CN116485161A - 一种仓储空间需求确定方法及装置 - Google Patents
一种仓储空间需求确定方法及装置 Download PDFInfo
- Publication number
- CN116485161A CN116485161A CN202310739001.7A CN202310739001A CN116485161A CN 116485161 A CN116485161 A CN 116485161A CN 202310739001 A CN202310739001 A CN 202310739001A CN 116485161 A CN116485161 A CN 116485161A
- Authority
- CN
- China
- Prior art keywords
- data
- storage
- warehouse
- preset
- particle swarm
- 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
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000003860 storage Methods 0.000 claims abstract description 174
- 238000009826 distribution Methods 0.000 claims abstract description 63
- 239000002245 particle Substances 0.000 claims description 67
- 238000012545 processing Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 10
- 230000035772 mutation Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000013178 mathematical model Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000005452 bending Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- 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"
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
Abstract
本申请提供一种仓储空间需求确定方法及装置，该方法包括：获取仓储数据；根据仓储数据进行快速聚类处理，得到最优分类数据；根据最优分类数据和预设的黄金比例原则进行储物分配，得到储物分配结果；根据储物分配结果确定仓储空间需求。可见，该方法及装置能够自动计算仓储空间需求，不需要人工参与，准确性好，适用性好，从而减少了核算时间，提升了规划效率。
Description
技术领域
本申请涉及数据处理技术领域，具体而言，涉及一种仓储空间需求确定方法及装置。
背景技术
现有生产模式中的汽车总装车间对应的零件存储区占地面积非常地大，汽车零件种类繁多，包装规格种类差异较大。现有的汽车零件仓储空间需求确定方法，通常采用物流量从整体进行人工计算，或逐点零件进行人工核实；在实践中发现，整体上采用物流量计算，准确性差；零件级别的逐点计算，依据固有的排序进行核算，局限性大。可见，现有方法需要人工计算，准确性差，局限性大，核算时间过长，从而降低了规划效率。
发明内容
本申请实施例的目的在于提供一种仓储空间需求确定方法及装置，能够自动计算仓储空间需求，不需要人工参与，准确性好，适用性好，从而减少了核算时间，提升了规划效率。
本申请实施例第一方面提供了一种仓储空间需求确定方法，包括：
获取仓储数据；
根据所述仓储数据进行快速聚类处理，得到最优分类数据；
根据所述最优分类数据和预设的黄金比例原则进行储物分配，得到储物分配结果；
根据所述储物分配结果确定仓储空间需求。
在上述实现过程中，该方法可以优先获取仓储数据；然后，根据仓储数据进行快速聚类处理，得到最优分类数据；再后，根据最优分类数据和预设的黄金比例原则进行储物分配，得到储物分配结果；最后，再根据储物分配结果确定仓储空间需求。可见，该方法能够自动计算仓储空间需求，不需要人工参与，准确性好，适用性好，从而减少了核算时间，提升了规划效率。
进一步地，所述仓储数据包括预设的仓库布局形式、仓储空间属性和储物数据；其中，所述仓储空间属性至少包括储物空间、储物质量、拣货量、储物放置方式以及储物能否堆垛类型。
进一步地，所述根据所述仓储数据进行快速聚类处理，得到最优分类数据，包括：
