括车辆租赁费用，人员劳务费用等)。目标式(4)表示每个待服务工位对配送服务到大时间满意度最好，根据模糊时间窗为三角模糊数的假设，该目标式可以简化为：

(5)式表示以置信度α₁限制车辆在送货过程中的容量不大于，(6)式以置信度α₂来限制约束时间关系的成立可能性，(7)式保证开始服务时间满足以置信度α₃为水平的模糊预约时间，使工位的满意度至少α₃在以上，(8)-(10)式和(12)式是决策变量与辅助决策变量的必要关系，(11)式是消支路约束，保证每辆车从配送中心出发，再回到配送中心；

多目标的小世界优化算法步骤如下：

步骤1：根据初始解的生成方法随机得到大小为n的初始信封群体，设为E₀；

步骤2：对E₀中每个信封x_i进行长邻居和短邻居搜索操作，得到邻居群体N_i；

步骤3：随机抽取一个信封节点x_j,y_j∈N_i；若x_j＞x_i，则将信封x_i传递给x_j，持有信封的群体组成新的群体E_t，否则，重复步骤3，直到找到这样一个节点为止，若重复m步或对N_i中所有节点都不能找到这样的支配解，将当前节点x_i移入外部解集E_x，重新分发信封；

步骤4：迭代规定次数后，停止迭代，得到信封群体E’_t和外部群体Ex’，将E’_t与Ex’合并，得到较优解O＝E’_t∪Ex’；

步骤5：从较优群体O中选择非支配个体，非支配个体选择算法如下：

(1)：从外部群体Ex’中随机选择一个个体x_e作为参考，把较优群体O分为较差与较优两部分，如果发现x_e加入非支配解集A，继续本部，否则转第(2)步：

(2)：从较优部分随机选择另外一个个体x_k作为参考，继续把后而较优部分分为较差和较优两部分，如果较优部分只有x_k，则x_k直接复制到A，继续第(2)步的操作，直至前面较差部分为空，这样剩下来的个体就相对x_e的较优个体；

(3)：把第(2)步中剩下的较优个体复制到A保存；

步骤6：根据多目标权重理论，对于一个由n个Pareto非支配解A_j(j＝1,2,...,n)所组成的Pareto非支配集A＝{A₁,A₂,...,A_n}和m个目标O_i(i＝1,2,...,m)组成的目标集O＝{O₁,O₂,...,O_m}的多目标决策问题，计算其模糊隶属度决策矩阵μ＝(μ_ij)_mxn；

步骤7：根据目标函数计算得到A^*∈A为优化的最终结果

运送调度模块，用于对运送计划编制模块计算得出的运送计划，并通过组态软件对执行设备进行调度指令下达；

运送执行跟踪模块，通过物联技术实施获取运输设备的工作状态、位置信息、托盘状态、异常事件和库存数量信息，并实时反馈到运送计划编制模块；

运送计划自优化模块，通过执行过程的反馈信息、物料需求变更信息、生产现场的变化以及退料需求信息，及时更新运送计划，并再次进行运送计划下达和执行，形成配送过程闭环管理，运送计划编制模块、运送调度模块、运送执行跟踪模块以及运送计划自优化模块形成闭环管理；

执行设备包括AGV、辊道和自动化立体仓库；

AGV通过辊道与自动化立体仓库连接。

本系统使用运筹学的方法进行计划编制，要比依靠历史经验的方式更具有科学性，计划的合理性的提升会保证资源都处于比较合理的使用状态，可以直接减少物料运送过程中的等待浪费、搬运浪费等，从财务角度来看，可以降低制造费用；

系统的自感知、自优化、自决策过程，缩短了人工根据物料需求进行编制计划并决策的过程，使配送变更的响应速度更快，减少物流对生产的影响；

物流计划的合理性的提高可以实现其与生产节奏的协同程度，协同程度的提升降低缺料的风险，有助于改善车间现场物料积压的问题，有助于减少车间在制物料，改善车间现场管理，降低由于物料堆积造成的等待浪费、安全风险、丢失损毁损失等。

