CN112990818A - 一种基于拍卖机制的自动化仓库货位优化方法及系统 - Google Patents

一种基于拍卖机制的自动化仓库货位优化方法及系统 Download PDF

Info

Publication number
CN112990818A
CN112990818A CN202110258459.1A CN202110258459A CN112990818A CN 112990818 A CN112990818 A CN 112990818A CN 202110258459 A CN202110258459 A CN 202110258459A CN 112990818 A CN112990818 A CN 112990818A
Authority
CN
China
Prior art keywords
warehouse
goods
agv
axis direction
medicine
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.)
Pending
Application number
CN202110258459.1A
Other languages
English (en)
Inventor
周力
贺建军
胡恩泽
朱剑平
王宏伟
刘雨汀
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.)
Central South University
Original Assignee
Central South University
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 Central South University filed Critical Central South University
Priority to CN202110258459.1A priority Critical patent/CN112990818A/zh
Publication of CN112990818A publication Critical patent/CN112990818A/zh
Pending legal-status Critical Current

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
    • G06Q10/083—Shipping
    • G06Q10/0838—Historical data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/08—Auctions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Warehouses Or Storage Devices (AREA)

Abstract

本发明公开了一种基于拍卖机制的自动化仓库货位优化方法及系统，通过历史订单数据计算药品出入库频率，建立实验仿真仓库模型，根据AGV小车在货位优化过程中运动速度的变化，建立AGV小车运动数学模型，基于药品出入库频率、实验仿真仓库模型以及AGV小车运动数学模型，建立多目标货位优化数学模型以及对多目标货位优化数学模型进行求解，得到货位优化结果，解决了现有自动化仓库货位优化结果不理想的问题，且建立的多目标货位优化数学模型充分考虑了物流企业药品的特殊性、自动化仓库的特点以及实际工况，从而使得基于多目标货位优化数学模型求解获得的货物优化结果更理想，货物分布更合理，提高了仓储作业效率，降低了仓储操作成本。

Description

一种基于拍卖机制的自动化仓库货位优化方法及系统
技术领域
本发明主要涉及物流仓储技术领域，特指一种基于拍卖机制的自动化仓库货位优化方法及系统。
背景技术
随着医药行业因供应链整体水平的不断提高和行业标准的不断加强，医药物流成为物流自动化的重点领域。自动化仓库作为现代物流的重要组成部分，采用机械化作业和信息化调度，具有节约劳动力、提高仓库管理水平、降低物流费用等优点，是社会广泛认可的先进仓储模式，在企业中得到普遍应用。基于AGV小车的货物拣选系统(AGV CargoPicking System,以下简称ACPS系统)大幅度提高了仓库拣货效率、准确性以及仓库空间利用率，缩短了部署调试时间，ACPS系统彻底颠覆了传统仓库的拣货作业模式，为仓库拣货应用和研究开辟了新途径。有效地管理和控制仓储成本是企业获取利润的最有效手段之一。
随着电子标签辅助系统和无线电通讯传输等技术的应用，拣货速度和效率不断提高，大部分的仓储成本更多地消耗在仓库内部货物移动上。货物在仓库内移动时间的长短成为提高仓库作业效率的关键因素之一。货物的合理布局能有效降低AGV小车等运输设备的搬运距离，降低货物在存储过程及搬运过程中的损耗。然而，由于货物的不断出入库，导致有些货位出现空位；由于一些季节性疾病如流感或者突发性传染病等的发生，导致货物的出入库频率发生变化；由于新增一些货物或者一些货物退出市场，导致仓库储位出现拥挤或者空缺。货位优化就是基于变化因素而动态的再配置仓库中货物的货位，以保证货位布局处在较为合理的状态。因此，定期对仓库进行货位优化，对提高仓储的作业效率，降低仓储操作成本具有重要意义。
货位优化的关键在于建立符合自动化仓库特点的优化模型，而优化模型的核心在于合理地建立多个优化目标的数学模型，并以此设计对应的优化算法。多个优化目标的数学模型的建立基础依赖于对照制药企业药品特殊性的分析、自动化仓库的特点以及货物相关数据的深入分析，尤其是对历史数据的分析利用。制药企业药品的单位重量都比较轻，不需要考虑药品之间的重量差异。货位优化过程中，AGV小车的行走距离和运行时间是影响作业效率的主要因素。而且，随着季节的变化，在不同的时期，制药企业仓库内货物的需求品种、需求数量和需求频率都会有较大变化。因此，结合制药企业药品的特殊性，考虑AGV小车在货位优化过程中运行速率的变化，合理地分析利用历史数据是设置准确的控制算法，实现自动化仓库货位优化的至关重要的前提。通常的货位优化过程，大都是根据药品种类和货架的稳定性，建立货位优化数学模型，再利用优化算法进行优化求解。但是货位优化过程中并没有考虑到制药企业药品的特殊性与实际情况，主要表现在以下三个方面：药品种类繁多且需频繁的出入库、药品重量较轻且尺寸差别不大、时效性很强。以至于不能很好地描述上述三个实际问题，造成优化结果不理想的问题，也没有考虑货位优化过程中AGV小车运行速度的变化。因此，对于这种货位优化方法，由于没有充分考虑优化对象的特殊性，也没有充分利用自动化仓库的历史数据，导致优化效果并不理想，影响仓储的作业效率和操作成本。
发明内容
本发明提供的基于拍卖机制的自动化仓库货位优化方法及系统，解决了现有方法只考虑货物周转率和货架稳定性，不能很好地描述实际问题，造成优化结果不理想的技术问题。
为解决上述技术问题，本发明提出的基于拍卖机制的自动化仓库货位优化方法包括：
获取自动化仓库内药品的历史订单数据，并根据历史订单数据计算药品出入库频率；
建立实验仿真仓库模型；
根据AGV小车在货位优化过程中运动速度的变化，建立AGV小车运动数学模型；
基于药品出入库频率、实验仿真仓库模型以及AGV小车运动数学模型，建立多目标货位优化数学模型；
对多目标货位优化数学模型进行求解，得到货位优化结果。
进一步地，建立实验仿真仓库模型包括：
采用栅格模拟表示真实的自动化仓库环境，获得模拟仓库；
对模拟仓库进行分区；
对分区后的模拟仓库中的货位采用S型编码方式进行排序编码，获得实验仿真仓库模型。
进一步地，根据AGV小车在货位优化过程中运动速度的变化，建立AGV小车运动数学模型包括：
