CN113960969A - 一种基于大数据的物流仓储的调度方法及系统 - Google Patents

一种基于大数据的物流仓储的调度方法及系统 Download PDF

Info

Publication number
CN113960969A
CN113960969A CN202111253289.4A CN202111253289A CN113960969A CN 113960969 A CN113960969 A CN 113960969A CN 202111253289 A CN202111253289 A CN 202111253289A CN 113960969 A CN113960969 A CN 113960969A
Authority
CN
China
Prior art keywords
mobile robot
node
task
order
time
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
CN202111253289.4A
Other languages
English (en)
Inventor
陈凯妍
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202111253289.4A priority Critical patent/CN113960969A/zh
Publication of CN113960969A publication Critical patent/CN113960969A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4189—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system
    • G05B19/41895—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system using automatic guided vehicles [AGV]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32252—Scheduling production, machining, job shop
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)

Abstract

本发明提供一种基于大数据的物流仓储的调度方法及系统，首先获取订单信息，根据订单信息确定货物所在货架位置；然后根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径；最后调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务。本发明通过对仓库内搬运区域有效划分和仓库布局的合理布置，构建总任务最短完工时间最大化的任务调度模型，解决仓储物流中移动机器人与订单任务的分配问题，实现调度系统中移动机器人总任务完工时间最短。同时，本发明能够缩小搜索范围、减少路径节点个数、缩短路径长度，解决路径规划过程中搜索节点过多、计算时间过长等问题，且规划路径为最优路径。

