CN115310917B - 一种入库管理方法 - Google Patents

一种入库管理方法 Download PDF

Info

Publication number
CN115310917B
CN115310917B CN202211240852.9A CN202211240852A CN115310917B CN 115310917 B CN115310917 B CN 115310917B CN 202211240852 A CN202211240852 A CN 202211240852A CN 115310917 B CN115310917 B CN 115310917B
Authority
CN
China
Prior art keywords
materials
goods
shelved
storage area
model
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.)
Active
Application number
CN202211240852.9A
Other languages
English (en)
Other versions
CN115310917A (zh
Inventor
张志铭
王兴民
纪骥良
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.)
Baic Ccl Co ltd
Original Assignee
Baic Ccl 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 Baic Ccl Co ltd filed Critical Baic Ccl Co ltd
Priority to CN202211240852.9A priority Critical patent/CN115310917B/zh
Publication of CN115310917A publication Critical patent/CN115310917A/zh
Application granted granted Critical
Publication of CN115310917B publication Critical patent/CN115310917B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/087—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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Game Theory and Decision Science (AREA)
  • Warehouses Or Storage Devices (AREA)

Abstract

本发明公开了一种入库管理方法，属于人工智能数据处理技术领域。该方法包括：将仓库的存储区域划分为多个子存储区域；对待上架物料进行初步货位分配，确定待上架物料对应的子存储区域；建立货位分配数学模型；求解货位分配数学模型，得到最佳货位分配方案，完成待上架物料的二次货位分配；将待上架物料存储到对应的货位；将货位分配结果反馈给仓库管理系统。本发明根据实际的待上架物料的尺寸，进行二次货位分配，同时考虑到多种因素，构建了全新的货位分配数学模型，并且在求解中使用了两种算法来优化模型求解结果。本发明应用于入库管理，可以提高入库管理的合理性和精确度，具有良好的实际应用性。