本发明提供的一个实施例中，所述运送计划编制模块确定自动编制运送计划的过程包括：

G1、根据托盘状态确定优先因子；

其中，t_r表示托盘状态富余配送地点r的优先因子，t_l表示托盘状态缺乏配送地点l的优先因子，a和b分别表示运送需求和时间要求的重要程度，且a+b＝1，h_rp表示托盘状态富余配送地点r的托盘富余数目，d_kp表示第k个托盘状态缺乏配送地点托盘缺乏数目，c_r,max表示托盘状态富余配送地点对时间的最晚要求，e_k,max表示托盘状态缺乏配送地点对时间的最晚要求，c_r表示第r个托盘状态富余配送地点对时间的要求，e_k表示第k个托盘状态缺乏配送地点对时间的要求；

G2、确定调度模型；

minF|F＝W₁+W₂+W₃+W₄

s.t.

z_gs≤t_gs

z_sl≤t_sl

z_rl≤t_rl

z_rs+z_rs,d≤t_rs

z_sg,d≤t_sg

z_gs，z_sl，z_rl，z_rs，z_rs,d，z_sg,d，d_r∈N⁺

上述公式中，F表示目标函数，s.t.表示约束条件，W₁表示运输成本，W₂表示存放成本，W₃表示维修成本，W₄表示惩罚成本，W₁，W₂，W₃和W₄具体表示为：

其中，z_gs表示生产点g向暂放点s运输的托盘数目，v_gs表示生产点g向暂放点s运输的成本，z_sl表示暂放点s向托盘状态缺乏配送地点l运输的托盘数目，v_sl表示暂放点s向托盘状态缺乏配送地点l运输的成本，z_rl表示托盘状态富余配送地点r向托盘状态缺乏配送地点l运输的托盘数目，v_rl表示托盘状态富余配送地点r向托盘状态缺乏配送地点l运输的成本，z_rs表示托盘状态富余配送地点r向暂放点s运输的托盘数目，v_rs表示托盘状态富余配送地点r向暂放点s运输的成本，z_rs,d表示托盘状态富余配送地点r运输到暂放点s的损坏托盘数量，z_sg,d表示从暂放点s运输到生产点g的损坏托盘数量，q_g表示生产点g的库存容量，q_s表示暂放点s的库存容量，v_g,u表示生产点g的单位库存成本，v_s,u表示暂放点s的单位库存成本，c_g表示生产点g的单位维修成本，p_l表示为未能满足或超出配送地点需求的单位托盘惩罚成本，f_l表示托盘状态缺乏配送地点l的需求量，q_r表示托盘状态富余配送地点r的库存容量，v_r,u表示托盘状态富余配送地点r的单位库存成本，w_g表示生产点g的初始库存量，f_g表示生产点g的生产能力，I_g表示生产点g的最大库存容量，w_s表示暂放点s的初始库存量，I_s表示暂放点s的最大库存容量，d_r表示托盘状态富余配送地点r的多余量，I_r表示托盘状态富余配送地点r的最大库存容量，t_gs表示生产点g向暂放点s运输的最大运输能力，t_sl表示暂放点s向托盘状态缺乏配送地点l运输的最大运输能力，t_rl表示托盘状态富余配送地点r向托盘状态缺乏配送地点l运输的最大运输能力，t_rs表示托盘状态富余配送地点r向暂放点s运输的最大运输能力，t_sg表示暂放点s向生产点g运输的最大运输能力，α_r表示托盘状态富余配送地点r的托盘损坏率；

G3、根据调度模型得到最优化的运送计划。

通过上述技术方案所述运送计划编制模块确定自动编制运送计划不仅能够快速得到运送计划，而且在确定的运算计划情况下整体消耗费用是最少的，节约了运送费用，同时整体消耗费用不仅考虑了运输成本和存放成本，还考虑了维修成本和惩罚成本，将整个过程出现的损坏和需要维修的消耗都计算在内，而且将未能满足或超出配送地点需求的单位托盘惩罚成本也计入其中，使得模型与实际状况更加符合，此外在约束条件中还限制了托盘数目是正整数范围内的，避免在确定的自动编制运送计划中出现小数和负数。

如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决技术问题，基本达到技术效果。

需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的商品或者系统中还存在另外的相同要素。

上述说明示出并描述了本发明的若干优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (9)

1.一种生产物流智能优化和自动调度系统，其特征在于，包括物流管理系统、组态软件和执行设备，所述物流管理系统与所述组态软件连接，所述组态软件与所述执行设备连接；

所述物流管理系统包括运送需求接收模块、运送计划编制模块、运送调度模块、运送执行跟踪模块以及运送计划自优化模块；

所述运送需求接收模块，用于接收运送需求、库存数量、存放位置以及物料实时消耗信息；

所述运送计划编制模块，用于对接收到的运送需求、物流设备状态、设备运载能力、托盘状态、计划编制策略以及配送地图进行自动编制运送计划；

所述运送调度模块，用于对所述运送计划编制模块计算得出的所述运送计划，并通过组态软件对所述执行设备进行调度指令下达；

所述运送执行跟踪模块，通过物联技术实施获取运输设备的工作状态、位置信息、托盘状态、异常事件和库存数量信息，并实时反馈到所述运送计划编制模块；

所述运送计划自优化模块，通过执行过程的反馈信息、物料需求变更信息、生产现场的变化以及退料需求信息及时更新运送计划，并再次进行运送计划下达和执行，形成配送过程闭环管理；

所述执行设备包括AGV、辊道和自动化立体仓库；

所述AGV通过所述辊道与所述自动化立体仓库连接。

2.根据权利要求1所述的一种生产物流智能优化和自动调度系统，其特征在于：所述运送需求接收模块接收到的运送需求、库存数量、存放位置以及物料实时消耗信息均为所述运送计划编制模块的输入信息。

3.根据权利要求1所述的一种生产物流智能优化和自动调度系统，其特征在于：所述运送计划包括配送的物料、配送地点、配送时间、配送设备、使用的托盘、物料存放位置以及运送路线。

4.根据权利要求1所述的一种生产物流智能优化和自动调度系统，其特征在于：所述运送计划编制模块的编制计划过程是多目标模糊规划问题，建模过程如下：

设有决策定量

有m个优化目标，满足如下的多目标数学模型：

z＝1,2,3...,q

v＝1,2,3...p

其中，

为目标函数，而

和

为约束条件。

5.根据权利要求4所述的一种生产物流智能优化和自动调度系统，其特征在于：多目标的小世界优化算法步骤如下：

步骤1：根据初始解的生成方法随机得到大小为n的初始信封群体，设为E₀；

步骤2：对E₀中每个信封x_i进行长邻居和短邻居搜索操作，得到邻居群体N_i；

步骤3：随机抽取一个信封节点x_j,y_j∈N_i；若x_j＞x_i，则将信封x_i传递给x_j，持有信封的群体组成新的群体E_t，否则，重复步骤3，直到找到这样一个节点为止，若重复m步或对N_i中所有节点都不能找到这样的支配解，将当前节点x_i移入外部解集E_x，重新分发信封；

步骤4：迭代规定次数后，停止迭代，得到信封群体E’_t和外部群体Ex’，将E’_t与Ex’合并，得到较优解O＝E’_t∪Ex’；

步骤5：从较优群体O中选择非支配个体，非支配个体选择算法如下：

(1)：从外部群体Ex’中随机选择一个个体x_e作为参考，把较优群体O分为较差与较优两部分，如果发现x_e加入非支配解集A，继续本部，否则转第(2)步：

(2)：从较优部分随机选择另外一个个体x_k作为参考，继续把后而较优部分分为较差和较优两部分，如果较优部分只有x_k，则x_k直接复制到A，继续第(2)步的操作，直至前面较差部分为空，这样剩下来的个体就相对x_e的较优个体；

(3)：把第(2)步中剩下的较优个体复制到A保存；

步骤6：根据多目标权重理论，对于一个由n个Pareto非支配解A_j(j＝1,2,...,n)所组成的Pareto非支配集A＝{A₁,A₂,...,A_n}和m个目标O_i(i＝1,2,...,m)组成的目标集O＝{O₁,O₂,...,O_m}的多目标决策问题，计算其模糊隶属度决策矩阵μ＝(μ_ij)_mxn；

步骤7：根据目标函数计算得到A^*∈A为优化的最终结果。

6.根据权利要求1所述的一种生产物流智能优化和自动调度系统，其特征在于：所述物流设备状态包括可用、维修以及占用，所述设备运载能力包括速度以及装载数量，所述托盘状态包括占用以及空闲，所述计划编制策略包括是否合批配送以及工位在制控制数量。

