CN115049096A - 一种仓库作业效率提升方法及系统 - Google Patents

一种仓库作业效率提升方法及系统 Download PDF

Info

Publication number
CN115049096A
CN115049096A CN202210334132.2A CN202210334132A CN115049096A CN 115049096 A CN115049096 A CN 115049096A CN 202210334132 A CN202210334132 A CN 202210334132A CN 115049096 A CN115049096 A CN 115049096A
Authority
CN
China
Prior art keywords
logistics
agv
functional areas
warehouse
relationship
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
CN202210334132.2A
Other languages
English (en)
Inventor
张�杰
赵鹏瑞
任建伟
冯晨曦
李婷婷
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.)
Ririshun Supply Chain Technology Co ltd
Original Assignee
Ririshun Supply Chain 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 Ririshun Supply Chain Technology Co ltd filed Critical Ririshun Supply Chain Technology Co ltd
Priority to CN202210334132.2A priority Critical patent/CN115049096A/zh
Publication of CN115049096A publication Critical patent/CN115049096A/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
    • G06Q10/04—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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biophysics (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Quality & Reliability (AREA)
  • General Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Educational Administration (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)

Abstract

本发明公开了一种仓库作业效率提升方法及系统，方法包括：分析功能区域间的物流关系和非物流关系；基于物流关系和非物流关系确定功能区域间的位置关系，基于位置关系划分仓库的实际功能区域；从实际功能区域间的通道中划分出AGV基础运行路径；计算多AGV在多任务下的AGV可选路径；将AGV可选路径设置为自动可选路径，基于全局最优路径算法计算AGV第一最优路径，采用机器学习算法计算AGV第二最优路径；从二者中选出AGV实际最优路径；控制仓库内多任务AGV按照其AGV实际最优路径实施作业。本发明可对现有仓库布局重新实施布局优化，结合布局、多任务、AGV运行三方面提高仓库利用率和出入库效率。