Description

一种基于大数据的物流仓储的调度方法及系统
技术领域
本发明涉及大数据技术领域，特别是涉及一种基于大数据的物流仓储的调度方法及系统。
背景技术
随着我国电子商务规模的扩大，以集中式配送为特点的仓储物流成为降低物流运输成本，缩短运输时间、提高运输效率的主要配送服务模式。由于电子商务货物订单具有“品种多、批量小、批次多、周期短”的特点，对仓储物流的自动化水平要求较高。目前，仓储物流中移动机器人已逐步开始替代人工进行分拣和搬运，但在任务调度过程中，移动机器人易出现任务匹配错误、响应速度过慢、规划路径距离过长等问题。因此，保证移动机器人在自动化仓储物流中高效、准确地进行工作成为当前迫切需要解决的问题。
目前，国内有些学者针对上述问题作了相关研究。如金芳等运用排队论方法解决自动化立体仓库中AGV的调度问题。如张伟等运用Dijkstra算法解决了仓储配送系统中AGV与任务的匹配问题。但以上研究仅针对任务匹配和调度问题，并未对AGV路径规划问题进行研究。如方华等运用A*算法对仓储物流中单个机器人的三维路径规划研究。刘敬一等提出路径寻优算法解决AGV在自动化仓储中的路径规划问题。但上述研究均未对移动机器人的任务分配问题进行研究。
发明内容
鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于大数据的物流仓储的调度方法及系统，用于解决对移动机器人的任务分配的问题。
为实现上述目的及其他相关目的，本发明提供一种基于大数据的物流仓储的调度方法，所述方法包括以下步骤：
获取订单信息，根据订单信息确定货物所在货架位置；
根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径；
调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务。
可选地，所述调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务的过程包括：
确定移动机器人执行订单任务最大化最短完工时间，有：
Figure BDA0003323055520000021
确定单个移动机器人执行订单任务所需时间，有：
Figure BDA0003323055520000022
确定移动机器人完成取货所需时间，有：
Figure BDA0003323055520000023
确定移动机器人完成卸货所需时间，有：
Figure BDA0003323055520000024
Tij＞0；STij＞0；FTij＞0；
式中，Ki(i＝1，…，k)为订单任务集合；
Wj(j＝1，…，w)为移动机器人集合；
Bv(v＝1，…，b)为仓库出口集合；
Tij为移动机器人 Wj执行订单任务 Ki所用时间；
STij为移动机器人 Wj从起始点到完成取货所用时间；
FTij为移动机器人 Wj从取货点到仓库出口完成卸货所用时间；
Dst为移动机器人 Wj到订单任务 Ki间距离；
Dft为订单任务 Ki到仓库出口 Bv间距离；
Q为取货消耗时间；
P为卸货消耗时间；
V为移动机器人移动速度。
可选地，还包括确定移动机器人在任意时刻只能执行一个订单任务，有：
Figure BDA0003323055520000031
Xijt为判别能否在t时刻分配订单任务Ki给移动机器人Wj的决策变量。
可选地，还包括确定任意时刻订单任务只能分配给一个移动机器人，有：
Figure BDA0003323055520000032
Xijt为判别能否在t时刻分配订单任务Ki给移动机器人Wj的决策变量。
可选地根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径的过程包括：
计算当前节点到目标节点的移动距离，为两点间横纵坐标差的绝对值之和，其启发函数表示为：
Figure BDA0003323055520000033
H_diagonal＝min{|x(n)-x(g)，y(n)-y(g)|}；
H_straight＝|x(n)-x(g)|+|y(n)-y(g)|；
其中，x(n)和y(n)表示当前节点横坐标和纵坐标；
x(n)和y(g)表示目标节点横坐标和纵坐标；
H_diagonal表示当前节点与目标节点间水平方向和竖直方向的最小距离；
H_straight表示当前节点与目标节点间水平方向和竖直方向的距离和。
可选地，路径规划搜索过程包括：
步骤1，初始化Open表和Close表，将障碍点添加到Close表，起始节点s加入到Open表，此时F(s)＝G(s)；
步骤2，选取Open表中F值最小的节点p添加到Close表中，记作父节点，作为下次搜索的起始节点，并将该节点从Open表中删除；
步骤3，找出下一次搜索的起始节点s全部可到达的扩展节点，记为Ri，并计算F(Ri)、G(Ri)、H(Ri)；若扩展节点中有目标节点g，且F值最小，搜索结束；反之，则重复步骤2；
步骤4，搜索结束后，通过父节点从目标节点g返回起始节点s，顺次连接经过的所有节点，即为最短路径。其中，Open表用来存储搜索过程中的扩展节点；Close表用来存储搜索过程中代价值最小的节点
本发明还提供一种基于大数据的物流仓储的调度系统，所述系统包括有：
采集模块，用于获取订单信息，根据订单信息确定货物所在货架位置；
路径规划模块，用于根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径；
调度模块，用于调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务。
可选地，所述调度模块调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务的过程包括：
确定移动机器人执行订单任务最大化最短完工时间，有：
Figure BDA0003323055520000041
确定单个移动机器人执行订单任务所需时间，有：
Figure BDA0003323055520000051
确定移动机器人完成取货所需时间，有：
Figure BDA0003323055520000052
确定移动机器人完成卸货所需时间，有：
Figure BDA0003323055520000053
Tij＞0；STij＞0；FTij＞0；
式中，Kl(i＝1，…，k)为订单任务集合；
Wj(j＝1，…，w)为移动机器人集合；
Bv(v＝1，…，b)为仓库出口集合；
Tij为移动机器人 Wj执行订单任务 Ki所用时间；
STij为移动机器人 Wj从起始点到完成取货所用时间；
FTij为移动机器人 Wj从取货点到仓库出口完成卸货所用时间；
Dst为移动机器人 Wj到订单任务 Ki间距离；
Dft为订单任务 Ki到仓库出口 Bv间距离；
Q为取货消耗时间；
P为卸货消耗时间；
V为移动机器人移动速度。
可选地，所述系统还包括确定移动机器人在任意时刻只能执行一个订单任务，有：
Figure BDA0003323055520000054
Xijt为判别能否在t时刻分配订单任务Ki给移动机器人Wj的决策变量；
以及，包括确定任意时刻订单任务只能分配给一个移动机器人，有：
Figure BDA0003323055520000061
Xijt为判别能否在t时刻分配订单任务Ki给移动机器人Wj的决策变量。
可选地，根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径的过程包括：
计算当前节点到目标节点的移动距离，为两点间横纵坐标差的绝对值之和，其启发函数表示为：
Figure BDA0003323055520000062
H_diagonal＝min{|x(n)-x(g)，y(n)-y(g)|}；
H_straight＝|x(n)-x(g)|+|y(n)-y(g)|；
其中，x(n)和y(n)表示当前节点横坐标和纵坐标；
x(g)和y(g)表示目标节点横坐标和纵坐标；
H_diagonal表示当前节点与目标节点间水平方向和竖直方向的最小距离；
H_straight表示当前节点与目标节点间水平方向和竖直方向的距离和；
其中，路径规划搜索过程包括：
步骤1，初始化Open表和Close表，将障碍点添加到Close表，起始节点s加入到Open表，此时F(s)＝G(s)；
步骤2，选取Open表中F值最小的节点p添加到Close表中，记作父节点，作为下次搜索的起始节点，并将该节点从Open表中删除；
步骤3，找出下一次搜索的起始节点s全部可到达的扩展节点，记为Ri，并计算F(Ri)、G(Ri)、H(Ri)；若扩展节点中有目标节点g，且F值最小，搜索结束；反之，则重复步骤2；
步骤4，搜索结束后，通过父节点从目标节点g返回起始节点s，顺次连接经过的所有节点，即为最短路径。其中，Open表用来存储搜索过程中的扩展节点；Close表用来存储搜索过程中代价值最小的节点
如上所述，本发明提供一种基于大数据的物流仓储的调度方法及系统，具有以下有益效果：本发明首先获取订单信息，根据订单信息确定货物所在货架位置；然后根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径；最后调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务。本发明针对仓储物流中移动机器人任务调度和路径规划问题进行优化研究，通过对仓库内搬运区域有效划分和仓库布局的合理布置，构建总任务最短完工时间最大化的任务调度模型，解决仓储物流中移动机器人与订单任务的分配问题，实现调度系统中移动机器人总任务完工时间最短。同时，本发明能够缩小搜索范围、减少路径节点个数、缩短路径长度，解决路径规划过程中搜索节点过多、计算时间过长等问题，且规划路径为最优路径。
附图说明
图1为一实施例提供的基于大数据的物流仓储的调度方法的流程示意图；
图2为一实施例提供的仓库平面布局示意图；
图3为一实施例提供的任务模拟路线示意图；
图4为一实施例提供的移动机器人仿真路线示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
需要说明的是，以下实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
请参阅图1，本发明提供一种基于大数据的物流仓储的调度方法，所述方法包括以下步骤：
获取订单信息，根据订单信息确定货物所在货架位置；
根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径；
调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务。
本方法首先获取订单信息，根据订单信息确定货物所在货架位置；然后根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径；最后调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务。本方法针对仓储物流中移动机器人任务调度和路径规划问题进行优化研究，通过对仓库内搬运区域有效划分和仓库布局的合理布置，构建总任务最短完工时间最大化的任务调度模型，解决仓储物流中移动机器人与订单任务的分配问题，实现调度系统中移动机器人总任务完工时间最短。同时，本方法能够缩小搜索范围、减少路径节点个数、缩短路径长度，解决路径规划过程中搜索节点过多、计算时间过长等问题，且规划路径为最优路径。在本方法中，仓储物流中移动机器人的订单任务由调度系统进行分配处理，即当订单任务下达后，调度系统根据订单信息分配合适移动机器人执行订单任务，通过制定移动机器人与订单任务的分配规则，建立一个总任务最短完工时间最大化的混合整数规划模型，解决仓储物流中移动机器人与订单任务分配问题，实现调度系统中移动机器人总任务完工时间最短。