获取AGV小车拣选第j个药品在X轴方向上花费的时间；
获取AGV小车拣选第j个药品在Y轴方向上花费的时间；
根据AGV小车拣选第j个药品在X轴和Y轴上花费的时间，建立AGV小车运动数学模型，且AGV小车运动数学模型具体为：
tj＝max(txj,tyj)
其中txj为AGV小车拣选第j个药品时，在X轴方向上花费的时间，tyj为AGV小车拣选第j个药品时，在Y轴方向上花费的时间。
进一步地，获取AGV小车拣选第j个药品在X轴方向上花费的时间的具体公式为：
Figure BDA0002968925480000031
其中，sxmax＝v2 xmax/2ax，
Figure BDA0002968925480000032
txj为AGV小车拣选第j个药品时，在X轴方向上花费的时间，sxj为AGV小车拣选第j个药品时，在X轴方向上的移动距离，ax为AGV小车在X轴方向上的加速度，vxmax为AGV小车在X轴上的最大运行速度，sxmax为AGV小车匀加速到vxmax时在X轴方向上的最大运行距离，xj为第j个药品在X轴方向上的坐标值，l为货格的长度；
获取AGV小车拣选第j个药品在Y轴方向上花费的时间的具体公式为：
Figure BDA0002968925480000033
其中，symax＝v2 ymax/2ay，
Figure BDA0002968925480000034
tyj为AGV小车拣选第j个药品时，在Y轴方向上所花费的时间，syj为AGV小车拣选第j个药品时，在Y轴方向上的移动距离，ay为AGV小车在Y轴方向上的加速度，vymax为AGV小车在Y轴方向上的最大运行速度，symax为AGV小车匀加速到vymax时在Y轴方向上的最大运行距离，yj为第j个药品在Y轴方向上的坐标值，h为货格的宽度。
进一步地，基于药品出入库频率、实验仿真仓库模型以及AGV小车运动数学模型，建立多目标货位优化数学模型的具体公式为：
Figure BDA0002968925480000035
同时，
Figure BDA0002968925480000041
且j，xj，yj都为整数，F1为AGV小车总的拣货时间最小,F2为优化后所有货物离出入库口的平均距离最小,pj为第j个药品的出入库频率，tj为堆垛机拣选第j个药品所花费的时间，
Figure BDA0002968925480000042
为第j个药品经优化后的位置，v为AGV小车的匀速运输速度，r为巷道间的距离，A、B分别为仓库的最大列数、最大排数，k为总的药品数目,
Figure BDA0002968925480000043
为所有药品经优化后的平均位置。
进一步地，对多目标货位优化数学模型进行求解具体为：
采用基于拍卖机制的货位优化算法，对多目标货位优化数学模型进行求解。
进一步地，采用基于拍卖机制的货位优化算法，对多目标货位优化数学模型进行求解包括：
计算所有货物的周转率，并根据求取的货物最大周转率和货物最小周转率设置与待优化区域对应的周转率标准阈值，并将周转率标准阈值从大到小排序；
判断待指派货物到达的待优化区域的周转率标准阈值是否大于等于待指派货物的周转率，若否，则逐级降低周转率标准阈值，继续判断降级后的周转率标准阈值是否大于等于待指派货物的周转率，若是，则判断与周转率标准阈值对应的待优化区域是否达到该待优化区域的最大可用货位，若没有达到最大可用货位，则将待指派货物指派到与周转率标准阈值对应的待优化区域，若达到最大可用货位，则逐级降低周转率标准阈值，继续判断降级后的周转率标准阈值是否大于等于待指派货物的周转率，直至所有待指派货物指派完成。
本发明提供的基于拍卖机制的自动化仓库货位优化系统包括：
存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现本发明提供的基于拍卖机制的自动化仓库货位优化方法的步骤。
与现有技术相比，本发明的优点在于：