Description

一种入库管理方法
技术领域
本发明涉及人工智能数据处理技术领域，尤其涉及一种入库管理方法。
背景技术
物流行业通常都设置有物流集散点，物流集散点会建立仓库存储运达的物料。仓库中存储物料一般是通过叉车等设备由工人操作运送到仓库的空货位上，或者由智能运输设备运送到仓库的空货位上，然后记录货位的存放情况。
货位分配是入库管理的关键环节，方法合理的货位分配，会有效提高物流作业的效率并可极大降低物流作业的成本。目前的货位分配方法建立数学模型，再通过诸如遗传算法等求得最优解，来为货物分配货位。现有技术中的数学模型都是假设每个货位都是大小和形状相同，并假设每个货物的尺寸也都相同，每个货位正好可以放置一个货物。但是，这种假设方式脱离实际，实际的货物尺寸大小不同，因此，如果一个货位只存放一个尺寸较小的货物，显然会造成存储空间的浪费，如果货物的尺寸超大，则设计的标准货位可能不能有足够的空间来存放尺寸较大的货物。另外，现有技术中的货位分配所建立的数学模型考虑的因素不够全面，导致货位分配不够合理，并且采用的算法也存在求解结果不够精确等缺点，也需要进一步优化。
因此，亟需一种新的符合实际应用的入库管理方法。
发明内容
本发明提供一种入库管理方法，目的在于提高入库管理中的物料货位分配的准确度和效率。
第一方面，本发明实施例提供了一种入库管理方法，其特征在于，包括：
步骤110、将仓库的存储区域划分为多个子存储区域，其中，不同子存储区域的货位尺寸不同；
步骤120、获取待上架物料信息和仓库货位信息，并根据物料信息对所述待上架物料进行初步货位分配，确定所述待上架物料对应的所述子存储区域；
步骤130、针对所述待上架物料及其对应的所述子存储区域，建立货位分配数学模型；
步骤140、求解所述货位分配数学模型，得到最佳货位分配方案，完成所述待上架物料的二次货位分配；其中，通过第一预设算法求解所述货位分配数学模型，得到初步解，并通过第二预设算法对所述初步解进行优化，得到最优解，将得到的最优解作为最佳货位分配方案；
步骤150、根据所述最佳货位分配方案，将所述待上架物料存储到对应的货位；
步骤160、在将所述待上架物料存储到对应的货位之后，将货位分配结果反馈给仓库管理系统。
优选的，步骤130中，所述货位分配数学模型为：
Figure 100002_DEST_PATH_IMAGE002
其中，
Figure 100002_DEST_PATH_IMAGE004
为物料周转率模型，
Figure 100002_DEST_PATH_IMAGE006
、
Figure 100002_DEST_PATH_IMAGE008
分别为水平和垂直方向的货架稳定性模型，
Figure 100002_DEST_PATH_IMAGE010
为物料相关性模型，
Figure 100002_DEST_PATH_IMAGE012
为运输成本优化模型；
Figure 100002_DEST_PATH_IMAGE014
，
Figure 100002_DEST_PATH_IMAGE016
，
Figure 100002_DEST_PATH_IMAGE018
，
Figure 100002_DEST_PATH_IMAGE020
，
Figure 100002_DEST_PATH_IMAGE022
为加权系数。
优选的，物料周转率模型为：
Figure 100002_DEST_PATH_IMAGE024
其中，
Figure 100002_DEST_PATH_IMAGE026
为坐标为（x,y,z）的物料的周转率，
Figure 100002_DEST_PATH_IMAGE028
为从收货区到所述待上架物料对应的存储区的距离，
Figure 100002_DEST_PATH_IMAGE030
、
Figure 100002_DEST_PATH_IMAGE032
、
Figure 100002_DEST_PATH_IMAGE034
分别为所述待上架物料对应的存储区的货位的宽度、长度和高度，
Figure 100002_DEST_PATH_IMAGE036
、
Figure 100002_DEST_PATH_IMAGE038
分别为运输所述待上架物料的运输车辆水平和竖直方向的平均速度，
Figure 100002_DEST_PATH_IMAGE040
，
Figure 100002_DEST_PATH_IMAGE042
，
Figure 100002_DEST_PATH_IMAGE044
分别为所述存储区中的坐标（x,y,z）的最大取值；
水平方向的货架稳定性模型为：
Figure 100002_DEST_PATH_IMAGE046