根据所述仓库布局形式和所述仓储空间属性对所述储物数据进行快速聚类处理，得到最优分类数据。
进一步地，所述根据所述最优分类数据和预设的黄金比例原则进行储物分配，得到储物分配结果，包括：
对所述最优分类数据进行粒子群初始化，得到粒子群数据；
对所述粒子群数据进行解码，得到货物数据；
依据预设的黄金比例原则、预设的储物架空间大小限制和预设的重装储位架选择，对所述货物数据进行储物分配，得到储物分配结果；其中，所述储物分配结果包括每个货物的位置信息；所述位置信息至少包括空间坐标和质心信息。
进一步地，所述根据所述储物分配结果确定仓储空间需求，包括：
判断所述粒子群数据的种群规模是否达到预设的种群目标规模；
如果是，根据预设的空间偏好原则和所述储物分配结果选择个体最优数据和种群最优数据；
将所述个体最优数据和所述种群最优数据存储至预设的非劣解集；
对所述粒子群数据进行交叉与变异操作，得到新的粒子群数据；
判断新的所述粒子群数据的进化代数是否达到预设的进化目标代数；
如果是，根据所述非劣解集确定仓储空间需求。
进一步地，所述方法还包括：
当判断出所述储物分配结果的种群规模未达到预设的种群目标规模时，依据预设的货架稳定性原则对所述储物分配结果进行检验，得到检验结果；
根据所述检验结果和所述位置信息确定不合格位置信息；
根据所述不合格位置信息对所述粒子群数据进行剔除处理，得到剔除后的粒子群数据；
将所述剔除后的粒子群数据确定为新的粒子群数据，并执行所述的对所述粒子群数据进行解码，得到货物数据。
进一步地，所述方法还包括：
当判断出新的所述粒子群数据的进化代数未达到预设的进化目标代数时，执行所述根据预设的空间偏好原则和所述储物分配结果选择个体最优数据和种群最优数据。
本申请实施例第二方面提供了一种仓储空间需求确定装置，所述仓储空间需求确定装置包括：
获取单元，用于获取仓储数据；
聚类单元，用于根据所述仓储数据进行快速聚类处理，得到最优分类数据；
分配单元，用于根据所述最优分类数据和预设的黄金比例原则进行储物分配，得到储物分配结果；
确定单元，用于根据所述储物分配结果确定仓储空间需求。
在上述实现过程中，该装置可以通过获取单元获取仓储数据；通过聚类单元来根据仓储数据进行快速聚类处理，得到最优分类数据；通过分配单元来根据最优分类数据和预设的黄金比例原则进行储物分配，得到储物分配结果；通过确定单元来根据储物分配结果确定仓储空间需求。可见，该装置能够自动计算仓储空间需求，不需要人工参与，准确性好，适用性好，从而减少了核算时间，提升了规划效率。
进一步地，所述仓储数据包括预设的仓库布局形式、仓储空间属性和储物数据；其中，所述仓储空间属性至少包括储物空间、储物质量、拣货量、储物放置方式以及储物能否堆垛类型。
进一步地，所述聚类单元，具体用于根据所述仓库布局形式和所述仓储空间属性对所述储物数据进行快速聚类处理，得到最优分类数据。
进一步地，所述分配单元包括：
初始化子单元，用于对所述最优分类数据进行粒子群初始化，得到粒子群数据；
解码子单元，用于对所述粒子群数据进行解码，得到货物数据；
分配子单元，用于依据预设的黄金比例原则、预设的储物架空间大小限制和预设的重装储位架选择，对所述货物数据进行储物分配，得到储物分配结果；其中，所述储物分配结果包括每个货物的位置信息；所述位置信息至少包括空间坐标和质心信息。
进一步地，所述确定单元包括：
判断子单元，用于判断所述粒子群数据的种群规模是否达到预设的种群目标规模；
选择子单元，用于在所述粒子群数据的种群规模达到预设的种群目标规模时，根据预设的空间偏好原则和所述储物分配结果选择个体最优数据和种群最优数据；
存储子单元，用于将所述个体最优数据和所述种群最优数据存储至预设的非劣解集；
操作子单元，用于对所述粒子群数据进行交叉与变异操作，得到新的粒子群数据；
所述判断子单元，还用于判断新的所述粒子群数据的进化代数是否达到预设的进化目标代数；
确定子单元，用于在新的所述粒子群数据的进化代数达到预设的所述进化目标代数时，根据所述非劣解集确定仓储空间需求。
进一步地，所述仓储空间需求确定装置还包括：
检验单元，用于当判断出所述储物分配结果的种群规模未达到预设的种群目标规模时，依据预设的货架稳定性原则对所述储物分配结果进行检验，得到检验结果；
所述确定单元，还用于根据所述检验结果和所述位置信息确定不合格位置信息；
处理单元，用于根据所述不合格位置信息对所述粒子群数据进行剔除处理，得到剔除后的粒子群数据；
所述确定单元，还用于将所述剔除后的粒子群数据确定为新的粒子群数据，并触发所述解码子单元执行所述的对所述粒子群数据进行解码，得到货物数据的操作。
进一步地，所述选择子单元，还用于当判断出新的所述粒子群数据的进化代数未达到预设的进化目标代数时，根据预设的空间偏好原则和所述储物分配结果选择个体最优数据和种群最优数据。
本申请实施例第三方面提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例第一方面中任一项所述的仓储空间需求确定方法。
本申请实施例第四方面提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请实施例第一方面中任一项所述的仓储空间需求确定方法。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1为本申请实施例提供的一种仓储空间需求确定方法的流程示意图；
图2为本申请实施例提供的另一种仓储空间需求确定方法的流程示意图；
图3为本申请实施例提供的一种仓储空间需求确定装置的结构示意图；
图4为本申请实施例提供的另一种仓储空间需求确定装置的结构示意图；
图5为本申请实施例提供的一种仓储布局形式的示意图；
图6为本申请实施例提供的另一种仓储布局形式的示意图；
图7为本申请实施例提供的又一种仓储布局形式的示意图；
图8为本申请实施例提供的一种货架的示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
实施例1
请参看图1，图1为本实施例提供了一种仓储空间需求确定方法的流程示意图。其中，该仓储空间需求确定方法包括：
S101、获取仓储数据。
本实施例中，仓储数据包括预设的仓库布局形式、仓储空间属性和储物数据；其中，仓储空间属性至少包括储物空间、储物质量、拣货量、储物放置方式以及储物能否堆垛类型。
S102、根据仓储数据进行快速聚类处理，得到最优分类数据。
S103、根据最优分类数据和预设的黄金比例原则进行储物分配，得到储物分配结果。
S104、根据储物分配结果确定仓储空间需求。
本实施例中，当前企业生产模式，库存变小并趋向与中小型仓库存储。从而适应当前个性化定制需要，储物呈现种类多、数量少的状态。然而，传统以功能相同或相似的储物分类方法开始变得不再适用于当前的生产模式，同时，储物的多样性还会加大储位分类的难度。除此之外，货架作为仓库重要组成因素之一在普通布局中其放置方向将会对仓库平面及空间利用率、货架数量等产生较大影响。为此，本方法对普通布局中的两种常用方式进行进一步地分析处理和应用。
本实施例中，该方法的执行主体可以为计算机、服务器等计算装置，对此本实施例中不作任何限定。
在本实施例中，该方法的执行主体还可以为智能手机、平板电脑等智能设备，对此本实施例中不作任何限定。
可见，实施本实施例所描述的仓储空间需求确定方法，能够对货架建立详细的数学模型，同时结合SPS库区布局，快速计算SPS空间需求。在计算出SPS空间需求之后，还可以进一步地通过分拣，输出货架规格、数量、层高等信息。在实际应用，该方法可以适用其他类似零件差异较大的仓储空间需求计算，且有助于提升规划效率。另外，该方法还可以与厂内、厂外物流规划模型进行组合优化设计。
实施例2
请参看图2，图2为本实施例提供了一种仓储空间需求确定方法的流程示意图。其中，该仓储空间需求确定方法包括：
S201、获取仓储数据。
本实施例中，仓储数据包括预设的仓库布局形式、仓储空间属性和储物数据；其中，仓储空间属性至少包括储物空间、储物质量、拣货量、储物放置方式以及储物能否堆垛类型。
S202、根据仓库布局形式和仓储空间属性对储物数据进行快速聚类处理，得到最优分类数据。
本实施例中，该方法可以基于预先构建的模型对储物数据进行100次K型快速聚类，选择最优分类。
本实施例中，该方法可以选择仓库布局形式或者对多种布局方式进行运算。请参看图5、图6和图7，图5、图6和图7示出了多种仓储布局形式。
本实施例中，在实际应用当中考虑率货物在货架上的摆放与取用，该方法提出如下多个目标函数用于建立对应的分类模型，具体如下：
首先，以仓库左下角为原点长边为x轴方向，短边为y方向建立空间直角坐标空间。
（1）目标函数1——最短路径
针对图8（图8示出了一种货架的示意图）中示出的三种情况进行分析，该方法可以分别建立最短路径目标函数。为简化目标函数数量，该方法增加示性变量，分别表示储物所在货架的x，y方向上正方向和负方向上是否有相邻货架。其中，最终最短路径目标函数如下：
；
（2）目标函数2——最小搬运指数
对于中小型仓库，基于成本考虑，人工拣货仍是仓库作业的主要方式之一。在拣货过程中常伴随频繁的弯腰转向等动作，对人力造成很大的损耗，将最小搬运纳入仓库优化目标之一将一定程度减少人力成本。因此，设定相应的函数如下：
；
（3）目标函数3——最小空间利用率
由于不同储物有不同的储放方式，而同一中储位也具有一种以上的存放方式、该方法在假定为矩形空间的基础上，选取六种典型的储放形式进行分析，并根据实际情况进行删减，从而得到如下计算公式：
。
本实施例中，该方法仍需要针对货架类型、储物类别进行约束。具体的，该方法在准确获取储物相关数据时，先对个别无法在储物架上存储的储物进行确定并存储至特殊仓库，并对其他储物采用多次K型快速聚类进行系统分类，并选取最小轮廓负值作为最终分类标准。
