CN115254640A - 一种考虑潜在拣选点的堆场起重机批量拣选方法 - Google Patents
一种考虑潜在拣选点的堆场起重机批量拣选方法 Download PDFInfo
- Publication number
- CN115254640A CN115254640A CN202211180937.2A CN202211180937A CN115254640A CN 115254640 A CN115254640 A CN 115254640A CN 202211180937 A CN202211180937 A CN 202211180937A CN 115254640 A CN115254640 A CN 115254640A
- Authority
- CN
- China
- Prior art keywords
- picking
- current
- item
- potential
- goods
- 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.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
Abstract
涉及智能起重拣选技术领域的一种考虑潜在拣选点的堆场起重机批量拣选方法，包含以下步骤：（1）建立货品批量拣选数学模型；（2）初始化参数；（3）令t=t+1；（4）令n=n+1；（5）确定拣选点；（6）起重机从拣选点完成一个货品的拣选；（7）更新拣选点货品的数量Item_num及状态Item_state；（8）更新拣选路径；（9）如果n<N，则返回步骤（4），否则转入步骤（10）；（10）确定潜在拣选点候选集，更新最优拣选路径及长度；（11）如果t<Iteration_max，则返回步骤（3）；否则输出最优拣选路径及长度；该方法引入潜在拣选点进行优化，提高了批量拣选效率及社会效益。
Description
技术领域
本发明涉及智能起重拣选技术领域，尤其是涉及一种考虑潜在拣选点的堆场起重机批量拣选方法。
背景技术
堆场起重机已在港口、码头、物流等行业得到广泛应用，再加上我国提出的“碳达峰、碳中和”战略目标，在这样的背景下，起重行业必须进行数字化转型来提高其货品拣选效率，同时达到节能减排的目的；然而，堆场起重机在实际应用中，货品的批量拣选大多仍依靠人工经验来进行，较少甚至不进行拣选路径的优化，这势必影响堆场起重机的拣选效率；为此，亟需依靠科学技术，寻求一种堆场起重机货品批量拣选方法，不仅有助于提高堆场起重机货品批量拣选的效率，为传统起重机行业进行数字化转型提供示范，而且也将助力我国双碳目标早日实现。
发明内容
为了克服背景技术中的不足，本发明公开了一种考虑潜在拣选点的堆场起重机批量拣选方法，将“潜在拣选点”引入堆场起重机批量拣选路径规划中，以提高堆场货品的拣选效率和社会效益。
为实现上述发明目的，本发明采用如下技术方案：
一种考虑潜在拣选点的堆场起重机批量拣选方法，包含以下步骤：（1）对货品堆场存在的约束及要优化的目标进行分析，建立带约束的堆场起重机货品批量拣选优化数学模型；（2）初始化参数：堆场起重机吊钩运行高度H、堆场单个货品高度Hg、货品出库缓冲区的坐标P0（x 0 , y 0 , z 0 ）、第1排第1列货品与出库缓冲区水平方向和垂直方向的距离分别为Dx和Dy、相邻巷道的间距为dh、同1排同1层相邻两贝位的间距为dv、各贝位存放货品名称Item_name、数量Item_num及状态Item_state、待拣选货品的数量N、已拣选物品计数器n、最大迭代次数Iteration_max、迭代次数计数器t、潜在拣选点候选集Potential_location、当前拣选路径Current_route及长度Current_length、最优拣选路径Optimal_route及长度Optimal_length；（3）令t=t+1；（4）令n=n+1；（5）确定当前拣选点；（6）起重机从当前拣选点完成一个货品的拣选；（7）更新当前拣选点货品的数量Item_num及状态Item_state；（8）更新当前拣选路径Current_route；（9）如果n<N，则返回步骤（4）；否则转入步骤（10）；（10）确定潜在拣选点候选集，更新最优拣选路径Optimal_route及长度Optimal_length；（11）如果t<Iteration_max，则返回步骤（3）；否则输出最优拣选路径Optimal_route及长度Optimal_ length。
进一步，所述步骤（1）中，待优化的目标为完成所需货品的批量拣选所用时间最短，其数学模型定义如下：
s.t.