Description

一种仓库作业效率提升方法及系统
技术领域
本发明属于物流仓储技术领域，具体地说，是涉及一种仓库作业效率提升方法及系统。
背景技术
物流行业的快速发展，对物流配送和仓储的作业效率也提出了更高的要求；现有技术在进行仓储布局、仓储物流规划等方面主要通过人工计算和人工规划区域等方式进行，计算繁琐且工作量大，缺乏系统性，不具备规范和通用性，很难提高对仓储空间利用率和出入库效率的提高。
发明内容
本发明提出一种仓库布局方法，优化布局仓库的功能区域，达到提高仓库利用率和出入库效率的效果。
本发明采用以下技术方案予以实现：
提出一种仓库作业效率提升方法，包括：
确定仓库功能区域，分析功能区域间的物流关系和非物流关系；
基于物流关系和非物流关系确定功能区域间的位置关系，基于位置关系划分仓库的实际功能区域；
从实际功能区域间的通道中划分出AGV基础运行路径；
计算多AGV在多任务下的AGV可选路径；所述AGV可选路径由至少一条AGV基础运行路径组成；
将AGV可选路径设置为自动可选路径，基于全局最优路径算法计算AGV第一最优路径；以及，采用机器学习算法计算AGV第二最优路径；所述全局最优路径算法为遗传算法、蚁群算法或退火算法；
从AGV第一最优路径和AGV第二最优路径中选出AGV实际最优路径；
控制仓库内多任务AGV按照其AGV实际最优路径实施作业。
进一步的，计算多AGV在多任务下的AGV可选路径，具体包括：
获取任务列表；
将任务分配至空闲AGV；
接收到任务指令的空闲AGV识别任务类型及货物组成，生成AGV可选路径。
进一步的，将任务分配至空闲AGV，具体包括：
提取任务列表中前第一设定个数条任务订单；
从任务订单中按序拣选第二设定个数个同类型货物；其中，若拣选的同类型货物个数不足第二设定个数时，从最近货架的其他类型货物进行补足；
将第二设定个数的货物分配到一个空闲AGV上。
进一步的，基于物流关系和非物流关系确定功能区域间的位置关系，具体包括:
加权计算功能区域间物流关系和非物流关系得到综合相互关系；
采用关系表法绘制位置相关图。
进一步的，所述物流关系为功能区域间的物流强度，所述物流强度为功能区域间物流量占功能区域间总物流量的比例；则分析功能区域间的物流关系，具体为：
根据物流强度等级承担的物流强度确定功能区域间的物流强度等级；
所述非物流关系根据设定评价指标的评价总分得到，则分析功能区域间的非物流关系，具体为：
根据非物流强度等级承担的非物流强度确定功能区域间的评价等级；其中，设定评价指标包括人员联系、订单往返程度、拣货的相似性、作业的连续性、管理方便度和现场整洁度。
提出一种仓库作业效率提升系统，包括：
关系分析模块，用于确定仓库功能区域，并分析功能区域间的物流关系和非物流关系；
实际功能区域划分模块，用于基于物流关系和非物流关系确定功能区域间的位置关系，基于位置关系划分仓库的实际功能区域；从实际功能区域间的通道中划分出AGV基础运行路径；
多智能体协同作业模块，用于计算多AGV在多任务下的AGV可选路径；所述AGV可选路径由至少一条AGV基础运行路径组成；
AGV优化作业模块，用于将AGV可选路径设置为自动可选路径，基于全局最优路径算法计算AGV第一最优路径；以及，采用机器学习算法计算AGV第二最优路径；所述全局最优路径算法为遗传算法、蚁群算法或退火算法；从AGV第一最优路径和AGV第二最优路径中选出AGV实际最优路径；控制仓库内多任务AGV按照其AGV实际最优路径实施作业。
进一步的，所述多智能体协同作业模块，包括：
任务分配单元，用于获取任务列表，将任务分配至空闲AGV；
可选路径生成单元，用于针对接收到任务指令的空闲AGV识别任务类型及货物组成，生成AGV可选路径。
进一步的，所述任务分配单元，具体用于：
提取任务列表中前第一设定个数条任务订单；
从任务订单中按序拣选第二设定个数个同类型货物；其中，若拣选的同类型货物个数不足第二设定个数时，从最近货架的其他类型货物进行补足；
将第二设定个数的货物分配到一个空闲AGV上。
进一步的，所述实际功能区域划分模块包括：
功能区域位置关系计算单元，用于基于物流关系和非物流关系确定功能区域间的位置关系，具体包括：
加权计算功能区域间物流关系和非物流关系得到综合相互关系；
采用关系表法绘制位置相关图。
进一步的，所述物流关系为功能区域间的物流强度，所述物流强度为功能区域间物流量占功能区域间总物流量的比例；则所述关系分析模块包括：
物流关系分析单元，用于分析功能区域间的物流关系，具体为：
根据物流强度等级承担的物流强度确定功能区域间的物流强度等级；
所述非物流关系根据设定评价指标的评价总分得到，则所述关系分析模块还包括：
非物流关系分析单元，用于分析功能区域间的非物流关系，具体为：
根据非物流强度等级承担的非物流强度确定功能区域间的评价等级；其中，设定评价指标包括人员联系、订单往返程度、拣货的相似性、作业的连续性、管理方便度和现场整洁度。
与现有技术相比，本发明的优点和积极效果是：本发明提出的仓库作业效率提升方法及系统，可对现有仓库布局重新实施布局优化，然后将部分通道划分为AGV基础运行路径，采用多智能体协同方法解决多AGV在多任务情况下面对动态路径网络时的任务协同处理与AGV的调度问题，并采用全局最优路径算法和机器学习算法对分配到任务的AGV实施运行路径优化，结合布局、多任务协同、AGV运行三方面提高仓库利用率和出入库效率，具有落地性能良好、通用性高的优点。
结合附图阅读本发明实施方式的详细描述后，本发明的其他特点和优点将变得更加清楚。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提出的仓库作业效率提升方法的流程图；
图2为本发明中给出的功能区域间物流关系示意图；
图3为本发明中给出的功能区域间非物流关系示意图；
图4为本发明中给出的功能区域间综合相互关系示意图；
图5为本发明一个实施例中仓库功能区域的位置关系示意图；
图6为本发明换一个实施例中仓库实际功能区域位置相关图；
图7为本发明提出的仓库作业效率提升系统的系统架构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。在上述实施方式的描述中，具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。
本发明旨在对现有仓库进行布局优化、任务处理和AGV运行优化，提高仓库利用率及出入库效率，具体的，如图1所示，包括如下步骤：
步骤S1：确定仓库功能区域。
本发明一个实施例中，依据仓库的现有布局类型对仓库区域进行划分，分别划分为以下区域：
1、主货品存储区；2、侧围存储区；3、地面存储区；4、小件存储区；5、包装存储区；6、包装高架存储区；7、备货打包区；8、零件拆分区；9、办公区；10、其他区域（卫生间、工具间、配电间、楼梯间等）。
步骤S2：分析功能区域间的物流关系和非物流关系。
物流关系分析包括：
1、分析功能区域之间的物流量，其单位通常为件、箱、吨、千克等；
2、分析功能区域之间的物流强度；物流强度为两个功能区域之间的物流量占功能区域间总物流量的比例。
在本发明一些实施例中，以一个销售周期的数据为例分析物流关系，先统计各功能区域间的物流量并计算物流强度，降序排列后如下表一所示（表中所示为部分示例）：
表一
功能区域对 物流量（件） 物流强度（%）
8-4 3020 44.20%
8-6 2033 29.76%
8-5 1543 22.58%
8-3 124 1.81%
8-1 86 1.26%
8-2 26 0.38%
总计 6832 100%
3、根据物流强度等级承担的物流强度确定各功能区域间的物流强度等级。
本发明实施例中，物流强度等级划分为五个等级：A、E、I、O、U，其中各等级所承担的物流强度的比例为：
等级A-40%，等级E-30%，等级I-20%，等级O-10%，等级U-0。
4、结合表一实施例，绘制出如图2所示的功能区域间物流关系图。
除物流关系外，非物流关系对于设施的布局也有着非常重要的影响，本发明采用设定评价指标的评价总分来度量各功能区域间的非物流关系；在一个实施例中，本发明分析仓库实际情况，将设定评价指标设定为：人员联系、订单往返程度、拣货的相似性、作业的连续性、管理方便度和现场整洁度。
则非物流分析包括：
1、根据设定评价指标计算各功能区域间的评价总分。
可通过发放问卷、经验统计等方式得到各功能区域间评价总分，并将评价总分降序排列。
2、根据非物流强度等级承担的非物流强度确定各功能区域间的非物流强度等级。
本发明实施例中，非物流强度等级划分为六个等级：A、E、I、O、U、X；其中各等级所承担的非物流强度的比例为：
等级A：2%-5%；等级E：3%-10%；等级I：5%-15%；等级O：10%-25%；等级U：45%-80%；等级X：根据具体规范设定，例如，轻型货架多为小件区，人工作用，出于安全考虑，不建议与高位货架区相邻；例如，轻型货架区、小箱筐区、侧围货架区高度较低，多为人工拣货，尽量靠近发货口，缩短拣货路径，提高拣货效率；例如，在货品有气味时，需尽量靠近货门，在发货量小时，可规划在远离出货口的位置；例如，大号箱筐+高位货架区多为机械作业区，要与轻型货架等人工作业的区域分开，以确保作业安全。
根据各功能区域间的评价总分确定其所述的非物流强度等级。