垂直方向的货架稳定性模型为：
Figure 100002_DEST_PATH_IMAGE048
其中，
Figure 100002_DEST_PATH_IMAGE050
为所述待上架物料的重量，
Figure 60605DEST_PATH_IMAGE032
、
Figure 301093DEST_PATH_IMAGE034
分别为所述待上架物料对应的存储区的货位的长度和高度；
物料相关性模型为：
Figure 100002_DEST_PATH_IMAGE052
其中，S为待上架物料的种类的数量，(
Figure 100002_DEST_PATH_IMAGE054
,
Figure 100002_DEST_PATH_IMAGE056
)和(
Figure 100002_DEST_PATH_IMAGE058
,
Figure 100002_DEST_PATH_IMAGE060
)分别为第s种物料的两个同类型物料的坐标；
运输成本优化模型为：
Figure 100002_DEST_PATH_IMAGE062
其中，
Figure 100002_DEST_PATH_IMAGE064
为货位集合，
Figure 100002_DEST_PATH_IMAGE066
为在货位
Figure 100002_DEST_PATH_IMAGE068
上存储的待上架物料的初始位置点集合，
Figure 100002_DEST_PATH_IMAGE070
为在货位
Figure 628563DEST_PATH_IMAGE068
上存储的物料的重量，
Figure 100002_DEST_PATH_IMAGE072
为从所述待上架物料的初始位置x到货位s的最短距离，
Figure 100002_DEST_PATH_IMAGE074
为运输所述待上架物料的运输车辆的滚动阻力，
Figure 100002_DEST_PATH_IMAGE076
为运输所述待上架物料的运输车辆的车轮半径。
优选的，所述货位分配数学模型的限制条件为：
Figure 100002_DEST_PATH_IMAGE078
其中，
Figure 100002_DEST_PATH_IMAGE080
为待上架物料，
Figure 465063DEST_PATH_IMAGE044
为所述待上架物料对应的存储区，
Figure 100002_DEST_PATH_IMAGE082
为在时间段t内待上架的物料
Figure 614284DEST_PATH_IMAGE080
的数量，
Figure 100002_DEST_PATH_IMAGE084
为多个待上架物料
Figure 619149DEST_PATH_IMAGE080
的堆叠高度，
Figure 100002_DEST_PATH_IMAGE086
，
Figure 916138DEST_PATH_IMAGE034
分别为所述待上架物料对应的货位的平面面积和高度，
Figure 100002_DEST_PATH_IMAGE088
为变量参数，其中，如果物料
Figure 900537DEST_PATH_IMAGE080
被分配到货位
Figure 841948DEST_PATH_IMAGE032
，则
Figure 283294DEST_PATH_IMAGE088
为1，否则，为0。
优选的，所述第一预设算法为贪婪算法或遗传算法，所述第二预设算法为粒子群算法。
优选的，步骤150包括：
将确定的所述待上架物料的货位信息发送到智能运输车，智能运输车将所述待上架物料运输到所述确定的货位，或者
将确定的所述待上架物料的货位信息发送到库管人员的便携式智能设备，由库管人员将所述待上架物料运输到所述确定的货位。
优选的，在步骤110中，将仓库的存储区域划分为第一存储区域、第二存储区域和第三存储区域，其中，第一存储区域存储物料尺寸小于等于第一阈值的物料，第二存储区域存储物料尺寸大于第一阈值且小于第二阈值的物料，第三存储区域存储物流尺寸大于等于第三阈值的物料。
优选的，在步骤120中，通过查找云端服务器获取待上架物料信息和仓库货位信息，其中，在收货区设置传感器和扫描设备，当传感器检测到待上架物料进入收货区后，扫描设备扫描待上架物料包装上的标签，以获取待上架物料信息，并将待上架物料信息上传到云端服务器。
第二方面，本发明实施例提供了一种电子设备，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述实施例所述的入库管理方法。