其中，储物架可用空间、物料盒、储物外包装等、储物架层高及允许储物堆积高度等均会实际存储情况进行影响，综合考虑以上因素，并进行建模。
在本实施例中，基于上述约束条件和目标函数，该方法可以进一步地创建出对应的数学模型，从而使得该数学模型应用于仓储空间需求的确定过程当中。进而，使得该方法获得到能够装载更多、更全面的货物，且能够便于作业人员进行作业的仓储布局。
S203、对最优分类数据进行粒子群初始化，得到粒子群数据。
S204、对粒子群数据进行解码，得到货物数据。
S205、依据预设的黄金比例原则、预设的储物架空间大小限制和预设的重装储位架选择，对货物数据进行储物分配，得到储物分配结果。
本实施例中，储物分配结果包括每个货物的位置信息；位置信息至少包括空间坐标和质心信息。
S206、判断粒子群数据的种群规模是否达到预设的种群目标规模，若是，则执行步骤S211~S214；若否，则执行步骤S207~S210。
S207、依据预设的货架稳定性原则对储物分配结果进行检验，得到检验结果。
S208、根据检验结果和位置信息确定不合格位置信息。
S209、根据不合格位置信息对粒子群数据进行剔除处理，得到剔除后的粒子群数据。
S210、将剔除后的粒子群数据确定为新的粒子群数据，并执行步骤S204。
S211、根据预设的空间偏好原则和储物分配结果选择个体最优数据和种群最优数据。
S212、将个体最优数据和种群最优数据存储至预设的非劣解集。
S213、对粒子群数据进行交叉与变异操作，得到新的粒子群数据。
S214、判断新的粒子群数据的进化代数是否达到预设的进化目标代数，若是，则执行步骤S215；若否，则执行步骤S211。
S215、根据非劣解集确定仓储空间需求，并结束本流程。
本实施例中，该方法的执行主体可以为计算机、服务器等计算装置，对此本实施例中不作任何限定。
在本实施例中，该方法的执行主体还可以为智能手机、平板电脑等智能设备，对此本实施例中不作任何限定。
可见，实施本实施例所描述的仓储空间需求确定方法，能够对货架建立详细的数学模型，同时结合SPS库区布局，快速计算SPS空间需求。在计算出SPS空间需求之后，还可以进一步地通过分拣，输出货架规格、数量、层高等信息。在实际应用，该方法可以适用其他类似零件差异较大的仓储空间需求计算，且有助于提升规划效率。另外，该方法还可以与厂内、厂外物流规划模型进行组合优化设计。
实施例3
请参看图3，图3为本实施例提供的一种仓储空间需求确定装置的结构示意图。如图3所示，该仓储空间需求确定装置包括：
获取单元310，用于获取仓储数据；
聚类单元320，用于根据仓储数据进行快速聚类处理，得到最优分类数据；
分配单元330，用于根据最优分类数据和预设的黄金比例原则进行储物分配，得到储物分配结果；
确定单元340，用于根据储物分配结果确定仓储空间需求。
本实施例中，对于仓储空间需求确定装置的解释说明可以参照实施例1或实施例2中的描述，对此本实施例中不再多加赘述。
可见，实施本实施例所描述的仓储空间需求确定装置，能够对货架建立详细的数学模型，同时结合SPS库区布局，快速计算SPS空间需求。在计算出SPS空间需求之后，还可以进一步地通过分拣，输出货架规格、数量、层高等信息。在实际应用，该装置可以适用其他类似零件差异较大的仓储空间需求计算，且有助于提升规划效率。另外，该装置还可以与厂内、厂外物流规划模型进行组合优化设计。
实施例4
请参看图4，图4为本实施例提供的一种仓储空间需求确定装置的结构示意图。如图4所示，该仓储空间需求确定装置包括：
获取单元310，用于获取仓储数据；
聚类单元320，用于根据仓储数据进行快速聚类处理，得到最优分类数据；
分配单元330，用于根据最优分类数据和预设的黄金比例原则进行储物分配，得到储物分配结果；
确定单元340，用于根据储物分配结果确定仓储空间需求。
本实施例中，仓储数据包括预设的仓库布局形式、仓储空间属性和储物数据；其中，仓储空间属性至少包括储物空间、储物质量、拣货量、储物放置方式以及储物能否堆垛类型。
作为一种可选的实施方式，聚类单元320，具体用于根据仓库布局形式和仓储空间属性对储物数据进行快速聚类处理，得到最优分类数据。
作为一种可选的实施方式，分配单元330包括：
初始化子单元331，用于对最优分类数据进行粒子群初始化，得到粒子群数据；
解码子单元332，用于对粒子群数据进行解码，得到货物数据；
分配子单元333，用于依据预设的黄金比例原则、预设的储物架空间大小限制和预设的重装储位架选择，对货物数据进行储物分配，得到储物分配结果；其中，储物分配结果包括每个货物的位置信息；位置信息至少包括空间坐标和质心信息。
作为一种可选的实施方式，确定单元340包括：
判断子单元341，用于判断粒子群数据的种群规模是否达到预设的种群目标规模；
选择子单元342，用于在粒子群数据的种群规模达到预设的种群目标规模时，根据预设的空间偏好原则和储物分配结果选择个体最优数据和种群最优数据；
存储子单元343，用于将个体最优数据和种群最优数据存储至预设的非劣解集；
操作子单元344，用于对粒子群数据进行交叉与变异操作，得到新的粒子群数据；
判断子单元341，还用于判断新的粒子群数据的进化代数是否达到预设的进化目标代数；
确定子单元345，用于在新的粒子群数据的进化代数达到预设的进化目标代数时，根据非劣解集确定仓储空间需求。
作为一种可选的实施方式，仓储空间需求确定装置还包括：
检验单元350，用于当判断出储物分配结果的种群规模未达到预设的种群目标规模时，依据预设的货架稳定性原则对储物分配结果进行检验，得到检验结果；
确定单元340，还用于根据检验结果和位置信息确定不合格位置信息；
处理单元360，用于根据不合格位置信息对粒子群数据进行剔除处理，得到剔除后的粒子群数据；
确定单元340，还用于将剔除后的粒子群数据确定为新的粒子群数据，并触发解码子单元执行的对粒子群数据进行解码，得到货物数据的操作。
作为一种可选的实施方式，选择子单元341，还用于当判断出新的粒子群数据的进化代数未达到预设的进化目标代数时，根据预设的空间偏好原则和储物分配结果选择个体最优数据和种群最优数据。
本实施例中，对于仓储空间需求确定装置的解释说明可以参照实施例1或实施例2中的描述，对此本实施例中不再多加赘述。
可见，实施本实施例所描述的仓储空间需求确定装置，能够对货架建立详细的数学模型，同时结合SPS库区布局，快速计算SPS空间需求。在计算出SPS空间需求之后，还可以进一步地通过分拣，输出货架规格、数量、层高等信息。在实际应用，该装置可以适用其他类似零件差异较大的仓储空间需求计算，且有助于提升规划效率。另外，该装置还可以与厂内、厂外物流规划模型进行组合优化设计。
本申请实施例提供了一种电子设备，包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行本申请实施例1或实施例2中的仓储空间需求确定方法。
本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行本申请实施例1或实施例2中的仓储空间需求确定方法。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种仓储空间需求确定方法，其特征在于，包括：
获取仓储数据；
根据所述仓储数据进行快速聚类处理，得到最优分类数据；
根据所述最优分类数据和预设的黄金比例原则进行储物分配，得到储物分配结果；
根据所述储物分配结果确定仓储空间需求。
2.根据权利要求1所述的仓储空间需求确定方法，其特征在于，所述仓储数据包括预设的仓库布局形式、仓储空间属性和储物数据；其中，所述仓储空间属性至少包括储物空间、储物质量、拣货量、储物放置方式以及储物能否堆垛类型。
3.根据权利要求2所述的仓储空间需求确定方法，其特征在于，所述根据所述仓储数据进行快速聚类处理，得到最优分类数据，包括：
根据所述仓库布局形式和所述仓储空间属性对所述储物数据进行快速聚类处理，得到最优分类数据。
4.根据权利要求1所述的仓储空间需求确定方法，其特征在于，所述根据所述最优分类数据和预设的黄金比例原则进行储物分配，得到储物分配结果，包括：
对所述最优分类数据进行粒子群初始化，得到粒子群数据；
对所述粒子群数据进行解码，得到货物数据；
依据预设的黄金比例原则、预设的储物架空间大小限制和预设的重装储位架选择，对所述货物数据进行储物分配，得到储物分配结果；其中，所述储物分配结果包括每个货物的位置信息；所述位置信息至少包括空间坐标和质心信息。
5.根据权利要求4所述的仓储空间需求确定方法，其特征在于，所述根据所述储物分配结果确定仓储空间需求，包括：
判断所述粒子群数据的种群规模是否达到预设的种群目标规模；
如果是，根据预设的空间偏好原则和所述储物分配结果选择个体最优数据和种群最优数据；
将所述个体最优数据和所述种群最优数据存储至预设的非劣解集；
对所述粒子群数据进行交叉与变异操作，得到新的粒子群数据；
判断新的所述粒子群数据的进化代数是否达到预设的进化目标代数；
如果是，根据所述非劣解集确定仓储空间需求。
6.根据权利要求5所述的仓储空间需求确定方法，其特征在于，所述方法还包括：
当判断出所述储物分配结果的种群规模未达到预设的种群目标规模时，依据预设的货架稳定性原则对所述储物分配结果进行检验，得到检验结果；
根据所述检验结果和所述位置信息确定不合格位置信息；
根据所述不合格位置信息对所述粒子群数据进行剔除处理，得到剔除后的粒子群数据；
将所述剔除后的粒子群数据确定为新的粒子群数据，并执行所述的对所述粒子群数据进行解码，得到货物数据。
7.根据权利要求5所述的仓储空间需求确定方法，其特征在于，所述方法还包括：
当判断出新的所述粒子群数据的进化代数未达到预设的进化目标代数时，执行所述根据预设的空间偏好原则和所述储物分配结果选择个体最优数据和种群最优数据。