为缩短移动机器人执行订单任务的搬运时间，避免多个移动机器人同时工作发生碰撞，保障自动化仓储物流系统能正常运行，模拟仓库将搬运区域划分为M1、M2、M3、M4这4个区域，每个区域内有固定编号移动机器人进行工作，不允许跨区域作业，同时将仓库货架间的横向通道和纵向通道设计为双向道，规定移动机器人在通道内靠右行驶。确定某仓库内移动机器人W1的初始位置，若订单所需货物存放于仓库中货架位置为L1和L2，仓库出口位置为U1，则根据图2中任务作业流程对物流任务进行模拟，得出任务模拟路线图，如图3所示。
在构建任务调度模型前，为便于对仓储物流中移动机器人任务调度问题进行分析求解，假设以下条件成立：
1)移动机器人从货架上取货和出口处卸货时所需时间固定；
2)移动机器人每次只能接收一个订单任务，不能同时执行多个任务；
3)在同一时间段内，不考虑订单下达时间先后顺序，即每个订单任务的优先级相同；
4)移动机器人在执行订单任务时不考虑启动和制动过程且不发生碰撞，即运行时按固定速度匀速行驶。
根据上述记载可知，所述调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务的过程包括：
确定移动机器人执行订单任务最大化最短完工时间，有：
Figure BDA0003323055520000091
确定单个移动机器人执行订单任务所需时间，有：
Figure BDA0003323055520000092
确定移动机器人完成取货所需时间，有：
Figure BDA0003323055520000101
确定移动机器人完成卸货所需时间，有：
Figure BDA0003323055520000102
Tij＞0；STij＞0；FTij＞0；
式中，Ki(i＝1，…，k)为订单任务集合；
Wj(j＝1，…，w)为移动机器人集合；
Bv(v＝1，…，b)为仓库出口集合；
Tij为移动机器人 Wj执行订单任务 Ki所用时间；
STij为移动机器人 Wj从起始点到完成取货所用时间；
FTij为移动机器人 Wj从取货点到仓库出口完成卸货所用时间；
Dst为移动机器人 Wj到订单任务 Ki间距离；
Dft为订单任务 Ki到仓库出口 Bv间距离；
Q为取货消耗时间；
P为卸货消耗时间；
V为移动机器人移动速度。
根据上述记载，还包括确定移动机器人在任意时刻只能执行一个订单任务，有：
Figure BDA0003323055520000103
Xijt为判别能否在t时刻分配订单任务Ki给移动机器人Wj的决策变量。
根据上述记载，还包括确定任意时刻订单任务只能分配给一个移动机器人，有：
Figure BDA0003323055520000111
Xijt为判别能否在t时刻分配订单任务Ki给移动机器人Wj的决策变量。
根据上述记载，根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径的过程包括：
计算当前节点到目标节点的移动距离，为两点间横纵坐标差的绝对值之和，其启发函数表示为：
Figure BDA0003323055520000112
H_diagonal＝min{|x(n)-x(g)，y(n)-y(g)|}；
H_straight＝|x(n)-x(g)|+|y(n)-y(g)|；
其中，x(n)和y(n)表示当前节点横坐标和纵坐标；
x(g)和y(g)表示目标节点横坐标和纵坐标；
H_diagonal表示当前节点与目标节点间水平方向和竖直方向的最小距离；
H_straight表示当前节点与目标节点间水平方向和竖直方向的距离和。
其中，路径规划搜索过程包括：
步骤1，初始化Open表和Close表，将障碍点添加到Close表，起始节点s加入到Open表，此时F(s)＝G(s)；
步骤2，选取Open表中F值最小的节点p添加到Close表中，记作父节点，作为下次搜索的起始节点，并将该节点从Open表中删除；
步骤3，找出下一次搜索的起始节点s全部可到达的扩展节点，记为Ri，并计算F(Ri)、G(Ri)、H(Ri)；若扩展节点中有目标节点g，且F值最小，搜索结束；反之，则重复步骤2；
步骤4，搜索结束后，通过父节点从目标节点g返回起始节点s，顺次连接经过的所有节点，即为最短路径。
其中，Open表用来存储搜索过程中的扩展节点；Close表用来存储搜索过程中代价值最小的节点。
作为示例，某仓库内摆放着16组货架，每组货架由8个长宽为1m的小货架组成，货架间有宽为2m的十字交叉通道，仓库左右两端各有1个出口，仓库内有2台移动机器人和4个未被执行的订单任务。其中，移动机器人、订单任务和仓库出口的具体位置，如图2所示。订单任务记为Ki(i＝1，…，k)，移动机器人记为Wj(j＝1，…，w))，仓库出口记为Bv(v＝1，…，b)，同时运用任务调度模型和改进A*算法对仓储物流中移动机器人任务调度和路径规划进行仿真验证。
以仓库左下角为坐标原点建立平面直角坐标系，单位间隔距离为1m。根据仓库内货架和通道长度可知，仓库出口位置坐标为B1＝(1,9)，B2＝(26,9)；移动机器人位置坐标为W1＝(8,13)，W2＝(17,6)；订单任务位置坐标为K1＝(9,11)，K2＝(18,8)，K3＝(5,7)，K4＝(22,15)。若不考虑订单货物大小影响搬运时间和移动机器人运行时发生减速，仓储物流中仓库设备运行参数如下所示：移动机器人取货所需时间7.5s，移动机器人卸货所需时间6.0s，移动机器人执行任务的运行速度1.5米/秒。假设移动机器人沿水平和竖直方向运动，依据上述仓库出口、移动机器人、订单任务位置坐标可计算出相互间的曼哈顿距离，如表1所示。
表1订单任务与移动机器人、仓库出口之间距离
Figure BDA0003323055520000121
Figure BDA0003323055520000131
根据表1中订单任务与移动机器人、仓库出口之间距离，得到仓库订单任务完成时间。任务调度系统为实现移动机器人W1总任务完工时间最短的任务分配目的，以移动机器人任务分配为例移动机器人W1执行订单任务K1、K2、K3、K4完成时间为8.8s、18.2s、14.2s、18.8s，选择最短完成时间8.8s，即分配任务为W1→K1，订单任务K1到达仓库出口B1、B2完成时间为12.0s、19.3s，选择最短完成时间12.0s，即分配任务为K1→B1，调度方案为W1→K1→B1。
根据上述任务分配规则，任务调度系统中移动机器人W1的调度方案为：订单任务K1的货物由移动机器人W1运送到仓库出口B1，然后移动机器人W1从仓库出口B1执行订单任务K3运送到仓库出口B1，即W1→K1→B1→K3→B1；移动机器人W2的调度方案为：订单任务K2由移动机器人W2运送到仓库出口B2，然后再执行订单任务K4返回至仓库出口B2，即W2→K2→B2→K4→B2。
如图4所示，调度系统中移动机器人规划路径与订单任务完成时间均为最优。其中，移动机器人W1执行订单任务K1和K3的规划路径长度F1＝21.0m，订单任务完成时间T1＝42.2s，移动机器人W2执行订单任务K2和K4的规划路径长度F2＝23.3m，订单任务完成时间T2＝48.1s，而调度系统中移动机器人总订单任务完成时间T＝max{T1,T2}＝48.1s。
综上所述，本发明提供一种基于大数据的物流仓储的调度方法，法首先获取订单信息，根据订单信息确定货物所在货架位置；然后根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径；最后调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务。本方法针对仓储物流中移动机器人任务调度和路径规划问题进行优化研究，通过对仓库内搬运区域有效划分和仓库布局的合理布置，构建总任务最短完工时间最大化的任务调度模型，解决仓储物流中移动机器人与订单任务的分配问题，实现调度系统中移动机器人总任务完工时间最短。同时，本方法能够缩小搜索范围、减少路径节点个数、缩短路径长度，解决路径规划过程中搜索节点过多、计算时间过长等问题，且规划路径为最优路径。
本发明还提供一种基于大数据的物流仓储的调度系统，所述系统包括有：
采集模块，用于获取订单信息，根据订单信息确定货物所在货架位置；
路径规划模块，用于根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径；
调度模块，用于调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务。
本系统首先获取订单信息，根据订单信息确定货物所在货架位置；然后根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径；最后调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务。本系统针对仓储物流中移动机器人任务调度和路径规划问题进行优化研究，通过对仓库内搬运区域有效划分和仓库布局的合理布置，构建总任务最短完工时间最大化的任务调度模型，解决仓储物流中移动机器人与订单任务的分配问题，实现调度系统中移动机器人总任务完工时间最短。同时，本系统能够缩小搜索范围、减少路径节点个数、缩短路径长度，解决路径规划过程中搜索节点过多、计算时间过长等问题，且规划路径为最优路径。在本系统中，仓储物流中移动机器人的订单任务由调度系统进行分配处理，即当订单任务下达后，调度系统根据订单信息分配合适移动机器人执行订单任务，通过制定移动机器人与订单任务的分配规则，建立一个总任务最短完工时间最大化的混合整数规划模型，解决仓储物流中移动机器人与订单任务分配问题，实现调度系统中移动机器人总任务完工时间最短。
为缩短移动机器人执行订单任务的搬运时间，避免多个移动机器人同时工作发生碰撞，保障自动化仓储物流系统能正常运行，模拟仓库将搬运区域划分为M1、M2、M3、M4这4个区域，每个区域内有固定编号移动机器人进行工作，不允许跨区域作业，同时将仓库货架间的横向通道和纵向通道设计为双向道，规定移动机器人在通道内靠右行驶。确定某仓库内移动机器人W1的初始位置，若订单所需货物存放于仓库中货架位置为L1和L2，仓库出口位置为U1，则根据图2中任务作业流程对物流任务进行模拟，得出任务模拟路线图，如图3所示。
在构建任务调度模型前，为便于对仓储物流中移动机器人任务调度问题进行分析求解，假设以下条件成立：
1)移动机器人从货架上取货和出口处卸货时所需时间固定；
2)移动机器人每次只能接收一个订单任务，不能同时执行多个任务；
3)在同一时间段内，不考虑订单下达时间先后顺序，即每个订单任务的优先级相同；
4)移动机器人在执行订单任务时不考虑启动和制动过程且不发生碰撞，即运行时按固定速度匀速行驶。
根据上述记载可知，所述调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务的过程包括：
确定移动机器人执行订单任务最大化最短完工时间，有：
Figure BDA0003323055520000151
确定单个移动机器人执行订单任务所需时间，有：
Figure BDA0003323055520000152
确定移动机器人完成取货所需时间，有：
Figure BDA0003323055520000161
确定移动机器人完成卸货所需时间，有：
Figure BDA0003323055520000162
Tij＞0；STij＞0；FTij＞0；
式中，Ki(i＝1，…，k)为订单任务集合；
Wj(j＝1，…，w)为移动机器人集合；
Bv(v＝1，…，b)为仓库出口集合；
Tij为移动机器人 Wj执行订单任务 Ki所用时间；
STij为移动机器人 Wj从起始点到完成取货所用时间；
FTij为移动机器人 Wj从取货点到仓库出口完成卸货所用时间；
Dst为移动机器人 Wj到订单任务 Ki间距离；
Dft为订单任务 Ki到仓库出口 Bv间距离；
Q为取货消耗时间；
P为卸货消耗时间；
V为移动机器人移动速度。
根据上述记载，还包括确定移动机器人在任意时刻只能执行一个订单任务，有：
Figure BDA0003323055520000163
Xijt为判别能否在t时刻分配订单任务Ki给移动机器人Wj的决策变量。
根据上述记载，还包括确定任意时刻订单任务只能分配给一个移动机器人，有：
Figure BDA0003323055520000171
Xijt为判别能否在t时刻分配订单任务Ki给移动机器人Wj的决策变量。
根据上述记载，根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径的过程包括：
计算当前节点到目标节点的移动距离，为两点间横纵坐标差的绝对值之和，其启发函数表示为：
Figure BDA0003323055520000172
H_diagonal＝min{|x(n)-x(g)，y(n)-y(g)|}；
H_straight＝|x(n)-x(g)，y(n)-y(g)|}；
其中，x(n)和y(n)表示当前节点横坐标和纵坐标；
x(g)和y(g)表示目标节点横坐标和纵坐标；
H_diagonal表示当前节点与目标节点间水平方向和竖直方向的最小距离；
H_straight表示当前节点与目标节点间水平方向和竖直方向的距离和。
其中，路径规划搜索过程包括：
步骤1，初始化Open表和Close表，将障碍点添加到Close表，起始节点s加入到Open表，此时F(s)＝G(s)；
步骤2，选取Open表中F值最小的节点p添加到Close表中，记作父节点，作为下次搜索的起始节点，并将该节点从Open表中删除；
步骤3，找出下一次搜索的起始节点s全部可到达的扩展节点，记为Ri，并计算F(Ri)、G(Ri)、H(Ri)；若扩展节点中有目标节点g，且F值最小，搜索结束；反之，则重复步骤2；
步骤4，搜索结束后，通过父节点从目标节点g返回起始节点s，顺次连接经过的所有节点，即为最短路径。
作为示例，某仓库内摆放着16组货架，每组货架由8个长宽为1m的小货架组成，货架间有宽为2m的十字交叉通道，仓库左右两端各有1个出口，仓库内有2台移动机器人和4个未被执行的订单任务。其中，移动机器人、订单任务和仓库出口的具体位置，如图2所示。订单任务记为Ki(i＝1，…，k)，移动机器人记为Wj(j＝1，…，w))，仓库出口记为Bv(v＝1，…，b)，同时运用任务调度模型和改进A*算法对仓储物流中移动机器人任务调度和路径规划进行仿真验证。
仓库左下角为坐标原点建立平面直角坐标系，单位间隔距离为1m。根据仓库内货架和通道长度可知，仓库出口位置坐标为B1＝(1,9)，B2＝(26,9)；移动机器人位置坐标为W1＝(8,13)，W2＝(17,6)；订单任务位置坐标为K1＝(9,11)，K2＝(18,8)，K3＝(5,7)，K4＝(22,15)。若不考虑订单货物大小影响搬运时间和移动机器人运行时发生减速，仓储物流中仓库设备运行参数如下所示：移动机器人取货所需时间7.5s，移动机器人卸货所需时间6.0s，移动机器人执行任务的运行速度1.5米/秒。假设移动机器人沿水平和竖直方向运动，依据上述仓库出口、移动机器人、订单任务位置坐标可计算出相互间的曼哈顿距离，如表2所示。
表2订单任务与移动机器人、仓库出口之间距离
Figure BDA0003323055520000181
Figure BDA0003323055520000191
根据表2中订单任务与移动机器人、仓库出口之间距离，得到仓库订单任务完成时间。任务调度系统为实现移动机器人W1总任务完工时间最短的任务分配目的，以移动机器人任务分配为例移动机器人W1执行订单任务K1、K2、K3、K4完成时间为8.8s、18.2s、14.2s、18.8s，选择最短完成时间8.8s，即分配任务为W1→K1，订单任务K1到达仓库出口B1、B2完成时间为12.0s、19.3s，选择最短完成时间12.0s，即分配任务为K1→B1，调度方案为W1→K1→B1。
根据上述任务分配规则，任务调度系统中移动机器人W1的调度方案为：订单任务K1的货物由移动机器人W1运送到仓库出口B1，然后移动机器人W1从仓库出口B1执行订单任务K3运送到仓库出口B1，即W1→K1→B1→K3→B1；移动机器人W2的调度方案为：订单任务K2由移动机器人W2运送到仓库出口B2，然后再执行订单任务K4返回至仓库出口B2，即W2→K2→B2→K4→B2。
如图4所示，调度系统中移动机器人规划路径与订单任务完成时间均为最优。其中，移动机器人W1执行订单任务K1和K3的规划路径长度F1＝21.0m，订单任务完成时间T1＝42.2s，移动机器人W2执行订单任务K2和K4的规划路径长度F2＝23.3m，订单任务完成时间T2＝48.1s，而调度系统中移动机器人总订单任务完成时间T＝max{T1,T2}＝48.1s。
综上所述，本发明提供一种基于大数据的物流仓储的调度方法，法首先获取订单信息，根据订单信息确定货物所在货架位置；然后根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径；最后调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务。本系统针对仓储物流中移动机器人任务调度和路径规划问题进行优化研究，通过对仓库内搬运区域有效划分和仓库布局的合理布置，构建总任务最短完工时间最大化的任务调度模型，解决仓储物流中移动机器人与订单任务的分配问题，实现调度系统中移动机器人总任务完工时间最短。同时，本系统能够缩小搜索范围、减少路径节点个数、缩短路径长度，解决路径规划过程中搜索节点过多、计算时间过长等问题，且规划路径为最优路径。
上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (10)

1.一种基于大数据的物流仓储的调度方法，其特征在于，所述方法包括以下步骤：
获取订单信息，根据订单信息确定货物所在货架位置；
根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径；
调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务。
2.根据权利要求1所述的基于大数据的物流仓储的调度方法，其特征在于，所述调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务的过程包括：
确定移动机器人执行订单任务最大化最短完工时间，有：
Figure FDA0003323055510000011
确定单个移动机器人执行订单任务所需时间，有：
Figure FDA0003323055510000012
确定移动机器人完成取货所需时间，有：
Figure FDA0003323055510000013
确定移动机器人完成卸货所需时间，有：
Figure FDA0003323055510000014
Tij＞0；STij＞0；FTij＞0；
式中，Ki(i＝1，…，k)为订单任务集合；
Wj(j＝1，…，w)为移动机器人集合；
Bv(v＝1，…，b)为仓库出口集合；
Tij为移动机器人 Wj执行订单任务 Ki所用时间；
STij为移动机器人 Wj从起始点到完成取货所用时间；
FTij为移动机器人 Wj从取货点到仓库出口完成卸货所用时间；
Dst为移动机器人 Wj到订单任务Ki间距离；
Dft为订单任务 Ki到仓库出口 Bv间距离；
Q为取货消耗时间；
P为卸货消耗时间；
V为移动机器人移动速度。
3.根据权利要求2所述的基于大数据的物流仓储的调度方法，其特征在于，还包括确定移动机器人在任意时刻只能执行一个订单任务，有：
Figure FDA0003323055510000021
Xijt为判别能否在t时刻分配订单任务Kl给移动机器人Wj的决策变量。
4.根据权利要求2或3所述的基于大数据的物流仓储的调度方法，其特征在于，还包括确定任意时刻订单任务只能分配给一个移动机器人，有：
Figure FDA0003323055510000022
Xijt为判别能否在t时刻分配订单任务Ki给移动机器人Wj的决策变量。
5.根据权利要求1所述的基于大数据的物流仓储的调度方法，其特征在于，根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径的过程包括：
计算当前节点到目标节点的移动距离，为两点间横纵坐标差的绝对值之和，其启发函数表示为：
Figure FDA0003323055510000031
H_diagonal＝min{|x(n)-x(g)，y(n)-y(g)|}；
H_straight＝|x(n)-x(g)|+|y(n)-y(g)|；
其中，x(n)和y(n)表示当前节点横坐标和纵坐标；
x(g)和y(g)表示目标节点横坐标和纵坐标；
H_diagonal表示当前节点与目标节点间水平方向和竖直方向的最小距离；
H_straight表示当前节点与目标节点间水平方向和竖直方向的距离和。
6.根据权利要求5所述的基于大数据的物流仓储的调度方法，其特征在于，路径规划搜索过程包括：
步骤1，初始化Open表和Close表，将障碍点添加到Close表，起始节点s加入到Open表，此时F(s)＝G(s)；
步骤2，选取Open表中F值最小的节点p添加到Close表中，记作父节点，作为下次搜索的起始节点，并将该节点从Open表中删除；
步骤3，找出下一次搜索的起始节点s全部可到达的扩展节点，记为Ri，并计算F(Ri)、G(Ri)、H(Ri)；若扩展节点中有目标节点g，且F值最小，搜索结束；反之，则重复步骤2；
步骤4，搜索结束后，通过父节点从目标节点g返回起始节点s，顺次连接经过的所有节点，即为最短路径；
其中，Open表用来存储搜索过程中的扩展节点；Close表用来存储搜索过程中代价值最小的节点。
7.一种基于大数据的物流仓储的调度系统，其特征在于，所述系统包括有：
采集模块，用于获取订单信息，根据订单信息确定货物所在货架位置；
路径规划模块，用于根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径；
调度模块，用于调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务。
8.根据权利要求7所述的基于大数据的物流仓储的调度系统，其特征在于，所述调度模块调度移动机器人按照规划出的最短路径，将货物送至出口，完成订单任务的过程包括：
确定移动机器人执行订单任务最大化最短完工时间，有：
Figure FDA0003323055510000041
确定单个移动机器人执行订单任务所需时间，有：
Figure FDA0003323055510000042
确定移动机器人完成取货所需时间，有：
Figure FDA0003323055510000043
确定移动机器人完成卸货所需时间，有：
Figure FDA0003323055510000044
Tij＞0；STij＞0；FTij＞0；
式中，Ki(i＝1，…，k)为订单任务集合；
Wj(j＝1，…，w)为移动机器人集合；
Bv(v＝1，…，b)为仓库出口集合；
Tij为移动机器人 Wj执行订单任务 Ki所用时间；
STij为移动机器人 Wj从起始点到完成取货所用时间；
FTij为移动机器人 Wj从取货点到仓库出口完成卸货所用时间；
Dsl为移动机器人 Wj到订单任务 Ki间距离；
Dft为订单任务 Ki到仓库出口 Bv间距离；
Q为取货消耗时间；
P为卸货消耗时间；
V为移动机器人移动速度。
9.根据权利要求8所述的基于大数据的物流仓储的调度系统，其特征在于，所述系统还包括确定移动机器人在任意时刻只能执行一个订单任务，有：
Figure FDA0003323055510000051
Xijt为判别能否在l时刻分配订单任务Ki给移动机器人Wj的决策变量；
以及，包括确定任意时刻订单任务只能分配给一个移动机器人，有：
Figure FDA0003323055510000052
Xijt为判别能否在t时刻分配订单任务Ki给移动机器人Wj的决策变量。
10.根据权利要求7所述的基于大数据的物流仓储的调度系统，其特征在于，根据移动机器人和货架位置，利用路径规划算法规划出一条到达出口位置的最短路径的过程包括：
计算当前节点到目标节点的移动距离，为两点间横纵坐标差的绝对值之和，其启发函数表示为：
Figure FDA0003323055510000053
H_diagonal＝min{|x(n)-x(g)，y(n)-y(g)|}；
H_straight＝|x(n)-x(g)|+|y(n)-y(g)|；
其中，x(n)和y(n)表示当前节点横坐标和纵坐标；
x(g)和y(g)表示目标节点横坐标和纵坐标；
H_diagonal表示当前节点与目标节点间水平方向和竖直方向的最小距离；
H_straight表示当前节点与目标节点间水平方向和竖直方向的距离和；
其中，路径规划搜索过程包括：
步骤1，初始化Open表和Close表，将障碍点添加到Close表，起始节点s加入到Open表，此时F(s)＝G(s)；
步骤2，选取Open表中F值最小的节点p添加到Close表中，记作父节点，作为下次搜索的起始节点，并将该节点从Open表中删除；
步骤3，找出下一次搜索的起始节点s全部可到达的扩展节点，记为Ri，并计算F(Ri)、G(Ri)、H(Ri)；若扩展节点中有目标节点g，且F值最小，搜索结束；反之，则重复步骤2；
步骤4，搜索结束后，通过父节点从目标节点g返回起始节点s，顺次连接经过的所有节点，即为最短路径；
其中，Open表用来存储搜索过程中的扩展节点；Close表用来存储搜索过程中代价值最小的节点。
CN202111253289.4A 2021-10-27 2021-10-27 一种基于大数据的物流仓储的调度方法及系统 Pending CN113960969A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111253289.4A CN113960969A (zh) 2021-10-27 2021-10-27 一种基于大数据的物流仓储的调度方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111253289.4A CN113960969A (zh) 2021-10-27 2021-10-27 一种基于大数据的物流仓储的调度方法及系统

Publications (1)

Publication Number Publication Date
CN113960969A true CN113960969A (zh) 2022-01-21

Family

ID=79467485

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111253289.4A Pending CN113960969A (zh) 2021-10-27 2021-10-27 一种基于大数据的物流仓储的调度方法及系统

Country Status (1)

Country Link
CN (1) CN113960969A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114418707A (zh) * 2022-03-31 2022-04-29 山东西曼克技术有限公司 四向穿梭车路径导航方法及系统
CN114723154A (zh) * 2022-04-18 2022-07-08 淮阴工学院 一种智慧超市
CN114742267A (zh) * 2022-03-07 2022-07-12 深圳市跨越新科技有限公司 物流运输路由规划方法、系统、设备及存储介质
CN118278582A (zh) * 2024-05-29 2024-07-02 天津汇之禧信息技术有限公司 智能物联网数据管理与优化方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0844429A (ja) * 1994-08-03 1996-02-16 Oki Electric Ind Co Ltd 移動体移動中継方法及び移動体移動中継システム
US20110302090A1 (en) * 2010-06-03 2011-12-08 Richard Newpol Determining a Critical Path in Statistical Project Management
CN111126770A (zh) * 2019-11-26 2020-05-08 浙江工业大学 一种跨层穿梭车仓储系统的任务调度方法
CN111409997A (zh) * 2020-05-20 2020-07-14 大连海事大学 一种面向移动货架仓储系统的搬运机器人拣货任务调度方法
CN111667091A (zh) * 2020-04-17 2020-09-15 浙江优智物联科技有限公司 一种基于粒子群算法的输送系统智能控制方法
CN113110507A (zh) * 2021-05-13 2021-07-13 北京鼎翰科技有限公司 一种自主避障的路径规划方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0844429A (ja) * 1994-08-03 1996-02-16 Oki Electric Ind Co Ltd 移動体移動中継方法及び移動体移動中継システム
US20110302090A1 (en) * 2010-06-03 2011-12-08 Richard Newpol Determining a Critical Path in Statistical Project Management
CN111126770A (zh) * 2019-11-26 2020-05-08 浙江工业大学 一种跨层穿梭车仓储系统的任务调度方法
CN111667091A (zh) * 2020-04-17 2020-09-15 浙江优智物联科技有限公司 一种基于粒子群算法的输送系统智能控制方法
CN111409997A (zh) * 2020-05-20 2020-07-14 大连海事大学 一种面向移动货架仓储系统的搬运机器人拣货任务调度方法
CN113110507A (zh) * 2021-05-13 2021-07-13 北京鼎翰科技有限公司 一种自主避障的路径规划方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王秀红，刘雪豪，王永成: "基于改进A*算法的仓储物流移动机器人任务调度和路径优化研究", 《工业工程》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114742267A (zh) * 2022-03-07 2022-07-12 深圳市跨越新科技有限公司 物流运输路由规划方法、系统、设备及存储介质
CN114418707A (zh) * 2022-03-31 2022-04-29 山东西曼克技术有限公司 四向穿梭车路径导航方法及系统
CN114723154A (zh) * 2022-04-18 2022-07-08 淮阴工学院 一种智慧超市
CN114723154B (zh) * 2022-04-18 2024-05-28 淮阴工学院 一种智慧超市
CN118278582A (zh) * 2024-05-29 2024-07-02 天津汇之禧信息技术有限公司 智能物联网数据管理与优化方法及系统

Similar Documents

Publication Publication Date Title
CN113960969A (zh) 一种基于大数据的物流仓储的调度方法及系统
Zou et al. Operating policies in robotic compact storage and retrieval systems
CN110264062B (zh) 分布式多agv动态任务分配及其路径规划方法与系统
Merschformann et al. Decision rules for robotic mobile fulfillment systems
Yoshitake et al. New automated guided vehicle system using real-time holonic scheduling for warehouse picking
Roodbergen et al. A survey of literature on automated storage and retrieval systems
CN113075927A (zh) 基于预约表的仓储潜伏式多agv路径规划方法
CN112198880B (zh) 一种agv任务分配方法、物流分拣方法及系统
Udhayakumar et al. Sequencing and scheduling of job and tool in a flexible manufacturing system using ant colony optimization algorithm
CN110807236A (zh) 一种基于多机器人的仓储物流仿真系统
CN110908381B (zh) 机器人调度方法及装置
CN106773686B (zh) 同轨双车运行模式下堆垛机调度路径模型建立方法
Vasili et al. Automated storage and retrieval systems: a review on travel time models and control policies
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
CN112785132B (zh) 一种用于智能仓库的多机器人移动货架任务分配方法
CN113359702B (zh) 一种基于水波优化-禁忌搜索的智能仓库agv作业优化调度方法
CN111208815B (zh) 将多个搬运任务分配至多个自动搬运车的方法及相关装置
CN112214024B (zh) 一种agv任务分配方法、物流分拣方法及系统
CN114169748A (zh) 多机器人任务分配方法、系统、设备及可读存储介质
CN116542365A (zh) 移动机器人履行系统中订单分配和agv调度联合优化方法
CN116203959A (zh) 基于hac算法的机器人路径规划方法及系统
Zhou et al. Multi-objective optimization of greening scheduling problems of part feeding for mixed model assembly lines based on the robotic mobile fulfillment system
Zhen et al. How to deploy robotic mobile fulfillment systems
CN117611029A (zh) 一种仓储物流系统的进程式仿真方法及系统
Jawahar et al. Optimal random storage allocation for an AS/RS in an FMS

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20220121

WD01 Invention patent application deemed withdrawn after publication