7.根据权利要求1所述的一种生产物流智能优化和自动调度系统，其特征在于：所述运送计划编制模块、所述运送调度模块、所述运送执行跟踪模块以及所述运送计划自优化模块形成闭环管理。

8.根据权利要求1所述的一种生产物流智能优化和自动调度系统，其特征在于：所述组态软件为系统开发环境与系统运行环境两大部分构成的组态监控系统软件。

9.根据权利要求1所述的一种生产物流智能优化和自动调度系统，其特征在于：所述运送计划编制模块确定自动编制运送计划的过程包括：

G1、根据托盘状态确定优先因子；

其中，t_r表示托盘状态富余配送地点r的优先因子，t_l表示托盘状态缺乏配送地点l的优先因子，a和b分别表示运送需求和时间要求的重要程度，且a+b＝1，h_rp表示托盘状态富余配送地点r的托盘富余数目，d_kp表示第k个托盘状态缺乏配送地点托盘缺乏数目，c_r,max表示托盘状态富余配送地点对时间的最晚要求，e_k,max表示托盘状态缺乏配送地点对时间的最晚要求，c_r表示第r个托盘状态富余配送地点对时间的要求，e_k表示第k个托盘状态缺乏配送地点对时间的要求；

G2、确定调度模型；

minF|F＝W₁+W₂+W₃+W₄

s.t.

z_gs≤t_gs

z_sl≤t_sl

z_rl≤t_rl

z_rs+z_rs,d≤t_rs

z_sg,d≤t_sg

z_gs，z_sl，z_rl，z_rs，z_rs,d，z_sg,d，d_r∈N⁺

上述公式中，F表示目标函数，s.t.表示约束条件，W₁表示运输成本，W₂表示存放成本，W₃表示维修成本，W₄表示惩罚成本，W₁，W₂，W₃和W₄具体表示为：

其中，z_gs表示生产点g向暂放点s运输的托盘数目，v_gs表示生产点g向暂放点s运输的成本，z_sl表示暂放点s向托盘状态缺乏配送地点l运输的托盘数目，v_sl表示暂放点s向托盘状态缺乏配送地点l运输的成本，z_rl表示托盘状态富余配送地点r向托盘状态缺乏配送地点l运输的托盘数目，v_rl表示托盘状态富余配送地点r向托盘状态缺乏配送地点l运输的成本，z_rs表示托盘状态富余配送地点r向暂放点s运输的托盘数目，v_rs表示托盘状态富余配送地点r向暂放点s运输的成本，z_rs,d表示托盘状态富余配送地点r运输到暂放点s的损坏托盘数量，z_sg,d表示从暂放点s运输到生产点g的损坏托盘数量，q_g表示生产点g的库存容量，q_s表示暂放点s的库存容量，v_g,u表示生产点g的单位库存成本，v_s,u表示暂放点s的单位库存成本，c_g表示生产点g的单位维修成本，p_l表示为未能满足或超出配送地点需求的单位托盘惩罚成本，f_l表示托盘状态缺乏配送地点l的需求量，q_r表示托盘状态富余配送地点r的库存容量，v_r,u表示托盘状态富余配送地点r的单位库存成本，w_g表示生产点g的初始库存量，f_g表示生产点g的生产能力，I_g表示生产点g的最大库存容量，w_s表示暂放点s的初始库存量，I_s表示暂放点s的最大库存容量，d_r表示托盘状态富余配送地点r的多余量，I_r表示托盘状态富余配送地点r的最大库存容量，t_gs表示生产点g向暂放点s运输的最大运输能力，t_sl表示暂放点s向托盘状态缺乏配送地点l运输的最大运输能力，t_rl表示托盘状态富余配送地点r向托盘状态缺乏配送地点l运输的最大运输能力，t_rs表示托盘状态富余配送地点r向暂放点s运输的最大运输能力，t_sg表示暂放点s向生产点g运输的最大运输能力，α_r表示托盘状态富余配送地点r的托盘损坏率；

G3、根据调度模型得到最优化的运送计划。

Images