8.一种仓储空间需求确定装置，其特征在于，所述仓储空间需求确定装置包括：
获取单元，用于获取仓储数据；
聚类单元，用于根据所述仓储数据进行快速聚类处理，得到最优分类数据；
分配单元，用于根据所述最优分类数据和预设的黄金比例原则进行储物分配，得到储物分配结果；
确定单元，用于根据所述储物分配结果确定仓储空间需求。
9.一种电子设备，其特征在于，所述电子设备包括存储器以及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1至7中任一项所述的仓储空间需求确定方法。
10.一种可读存储介质，其特征在于，所述可读存储介质中存储有计算机程序指令，所述计算机程序指令被一处理器读取并运行时，执行权利要求1至7任一项所述的仓储空间需求确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310739001.7A CN116485161B (zh) | 2023-06-21 | 2023-06-21 | 一种仓储空间需求确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310739001.7A CN116485161B (zh) | 2023-06-21 | 2023-06-21 | 一种仓储空间需求确定方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116485161A true CN116485161A (zh) | 2023-07-25 |
| CN116485161B CN116485161B (zh) | 2024-01-19 |
Family
ID=87227224
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310739001.7A Active CN116485161B (zh) | 2023-06-21 | 2023-06-21 | 一种仓储空间需求确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116485161B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117557199A (zh) * | 2024-01-03 | 2024-02-13 | 福州冰宇科技有限公司 | 一种基于数学模型的智慧仓储方法、系统及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140344013A1 (en) * | 2013-03-15 | 2014-11-20 | Affinnova, Inc. | Method and apparatus for interactive evolutionary optimization of concepts |
| CN107230000A (zh) * | 2017-06-01 | 2017-10-03 | 浙江工业大学 | 一种web端仓储货位动态排列优化方法 |
| CN111178606A (zh) * | 2019-12-22 | 2020-05-19 | 南京理工大学 | 基于nsga-ii的自动化仓储货位分配优化方法 |
| US20210110333A1 (en) * | 2016-11-29 | 2021-04-15 | Hangzhou Hikrobot Technology Co., Ltd | Ex-warehousing method and device |
| US20220092685A1 (en) * | 2020-09-22 | 2022-03-24 | International Business Machines Corporation | Collaborative storage techniques |
| CN114841642A (zh) * | 2022-04-27 | 2022-08-02 | 红云红河烟草(集团)有限责任公司 | 基于鹰栖息优化的辅料入库货位分配方法 |
-
2023
- 2023-06-21 CN CN202310739001.7A patent/CN116485161B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140344013A1 (en) * | 2013-03-15 | 2014-11-20 | Affinnova, Inc. | Method and apparatus for interactive evolutionary optimization of concepts |
| US20210110333A1 (en) * | 2016-11-29 | 2021-04-15 | Hangzhou Hikrobot Technology Co., Ltd | Ex-warehousing method and device |
| CN107230000A (zh) * | 2017-06-01 | 2017-10-03 | 浙江工业大学 | 一种web端仓储货位动态排列优化方法 |
| CN111178606A (zh) * | 2019-12-22 | 2020-05-19 | 南京理工大学 | 基于nsga-ii的自动化仓储货位分配优化方法 |
| US20220092685A1 (en) * | 2020-09-22 | 2022-03-24 | International Business Machines Corporation | Collaborative storage techniques |
| CN114841642A (zh) * | 2022-04-27 | 2022-08-02 | 红云红河烟草(集团)有限责任公司 | 基于鹰栖息优化的辅料入库货位分配方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117557199A (zh) * | 2024-01-03 | 2024-02-13 | 福州冰宇科技有限公司 | 一种基于数学模型的智慧仓储方法、系统及存储介质 |
| CN117557199B (zh) * | 2024-01-03 | 2024-03-12 | 福州冰宇科技有限公司 | 一种基于数学模型的智慧仓储方法、系统及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116485161B (zh) | 2024-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107194646B (zh) | 库存调度方法以及装置 | |
| US11397915B2 (en) | Ex-warehousing method and device | |
| US20170039304A1 (en) | Method and apparatus for providing pallet loading guide | |
| CN116485161B (zh) | 一种仓储空间需求确定方法及装置 | |
| CN110525855B (zh) | 一种货物仓储的方法及装置 | |
| CN108357848A (zh) | 基于多层穿梭车自动仓储系统的建模优化方法 | |
| CN109767150B (zh) | 信息推送方法和装置 | |
| CN112036667A (zh) | 仓库货位优化方法、设备、存储介质及装置 | |
| CN1806160A (zh) | 用于跟踪货架系统的状态的方法 | |
| CN110929981A (zh) | 一种订单分配方法、装置、系统及存储介质 | |
| CN113200275A (zh) | 货箱整理方法、装置、设备、仓储系统及存储介质 | |
| CN113663931B (zh) | 物品分拣方法及装置 | |
| CN112348420A (zh) | 储位信息获取方法及系统、存储介质和电子设备 | |
| CN112733451B (zh) | 一种mbd模型的关键检验特性识别及其提取方法 | |
| CN116522565B (zh) | 一种基于bim的电力工程设计配电网规划方法及计算机设备 | |
| CN112734329A (zh) | 仓库拣货最短路径计算方法、装置、设备及存储介质 | |
| CN112418969A (zh) | 商品匹配方法、装置、计算机设备 | |
| CN116187718A (zh) | 基于计算机视觉的智慧货物识别分拣方法及系统 | |
| CN115100283A (zh) | 货物放置控制方法、装置、计算机设备和存储介质 | |
| Karasek et al. | Logistic warehouse process optimization through genetic programming algorithm | |
| CN116777354B (zh) | 一种基于纺织的仓储管理方法、系统及介质 | |
| CN117455375B (zh) | 仓库备料方法、装置、设备及存储介质 | |
| CN111667208A (zh) | 一种物品存储控制方法、装置、设备及介质 | |
| CN117784169B (zh) | 基于3d点云的钢卷轮廓测量方法、设备及介质 | |
| CN111715537B (zh) | 货物件型划分方法和装置 |
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 |