第三方面，本发明实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有程序，所述程序被处理器执行时实现如上述实施例所述的入库管理方法。
本发明实施例提供的入库管理方法，针对现有技术中存在的货位分配缺点，基于待上架物料的尺寸信息，首先对物料进行初次的货位粗分配，然后构建全新的货位分配数学模型，并通过改进的结合两种算法来优化模型求解结果，最终实现货位的二次细分配。
本发明的方案的主要改进点在于：根据实际的待上架物料的尺寸，进行二次货位分配，同时考虑到多种因素，构建了全新的货位分配数学模型，并且在求解中使用了两种算法来优化模型求解结果。本发明可以提高入库管理的合理性和精确度，符合实际应用需求，具有良好的实际应用性。
附图说明
图1为本发明实施例提供的一种入库管理方法的流程图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
图1为本发明实施例一提供的一种入库管理方法的流程图，本实施例可适用于物流仓储行业，仓库收货后为待入库的物料分配货位的情况，该方法可以由物料货位分配装置来执行，该装置可以由硬件和/或软件来实现，并一般可以集成在电子设备中，该方法具体包括：
步骤110、将仓库的存储区域划分为多个子存储区域，其中，不同子存储区域的货位尺寸不同。
本发明的方案预先将仓库进行区域划分，设置收货区、存储区、拣货区等，收货区用于物料入库时接收物料；存储区是用于存放物料的主要区域，入库后的物料主要放置到存储区中。
为了适应待存储的不同尺寸的物料，本发明还将存储区进行细分。根据本发明的优选实施例，将仓库的存储区域划分为第一存储区域、第二存储区域和第三存储区域，其中，第一存储区域存储物料尺寸小于等于第一阈值的物料，第二存储区域存储物料尺寸大于第一阈值且小于第二阈值的物料，第三存储区域存储物流尺寸大于等于第三阈值的物料。其中，物料尺寸可以指物料的长、宽、体积等，可以看出，本发明将尺寸较小的物料存储到第一存储区域，尺寸中等的物料存储到第二存储区域，将尺寸较大的物料存储到第三存储区域，并且，不同子存储区域的货位尺寸不同，例如，第一存储区域的货位尺寸最小，第二存储区域较大，第三存储区域最大，从而可以适合存储不同尺寸的物料。与现有的理想化的货位和物料尺寸都相同的技术方案相比，本发明先将存储区按照尺寸进行划分，再针对待存储的物料尺寸，对适合存储该物料的存储区应用货位分配方法，显然，本发明的方案更符合实际应用。
步骤120、获取待上架物料信息和仓库货位信息，并根据物料信息对所述待上架物料进行初步货位分配，确定所述待上架物料对应的所述子存储区域。
其中，待上架物料信息可以记录物料的基本信息，可以包括单个物料的尺寸（例如，长、宽体积）、重量等信息，物料的总量，还可以包括物料的销售分类或者存储分类，还可以包括货主信息。仓库货位信息可以记录仓库中设置的货位的基本信息，可以包括货位所属的存储区域、货位的尺寸和承重限制，还可以包括当前被占用的货位和空货位，还可以包括货位在仓库中的位置。
本发明可以通过不同方式获取待上架物料信息和仓库货位信息。例如，根据本发明一优选实施例，将待上架物料信息写入标签（例如，二维码），将标签贴到待上架物料的包装上，在收货区设置传感器和扫描设备，当传感器检测到待上架物料进入收货区后，扫描设备扫描待上架物料包装上的标签，以获取待上架物料信息，并将待上架物料信息上传到云端服务器。当物料存储到仓库的货位之后，仓库管理系统实时更新仓库货位信息，同时将更新后的仓库货位信息上传到云端服务器。这样，通过查找云端服务器即可获取待上架物料信息和仓库货位信息。
本发明为适应存储不同尺寸的物料的需要，首先根据获取到的待上架物料的信息中的尺寸信息，对物料进行初步货物分配，具体包括：根据获取到的待上架物料的信息中的尺寸信息，将所述待上架物料分为小尺寸物料，较大尺寸物料，以及超大尺寸物料，并分别对应于第一存储区域、第二存储区域和第三存储区域。
步骤130、针对所述待上架物料及其对应的所述子存储区域，建立货位分配数学模型。
通过步骤120，确定所述待上架物料对应的所述子存储区域之后，针对所述子存储区域，建立货位分配数学模型。
将货位的坐标设为（x,y,z）（x=1,2,…a, y=1,2,…b, z=1,2,…c），其中，最靠近收货区位置的货位行为第一行（对应x坐标），最靠近收货区位置的货位列为第一列（对应y坐标），最底层的货位为第一层（对应z坐标）。
本发明除了考虑物料周转率、货架稳定性、物料相关性这三个常规的原则之外，还考虑到了运输待上架物料的运输车辆的成本，包括运输时间以及路径优化等，因此，本发明还考虑了运输成本优化，共考虑上述四个原则，构建了全新的货位分配数学模型为：
Figure DEST_PATH_IMAGE002A
其中，
Figure 739683DEST_PATH_IMAGE004
为物料周转率模型，
Figure 229570DEST_PATH_IMAGE006
、
Figure 884543DEST_PATH_IMAGE008
分别为水平和垂直方向的货架稳定性模型，
Figure 637735DEST_PATH_IMAGE010
为物料相关性模型，
Figure 156921DEST_PATH_IMAGE012
为运输成本优化模型；
Figure 388182DEST_PATH_IMAGE014
，
Figure 163240DEST_PATH_IMAGE016
，
Figure 821754DEST_PATH_IMAGE018
，
Figure 315053DEST_PATH_IMAGE020
，
Figure 146742DEST_PATH_IMAGE022
为加权系数。
其中，物料周转率模型为：
Figure DEST_PATH_IMAGE024A
其中，
Figure 979569DEST_PATH_IMAGE026
为坐标为（x,y,z）的物料的周转率，
Figure 435084DEST_PATH_IMAGE028
为从收货区到所述待上架物料对应的存储区的距离，
Figure 291044DEST_PATH_IMAGE030
、
Figure 988742DEST_PATH_IMAGE032
、
Figure 613758DEST_PATH_IMAGE034
分别为所述待上架物料对应的存储区的货位的宽度、长度和高度，
Figure 738709DEST_PATH_IMAGE036
、
Figure 816386DEST_PATH_IMAGE038
分别为运输所述待上架物料的运输车辆水平和竖直方向的平均速度，
Figure 583354DEST_PATH_IMAGE040
，
Figure 62877DEST_PATH_IMAGE042
，
Figure 125773DEST_PATH_IMAGE044
分别为所述存储区中的坐标（x,y,z）的最大取值。
不同于现有技术笼统考虑货架稳定性的模型，本发明分别从水平和垂直方向建立了货架稳定性模型，从而确保物料在货架的水平和垂直方向都较轻，从而确保货架的稳定。其中：
水平方向的货架稳定性模型为：
Figure DEST_PATH_IMAGE046A
垂直方向的货架稳定性模型为：
Figure DEST_PATH_IMAGE048A
其中，
Figure 612118DEST_PATH_IMAGE050
为所述待上架物料的重量，
Figure 792564DEST_PATH_IMAGE032
、
Figure 251227DEST_PATH_IMAGE034
分别为所述待上架物料对应的存储区的货位的长度和高度。
物料相关性模型为：
Figure DEST_PATH_IMAGE052A
其中，S为待上架物料的种类的数量，(
Figure 157128DEST_PATH_IMAGE054
,)和(
Figure 334032DEST_PATH_IMAGE058
,
Figure 52589DEST_PATH_IMAGE060
)分别为第s种物料的两个同类型物料的坐标。
根据物料相关性模型，将上述两个同类型物料上架到同一货架，即，其x坐标相同，
Figure DEST_PATH_IMAGE090
。
运输成本优化模型为：
Figure DEST_PATH_IMAGE062A
其中，
Figure 959234DEST_PATH_IMAGE064
为货位集合，
Figure 472255DEST_PATH_IMAGE066
为在货位
Figure 903498DEST_PATH_IMAGE068
上存储的待上架物料的初始位置点集合，
Figure DEST_PATH_IMAGE070A
为在货位
Figure 396053DEST_PATH_IMAGE068
上存储的物料的重量，
Figure 991158DEST_PATH_IMAGE072
为从所述待上架物料的初始位置x到货位s的最短距离，
Figure 534135DEST_PATH_IMAGE074
为运输所述待上架物料的运输车辆的滚动阻力，
Figure 967522DEST_PATH_IMAGE076
为运输所述待上架物料的运输车辆的车轮半径。
货位分配数学模型的限制条件为：
Figure DEST_PATH_IMAGE078A
其中，
Figure 106510DEST_PATH_IMAGE080
为待上架物料，
Figure 269638DEST_PATH_IMAGE044
为所述待上架物料对应的存储区，
Figure 829189DEST_PATH_IMAGE082
为在时间段t内待上架的物料
Figure 936822DEST_PATH_IMAGE080
的数量，
Figure 394348DEST_PATH_IMAGE084
为多个待上架物料
Figure 241344DEST_PATH_IMAGE080
的堆叠高度，
Figure 63806DEST_PATH_IMAGE086
，
Figure 924315DEST_PATH_IMAGE034
分别为所述待上架物料对应的货位的平面面积和高度，
Figure 592057DEST_PATH_IMAGE088
为变量参数，其中，如果物料
Figure 588832DEST_PATH_IMAGE080
被分配到货位
Figure 316616DEST_PATH_IMAGE032
，则
Figure 398842DEST_PATH_IMAGE088
为1，否则，为0。
本发明为构建的货位分配数学模型设置限制条件的目的是，为了确保在每个时间段都有足够的货位来存储待上架物料。
步骤140、求解所述货位分配数学模型，得到最佳货位分配方案，完成所述待上架物料的二次货位分配；其中，通过第一预设算法求解所述货位分配数学模型，得到初步解，并通过第二预设算法对所述初步解进行优化，得到最优解，将得到的最优解作为最佳货位分配方案。
通过步骤130建立货位分配数学模型之后，在步骤140，通过预设算法对所述货位分配数学模型进行求解。现有技术中，一般采用诸如贪婪算法、遗传算法、粒子群算法中的一种来求解数学模型。然而，只用一种算法求解，存在求解结果不够精确的问题。
针对现有技术存在的模型求解问题，本发明充分利用各种求解算法的特点，结合两种预设算法来求解数学模型。具体的，第一预设算法为贪婪算法或遗传算法，第二预设算法为粒子群算法，本发明先通过贪婪算法或遗传算法求解模型，得到初步解，然后通过粒子群算法对通过贪婪算法或遗传算法求得的货位分配结果（即，初步解）进行进一步的优化，得到最优解（即，最佳货位分配方案），从而提高求解结果的精度。上述各种算法均是已知的成熟算法，因此本发明对此不再作详细描述。
步骤150、根据所述最佳货位分配方案，将所述待上架物料存储到对应的货位。
由于本发明可以使用智能运输车运输物料，也可以由司机驾驶车辆运输物料，因此，步骤150可以由智能运输车自动执行命令以将物料运输到指定货位，也可以由库管人员根据确定的货位，驾驶车辆将物料运输到指定货位。
具体来说，步骤150可以包括：
将确定的所述待上架物料的货位信息发送到智能运输车，智能运输车将所述待上架物料运输到所述确定的货位，或者
将确定的所述待上架物料的货位信息发送到库管人员的便携式智能设备（例如，手持终端或者智能手机），由库管人员将所述待上架物料运输到所述确定的货位。
步骤160、在将所述待上架物料存储到对应的货位之后，将货位分配结果反馈给仓库管理系统。
结合以上描述可知，本发明针对现有技术中存在的货位分配缺点，基于待上架物料的尺寸信息，首先对物料进行初次的货位粗分配，然后构建全新的货位分配数学模型，并通过改进的结合两种算法来优化模型求解结果，最终实现货位的二次细分配。本发明的方案可以提高货位分配的合理性和精确度，符合实际应用需求，具有良好的实际应用性。
本发明还提供了一种电子设备，所述电子设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现上述实施例的各个方法步骤。
本发明还提供了一种计算机可读存储介质，计算机可读存储介质上存储有程序，该程序被处理器执行时实现如上所述的方法实施例的各个方法步骤。其中，该计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random AccessMemory，简称RAM)、磁碟或者光盘等。
此外，需要指出的是，在本申请的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序或按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言，能够理解本申请的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现。
虽然，上文中已经用一般性说明、具体实施方式及试验，对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (8)

1.一种入库管理方法，其特征在于，包括：
步骤110、将仓库的存储区域划分为多个子存储区域，其中，不同子存储区域的货位尺寸不同；
步骤120、获取待上架物料信息和仓库货位信息，并根据物料信息对所述待上架物料进行初步货位分配，确定所述待上架物料对应的所述子存储区域；
步骤130、针对所述待上架物料及其对应的所述子存储区域，建立货位分配数学模型；
步骤140、求解所述货位分配数学模型，得到最佳货位分配方案，完成所述待上架物料的二次货位分配；其中，通过第一预设算法求解所述货位分配数学模型，得到初步解，并通过第二预设算法对所述初步解进行优化，得到最优解，将得到的最优解作为最佳货位分配方案；
步骤150、根据所述最佳货位分配方案，将所述待上架物料存储到对应的货位；
步骤160、在将所述待上架物料存储到对应的货位之后，将货位分配结果反馈给仓库管理系统；其中，
步骤130中，所述货位分配数学模型为：
Figure DEST_PATH_IMAGE002
其中，
Figure DEST_PATH_IMAGE004
为物料周转率模型，
Figure DEST_PATH_IMAGE006
、
Figure DEST_PATH_IMAGE008
分别为水平和垂直方向的货架稳定性模型，
Figure DEST_PATH_IMAGE010
为物料相关性模型，
Figure DEST_PATH_IMAGE012
为运输成本优化模型；
Figure DEST_PATH_IMAGE014
，
Figure DEST_PATH_IMAGE016
，
Figure DEST_PATH_IMAGE018
，
Figure DEST_PATH_IMAGE020
，
Figure DEST_PATH_IMAGE022
为加权系数；
其中，物料周转率模型为：
Figure DEST_PATH_IMAGE024
其中，
Figure DEST_PATH_IMAGE026
为坐标为（x,y,z）的物料的周转率，
Figure DEST_PATH_IMAGE028
为从收货区到所述待上架物料对应的存储区的距离，
Figure DEST_PATH_IMAGE030
、
Figure DEST_PATH_IMAGE032
、
Figure DEST_PATH_IMAGE034
分别为所述待上架物料对应的存储区的货位的宽度、长度和高度，
Figure DEST_PATH_IMAGE036
、
Figure DEST_PATH_IMAGE038
分别为运输所述待上架物料的运输车辆水平和竖直方向的平均速度，
Figure DEST_PATH_IMAGE040
，
Figure DEST_PATH_IMAGE042
，
Figure DEST_PATH_IMAGE044
分别为所述存储区中的坐标（x,y,z）的最大取值；
水平方向的货架稳定性模型为：
Figure DEST_PATH_IMAGE046
垂直方向的货架稳定性模型为：
Figure DEST_PATH_IMAGE048
其中，
Figure DEST_PATH_IMAGE050
为所述待上架物料的重量，
Figure 977291DEST_PATH_IMAGE032
、
Figure 160011DEST_PATH_IMAGE034
分别为所述待上架物料对应的存储区的货位的长度和高度；
物料相关性模型为：
Figure DEST_PATH_IMAGE052
其中，S为待上架物料的种类的数量，(
Figure DEST_PATH_IMAGE054
,
Figure DEST_PATH_IMAGE056
)和(
Figure DEST_PATH_IMAGE058
,
Figure DEST_PATH_IMAGE060
)分别为第s种物料的两个同类型物料的坐标；
运输成本优化模型为：
Figure DEST_PATH_IMAGE062
其中，
Figure DEST_PATH_IMAGE064
为货位集合，
Figure DEST_PATH_IMAGE066
为在货位
Figure DEST_PATH_IMAGE068
上存储的待上架物料的初始位置点集合，
Figure DEST_PATH_IMAGE070
为在货位
Figure 907125DEST_PATH_IMAGE068
上存储的物料的重量，
Figure DEST_PATH_IMAGE072
为从所述待上架物料的初始位置x到货位s的最短距离，
Figure DEST_PATH_IMAGE074
为运输所述待上架物料的运输车辆的滚动阻力，
Figure DEST_PATH_IMAGE076
为运输所述待上架物料的运输车辆的车轮半径。
2.根据权利要求1所述的方法，其特征在于，所述货位分配数学模型的限制条件为：
Figure DEST_PATH_IMAGE078
其中，
Figure DEST_PATH_IMAGE080
为待上架物料，
Figure 315716DEST_PATH_IMAGE044
为所述待上架物料对应的存储区，
Figure DEST_PATH_IMAGE082
为在时间段t内待上架的物料
Figure 802192DEST_PATH_IMAGE080
的数量，
Figure DEST_PATH_IMAGE084
为多个待上架物料
Figure 562338DEST_PATH_IMAGE080
的堆叠高度，
Figure DEST_PATH_IMAGE086
，
Figure 767054DEST_PATH_IMAGE034
分别为所述待上架物料对应的货位的平面面积和高度，
Figure DEST_PATH_IMAGE088
为变量参数，其中，如果物料
Figure 700375DEST_PATH_IMAGE080
被分配到货位
Figure 775778DEST_PATH_IMAGE032
，则
Figure 300301DEST_PATH_IMAGE088
为1，否则，为0。
3.根据权利要求1-2中任意一项所述的方法，其特征在于，所述第一预设算法为贪婪算法或遗传算法，所述第二预设算法为粒子群算法。
4.根据权利要求1所述的方法，其特征在于，步骤150包括：
将确定的所述待上架物料的货位信息发送到智能运输车，智能运输车将所述待上架物料运输到所述确定的货位，或者
将确定的所述待上架物料的货位信息发送到库管人员的便携式智能设备，由库管人员将所述待上架物料运输到所述确定的货位。
5.根据权利要求1所述的方法，其特征在于，在步骤110中，将仓库的存储区域划分为第一存储区域、第二存储区域和第三存储区域，其中，第一存储区域存储物料尺寸小于等于第一阈值的物料，第二存储区域存储物料尺寸大于第一阈值且小于第二阈值的物料，第三存储区域存储物流尺寸大于等于第三阈值的物料。
6.根据权利要求1所述的方法，其特征在于，在步骤120中，通过查找云端服务器获取待上架物料信息和仓库货位信息，其中，在收货区设置传感器和扫描设备，当传感器检测到待上架物料进入收货区后，扫描设备扫描待上架物料包装上的标签，以获取待上架物料信息，并将待上架物料信息上传到云端服务器。
7.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一项所述的入库管理方法。
8.一种计算机可读存储介质，计算机可读存储介质上存储有程序，所述程序被处理器执行时实现如权利要求1-6中任一项所述的入库管理方法。
CN202211240852.9A 2022-10-11 2022-10-11 一种入库管理方法 Active CN115310917B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211240852.9A CN115310917B (zh) 2022-10-11 2022-10-11 一种入库管理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211240852.9A CN115310917B (zh) 2022-10-11 2022-10-11 一种入库管理方法

Publications (2)

Publication Number Publication Date
CN115310917A CN115310917A (zh) 2022-11-08
CN115310917B true CN115310917B (zh) 2022-12-20

Family

ID=83867976

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211240852.9A Active CN115310917B (zh) 2022-10-11 2022-10-11 一种入库管理方法

Country Status (1)

Country Link
CN (1) CN115310917B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115973641B (zh) * 2022-12-26 2023-09-29 深圳市深科特信息技术有限公司 一种用于智能货架的物料仓储管理方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106021700A (zh) * 2016-05-17 2016-10-12 西安建筑科技大学 基于分散式出/入库布局模式下的货位分配模型建立方法
CN113222410A (zh) * 2021-05-12 2021-08-06 西安建筑科技大学 双向式布局模式下货位分配模型建立方法
CN113570025A (zh) * 2021-07-16 2021-10-29 东南大学 一种基于离散粒子群算法的电商仓储中心货位分配方法
CN115115256A (zh) * 2022-07-15 2022-09-27 南京邮电大学 一种医药仓库货位分配方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MX2020013044A (es) * 2018-06-01 2021-02-26 Beijing Geekplus Tech Co Ltd Metodo, dispositivo y sistema de gestion, aplicado a un sistema de mercancias a persona, servidor y medio de almacenamiento informatico.

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106021700A (zh) * 2016-05-17 2016-10-12 西安建筑科技大学 基于分散式出/入库布局模式下的货位分配模型建立方法
CN113222410A (zh) * 2021-05-12 2021-08-06 西安建筑科技大学 双向式布局模式下货位分配模型建立方法
CN113570025A (zh) * 2021-07-16 2021-10-29 东南大学 一种基于离散粒子群算法的电商仓储中心货位分配方法
CN115115256A (zh) * 2022-07-15 2022-09-27 南京邮电大学 一种医药仓库货位分配方法

Also Published As

Publication number Publication date
CN115310917A (zh) 2022-11-08

Similar Documents

Publication Publication Date Title
WO2022007646A1 (zh) 补货入库的方法、设备、仓储系统及可读存储介质
CN111547534B (zh) 一种用于自动堆垛的数据管理系统、方法及存储介质
CN115310917B (zh) 一种入库管理方法
WO2021068700A1 (zh) 仓储货物更新的方法、装置和物流系统
CN113525987A (zh) 一种基于物联网技术的轻量级物流货物分拣运送方法、装置及电子设备
CN113120487B (zh) 库存系统及货物的存取方法
CN111709608B (zh) 拣货任务确定方法、装置、计算机设备及存储介质
CN114841642B (zh) 基于鹰栖息优化的辅料入库货位分配方法
CN112815941A (zh) 一种拣货路径规划方法、装置、设备和存储介质
CN116402445B (zh) 货物出库调度方法、装置和计算机设备
CN114881564A (zh) 多深货位分配方法、装置、计算机设备和存储介质
JP2022111284A (ja) 物流管理装置、搬送システム及び物流管理方法
US20220414594A1 (en) Optimizing truck loading of pallets
CN113361985A (zh) 货位动态分配方法、装置及电子设备
CN112288376A (zh) 货物装载方案生成方法、装置、设备及可读存储介质
CN109625745A (zh) 一种货物仓储系统及方法
CN115392838A (zh) 仓库货物出入库控制方法、装置及仓储系统
CN113830478B (zh) 自动化入库和分拣的方法、系统及装置
CN115796750B (zh) 货物入库方法、出库方法、装置和计算机设备
CN114435816B (zh) 一种立体库房盘点的储位分配方法
CN113650997B (zh) 一种物品出库定位方法和装置
CN116664053B (zh) 一种商品库存管理方法
CN111932173A (zh) 一种干线运输的方法、装置及可读存储介质
CN110880089A (zh) 基于知识图谱的仓库空间分配方法及系统
Liu et al. Analysis of pickup/deposit stations and dwell point locations in bi-directional flow-rack AS/RSs

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