本发明提供的基于拍卖机制的自动化仓库货位优化方法及系统，通过获取自动化仓库内药品的历史订单数据，并根据历史订单数据计算药品出入库频率，建立实验仿真仓库模型，根据AGV小车在货位优化过程中运动速度的变化，建立AGV小车运动数学模型，基于药品出入库频率、实验仿真仓库模型以及AGV小车运动数学模型，建立多目标货位优化数学模型以及对多目标货位优化数学模型进行求解，得到货位优化结果，解决了现有方法只考虑货物周转率和货架稳定性，不能很好地描述实际问题，造成优化结果不理想的问题，且建立的多目标货位优化数学模型充分考虑了物流企业药品的特殊性、自动化仓库的特点以及实际工况，从而使得基于多目标货位优化数学模型求解获得的货物优化结果更理想，货物分布更合理，进而大大提高了仓储作业效率，降低了仓储操作成本。
附图说明
图1是本发明实施例一的基于拍卖机制的自动化仓库货位优化方法的流程图；
图2是本发明实施例二的基于拍卖机制的自动化仓库货位优化方法的流程图；
图3是实验所设计的自动化仓库的分区划分示意图；
图4是实验所设计的自动化仓库的货位序号图；
图5是赋有具体数值信息的栅格图采用栅格模拟来表示真实的自动化仓库环境；
图6是货位优化过程中AGV小车运动数学模型；
图7为本发明实施例二采用基于拍卖机制的货位优化算法对多目标货位优化数学模型进行求解的算法流程图；
图8为本发明实施例二的基于拍卖机制的自动化仓库货位优化方法中药品优化前的货位分布图；
图9为本发明实施例二的基于拍卖机制的自动化仓库货位优化方法中药品优化后的货位分布图；
图10为本发明实施例的基于拍卖机制的自动化仓库货位优化系统的结构框图。
附图标记：
10、存储器；20、处理器。
具体实施方式
为了便于理解本发明，下文将结合说明书附图和较佳的实施例对本发明作更全面、细致地描述，但本发明的保护范围并不限于以下具体的实施例。
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
实施例一
参照图1，本发明实施例一提供的基于拍卖机制的自动化仓库货位优化方法，包括：
步骤S101，获取自动化仓库内药品的历史订单数据，并根据历史订单数据计算药品出入库频率；
步骤S102，建立实验仿真仓库模型；
步骤S103，根据AGV小车在货位优化过程中运动速度的变化，建立AGV小车运动数学模型；
步骤S104，基于药品出入库频率、实验仿真仓库模型以及AGV小车运动数学模型，建立多目标货位优化数学模型；
步骤S105，对多目标货位优化数学模型进行求解，得到货位优化结果。
本发明实施例提供的基于拍卖机制的自动化仓库货位优化方法，通过获取自动化仓库内药品的历史订单数据，并根据历史订单数据计算药品出入库频率，建立实验仿真仓库模型，根据AGV小车在货位优化过程中运动速度的变化，建立AGV小车运动数学模型，基于药品出入库频率、实验仿真仓库模型以及AGV小车运动数学模型，建立多目标货位优化数学模型以及对多目标货位优化数学模型进行求解，得到货位优化结果，解决了现有方法只考虑货物周转率和货架稳定性，不能很好地描述实际问题，造成优化结果不理想的问题，且建立的多目标货位优化数学模型充分考虑了物流企业药品的特殊性、自动化仓库的特点以及实际工况，从而使得基于多目标货位优化数学模型求解获得的货物优化结果更理想，货物分布更合理，进而大大提高了仓储作业效率，降低了仓储操作成本。
具体地，本发明实施例根据企业的要求，结合制药企业药品的特殊性，确立自动化仓库的货位优化目标。制药企业药品的特殊性表现为以下几个方面：
①药品的需求量随季节等时间要素变化较大，需要及时进行动态货位优化。
②该企业药品单位重量大都较小，在货位优化时可以不考虑药品重量。
因此，在确立优化目标时，首先，应当使出入库频率大的药品摆放在离出入口更近的地方，以缩短AGV小车拣选货物所花费的时间，提高仓储的作业效率。同时，不再考虑药品之间的重量差异，即不再考虑货架的稳定性。进一步提高仓储的作业效率，降低仓储的操作成本。由此，确立以药品的出入库频率为优化目标。
实施例二
参照图2，本发明实施例二提供的基于拍卖机制的自动化仓库货位优化方法，包括：
步骤S201，获取自动化仓库内药品的历史订单数据，并根据历史订单数据计算药品出入库频率。
具体地，在一个生产周期内，第j个药品的出入库频率为：
Figure BDA0002968925480000061
其中，pj为第j个药品的出入库频率，Mj为相应生产周期内第j个药品的出入库总数，S为相应生产周期内所有药品的出入库总数。
步骤S202，建立实验仿真仓库模型。
参照图3，图3为自动化仓库的分区划分示意图。具体来说：对自动化仓库进行分区，将自动化仓库分为A区、B区、C区、D区四个区域，出入库口位于自动化仓库西面的正中间位置。理论来说，离出入库口越近的区域越方便AGV小车进行订单拣选工作。因此，A区域为最优区域，B区、C区、D区优先级依次降低。四个区域的面积大致相等。
参照图4，图4为自动化仓库货位序号图。对自动化仓库内的所有货位进行编号，具体编号方式为：A区域最西面第一列西南角的货位为“1”号货位，然后再由南往北按照S形依次对整个自动化仓库余下的货位进行编号。
参照图5，图5为赋有具体数值信息的栅格图采用栅格模拟来表示真实的自动化仓库环境，即为将环境划分为若干个大小相同的栅格单元。然后对栅格图进行具体数值标记，其中0为空栅格，即AGV小车当前可以行走的栅格，1代表存放货架的栅格，即药品储存区域，2代表站台栅格，即工作人员所在栅格，3代表AGV小车存放栅格，当AGV小车空闲或者充电时，则停放在“3”号位置。
步骤S203，获取AGV小车拣选第j个药品在X轴和Y轴方向上花费的时间。
步骤S204，根据AGV小车拣选第j个药品在X轴和Y轴上花费的时间，建立AGV小车运动数学模型。
参照图6，图6为货位优化过程中AGV小车运动数学模型。本实施例根据实际工况，分析AGV小车在货位优化过程中运动速度的变化，将AGV小车拣选一个货物的运动过程抽象成一个均匀加减速的过程，建立AGV小车的运动数学模型为：
AGV小车拣选第j个药品时，在X轴方向上所花费的时间为：
Figure BDA0002968925480000071
sxmax＝v2 xmax/2ax (3)
Figure BDA0002968925480000072
其中，txj为AGV小车拣选第j个药品时，在X轴方向上所花的时间，sxj为AGV小车拣选第j个药品时，在X轴方向上的移动距离，ax为AGV小车在X轴上的加速度，vxmax为AGV小车在X轴上的最大运行速度，sxmax为AGV小车匀加速到vxmax时在X轴方向上的最大运行距离，xj为第j个药品在X轴方向上的坐标值，l为货格的长度。
同理，AGV小车拣选第j个药品时，在Y轴方向上所花费的时间为：
Figure BDA0002968925480000081
symax＝v2 ymax/2ay (6)
Figure BDA0002968925480000082
其中，tyj为AGV小车拣选第j个药品时，在Y轴方向上所花费的时间，syj为AGV小车拣选第j个药品时，在Y轴方向上的移动距离，ay为AGV小车在Y轴方向上的加速度，vymax为AGV小车在Y轴方向上的最大运行速度，symax为AGV小车匀加速到vymax时在Y轴方向上的最大运行距离，yj为第j个药品在Y轴方向上的坐标值，h为货格的宽度。
则，AGV小车拣选第j个药品所花费的时间为：
tj＝max(txj,tyj) (8)
步骤S205，基于药品出入库频率、实验仿真仓库模型以及AGV小车运动数学模型，建立多目标货位优化数学模型。
具体地，为了实现药品的就近入库，将出入库频率大的药品存放在离出入库口较近的位置，使得药品的出入库频率与拣选该药品所花费的时间的乘积最小，并假设每个货格中只存放一种药品，忽略药品从货架上到AGV小车上的时间，即
Figure BDA0002968925480000083
其中，k为药品的数目，pj为第j个药品的出入库频率，tj为AGV小车拣选药品的时间，v为AGV小车的匀速运输速度，r为巷道间的距离。
药品距离出入库口越近，其整体上的出入库时间越短。因此在不考虑药品出入库频率差异的情况下，为了缩短拣选时间，每一个药品都应该最靠近出入库口，使得所有药品的平均位置的欧氏距离最小。
所有药品的平均位置可以表示为：
Figure BDA0002968925480000084
进而，
Figure BDA0002968925480000091
其中，
Figure BDA0002968925480000092
表示所有药品的平均位置，(xj,yj)表示第j个药品的位置，d表示所有药品的平均位置离出入库口的欧式距离。
综上，得到多优化目标的货位优化数学模型：
Figure BDA0002968925480000093
同时，
Figure BDA0002968925480000094
其中，A、B分别为仓库的最大列数、最大排数。
步骤S206，采用基于拍卖机制的货位优化算法，对多目标货位优化数学模型进行求解，得到货位优化结果。
参照图7，图7为本发明实施例采用基于拍卖机制的货位优化算法对多目标货位优化数学模型进行求解的算法流程图，其具体步骤为：
Step 1、将仓库内的所有货位均分成n个待优化区域，每个待优化区域包含至少一个货位。
step 2、计算所有货物的周转率，其中最低的周转率设为a,最高的周转率设为b,则所有货物的周转率都分布在区间[a,b]之间。
step 3、根据step2中的区间[a,b]设置与n个待优化区域对应的周转率标准阈值，分别为MT1，MT2，…，MTn，其中a≤MT1＜MT2＜…＜MTn≤b。
step 4、当待指派货物到达待优化区域时，首先判断该待优化区域的周转率标准阈值是否大于等于待指派货物的周转率，若大于则转step 5，否则转step 6。
step 5、判断与周转率标准阈值对应的待优化区域是否达到该待优化区域的最大可用货位，若没有达到最大可用货位，则将待指派货物指派到与周转率标准阈值对应的待优化区域，若达到最大可用货位，则转step 6。
Step6、逐级降低周转率标准阈值，继续判断降级后的周转率标准阈值是否大于等于待指派货物的周转率，若是，转step 5，若否转step 6，直至所有待指派货物指派完成。
下面举一个实例对本发明的货位优化方法进行详细说明：
该企业自动化仓库的工况参数如表1所示，表1为实例仿真参数信息表。
表1
Figure BDA0002968925480000101
待优化药品已知初始数据如表2所示，表2为待优化药品已知初始数据。
表2
Figure BDA0002968925480000102
Figure BDA0002968925480000111
运用式(1)～式(12)所提出的货位优化模型，对仓库内的货物进行货位优化，并采用MATLAB软件进行仿真。
采用本发明实施例二的方法进行该企业自动化仓库货位优化，药品优化前后的货位位置如图8和图9所示，其中柱状图的高度代表货物出入库频率，柱形图越高则代表货物出入库频率越大。从图8和图9可以明显看出，优化后的药品的货位更加合理，优化后的药品货位位置整体上也更加靠近出入库口。
由此可见，本发明实施例提供的该企业自动化仓库的货位优化方法，使货物分布更加合理，解决了现有方法只考虑货物周转率和货架稳定性，不能很好地描述实际问题，造成优化结果不理想的问题，且建立的多目标货位优化数学模型充分考虑了制药企业药品的特殊性、自动化仓库的特点以及实际工况，从而使得基于多目标货位优化数学模型求解获得的货物优化结果更理想，货物分布更合理，进而大大提高了仓储作业效率，降低了仓储操作成本。
参照图10，本发明实施例提出的基于拍卖机制的自动化仓库货位优化系统，包括：
存储器10、处理器20以及存储在存储器10上并可在处理器20上运行的计算机程序，其中，处理器20执行计算机程序时实现本实施例提出的基于拍卖机制的自动化仓库货位优化方法的步骤。
本实施例的基于拍卖机制的自动化仓库货位优化系统的具体工作过程和工作原理可参照本实施例中的基于拍卖机制的自动化仓库货位优化方法的工作过程和工作原理。
以上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。