其中，式（1）为目标函数即最小化完成所需货品批量拣选所用时间；式（3）和式（4）为约束条件，具体为：式（3）表示需拣选货品的数量约束；式（4）为决策变量的二进制值域约束；
i表示为拣选的货品分配的编号，i∈｛1,2，…N｝；t i 表示完成第i个货品拣选所用时间；p ix 、p iy 和p iz 表示第i个货品的三维坐标；v x 、v y 和v z 分别表示起重机大车平均运行速度、起重机小车平均运行速度和起重机吊钩平均运行速度；s i 表示第i个货品是否被拣选，是则s i =1，否则s i =0。
进一步，所述步骤（5）确定当前拣选点；如果潜在拣选点候选集不为空，则从潜在拣选点候选集中任选一个有货品的潜在拣选点所在的贝位作为当前拣选点；否则从当前有待拣选货品的贝位中随机选择一个贝位作为当前拣选点。
进一步，所述步骤（7）更新当前拣选点货品的数量Item_num及状态Item_state；在当前拣选点完成拣选作业后，对当前拣选点货品的数量Item_num进行更新，即Item_num=Item_num-1；如果Item_num不为0，则Item_state=1；否则Item_state=0。
进一步，所述步骤（10）确定潜在拣选点候选集；计算当前拣选路径Current_route的长度Current_length，如果其小于最优拣选路径长度Optimal_length，则用当前拣选路径Current_route中经过的每个贝位替换潜在拣选点候选集Potential_location；否则潜在拣选点候选集Potential_location保持不变。
由于采用如上所述的技术方案，本发明具有如下有益效果：
本发明公开的考虑潜在拣选点的堆场起重机批量拣选方法，将潜在拣选点思想应用于堆场货品的起重机批量拣选环节，通过传统起重产业嫁接数字技术，实现了起重产业增产，克服了人工拣选效率低的弊端，有效提高堆场货品的拣选效率，显著提升了起重装备的数字化、智能化水平，是“产业数字化，数字产业化”双轮驱动的生动注脚，对于“双碳”目标的实现，发挥了绿色低碳科技创新的引领作用。
附图说明
图1是本发明的流程示意图；
图2是本发明实施例拣选前的堆场货品布局图；
图3是实施例按本发明方法拣选后的堆场货品布局图；
图4是实施例按本发明方法求解收敛趋势图；
图5是实施例按传统方法拣选后的堆场货品布局图；
图6是本发明方法和传统拣选方法耗时对比图表。
具体实施方式
下面将结合本发明实施例中的附图，对本发明的技术方案进行说明：
结合附图1所述的考虑潜在拣选点的堆场起重机批量拣选方法，包含以下步骤：
（1）对货品堆场存在的约束及要优化的目标进行分析，建立带约束的堆场起重机货品批量拣选优化数学模型；根据需要，步骤（1）中，待优化的目标为完成所需货品的批量拣选所用时间最短，其数学模型定义如下：
s.t.
其中，式（1）为目标函数即最小化完成所需货品批量拣选所用时间；式（3）和式（4）为约束条件，具体为：式（3）表示需拣选货品的数量约束；式（4）为决策变量的二进制值域约束；
i表示为拣选的货品分配的编号，i∈｛1,2，…N｝；t i 表示完成第i个货品拣选所用时间；p ix 、p iy 和p iz 表示第i个货品的三维坐标；v x 、v y 和v z 分别表示起重机大车平均运行速度、起重机小车平均运行速度和起重机吊钩平均运行速度；s i 表示第i个货品是否被拣选，是则s i =1，否则s i =0。
（2）初始化参数：堆场起重机吊钩运行高度H、堆场单个货品高度Hg、货品出库缓冲区的坐标P0（x 0 , y 0 , z 0 ）、第1排第1列货品与出库缓冲区水平方向和垂直方向的距离分别为Dx和Dy、相邻巷道的间距为dh、同1排同1层相邻两贝位的间距为dv、各贝位存放货品名称Item_name、数量Item_num及状态Item_state、待拣选货品的数量N、已拣选物品计数器n、最大迭代次数Iteration_max、迭代次数计数器t、潜在拣选点候选集Potential_location、当前拣选路径Current_route及长度Current_length、最优拣选路径Optimal_route及长度Optimal_length；
（3）令t=t+1；
（4）令n=n+1；
（5）确定当前拣选点；根据需要，如果潜在拣选点候选集不为空，则从潜在拣选点候选集中任选一个有货品的潜在拣选点所在的贝位作为当前拣选点；否则从当前有待拣选货品的贝位中随机选择一个贝位作为当前拣选点；
（6）起重机从当前拣选点完成一个货品的拣选；
（7）更新当前拣选点货品的数量Item_num及状态Item_state；根据需要，在当前拣选点完成拣选作业后，对当前拣选点货品的数量Item_num进行更新，即Item_num=Item_ num-1；如果Item_num不为0，则Item_state=1；否则Item_state=0；
（8）更新当前拣选路径Current_route；
（9）如果n<N，则返回步骤（4）；否则转入步骤（10）；
（10）确定潜在拣选点候选集，更新最优拣选路径Optimal_route及长度Optimal_ length；根据需要，计算当前拣选路径Current_route的长度Current_length，如果其小于最优拣选路径长度Optimal_length，则用当前拣选路径Current_route中经过的每个贝位替换潜在拣选点候选集Potential_location；否则潜在拣选点候选集Potential_location保持不变；
（11）如果t<Iteration_max，则返回步骤（3）；否则输出最优拣选路径Optimal_ route及长度Optimal_length。
实施本发明方法解决实际问题，比如针对某电商企业堆场货品批量拣选优化问题，利用以上方法求出满足约束条件的最优解或次优解；
按照上述技术方案以某电商企业堆场货品批量拣选为应用背景进行示例说明；实验在Win10系统平台，3.7GHz主频的Intel处理器，4GB内存及Matlab R2014b开发环境下进行；该电商企业堆场及所用起重机相关参数为：堆场规格为20排、30列、60层，堆场货品初始布局如图2所示；货品出库缓冲区的坐标P0（0, 0, 0）、堆场起重机吊钩运行高度H=34m、堆场单个货品高度Hg=0.5m、第1排第1列货品与出库缓冲区水平方向和垂直方向的距离分别为Dx=0.4m和Dy=0.4m、相邻巷道的间距为dh=1.4m、同1排同1层相邻两贝位的间距为dv=0.2m、待拣选货品的数量N=8000、最大迭代次数Iteration_max=1000；实现结果如图3、图4、图5和图6所示；
关于堆场货品批量拣选实施例，其中，图3和图5分别为经由本发明方法和传统方法进行批量拣选后的堆场剩余货品布局，对比Matlab R2014b开发环境下模拟的初始布局图2和传统拣选方式图5可知，传统方法是靠近出货口的先被拣选，然后依次向堆场里拣选，所以在拣选货品数量给定后，堆场一角被拣选空，而其它地方的货物基本没动，完全没有考虑到货物堆放高度位置对起重机吊钩运行路径和时间的影响，仔细对比图2和图3可知，本发明是在当前拣选路径和最优的规划路径对比选择下，对整个堆场货品进行拣选，从而保证在拣选相同货品数量的情况下，起重机吊钩的运行耗时时间最短；图4为随着迭代次数的增加，拣选时间被不断优化，直到达到最大迭代次数Iteration_max=1000，拣选时间达到最优解，也即图6中本发明的拣选耗时，展示了本发明方法的求解性能；图6则较为直观地给出了本发明方法与传统方法的货品批量拣选耗时对比结果，以凸显本方明方法的优越性；进一步对比图3和图5可以看出，按靠近出库缓冲区的贝位进行拣选的传统方法并不能有效减少拣选耗时，之所以出现这样的情况，根本在于堆场每个贝位上的货品数量不一，从而导致在靠近出库缓冲区的贝位拣选并不一定省时；综上所述，本发明方法之所以表现优越，主要在于：引入潜在拣选点理念，充分利用潜在拣选点隐含的有用信息引导拣选过程向耗时减少的方向迭代，有效避开凭人工经验拣选的盲目性。
本发明未详述部分为现有技术，对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明；因此，无论从哪一点来看，均应将上述实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内，不应将权利要求中的任何附图标记视为限制所涉及的权利要求内容。
Claims (4)
1.一种考虑潜在拣选点的堆场起重机批量拣选方法，其特征是：包含以下步骤：
（1）对货品堆场存在的约束及要优化的目标进行分析，建立带约束的堆场起重机货品批量拣选优化数学模型；所述待优化的目标为完成所需货品的批量拣选所用时间最短，其数学模型定义如下：
s.t.
其中，式（1）为目标函数即最小化完成所需货品批量拣选所用时间；式（3）和式（4）为约束条件，具体为：式（3）表示需拣选货品的数量约束；式（4）为决策变量的二进制值域约束；
i表示为拣选的货品分配的编号，i∈｛1,2，…N｝；t i 表示完成第i个货品拣选所用时间；p ix 、p iy 和p iz 表示第i个货品的三维坐标；v x 、v y 和v z 分别表示起重机大车平均运行速度、起重机小车平均运行速度和起重机吊钩平均运行速度；s i 表示第i个货品是否被拣选，是则s i =1，否则s i =0；
（2）初始化参数：堆场起重机吊钩运行高度H、堆场单个货品高度Hg、货品出库缓冲区的坐标P0（x 0 , y 0 , z 0 ）、第1排第1列货品与出库缓冲区水平方向和垂直方向的距离分别为Dx和Dy、相邻巷道的间距为dh、同1排同1层相邻两贝位的间距为dv、各贝位存放货品名称Item_name、数量Item_num及状态Item_state、待拣选货品的数量N、已拣选物品计数器n、最大迭代次数Iteration_max、迭代次数计数器t、潜在拣选点候选集Potential_location、当前拣选路径Current_route及长度Current_length、最优拣选路径Optimal_route及长度Optimal_length；
（3）令t=t+1；
（4）令n=n+1；
（5）确定当前拣选点；
（6）起重机从当前拣选点完成一个货品的拣选；
（7）更新当前拣选点货品的数量Item_num及状态Item_state；
（8）更新当前拣选路径Current_route；
（9）如果n<N，则返回步骤（4）；否则转入步骤（10）；
（10）确定潜在拣选点候选集，更新最优拣选路径Optimal_route及长度Optimal_ length；
（11）如果t<Iteration_max，则返回步骤（3）；否则输出最优拣选路径Optimal_route及长度Optimal_length。
2.根据权利要求1所述的考虑潜在拣选点的堆场起重机批量拣选方法，其特征是：所述步骤（5）确定当前拣选点；如果潜在拣选点候选集不为空，则从潜在拣选点候选集中任选一个有货品的潜在拣选点所在的贝位作为当前拣选点；否则从当前有待拣选货品的贝位中随机选择一个贝位作为当前拣选点。
3.根据权利要求1所述的考虑潜在拣选点的堆场起重机批量拣选方法，其特征是：所述步骤（7）更新当前拣选点货品的数量Item_num及状态Item_state；在当前拣选点完成拣选作业后，对当前拣选点货品的数量Item_num进行更新，即Item_num=Item_num-1；如果Item_ num不为0，则Item_state=1；否则Item_state=0。
4.根据权利要求1所述的考虑潜在拣选点的堆场起重机批量拣选方法，其特征是：所述步骤（10）确定潜在拣选点候选集；计算当前拣选路径Current_route的长度Current_ length，如果其小于最优拣选路径长度Optimal_length，则用当前拣选路径Current_route中经过的每个贝位替换潜在拣选点候选集Potential_location；否则潜在拣选点候选集Potential_location保持不变。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211180937.2A CN115254640B (zh) | 2022-09-27 | 2022-09-27 | 一种考虑潜在拣选点的堆场起重机批量拣选方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211180937.2A CN115254640B (zh) | 2022-09-27 | 2022-09-27 | 一种考虑潜在拣选点的堆场起重机批量拣选方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115254640A true CN115254640A (zh) | 2022-11-01 |
| CN115254640B CN115254640B (zh) | 2022-12-09 |
Family
ID=83757478
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211180937.2A Active CN115254640B (zh) | 2022-09-27 | 2022-09-27 | 一种考虑潜在拣选点的堆场起重机批量拣选方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115254640B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105913208A (zh) * | 2016-04-13 | 2016-08-31 | 北京优弈数据科技有限公司 | 集装箱码头全场自动化联合调度方法 |
| CN112246676A (zh) * | 2020-09-17 | 2021-01-22 | 南方电网能源发展研究院有限责任公司 | 一种智能电力仓库自动分拣系统及方法 |
| CN113120633A (zh) * | 2021-04-20 | 2021-07-16 | 上海海事大学 | 一种边装边卸模式下u型自动化集装箱码头集成调度优化方法 |
| CN113222293A (zh) * | 2021-06-03 | 2021-08-06 | 江南大学 | 一种智能立体仓库优化调度方法 |
| US20210269244A1 (en) * | 2018-06-25 | 2021-09-02 | Robert D. Ahmann | Automated warehouse system and method for optimized batch picking |
| WO2021262682A1 (en) * | 2020-06-23 | 2021-12-30 | Thomas Francis | Order fulfillment using routes |
| US20220237530A1 (en) * | 2021-01-25 | 2022-07-28 | 6 River Systems, Llc | Systems and methods for determining dynamic substitutions to minimize distance |
-
2022
- 2022-09-27 CN CN202211180937.2A patent/CN115254640B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105913208A (zh) * | 2016-04-13 | 2016-08-31 | 北京优弈数据科技有限公司 | 集装箱码头全场自动化联合调度方法 |
| US20210269244A1 (en) * | 2018-06-25 | 2021-09-02 | Robert D. Ahmann | Automated warehouse system and method for optimized batch picking |
| WO2021262682A1 (en) * | 2020-06-23 | 2021-12-30 | Thomas Francis | Order fulfillment using routes |
| CN112246676A (zh) * | 2020-09-17 | 2021-01-22 | 南方电网能源发展研究院有限责任公司 | 一种智能电力仓库自动分拣系统及方法 |
| US20220237530A1 (en) * | 2021-01-25 | 2022-07-28 | 6 River Systems, Llc | Systems and methods for determining dynamic substitutions to minimize distance |
| CN113120633A (zh) * | 2021-04-20 | 2021-07-16 | 上海海事大学 | 一种边装边卸模式下u型自动化集装箱码头集成调度优化方法 |
| CN113222293A (zh) * | 2021-06-03 | 2021-08-06 | 江南大学 | 一种智能立体仓库优化调度方法 |
Non-Patent Citations (2)
| Title |
|---|
| 孙斐等: "基于遗传算法的堆场自动化设备调度策略", 《制造业自动化》 * |
| 杨文强等: "求解仓储作业优化问题的多物种协同进化算法", 《郑州大学学报（工业版）》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115254640B (zh) | 2022-12-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022252268A1 (zh) | 一种智能立体仓库优化调度方法 | |
| CN104408589B (zh) | 基于混合粒子群算法的agv优化调度方法 | |
| CN105836356B (zh) | 一种密集仓储系统混合优化调度方法 | |
| CN107808215B (zh) | 一种应用于Flying-V型非传统布局仓库的货位分配优化方法 | |
| CN105858043B (zh) | 一种升降机与穿梭车结合的仓储系统优化调度方法 | |
| CN108550007A (zh) | 一种制药企业自动化立体仓库的货位优化方法及系统 | |
| CN107480922A (zh) | 两端式同轨双车运行模式下货位分配调度模型建立方法 | |
| CN114417696B (zh) | 一种基于遗传算法的自动化立体仓库货位分配优化方法 | |
| CN105858044B (zh) | 一种穿梭车与升降机结合的仓储系统优化调度方法 | |
| CN108764579B (zh) | 一种基于拥塞控制的仓储多机器人任务调度方法 | |
| CN107977756B (zh) | 解决三维装箱问题的三叉树规划计算方法 | |
| 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 | |
| CN106651086B (zh) | 一种考虑组装工艺的自动化立体仓库调度方法 | |
| CN109911272B (zh) | 一种基于参考线准则的自由码垛装箱方法 | |
| CN107098095A (zh) | 高密度立体仓库的出入库方法 | |
| CN110986942A (zh) | 基于蚁群算法的立体仓库三维空间路径优化方法 | |
| CN108622590A (zh) | 一种物流仓库用的智能运输机器人 | |
| CN110033121B (zh) | 一种求解带过道仓储作业优化问题的多物种协同进化方法 | |
| CN113408988B (zh) | 仓储系统的调度优化方法、电子设备及存储介质 | |
| CN112766865A (zh) | 一种考虑实时订单的互联网电商仓储动态调度方法 | |
| CN115254640B (zh) | 一种考虑潜在拣选点的堆场起重机批量拣选方法 | |
| CN107464013A (zh) | 一种应用于v型非传统布局仓库通道优化设计方法 | |
| CN117408604A (zh) | 一种基于智能计算的大规模立体仓库货位分配方法 | |
| 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 | |
| CN116342039A (zh) | 一种立体仓库的货物分配和拣选的优化方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |