CN113780949B - 一种基于订单信息的货车钢板钢卷混装方法 - Google Patents

Abstract

本发明提供了一种基于订单信息的货车钢板钢卷混装方法，首先根据订单将满足混装条件的钢板和钢卷划归为一类，并通过建立优化问题，寻找最优配载指标，以此确定最终的不同钢种的配载方案。本发明的有益效果在于实现了不同订单钢板钢卷自动化配载，避免了人工干预产生的效率低下问题，并充分保证了运输安全。

Description

一种基于订单信息的货车钢板钢卷混装方法

技术领域

本发明涉及钢铁物流货物配载领域，具体涉及一种基于订单信息的货车钢 板钢卷混装方法。

背景技术

传统钢铁物流调度主要依赖于现场调度人员对订单产品以及配套车辆进行 配载。为了简化出库程序，调度人员往往遵循“同车同物”的调度原则。然而， 由于钢卷特殊的空心结构，导致其装载空间利用率低，若能将同订单钢板成品 与其混合配载，可以极大提高单车装载量，进而减少车量往返频次，以实现削 减成本，提高利润空间的目的。考虑到钢板的规格差异，人工配载效率无法满足钢铁物流快速高效的实际需求，因此设计一种基于订单的钢板钢卷混装方案， 依靠服务器强大的计算能力实现自动化配载极具应用价值。

申请号为：201710066886.3，名称为：基于调度公平性的钢铁出厂物流两 阶段调度方法及系统。此方法基于客户订单提出了“配载计划+任务分派”调 度模式。在配载计划阶段，首先根据既定配载原则预先制定配载方案，形成多个单车运输任务；在任务分配阶段，依据利润均衡原则为不同驾驶员分配任务。 此方法有效减少了车辆等待时间，改善了物流调度效率。然而该方法并未从微 观角度确定钢铁成品的装载策略，不适用于具有不同钢种混装需求的调度场景。

申请号为：200510028376.4，名称为：钢铁产品散装货运船舶积配载方法。 该方法首先利用遗传算法在满足船舱仓容限制基础上，计算配载指标，以此制 定货物的分配策略，然后调用启发式算法确定各船舱钢铁产品的具体摆放方式， 实现了货物的自动化配载。然而，该方法针对不同钢种给出了不同配载方案，并未进行联合优化，对于不同钢种混合调度问题，配载方案的最优性难以保证。

申请号为：201611031965.2，名称为：一种提高多种钢铁产品混装海运稳 定性的配载方法。该方法首先获取配载计划中的成品信息、海轮信息以及配载 要求信息，并基于所获信息以及船身平衡制约因素确定可行配载方案，其次根 据综合配载指标对可行方案进行优化，直至获得最佳的方案。该方法综合考虑了倒垛指标和船身平衡指标，从装卸效率和安全性层面制定不同钢种混装配载 方案，提高了钢铁物流运输效率。然而此方法仅适用于海轮运输场景，陆运车 辆无论从运输能力、空间构造，亦或产品摆放方式均与海轮存在本质上的差异， 因此该方案不适用于陆运车辆的混装配载。

发明内容

本发明的目的在于克服上述现有技术中的不足之处，提出一种基于订单信 息的货车钢板钢卷混装方法。

本发明是通过如下方式实现的：

一种基于订单信息的货车钢板钢卷混装方法，包括以下步骤：

步骤1：客户向钢铁公司发送提货请求，公司后台数据库读取订单信息， 并检索订单配套货车信息；

步骤2：根据订单信息和货车信息生成配载计划钢板，钢卷成品集合；

步骤3：建立配载方案数学模型；

步骤4：生成钢铁成品在货车上的最优配载方案；

步骤5：根据最佳配载方案进行配载，并更新子集合，建立子集合的集合；

步骤6：遍历集合，若集合不等于空集，且存在符合配载要求的钢卷，则 转到步骤4，进行下一轮配载，否则转到步骤7；

步骤7：统计剩余钢板和剩余钢卷；此时剩余钢板和钢卷均为不符合混装 条件的钢铁成品，因此在不违反货车最大载重能力以及运载安全前提下，剩余 成品遵循同车同物的装载原则进行装载，直到所有钢卷和钢板配载完毕。

进一步，所述步骤一的所述订单信息包括：钢铁产品种类，钢铁产品隶属 仓库，钢铁产品编号，钢卷规格，钢板规格。

进一步，所述步骤一的所述货车信息包括：车厢长度、宽度、高度，货车 额定载重。

进一步，所述步骤二的具体步骤为：

S21：统计订单中钢板，记为集合P＝{p₁,p₂,p₃,…p_N}；统计订单中钢卷， 记为集合C＝{c₁,c₂,c₃,…c_M}，N和M分别表示该订单钢板类别总数和钢卷单体 总数；

S22：根据货车车厢规格及成品钢材的配载要求对钢板进行分类，将同时 满足条件(1)-(3)的钢板作为可混装类别；

n＝1,2,…N,m1,m2＝1,2,…M，m1≠m2

lp_n≥min(rand(lc_m)),n＝1,2,…N,m＝1,2,…M (3)

式中，wp_n，wv，wc_m分别表示第n类钢板的宽度，货车宽度和第m个钢卷 直径，其中wc_m1和wc_m2分别表示第m1和第m2个钢卷直径；lp_n，lc_m分别表示第 n类钢板的长度和第m个钢卷的长度；N_n表示第n类钢板数量；rand(wc_m)， rand(lc_m)表示任意一块钢卷的直径，长度；rand(wc_m1)和rand(wc_m2)分别表示随 机选取的两个不同钢卷m1和m2的直径；表示对*向下取整；其中，式(1) 表示堆放于同一层的钢板p_n的宽度之和应不小于任意两个钢卷m1，m2的直径 之和；式(2)表示钢板的数量至少能完整铺设一层；钢板每一层只铺设同一 规格产品；式(3)表示钢板的长度不低于钢卷的最小长度；

S23：遍历筛选出的钢板，并将同一规格的钢板用子集表示，并建立集合J≤N为子集总数。

进一步，步骤三的模型建立如下：

a_jlp_j≥max{b_mlc_m},j∈{1,2,…J},m∈{1,2,…M} (6)

a_jwp_jNp_j≥max{b_m1wc_m1+b_m2wc_m2m1≠m2；m1,m2∈{1,2,…M}},j∈{1,2,…J} (7)

max{|b_m1wc_m1-b_m2wc_m2||m1≠m2；m1,m2∈{1,2,…M}}≤ζ (10)

式中：γ_j：子集中单块钢板净重；λ_m：集合C中钢卷m净重；wp_j：子集/>中单块钢板宽度；wc_m：集合C中钢卷m的直径；lp_j：子集/>中单块钢板长 度；lc_m：集合C中钢卷m的长度hp_j：子集/>中单块钢板厚度；hv：货车车厢 高度；wv：货车宽度；η：货物配载安全系数；ζ：设定的阈值；Np_j：货车 单行排列所需子集/>中钢板的最大数量,/>T：货车额定载重；a_j： 决策变量，

b_m：决策变量，

目标函数(4)通过最大化装载率以达到货车满载的目的；约束条件(5) 是载重约束，表示所选钢卷和钢板总重量不能超过货车额定载重上限；约束条 件(6)是长度约束，表示任意所选钢板的长度不能低于本轮配载所选钢卷的 最大长度；约束条件(7)是宽度约束，表示货车每一层只装载同一规格钢板， 且钢板总宽不能低于任意两个所选钢卷的直径之和；约束条件(8)是高度约 束，表示所选钢板与钢卷的配载高度不超过货车安全上限；约束条件(9)表示单次配载钢卷数不超过3个，且不得低于2个；约束条件(10)表示任意两 个所选钢卷直径差值不得低于给定阈值；所述P1是NP-hard问题，为求解此 问题，执行步骤4。

进一步，所述步骤4采用启发式算法寻找P1最优解，并根据最优解确定最 佳配载方案。

进一步，所述步骤5，并更新子集合以及C中钢板和钢卷数量；判断最佳 配载方案所选钢板集合是否满足/>式中NRp_j为所选钢板子集/>中剩 余钢卷数，如果条件成立，则按单块钢板重量对所选子集/>降序排列，并按重 量从大到小堆叠装载，直到条件/>或约束条件(5)，约束条件(8) 不成立。

进一步，所述步骤6为：集合为保留满足/>的子集/>若/>不 等于空集，且存在符合配载要求的钢卷，则转到步骤4，进行下一轮配载，否 则转到步骤7。

本发明的有益效果在于：针对钢板钢卷数量庞大的订单，通过制定约束， 挑选满足混装条件的钢板与钢卷进行混合配载，从而有效增加单车装载量，减 少运输车次，降低客户物流成本，提升钢铁物流仓库的运转效率。综合考虑订 单信息和货车信息，并以此为基础建立优化问题，通过计算机的计算能力实现 自动化配载，从而有效避免了由于人工介入导致的调度效率低下等问题。算法仅需要知道订单信息和货车信息，即能快速反馈最优配载策略，操作复杂度低， 经济适用性强。

附图说明

图1为本发明所述算法流程图；

图2为本发明所述实例遗传算法二进制编码示意图；

图3为本发明所述实例遗传算法单点交叉示意图；

图4为本发明所述实例遗传算法变异过程示意图。

具体实施方式

下面结合附图和本发明的实例，对本发明作进一步的描述。

一种基于订单信息的货车钢板钢卷混装方法，包括以下步骤：

步骤1：客户向钢铁公司发送提货请求，公司后台数据库读取订单信息， 并检索订单配套货车信息；所述订单信息包括：钢铁产品种类，钢铁产品隶属 仓库，钢铁产品编号，钢卷规格，钢板规格；所述货车信息包括：车厢长度、 宽度、高度，货车额定载重；

步骤2：根据订单信息和货车信息生成配载计划钢板，钢卷成品集合；

所述步骤二的具体步骤为：

S21：统计订单中钢板，记为集合P＝{p₁,p₂,p₃,…p_N}；统计订单中钢卷， 记为集合C＝{c₁,c₂,c₃,…c_M}，N和M分别表示该订单钢板类别总数和钢卷单体 总数；

S22：根据货车车厢规格及成品钢材的配载要求对钢板进行分类，将同时 满足条件(1)-(3)的钢板作为可混装类别；

n＝1,2,…N,m1,m2＝1,2,…M，m1≠m2

lp_n≥min(rand(lc_m)),n＝1,2,…N,m＝1,2,…M (3)

式中，wp_n，wv，wc_m分别表示第n类钢板的宽度，货车宽度和第m个钢卷 直径，其中wc_m1和wc_m2分别表示第m1和第m2个钢卷直径；lp_n，lc_m分别表示第 n类钢板的长度和第m个钢卷的长度；N_n表示第n类钢板数量；rand(wc_m)， rand(lc_m)表示任意一块钢卷的直径，长度；rand(wc_m1)和rand(wc_m2)分别表示随 机选取的两个不同钢卷m1和m2的直径；表示对*向下取整；其中，式(1) 表示堆放于同一层的钢板p_n的宽度之和应不小于任意两个钢卷m1，m2的直径 之和；式(2)表示钢板的数量至少能完整铺设一层；钢板每一层只铺设同一 规格产品，避免不同规格钢板产生高度差，以此保证上层钢卷的稳定性；式(3) 表示钢板的长度不低于钢卷的最小长度，防止由于钢板长度不足，钢卷从后方滑落；

S23：遍历筛选出的钢板，并将同一规格的钢板用子集表示，并建立集合J≤N为子集总数。

进一步，步骤三的模型建立如下：

a_jlp_j≥max{b_mlc_m},j∈{1,2,…J},m∈{1,2,…M} (6)

a_jwp_jNp_j≥max{b_m1wc_m1+b_m2wc_m2m1≠m2；m1,m2∈{1,2,…M}},j∈{1,2,…J} (7)

max{|b_m1wc_m1-b_m2wc_m2||m1≠m2；m1,m2∈{1,2,…M}}≤ζ (10)