Claims (8)

1.一种基于拍卖机制的自动化仓库货位优化方法，其特征在于，所述方法包括：
获取自动化仓库内药品的历史订单数据，并根据所述历史订单数据计算药品出入库频率；
建立实验仿真仓库模型；
根据AGV小车在货位优化过程中运动速度的变化，建立AGV小车运动数学模型；
基于所述药品出入库频率、实验仿真仓库模型以及AGV小车运动数学模型，建立多目标货位优化数学模型；
对所述多目标货位优化数学模型进行求解，得到货位优化结果。
2.根据权利要求1所述的基于拍卖机制的自动化仓库货位优化方法，其特征在于，建立实验仿真仓库模型包括：
采用栅格模拟表示真实的自动化仓库环境，获得模拟仓库；
对所述模拟仓库进行分区；
对分区后的模拟仓库中的货位采用S型编码方式进行排序编码，获得实验仿真仓库模型。
3.根据权利要求1或2所述的基于拍卖机制的自动化仓库货位优化方法，其特征在于，根据AGV小车在货位优化过程中运动速度的变化，建立AGV小车运动数学模型包括：
获取AGV小车拣选第j个药品在X轴方向上花费的时间；
获取AGV小车拣选第j个药品在Y轴方向上花费的时间；
根据AGV小车拣选第j个药品在X轴和Y轴上花费的时间，建立AGV小车运动数学模型，且所述AGV小车运动数学模型具体为：
tj＝max(txj,tyj)
其中txj为AGV小车拣选第j个药品时，在X轴方向上花费的时间，tyj为AGV小车拣选第j个药品时，在Y轴方向上花费的时间。
4.根据权利要求3所述的基于拍卖机制的自动化仓库货位优化方法，其特征在于，获取AGV小车拣选第j个药品在X轴方向上花费的时间的具体公式为：
Figure FDA0002968925470000011
其中，sxmax＝v2 xmax/2ax，
Figure FDA0002968925470000021
txj为AGV小车拣选第j个药品时，在X轴方向上花费的时间，sxj为AGV小车拣选第j个药品时，在X轴方向上的移动距离，ax为AGV小车在X轴方向上的加速度，vxmax为AGV小车在X轴上的最大运行速度，sxmax为AGV小车匀加速到vxmax时在X轴方向上的最大运行距离，xj为第j个药品在X轴方向上的坐标值，l为货格的长度；
获取AGV小车拣选第j个药品在Y轴方向上花费的时间的具体公式为：
Figure FDA0002968925470000022
其中，symax＝v2 ymax/2ay，
Figure FDA0002968925470000023
tyj为AGV小车拣选第j个药品时，在Y轴方向上所花费的时间，syj为AGV小车拣选第j个药品时，在Y轴方向上的移动距离，ay为AGV小车在Y轴方向上的加速度，vymax为AGV小车在Y轴方向上的最大运行速度，symax为AGV小车匀加速到vymax时在Y轴方向上的最大运行距离，yj为第j个药品在Y轴方向上的坐标值，h为货格的宽度。
5.根据权利要求4所述的基于拍卖机制的自动化仓库货位优化方法，其特征在于，基于所述药品出入库频率、实验仿真仓库模型以及AGV小车运动数学模型，建立多目标货位优化数学模型的具体公式为：
Figure FDA0002968925470000024
同时，s.t.
Figure FDA0002968925470000025
且j，xj，yj都为整数，F1为AGV小车总的拣货时间最小,F2为优化后所有货物离出入库口的平均距离最小,pj为第j个药品的出入库频率，tj为堆垛机拣选第j个药品所花费的时间，
Figure FDA0002968925470000026
为第j个药品经优化后的位置，v为AGV小车的匀速运输速度，r为巷道间的距离，A、B分别为仓库的最大列数、最大排数，k为总的药品数目,
Figure FDA0002968925470000031
为所有药品经优化后的平均位置。
6.根据权利要求5所述的基于拍卖机制的自动化仓库货位优化方法，其特征在于，对所述多目标货位优化数学模型进行求解具体为：
采用基于拍卖机制的货位优化算法，对所述多目标货位优化数学模型进行求解。
7.根据权利要求6所述的基于拍卖机制的自动化仓库货位优化方法，其特征在于，采用基于拍卖机制的货位优化算法，对所述多目标货位优化数学模型进行求解包括：
计算所有货物的周转率，并根据求取的货物最大周转率和货物最小周转率设置与待优化区域对应的周转率标准阈值，并将周转率标准阈值从大到小排序；
判断待指派货物到达的待优化区域的周转率标准阈值是否大于等于待指派货物的周转率，若否，则逐级降低周转率标准阈值，继续判断降级后的周转率标准阈值是否大于等于待指派货物的周转率，若是，则判断与周转率标准阈值对应的待优化区域是否达到该待优化区域的最大可用货位，若没有达到最大可用货位，则将待指派货物指派到与周转率标准阈值对应的待优化区域，若达到最大可用货位，则逐级降低周转率标准阈值，继续判断降级后的周转率标准阈值是否大于等于待指派货物的周转率，直至所有待指派货物指派完成。
8.一种基于拍卖机制的自动化仓库货位优化系统，所述系统包括：
存储器(10)、处理器(20)以及存储在存储器(10)上并可在处理器(20)上运行的计算机程序，其特征在于，所述处理器(20)执行所述计算机程序时实现上述权利要求1至7任一所述方法的步骤。
CN202110258459.1A 2021-03-10 2021-03-10 一种基于拍卖机制的自动化仓库货位优化方法及系统 Pending CN112990818A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110258459.1A CN112990818A (zh) 2021-03-10 2021-03-10 一种基于拍卖机制的自动化仓库货位优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110258459.1A CN112990818A (zh) 2021-03-10 2021-03-10 一种基于拍卖机制的自动化仓库货位优化方法及系统