3、绘制出功能区域间非物流关系图，如图3所示。
步骤S3：基于物流关系和非物流关系确定功能区域间的位置关系。
首先加权计算功能区域间的物流关系和非物流关系，得到功能区域间的总和相互关系。
在本发明实施例中，考虑到仓库的劳动力主要集中于物流方面，在赋予A=4，E=3，I=2，O=1，X=无穷大正整数后，调整物流与非物流比例，将物流关系与非物流关系的加权值设定为3:2 。
然后，根据计算后的综合值与A、E、I、O、U、X六个综合相互关系等级，得到如图4所示的功能区域间综合相互关系图。
最后，采用关系表法绘制位置相关图。
本发明一个实施例中，将作业区域（入库区、出库区）用圆形表示，存储区域（主货品存储区、侧围存储区、地面存储区、小件存储区、包装存储区、包装高架存储区）用方形表示，其余的用三角形表示，得出如图5所示的仓库功能区域的位置关系图。
步骤S4：基于位置关系划分仓库的实际功能区域。
通过仓库实际布局与图5进行分析，将两者结合实际情况可得到实际功能区域间位置相关图，如图6所示。
具体的，在本发明一个实施例中，由仓库平面布局图获知：主货品存储区的面积为56.94平方米，侧围存储区的面积为104.2平方米，地面存储区的面积为348.53平方米，小件存储区的面积为851.21平方米，包装存储区的面积为294.84平方米，包装高架存储区的面积为2218.58平方米，备货打包区的面积为673.01平方米，零件拆分区的面积为616.30平方米，办公区的面积为410.20平方米，其他区域的面积为61.42平方米，仓库的总面积为11659.20平方米，将各单位存储区面积与功能区域间位置关系相结合，得到优化布局图。
在实际应用中，为了更加直观的看出优化前后的仓库布局差异，可以以搬运数量距离（件*米）作为衡量标准，以各功能区域的几何位置中心点为该区域位置测量起终点，标号沿用上述区域所注，测量优化前后各功能区域的距离：
优化前各功能区域之间的距离为：1-8为144.4米；2-8为77.9米；3-8为91.1米；4-8为96.9米；5-8为81.7米；6-8为53.4米；所以优化前的数量距离为：
144.4*86+77.9*26+91.1*124+96.9*3020+81.7*1543+53.4*2033=553003.5（件*米）。
优化后各功能区域的数量距离为：
81.6*86+77.9*26+93.1*124+35.4*3020+82.1*1543+53.5*2033=362941.2（件*米）。
可以看出，经过仓库布局优化，仓库的搬运数量距离减少了190062.3（件*米），比原布局效率提高了34.37%。
步骤S5：从实际功能区域间的通道中划分出AGV基础运行路径。
实际功能区域间的空间作为区域间通道，部分被划分出来作为AGV基础运行路径，为实现无人化仓库作业时，除布局AGV的基础运行路径，还要布局地面运载装置、充电桩、控制室等。
步骤S6：计算多AGV在多任务下的AGV可选路径。
本发明实施例中，基于多智能体协同思路，应用多智能体协同算法来处理多AGV在多任务下面对动态路径网络的任务协同处理和AGV调度问题。
具体的，包括如下步骤：
1、根据订单生成任务列表。
2、将任务分配至空闲AGV。
搜索当前处于空闲状态的AGV，基于任务数量、货品类型、尺寸等信息确定需要调度的空闲AGV数量，针对单台AGV生成任务指令，该任务指令包含下发的任务或任务组合。
具体的，在向一部空闲AGV分配任务时，首先提取任务列表中前第一设定个数条任务订单，例如一次性按序提取5条任务订单（1.1.0.1；1.2.1.1；0.1.0.1；0.1.1.1；1.0.1.0），以一条任务订单（1.1.0.1）为例说明如下：对应货物品类（A.B.C.D），其数字代表该货物品类的数量；也即该任务订单中包括A品类货物1件，B品类货物1件，C品类货物0件，以及D品类货物1件。
上述，任务列表中的任务订单按照时间循序进行排序。
提取第一设定个数条任务订单后，接着，从任务订单中按序拣选第二设定个数个同类型货物；其中，若拣选的同类型货物个数不足第二设定个数时，从最近货架的其他类型货物进行补足。
最后，将第二设定个数的货物分配到一个空闲AGV上。
3、接收到任务指令的空闲AGV识别任务类型及货物组成，生成AGV可选路径。
单台空闲AGV在接收到任务指令后，解析得到任务类型、货物组成，根据货物所在功能区域生成若干可行的AGV可选路径。
每条AGV可选路径由至少一条AGV基础路径构成。
步骤S7：将AGV可选路径设置为自动可选路径，基于全局最优路径算法计算AGV第一最优路径，以及，采用机器学习算法计算AGV第二最优路径。
本发明中，在将AGV可选路径设置为自动可选路径后，加入机器学习理论，对比遗传算法、蚁群算法、退火算法等全局最优路径算法计算得到AGV第一最优路径。
然后，采用机器学习算法计算AGV第二最优路径。
需要说明的是，上述全局最优路径算法和机器学习算法可基于现有算法实现，也可基于现有算法架构创新后实现（本发明其他申请的内容），本发明申请中不予具体限定，本领域技术了人员在该指导思想下，结合算法结构可以实现本发明的技术方案。
步骤S8：从AGV第一最优路径和AGV第二最优路径中选出AGV实际最优路径。
基于运行时间、运行距离等参数的比较从AGV第一最优路径和AGV第二最优路径中选出最优化的AGV实际最优路径。
步骤S9：控制仓库内多任务AGV按照其AGV实际最优路径实施作业。
需要说明的是，具体多AGV在执行作业期间的避让、等待、充电等控制结合现有技术手段即可实现，不是本发明限定的内容。
基于本发明上述提出的方法，只要将AGV放入仓库环境中，其便可以通过自身迭代试错找到距离最短或运行时间最短的最优路径，增加自动化仓库中AGV的作业效率。
基于上述本发明提出的仓库作业效率提升方法，本发明为其提出一种仓库作业效率提升系统，用于执行上述方法，如图7所示，包括：
关系分析模块1，用于确定仓库功能区域，并分析功能区域间的物流关系和非物流关系。
实际功能区域划分模块2，用于基于物流关系和非物流关系确定功能区域间的位置关系，基于位置关系划分仓库的实际功能区域；从实际功能区域间的通道中划分出AGV基础运行路径。
多智能体协同作业模块3，用于计算多AGV在多任务下的AGV可选路径；AGV可选路径由至少一条AGV基础运行路径组成。
AGV优化作业模块4，用于将AGV可选路径设置为自动可选路径，基于全局最优路径算法计算AGV第一最优路径；以及，采用机器学习算法计算AGV第二最优路径；全局最优路径算法为遗传算法、蚁群算法或退火算法；从AGV第一最优路径和AGV第二最优路径中选出AGV实际最优路径；控制仓库内多任务AGV按照其AGV实际最优路径实施作业。
在本发明一些实施例中，多智能体协同作业模块3包括：
任务分配单元31，用于获取任务列表，将任务分配至空闲AGV；
可选路径生成单元32，用于针对接收到任务指令的空闲AGV识别任务类型及货物组成，生成AGV可选路径。
在本发明一些实施例中，任务分配单元31具体用于：提取任务列表中前第一设定个数条任务订单；从任务订单中按序拣选同类型的第二设定个数条任务订单；其中，若拣选的同类型任务订单个数不足第二设定个数时，从最近货架的其他类型货物进行补足；将第二设定个数的任务订单分配到一个空闲AGV上。
在本发明一些实施例中，实际功能区域划分模块2包括：
功能区域位置关系计算单元21，用于基于物流关系和非物流关系确定功能区域间的位置关系，具体包括：加权计算功能区域间物流关系和非物流关系得到综合相互关系；采用关系表法绘制位置相关图。
在本发明一些实施例中，物流关系为功能区域间的物流强度，物流强度为功能区域间物流量占功能区域间总物流量的比例；则关系分析模块1包括：
物流关系分析单元11，用于分析功能区域间的物流关系，具体为：根据物流强度等级承担的物流强度确定功能区域间的物流强度等级。
在本发明一些实施例中，非物流关系根据设定评价指标的评价总分得到，则关系分析模块1还包括：
非物流关系分析单元12，用于分析功能区域间的非物流关系，具体为：根据非物流强度等级承担的非物流强度确定功能区域间的评价等级；其中，设定评价指标包括人员联系、订单往返程度、拣货的相似性、作业的连续性、管理方便度和现场整洁度。
需要说明的是，在具体实现过程中，上述的主控电路、主控IC等的控制结合现有控制技术即可实现，并非本发明突出创造性的部分，控制部分可以通过硬件形式的处理器执行存储器中存储的软件形式的计算机执行指令实现，此处不予赘述，而上述控制电路所执行的动作所对应的程序均可以以软件形式存储于系统的计算机可读存储介质中，以便于处理器调用执行以上各个模块对应的操作。
上文中的计算机可读存储介质可以包括易失性存储器，例如随机存取存储器；也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；还可以包括上述种类的存储器的组合。
上文所提到的处理器，也可以是多个处理元件的统称。例如，处理器可以为中央处理器，也可以为其他通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者可以是任何常规的处理器等等，还可以为专用处理器。
应该指出的是，上述说明并非是对本发明的限制，本发明也并不仅限于上述举例，本技术领域的普通技术人员在本发明的实质范围内所做出的变化、改型、添加或替换，也应属于本发明的保护范围。

Claims (10)

1.一种仓库作业效率提升方法，其特征在于，包括：
确定仓库功能区域，分析功能区域间的物流关系和非物流关系；
基于物流关系和非物流关系确定功能区域间的位置关系，基于位置关系划分仓库的实际功能区域；
从实际功能区域间的通道中划分出AGV基础运行路径；
计算多AGV在多任务下的AGV可选路径；所述AGV可选路径由至少一条AGV基础运行路径组成；
将AGV可选路径设置为自动可选路径，基于全局最优路径算法计算AGV第一最优路径；以及，采用机器学习算法计算AGV第二最优路径；所述全局最优路径算法为遗传算法、蚁群算法或退火算法；
从AGV第一最优路径和AGV第二最优路径中选出AGV实际最优路径；
控制仓库内多任务AGV按照其AGV实际最优路径实施作业。
2.根据权利要求1所述的仓库作业效率提升方法，其特征在于，计算多AGV在多任务下的AGV可选路径，具体包括：
获取任务列表；
将任务分配至空闲AGV；
接收到任务指令的空闲AGV识别任务类型及货物组成，生成AGV可选路径。
3.根据权利要求2所述的仓库作业效率提升方法，其特征在于，将任务分配至空闲AGV，具体包括：
提取任务列表中前第一设定个数条任务订单；
从任务订单中按序拣选第二设定个数个同类型货物；其中，若拣选的同类型货物个数不足第二设定个数时，从最近货架的其他类型货物进行补足；
将第二设定个数的货物分配到一个空闲AGV上。
4.根据权利要求1所述的仓库作业效率提升方法，其特征在于，基于物流关系和非物流关系确定功能区域间的位置关系，具体包括:
加权计算功能区域间物流关系和非物流关系得到综合相互关系；
采用关系表法绘制位置相关图。
5.根据权利要求1或4所述的仓库作业效率提升方法，其特征在于，所述物流关系为功能区域间的物流强度，所述物流强度为功能区域间物流量占功能区域间总物流量的比例；则分析功能区域间的物流关系，具体为：
根据物流强度等级承担的物流强度确定功能区域间的物流强度等级；
所述非物流关系根据设定评价指标的评价总分得到，则分析功能区域间的非物流关系，具体为：
根据非物流强度等级承担的非物流强度确定功能区域间的评价等级；其中，设定评价指标包括人员联系、订单往返程度、拣货的相似性、作业的连续性、管理方便度和现场整洁度。
6.一种仓库作业效率提升系统，其特征在于，包括：
关系分析模块，用于确定仓库功能区域，并分析功能区域间的物流关系和非物流关系；
实际功能区域划分模块，用于基于物流关系和非物流关系确定功能区域间的位置关系，基于位置关系划分仓库的实际功能区域；从实际功能区域间的通道中划分出AGV基础运行路径；
多智能体协同作业模块，用于计算多AGV在多任务下的AGV可选路径；所述AGV可选路径由至少一条AGV基础运行路径组成；
AGV优化作业模块，用于将AGV可选路径设置为自动可选路径，基于全局最优路径算法计算AGV第一最优路径；以及，采用机器学习算法计算AGV第二最优路径；所述全局最优路径算法为遗传算法、蚁群算法或退火算法；从AGV第一最优路径和AGV第二最优路径中选出AGV实际最优路径；控制仓库内多任务AGV按照其AGV实际最优路径实施作业。
7.根据权利要求6所述的仓库作业效率提升系统，其特征在于，所述多智能体协同作业模块，包括：
任务分配单元，用于获取任务列表，将任务分配至空闲AGV；
可选路径生成单元，用于针对接收到任务指令的空闲AGV识别任务类型及货物组成，生成AGV可选路径。
8.根据权利要求7所述的仓库作业效率提升系统，其特征在于，所述任务分配单元，具体用于：
提取任务列表中前第一设定个数条任务订单；
从任务订单中按序拣选第二设定个数个同类型货物；其中，若拣选的同类型货物个数不足第二设定个数时，从最近货架的其他类型货物进行补足；
将第二设定个数的货物分配到一个空闲AGV上。
9.根据权利要求6所述的仓库作业效率提升系统，其特征在于，所述实际功能区域划分模块包括：
功能区域位置关系计算单元，用于基于物流关系和非物流关系确定功能区域间的位置关系，具体包括：
加权计算功能区域间物流关系和非物流关系得到综合相互关系；
采用关系表法绘制位置相关图。
10.根据权利要求6或9所述的仓库作业效率提升系统，其特征在于，所述物流关系为功能区域间的物流强度，所述物流强度为功能区域间物流量占功能区域间总物流量的比例；则所述关系分析模块包括：
物流关系分析单元，用于分析功能区域间的物流关系，具体为：
根据物流强度等级承担的物流强度确定功能区域间的物流强度等级；
所述非物流关系根据设定评价指标的评价总分得到，则所述关系分析模块还包括：
非物流关系分析单元，用于分析功能区域间的非物流关系，具体为：
根据非物流强度等级承担的非物流强度确定功能区域间的评价等级；其中，设定评价指标包括人员联系、订单往返程度、拣货的相似性、作业的连续性、管理方便度和现场整洁度。
CN202210334132.2A 2022-03-31 2022-03-31 一种仓库作业效率提升方法及系统 Pending CN115049096A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210334132.2A CN115049096A (zh) 2022-03-31 2022-03-31 一种仓库作业效率提升方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210334132.2A CN115049096A (zh) 2022-03-31 2022-03-31 一种仓库作业效率提升方法及系统

Publications (1)

Publication Number Publication Date
CN115049096A true CN115049096A (zh) 2022-09-13

Family

ID=83157007

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210334132.2A Pending CN115049096A (zh) 2022-03-31 2022-03-31 一种仓库作业效率提升方法及系统

Country Status (1)

Country Link
CN (1) CN115049096A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117455100A (zh) * 2023-12-26 2024-01-26 长春市优客云仓科技有限公司 一种基于全局最优化的智能仓储物流调度方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10233021B1 (en) * 2016-11-02 2019-03-19 Amazon Technologies, Inc. Autonomous vehicles for delivery and safety
CN110503260A (zh) * 2019-08-20 2019-11-26 东北大学 一种基于动态路径规划的agv调度方法
CN112734324A (zh) * 2020-12-25 2021-04-30 哈尔滨工业大学 基于蚁群算法和改进型遗传算法的仓储物流agv路径规划算法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10233021B1 (en) * 2016-11-02 2019-03-19 Amazon Technologies, Inc. Autonomous vehicles for delivery and safety
CN110503260A (zh) * 2019-08-20 2019-11-26 东北大学 一种基于动态路径规划的agv调度方法
CN112734324A (zh) * 2020-12-25 2021-04-30 哈尔滨工业大学 基于蚁群算法和改进型遗传算法的仓储物流agv路径规划算法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘高强等: "基于改进遗传算法的多AGV调度优化", 《机电技术》, no. 5, 8 January 2018 (2018-01-08), pages 44 - 46 *
耿志峰等: "基于SLP方法的LB公司仓库布局研究", 《天津科技》, vol. 44, no. 2, 23 May 2017 (2017-05-23), pages 34 - 37 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117455100A (zh) * 2023-12-26 2024-01-26 长春市优客云仓科技有限公司 一种基于全局最优化的智能仓储物流调度方法
CN117455100B (zh) * 2023-12-26 2024-03-15 长春市优客云仓科技有限公司 一种基于全局最优化的智能仓储物流调度方法

Similar Documents

Publication Publication Date Title
Li et al. Storage assignment policy with awareness of energy consumption in the Kiva mobile fulfilment system
Martins et al. Warehouse operations logistics improvement in a cork stopper factory
CN109658027B (zh) 一种订单任务的处理方法、装置、服务器和介质
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
Dallari et al. Design of order picking system
Winkelhaus et al. Hybrid order picking: A simulation model of a joint manual and autonomous order picking system
US8407108B2 (en) Warehouse management system based on pick velocity
Yoon et al. A structured procedure for analysis and design of order pick systems
Bottani et al. Design and optimization of order picking systems: An integrated procedure and two case studies
Jasrotia Unlocking Efficiency: A Comprehensive Approach to Lean In-Plant Logistics
Hellmann et al. Human, AGV or AIV? An integrated framework for material handling system selection with real-world application in an injection molding facility
Vasili et al. Automated storage and retrieval systems: a review on travel time models and control policies
CN110599090A (zh) 一种仓储出库管理方法、服务器和存储介质
CN112396362B (zh) 行驶目的地的确定方法、装置及存储介质
Li et al. A simulation study on the robotic mobile fulfillment system in high-density storage warehouses
Vrysagotis et al. Warehouse layout problems: Types of problems and solution algorithms
Casella et al. Trends in order picking: a 2007–2022 review of the literature
CN115049096A (zh) 一种仓库作业效率提升方法及系统
Lorenc et al. Improve the Orders Picking in e-Commerce by Using WMS Data and BigData Analysis.
Zhou et al. Design and simulation of storage location optimization module in AS/RS based on FLEXSIM
Trost et al. Simulation study of RCS/R-systems with several robots serving one picking station
Dong et al. Automated storage and retrieval system design with variant lane depths
Kartnig et al. Rcs/rs under throughput investigation
Nova et al. Integrative conceptual framework to support decisions on warehousing operations in forward and reverse flow
Rajković et al. A multi-objective optimization model for minimizing investment expenses, cycle times and CO2 footprint of an automated storage and retrieval systems

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