式中：γ_j：子集中单块钢板净重；λ_m：集合C中钢卷m净重；wp_j：子集/>中单块钢板宽度；wc_m：集合C中钢卷m的直径；lp_j：子集/>中单块钢板长 度；lc_m：集合C中钢卷m的长度hp_j：子集/>中单块钢板厚度；hv：货车车厢 高度；wv：货车宽度；η：货物配载安全系数；ζ：设定的阈值；Np_j：货车 单行排列所需子集/>中钢板的最大数量,/>T：货车额定载重；a_j： 决策变量，

b_m：决策变量，

目标函数(4)通过最大化装载率以达到货车满载的目的；约束条件(5) 是载重约束，表示所选钢卷和钢板总重量不能超过货车额定载重上限；约束条 件(6)是长度约束，表示任意所选钢板的长度不能低于本轮配载所选钢卷的 最大长度；约束条件(7)是宽度约束，表示货车每一层只装载同一规格钢板， 且钢板总宽不能低于任意两个所选钢卷的直径之和；约束条件(8)是高度约 束，表示所选钢板与钢卷的配载高度不超过货车安全上限；约束条件(9)表示单次配载钢卷数不超过3个，且不得低于2个；约束条件(10)表示任意两 个所选钢卷直径差值不得低于给定阈值；所述P1是NP-hard问题，为求解此 问题，执行步骤4。

步骤3：建立配载方案数学模型；

步骤4：生成钢铁成品在货车上的最优配载方案；所述步骤4采用启发式 算法寻找P1最优解，并根据最优解确定最佳配载方案；

步骤5：根据最佳配载方案进行配载，并更新子集合，建立子集合的集合；

所述步骤5，更新子集合以及C中钢板和钢卷数量；判断最佳配载方案所 选钢板集合是否满足/>式中NRp_j为所选钢板子集，/>中剩余钢卷数， 如果条件成立，则按单块钢板重量对所选子集/>降序排列，并按重量从大到小 堆叠装载，直到条件或约束条件(5)，约束条件(8)不成立。

步骤6：遍历集合，若集合不等于空集，且存在符合配载要求的钢卷，则 转到步骤4，进行下一轮配载，否则转到步骤7；

所述步骤6为：集合为保留满足/>的子集/>若/>不等于空 集，且存在符合配载要求的钢卷，则转到步骤4，进行下一轮配载，否则转到 步骤7；

步骤7：统计剩余钢板和剩余钢卷；此时剩余钢板和钢卷均为不符合混装 条件的钢铁成品，因此在不违反货车最大载重能力以及运载安全前提下，剩余 成品遵循同车同物的装载原则进行装载，直到所有钢卷和钢板配载完毕。

操作流程如图1所示，主要涵盖了以下步骤：

步骤1：客户发出提货请求，钢铁公司读取订单信息以及配套货车信息。 本订单实例包含3种规格的钢板和3种规格的钢卷，产品信息如表1、表2所 示；考虑的货车是一种中型卡车，其车厢宽度wv为2.2米，高度hv为0.9米， 额定载重T为11吨，货物配载安全系数η设为0.65。

表1钢卷信息1

表2钢卷信息2

步骤2：根据上表钢板和钢卷订单信息以及卡车信息生成配载计划成品集 合。首先遍历订单钢板以及钢卷集合，并按条件(1)-(3)筛选可用于混装 配载的钢板集合本实例中，/>钢卷运输过程中， 钢卷摆放往往呈“品”字形，该条件可最大限度保证下层钢卷保持在同一平面， 从而防止上层钢卷意外滑落。

步骤3：建立单次配载计划数学模型。该步骤根据步骤2筛选出的成品钢 板集合以及钢卷集合C建立混装模型P1。为了保证车辆运输安全并满足运 输效率需求，配载方案遵循如下钢铁物流调度原则：(1)尽可能实现车辆吨位 满载；(2)单车钢铁产品配载总量不超过货车最大装载量；(3)单车钢铁产品 占用空间不超过货车最大配载空间。

步骤4：生成钢铁成品在卡车上的最优配载方案。针对步骤3建立的优化 问题P1，本发明采用遗传算法寻找最优配载指标，即装载率，以此确定合理 的钢板钢卷混装方案。

步骤4.1：种群初始化。设置初始进化代数t＝0，最大进化代数T＝500。将 钢板集合以及钢卷集合C组成一维数组，并采用二进制编码方案对其进行编 码，随机生成50个染色体，作为初始种群POP(0)，每一个染色体对应一个混 装方案。图2为编码示意图，1代表选择，0代表不选。由于钢卷数限制为2～3 个，因此钢卷部分编码为随机任选2～3个位置编码为1，其他位置编码为0。

步骤4.2：计算适应度。将步骤4.1生成的50个染色体解码，分别计算适 应度，即目标函数值。例如图2所示的染色体所对应的适应度即为80.7％。记 录最优的适应度，以及对应的混装方案，与此同时，将不符合约束条件的染色 体替换为最优适应度对应的染色体，以使种群规模保持为50；

步骤4.3：选择。依据步骤4.2所有染色体计算得到的个体适应度，采用 轮盘赌方式对步骤4.2的染色体随机选择50次；

步骤4.4：交叉。任意选择两个经过选择操作后的染色体作为交叉对象， 并设置交叉概率Pc＝0.6，以此判断是否执行交叉操作，若随机数大于Pc则交叉， 反之，则不交叉。对于需要交叉的父染色体，采用单点交叉算子完成染色体的 基因重组，图3为单点交叉示意图。重复此操作，完成其他染色体的交叉操作。

步骤4.5：变异。遍历所有染色体，以变异概率Pm＝0.05判断是否执行变异 操作。对于满足变异条件的染色体采用基本位变异算子，随机选择该染色体一 个二进制位进行取反，即0变为1，1变为0，图4即为基本位变异示意图。重复此操作，直到遍历完所有染色体。

步骤4.6：终止准则判断。如果种群迭代次数t＜500，则返回步骤4.2，否 则输出所记录的最优解作为最佳配载方案。

步骤5：根据步骤4得到的配载方案进行货物配载，并更新集合中A、B、C类钢板以及集合C中钢卷的数量。判断所选钢板集合剩余钢板数是否满足/>(NRp_j为所选钢板子集/>中剩余钢卷数)，如果条件成立，则按单 块钢板重量对/>降序排列，并按重量从大到小堆叠装载，直到条件/>或约束条件(5)(8)不成立。

步骤6：遍历集合保留满足/>的子集/>若/>不等于空集， 且存在符合配载要求的钢卷，则转到步骤4，进行下一轮配载。经过5轮迭代， 订单实例剩余B类钢板2块，C类钢板2块，D类钢卷4卷，表3为每一轮配 载剩余钢板钢卷数量。

表3为每一轮配载剩余钢板钢卷数量表

步骤7：统计剩余钢板和剩余钢卷。此时剩余钢板和钢卷均为不符合混装 条件的钢铁成品，因此在不违反货车最大载重能力以及运载安全前提下，剩余 成品遵循“同车同物”的装载原则进行装载，直到所有钢卷和钢板配载完毕。

本发明的有益效果在于：针对钢板钢卷数量庞大的订单，通过制定约束， 挑选满足混装条件的钢板与钢卷进行混合配载，从而有效增加单车装载量，减 少运输车次，降低客户物流成本，提升钢铁物流仓库的运转效率。综合考虑订 单信息和货车信息，并以此为基础建立优化问题，通过计算机的计算能力实现 自动化配载，从而有效避免了由于人工介入导致的调度效率低下等问题。算法仅需要知道订单信息和货车信息，即能快速反馈最优配载策略，操作复杂度低， 经济适用性强。

Claims (6)

1.一种基于订单信息的货车钢板钢卷混装方法，包括以下步骤：

步骤1：客户向钢铁公司发送提货请求，公司后台数据库读取订单信息，并检索订单配套货车信息；

步骤2：根据订单信息和货车信息生成配载计划钢板，钢卷成品集合；

步骤3：建立配载方案数学模型；

步骤4：生成钢铁成品在货车上的最优配载方案；

步骤5：根据最佳配载方案进行配载，并更新子集合，建立子集合的集合；

步骤6：遍历集合，若集合不等于空集，且存在符合配载要求的钢卷，则转到步骤4，进行下一轮配载，否则转到步骤7；

步骤7：统计剩余钢板和剩余钢卷；此时剩余钢板和钢卷均为不符合混装条件的钢铁成品，因此在不违反货车最大载重能力以及运载安全前提下，剩余成品遵循同车同物的装载原则进行装载，直到所有钢卷和钢板配载完毕；

所述步骤2的具体步骤为：

S21：统计订单中钢板，记为集合P＝{p₁,p₂,p₃,…p_N}；统计订单中钢卷，记为集合C＝{c₁,c₂,c₃,…c_M}，N和M分别表示该订单钢板类别总数和钢卷单体总数；

S22：根据货车车厢规格及成品钢材的配载要求对钢板进行分类，将同时满足条件(1)-(3)的钢板作为可混装类别；

lp_n≥min(rand(lc_m)),n＝1,2,…N,m＝1,2,…M (3)

式中，wp_n，wv，wc_m分别表示第n类钢板的宽度，货车宽度和第m个钢卷直径；lp_n，lc_m分别表示第n类钢板的长度和第m个钢卷的长度；N_n表示第n类钢板数量；rand(wc_m)，rand(lc_m)表示任意一块钢卷的直径，长度；表示对*向下取整；其中，式(1)表示堆放于同一层的钢板p_n的宽度之和应不小于任意两个钢卷m1，m2的直径之和；式(2)表示钢板的数量至少能完整铺设一层；钢板每一层只铺设同一规格产品；式(3)表示钢板的长度不低于钢卷的最小长度；

S23：遍历筛选出的钢板，并将同一规格的钢板用子集表示，并建立集合为子集总数；

进一步，步骤3的模型建立如下：

P1:

a_jlp_j≥max{b_mlc_m},j∈{1,2,…J},m∈{1,2,…M} (6)

a_jwp_jNp_j≥max{b_m1wc_m1+b_m2wc_m2|m1≠m2；m1,m2∈{1,2,…M}},j∈{1,2,…J} (7)

max{|b_m1wc_m1-b_m2wc_m2||m1≠m2；m1,m2∈{1,2,…M}}≤ζ (10)

式中：γ_j：子集中单块钢板净重；λ_m：集合C中钢卷m净重；wp_j：子集/>中单块钢板宽度；wc_m：集合C中钢卷m的直径；lp_j：子集/>中单块钢板长度；lc_m：集合C中钢卷m的长度hp_j：子集/>中单块钢板厚度；hv：货车车厢高度；wv：货车宽度；η：货物配载安全系数；ζ：设定的阈值；Np_j：货车单行排列所需子集/>中钢板的最大数量,/>T：货车额定载重；a_j：决策变量，

b_m：决策变量，

目标函数(4)通过最大化装载率以达到货车满载的目的；约束条件(5)是载重约束，表示所选钢卷和钢板总重量不能超过货车额定载重上限；约束条件(6)是长度约束，表示任意所选钢板的长度不能低于本轮配载所选钢卷的最大长度；约束条件(7)是宽度约束，表示货车每一层只装载同一规格钢板，且钢板总宽不能低于任意两个所选钢卷的直径之和；约束条件(8)是高度约束，表示所选钢板与钢卷的配载高度不超过货车安全上限；约束条件(9)表示单次配载钢卷数不超过3个，且不得低于2个；约束条件(10)表示任意两个所选钢卷直径差值不得低于给定阈值；所述P1是NP-hard问题，为求解此问题，执行步骤4。

2.如权利要求1所述的基于订单信息的货车钢板钢卷混装方法，其特征在于，所述步骤1的所述订单信息包括：钢铁产品种类，钢铁产品隶属仓库，钢铁产品编号，钢卷规格，钢板规格。

3.如权利要求1所述的基于订单信息的货车钢板钢卷混装方法，其特征在于，所述步骤1的所述货车信息包括：车厢长度、宽度、高度，货车额定载重。

4.如权利要求1所述的基于订单信息的货车钢板钢卷混装方法，其特征在于，所述步骤4采用启发式算法寻找P1最优解，并根据最优解确定最佳配载方案。

5.如权利要求1所述的基于订单信息的货车钢板钢卷混装方法，其特征在于，所述步骤5，并更新子集合以及C中钢板和钢卷数量；判断最佳配载方案所选钢板集合是否满足式中NRp_j为所选钢板子集，/>中剩余钢卷数，如果条件成立，则按单块钢板重量对所选子集/>降序排列，并按重量从大到小堆叠装载，直到条件/>或约束条件(5)，约束条件(8)不成立。

6.如权利要求1所述的基于订单信息的货车钢板钢卷混装方法，其特征在于，所述步骤6为：集合为保留满足/>的子集/>若/>不等于空集，且存在符合配载要求的钢卷，则转到步骤4，进行下一轮配载，否则转到步骤7。