Publications (1)

Publication Number Publication Date
CN112990818A true CN112990818A (zh) 2021-06-18

Family

ID=76334706

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110258459.1A Pending CN112990818A (zh) 2021-03-10 2021-03-10 一种基于拍卖机制的自动化仓库货位优化方法及系统

Country Status (1)

Country Link
CN (1) CN112990818A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113642156A (zh) * 2021-07-20 2021-11-12 意欧斯物流科技(上海)有限公司 一种堆垛机立库的仿真建模系统
CN115009755A (zh) * 2022-04-13 2022-09-06 北京京东振世信息技术有限公司 一种仓储系统设备的控制方法和装置
CN116873431A (zh) * 2023-07-07 2023-10-13 湘南学院 一种基于岩板智能仓库的多重载agv储运方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113642156A (zh) * 2021-07-20 2021-11-12 意欧斯物流科技(上海)有限公司 一种堆垛机立库的仿真建模系统
CN113642156B (zh) * 2021-07-20 2023-11-17 意欧斯物流科技(上海)有限公司 一种堆垛机立库的仿真建模系统及其使用方法
CN115009755A (zh) * 2022-04-13 2022-09-06 北京京东振世信息技术有限公司 一种仓储系统设备的控制方法和装置
CN115009755B (zh) * 2022-04-13 2024-04-05 北京京东振世信息技术有限公司 一种仓储系统设备的控制方法和装置
CN116873431A (zh) * 2023-07-07 2023-10-13 湘南学院 一种基于岩板智能仓库的多重载agv储运方法
CN116873431B (zh) * 2023-07-07 2024-02-06 湘南学院 一种基于岩板智能仓库的多重载agv储运方法

Similar Documents

Publication Publication Date Title
CN112990818A (zh) 一种基于拍卖机制的自动化仓库货位优化方法及系统
CN108550007B (zh) 一种制药企业自动化立体仓库的货位优化方法及系统
US11724879B2 (en) Management method, device and system applied to goods-to-person system, server and computer storage medium
CN113222293B (zh) 一种智能立体仓库优化调度方法
CN110084545B (zh) 基于混合整数规划模型的多巷道自动化立体仓库的集成调度方法
CN111776565B (zh) 一种堆垛机参与实现货位分配的方法及计算机程序产品
CN106773686B (zh) 同轨双车运行模式下堆垛机调度路径模型建立方法
CN105858043B (zh) 一种升降机与穿梭车结合的仓储系统优化调度方法
CN104346658B (zh) 基于改进银行家算法的自动小车存取系统动态调度方法
CN114895690A (zh) 基于动态加权及热力图算法的机器人路径规划方法及系统
CN111985683B (zh) 一种多目标离散装配车间物料配送的路径优化方法
CN113869831A (zh) 智能仓储的库位分配方法、装置及可读存储介质
CN112070412A (zh) 一种立体库多提升机的配置方案及任务调度方法
CN111626516B (zh) 考虑倒货策略的双深位四向穿梭车系统订单排序优化方法
CN116203959A (zh) 基于hac算法的机器人路径规划方法及系统
CN115557144A (zh) 用于搬运机器人的调度方法、调度系统和计算机程序产品
CN113822588A (zh) 基于离散的人工蜂群进化的自动导向车辆调度方法
Yang Evaluation of the joint impact of the storage assignment and order batching in mobile-pod warehouse systems
CN112989696A (zh) 一种基于移动机器人的自动拣选系统货位优化方法及系统
CN112508481A (zh) 一种智能仓储多agv调度方法
CN115796750B (zh) 货物入库方法、出库方法、装置和计算机设备
Liu et al. Research on agv scheduling optimization based on hungarian algorithm
CN114399247A (zh) 任务分配方法、电子设备、存储介质及计算机程序产品
Peng et al. Research on Picking Route Optimization of Multi-zone Warehouse Based on Traveling Salesman Problem and Simulated Annealing Algorithm
Derhami et al. A simulation model to evaluate the layout for block stacking warehouses

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication