CN116681367A - 一种uld智能打板方法、系统、设备及介质 - Google Patents
一种uld智能打板方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN116681367A CN116681367A CN202310807013.9A CN202310807013A CN116681367A CN 116681367 A CN116681367 A CN 116681367A CN 202310807013 A CN202310807013 A CN 202310807013A CN 116681367 A CN116681367 A CN 116681367A
- Authority
- CN
- China
- Prior art keywords
- algorithm
- uld
- intelligent
- heuristic
- board
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 147
- 238000007747 plating Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000005457 optimization Methods 0.000 claims abstract description 9
- 230000000007 visual effect Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 claims description 6
- 238000002156 mixing Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 3
- 238000004080 punching Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 13
- 230000002068 genetic effect Effects 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 230000008092 positive effect Effects 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 206010019233 Headaches Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 108010063123 alfare Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 231100000869 headache Toxicity 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011282 treatment 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- 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"
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
Abstract
本发明公开了一种ULD智能打板方法、系统、设备及介质，属于打板方法领域，方法包括以下步骤：步骤一：输入货物数据与集装器数据；步骤二：确定打板算法；步骤三：输出打板结果；在所述步骤二中，确定打板算法的具体过程如下：通过启发式深度优先搜索的方式进行货物选取与装箱；进行算法调优，其中，算法调优具体包括：参数调节、问题建模、算法组合、局部搜索、并行计算与混合优化。该系统包括：输入模块，用于输入货物数据与集装器数据；计算模块，用于确定打板算法；输出模块，用于输出打板结果。本发明，能够通过输入货物和板箱的数据，交给计算机去处理复杂组装逻辑，并按平均毫秒级结果输出，快速给出计算结果。
Description
技术领域
本发明涉及一种打板方法，具体是一种ULD智能打板方法、系统、设备及介质。
背景技术
现在货运打板，都是由货运代理公司以及包板商去做，货代公司通常就与航空公司签署了包板协议，与航空公司是按板结算，这样可以根据货物的重泡自己决定如何分配，可以实现重泡搭配效益最大化，只要保证每板装满，空运费用可以节省很多以获取最大的利润空间。打板，通俗的理解就是飞机货物在装机前，先把货物按照一定的规格装到集装器上，然后统一装进飞机货舱内。常规的集装器主要包括三种：集装板、集装箱和车架。由于飞机机型不同，所以配置的航空载具也会不同。打板实际包含了“码货”这个动作，就是将货按照一定的规律，比如下重上泡，装在板上或者箱里。根据不同飞机的舱门尺寸和机舱内部尺寸，板分成高、中、低几种规格，每块板、箱都有自己的体积(容积)、重量的限制。
目前行业的货物装载打板工作大部分还采用人工装载，组板员根据装机单将货按规律码在这些集装器上，用网罩或拱形盖板固定，以达到速装速卸、提高航班载运率的目的。人工装载实际是通过组装员的多年经验摸索来实现货物与板箱的组装，而如何合理利用每一寸空间，精确合理地使用每一块集装板，如何搭配使得每块集装板、每段舱位、每架货机的效益最大化就成了组装员最头疼的问题，且一但货物立方多的的情况下，人工是很难把货物组装率最大化的。因此，本领域技术人员提供了一种ULD智能打板方法、系统、设备及介质，以解决上述背景技术中提出的问题。
发明内容
本发明的目的在于提供一种ULD智能打板方法、系统、设备及介质，能够通过输入货物和板箱的数据，交给计算机去处理复杂组装逻辑，并按平均毫秒级结果输出，快速给出计算结果，再通过可视化的三维图形精确显示每个货物所处的板箱位置，把板箱利用率最大化呈现，此外，智能打板算法可支持上千个货物总数的计算，避免了多货物情况下的人工盲区，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
第一方面，本申请公开了一种ULD智能打板方法，包括以下步骤：
步骤一：输入货物数据与集装器数据；
步骤二：确定打板算法；
步骤三：输出打板结果。
作为本发明进一步的方案：在所述步骤二中，确定打板算法的具体过程如下：
通过启发式深度优先搜索的方式进行货物选取与装箱；
进行算法调优，其中，算法调优具体包括：
参数调节：通过调整算法的参数，改变算法的行为，从而提高算法的性能；
问题建模：对于不同的问题，需要采用不同的启发式算法，因此，在选择算法时，需要先对问题进行建模，选择最适合问题特点的算法；
算法组合：通过将多个启发式算法组合起来，提高算法的性能；
局部搜索：当启发式算法陷入局部最优解时，在算法中加入局部搜索的策略，提高算法的全局搜索能力；
并行计算：通过并行计算，加快算法的运行速度，从而提高算法的性能；
混合优化：通过将启发式算法与其他优化方法结合起来，可以提高算法的性能。
作为本发明再进一步的方案：在所述步骤一中，货物数据包括尺寸、重量、件数、是否卡板货、不可倒置、装载优先级；集装器数据包括板箱类型、板箱数量。
作为本发明再进一步的方案：在所述步骤三中，打板结果包括组板结果、组板三维可视化展示结果以及货物组板方案拆解指导结果。
第二方面，本申请公开了一种ULD智能打板系统，包括：
输入模块，用于输入输入货物数据与集装器数据；
计算模块，用于确定打板算法；
输出模块，用于输出打板结果。
作为本发明再进一步的方案：所述计算模块包括：
启发式深度优先搜索单元，用于通过启发式深度优先搜索的方式进行货物选取与装箱；
算法调优单元，用于对算法进行调优，其中，算法调优具体包括：
参数调节：通过调整算法的参数，改变算法的行为，从而提高算法的性能；
问题建模：对于不同的问题，需要采用不同的启发式算法，因此，在选择算法时，需要先对问题进行建模，选择最适合问题特点的算法；
算法组合：通过将多个启发式算法组合起来，提高算法的性能；
局部搜索：当启发式算法陷入局部最优解时，在算法中加入局部搜索的策略，提高算法的全局搜索能力；
并行计算：通过并行计算，加快算法的运行速度，从而提高算法的性能；
混合优化：通过将启发式算法与其他优化方法结合起来，可以提高算法的性能。
作为本发明再进一步的方案：所述输入模块包括：
货物数据输入单元，用于输入货物的尺寸、重量、件数、是否卡板货、不可倒置、装载优先级；
集装器数据输入单元，用于输入板箱类型、板箱数量。
作为本发明再进一步的方案：所述输出模块包括：
组板结果输出单元，用于输出组板结果；
组板三维可视化展示结果输出单元，用于输出组板三维可视化展示结果；
货物组板方案拆解指导结果输出单元，用于输出货物组板方案拆解指导结果。
第三方面，本申请公开了一种电子设备，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序，以实现ULD智能打板方法。
第四方面，本申请公开了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现ULD智能打板方法。
与现有技术相比，本发明的有益效果是：
本发明能够通过输入货物和板箱的数据，交给计算机去处理复杂组装逻辑，并按平均毫秒级结果输出，快速给出计算结果，再通过可视化的三维图形精确显示每个货物所处的板箱位置，把板箱利用率最大化呈现，此外，智能打板算法可支持上千个货物总数的计算，避免了多货物情况下的人工盲区。
本发明的智能板箱装载算法提供在不同容器上摆放不同货物的启发求解方案，对提高工人堆放货物效率、容器空间利用率有较强积极作用。提供3D可视化结果页面、货物管理、方案建议等。对于“货运代理”、“快递公司”减少冗余板箱预订，针对收、开运单，板舱租用提供板箱、舱位预测，进而更加准确及有效的进行成本预测；对于“货站”：为货站提供装板装箱辅助决策功能，有效降低装箱人力的“经验”门槛，并提升装箱效率与容积率提高装箱工作效率，降低思考时间成本，去除反复装卸工作。
附图说明
图1为一种ULD智能打板方法的流程图；
图2为本申请的货物数据列表图；
图3为本申请的集装器数据列表图；
图4为本申请的三维可视化生成图中件数、重量、体积和货物类型列表图；
图5为本申请的三维可视化生成图中板箱的展示图；
图6为本申请的Q4板箱示意图；
图7为本申请的Q5板箱示意图；
图8为本申请的Q6板箱示意图；
图9为本申请的Q7板箱示意图；
图10为本申请的AKE板箱示意图；
图11为本申请的ALF板箱示意图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
请参阅图1，本申请实施例公开了种ULD智能打板方法，包括以下步骤：
步骤一：输入货物数据与集装器数据；步骤二：确定打板算法；步骤三：输出打板结果。能够通过输入货物和板箱的数据，交给计算机去处理复杂组装逻辑，并按平均毫秒级结果输出，快速给出计算结果。
在本实施例中：在所述步骤二中，确定打板算法的具体过程如下：(1)通过启发式深度优先搜索的方式进行货物选取与装箱；需要说明的是，该算法研究开发主要用于针对航空物流中的货邮装箱、装板任务中的最优装载需求，构建航空物流多类型物品三维异构现场组装问题分析和数学模型，求解在线码放算法，搭建算法测试实验平台并开展实验分析。技术方法主要通过启发式深度优先搜索的方式进行货物选取与装箱，该算法利用问题的启发信息(所求解问题相关的辅助信息)引导搜索过程，来减少搜索范围，降低问题复杂度。将节点表按照距目标的距离进行排序，再以节点的估计距离为标准选择待扩展节点。启发式深度优先搜索是一种结合了深度优先搜索和启发式搜索的算法。在搜索过程中，启发式深度优先搜索利用启发式函数来引导搜索方向，以尽可能快地找到目标状态，基于深度优先搜索的思想，即从起始状态开始，不断往深处搜索，直到找到目标状态或者无法再往下搜索为止。常见的启发式算法包括遗传算法、模拟退火算法、禁忌搜索算法、人工神经网络等。这些算法都是基于一定的启发式策略，通过不断的迭代和优化，逐步接近最优解。启发式算法在实际应用中具有广泛的应用价值，如在物流、交通、生产调度等领域中，可以帮助优化系统性能，提高工作效率；(2)进行算法调优，其中，算法调优具体包括：参数调节：通过调整算法的参数，改变算法的行为，从而提高算法的性能，例如，对于遗传算法，可以调节种群大小、交叉率、变异率等参数；问题建模：对于不同的问题，需要采用不同的启发式算法，因此，在选择算法时，需要先对问题进行建模，选择最适合问题特点的算法；算法组合：通过将多个启发式算法组合起来，提高算法的性能，例如，可以采用遗传算法和模拟退火算法相结合的方式来解决某些问题；局部搜索：当启发式算法陷入局部最优解时，在算法中加入局部搜索的策略，提高算法的全局搜索能力；并行计算：通过并行计算，加快算法的运行速度，从而提高算法的性能，例如，可以采用多线程或GPU加速的方式来加速算法的运行；混合优化：通过将启发式算法与其他优化方法结合起来，可以提高算法的性能，例如，可以将遗传算法与线性规划相结合，以获得更好的优化结果。
在本实施例中：在所述步骤一中，货物数据包括尺寸、重量、件数、是否卡板货、不可倒置、装载优先级，用户通过输入货物长、宽、高、重量、数量、类型颜色区分选择、货物是否旋转、是否卡板货等数据后，点击添加按钮，添加一条条货物数据，形成图2所示的货物数据列表；集装器数据包括板箱类型、板箱数量，用户通过选择集装器的种类和对应数量，点击添加集装(板/箱)按钮，添加一条条集装器数据，形成图3所示集装器数据列表。
在本实施例中：在所述步骤三中，打板结果包括组板结果、组板三维可视化展示结果以及货物组板方案拆解指导结果。
本申请公开了一种ULD智能打板系统，包括：输入模块，用于输入输入货物数据与集装器数据；计算模块，用于确定打板算法；输出模块，用于输出打板结果。
在本实施例中：所述计算模块包括：启发式深度优先搜索单元，用于通过启发式深度优先搜索的方式进行货物选取与装箱；算法调优单元，用于对算法进行调优，其中，算法调优具体包括：参数调节：通过调整算法的参数，改变算法的行为，从而提高算法的性能；问题建模：对于不同的问题，需要采用不同的启发式算法，因此，在选择算法时，需要先对问题进行建模，选择最适合问题特点的算法；算法组合：通过将多个启发式算法组合起来，提高算法的性能；局部搜索：当启发式算法陷入局部最优解时，在算法中加入局部搜索的策略，提高算法的全局搜索能力；并行计算：通过并行计算，加快算法的运行速度，从而提高算法的性能；混合优化：通过将启发式算法与其他优化方法结合起来，可以提高算法的性能。
在本实施例中：所述输入模块包括：货物数据输入单元，用于输入货物的尺寸、重量、件数、是否卡板货、不可倒置、装载优先级；集装器数据输入单元，用于输入板箱类型、板箱数量。
在本实施例中：所述输出模块包括：
组板结果输出单元，用于输出组板结果，组板结果包括组板数量、剩余货物数量，用户点击生成按钮，一键生成对应数据下的组板结果，包含：集装器列表、剩余货物信息；
组板三维可视化展示结果输出单元，用于输出组板三维可视化展示结果，用户点击预览按钮对每个板箱的打板结果进行查看，三维可视化生成图包括：件数、重量、体积和货物类型的展现，如下图4、图5所示，三维建模通过Three.js三维模型库搭建，包括：板箱、货物搭建。货物是通过获取立方体一个平面的四个点(x,y)坐标以及纵向的深度搭建出模型；板箱是通过获取多边体的一个平面N个点(x,y)坐标以及纵向深度搭建出模型。
货物组板方案拆解指导结果输出单元，用于输出货物组板方案拆解指导结果，如图5所示，点击三维图中的货物种类图例对当前选中货物显示/隐藏，拆解组板指导。
本申请还公开了一种电子设备，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序，以实现ULD智能打板方法。
本申请还公开了一种计算机可读存储介质，用于保存计算机程序，所述计算机程序被处理器执行时实现ULD智能打板方法，关于上述ULD智能打板方法的具体过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
本发明在使用时用户通过导入Excel或手动添加数据的形式，使数据进入服务器中，再通过算法的计算，互联网的传输，最终显示在浏览器中。用户生成的每个方案形成方案列表，由数据库保存数据，浏览器查看方案列表，并可通过生成二维码来进行该方案的分享。
其中，含货运打板特定规则的打板算法具体为：
算法以重不压轻、大不压小、优先货品、板箱限重、是否为卡板货这些特定的货运规则为前提，再基于启发式深度优先搜索方法来实现。
关于重不压轻规则如下：按公式N不能被(N+100KG以上)的货物压，比如有件50KG的货物，那就是不能被超过(50+100)150KG以上的货物压，50公斤以下的货物不用考虑重不压轻，可以互相调整打板，且单件500KG以上的货物都不考虑互压。
关于优先货物的规则如下：每种货物可对应选择其优先级，从高到低分为1-9，优先级高的要尽可能装箱。
关于板箱限重的规则如下：ALF版型限重3175kg；AKE版型限重1588kg；Q6版型限重：6804kg。不同板箱有不同限重可定制处理。
关于卡板货的规则如下：卡板货不可放置在不带卡板的货物上方，但卡板货之间满足重不压轻及大不压小原则就可以堆叠。
多种板箱三维搭建的具体过程为：
板箱类型可扩展上百种特异箱体(板箱)及内部结构支持，主要包括：Q4、Q5、Q6、Q7、AKE、ALF板箱，分别对应示例图如图6至图11。Q4、Q5、Q6、Q7、AKE、ALF为板箱的型号名称。
采用Three.js三维模型库建模，并通过Web和移动端网页形式呈现，如图5呈现。
本发明能够通过输入货物和板箱的数据，交给计算机去处理复杂组装逻辑，并按平均毫秒级结果输出，快速给出计算结果，再通过可视化的三维图形精确显示每个货物所处的板箱位置，把板箱利用率最大化呈现，此外，智能打板算法可支持上千个货物总数的计算，避免了多货物情况下的人工盲区。还有，智能板箱装载算法提供在不同容器上摆放不同货物的启发求解方案，对提高工人堆放货物效率、容器空间利用率有较强积极作用。提供3D可视化结果页面、货物管理、方案建议等。对于“货运代理”、“快递公司”减少冗余板箱预订，针对收、开运单，板舱租用提供板箱、舱位预测，进而更加准确及有效的进行成本预测；对于“货站”：为货站提供装板装箱辅助决策功能，有效降低装箱人力的“经验”门槛，并提升装箱效率与容积率提高装箱工作效率，降低思考时间成本，去除反复装卸工作。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
以上所述的，仅为本发明较佳的具体实施方式，但本发明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发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种ULD智能打板方法，其特征在于，包括以下步骤：
步骤一：输入货物数据与集装器数据；
步骤二：确定打板算法；
步骤三：输出打板结果。
2.根据权利要求1所述的一种ULD智能打板方法，其特征在于，在所述步骤二中，确定打板算法的具体过程如下：
通过启发式深度优先搜索的方式进行货物选取与装箱；
进行算法调优，其中，算法调优具体包括：
参数调节：通过调整算法的参数，改变算法的行为，从而提高算法的性能；
问题建模：对于不同的问题，需要采用不同的启发式算法，因此，在选择算法时，需要先对问题进行建模，选择最适合问题特点的算法；
算法组合：通过将多个启发式算法组合起来，提高算法的性能；
局部搜索：当启发式算法陷入局部最优解时，在算法中加入局部搜索的策略，提高算法的全局搜索能力；
并行计算：通过并行计算，加快算法的运行速度，从而提高算法的性能；
混合优化：通过将启发式算法与其他优化方法结合起来，可以提高算法的性能。
3.根据权利要求1所述的一种ULD智能打板方法，其特征在于，在所述步骤一中，货物数据包括尺寸、重量、件数、是否卡板货、不可倒置、装载优先级；集装器数据包括板箱类型、板箱数量。
4.根据权利要求1所述的一种ULD智能打板方法，其特征在于，在所述步骤三中，打板结果包括组板结果、组板三维可视化展示结果以及货物组板方案拆解指导结果。
5.一种ULD智能打板系统，其特征在于，包括：
输入模块，用于输入输入货物数据与集装器数据；
计算模块，用于确定打板算法；
输出模块，用于输出打板结果。
6.根据权利要求5所述的一种ULD智能打板系统，其特征在于，所述计算模块包括：
启发式深度优先搜索单元，用于通过启发式深度优先搜索的方式进行货物选取与装箱；
算法调优单元，用于对算法进行调优，其中，算法调优具体包括：
参数调节：通过调整算法的参数，改变算法的行为，从而提高算法的性能；
问题建模：对于不同的问题，需要采用不同的启发式算法，因此，在选择算法时，需要先对问题进行建模，选择最适合问题特点的算法；
算法组合：通过将多个启发式算法组合起来，提高算法的性能；
局部搜索：当启发式算法陷入局部最优解时，在算法中加入局部搜索的策略，提高算法的全局搜索能力；
并行计算：通过并行计算，加快算法的运行速度，从而提高算法的性能；
混合优化：通过将启发式算法与其他优化方法结合起来，可以提高算法的性能。
7.根据权利要求5所述的一种ULD智能打板系统，其特征在于，所述输入模块包括：
货物数据输入单元，用于输入货物的尺寸、重量、件数、是否卡板货、不可倒置、装载优先级；
集装器数据输入单元，用于输入板箱类型、板箱数量。
8.根据权利要求5所述的一种ULD智能打板系统，其特征在于，所述输出模块包括：
组板结果输出单元，用于输出组板结果；
组板三维可视化展示结果输出单元，用于输出组板三维可视化展示结果；
货物组板方案拆解指导结果输出单元，用于输出货物组板方案拆解指导结果。
9.一种电子设备，其特征在于，包括：
存储器，用于保存计算机程序；
处理器，用于执行所述计算机程序，以实现如权利要求1至4任一项所述的ULD智能打板方法。
10.一种计算机可读存储介质，其特征在于，用于保存计算机程序，所述计算机程序被处理器执行时实现如权利要求1至4任一项所述的ULD智能打板方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310807013.9A CN116681367A (zh) | 2023-07-04 | 2023-07-04 | 一种uld智能打板方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310807013.9A CN116681367A (zh) | 2023-07-04 | 2023-07-04 | 一种uld智能打板方法、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116681367A true CN116681367A (zh) | 2023-09-01 |
Family
ID=87790985
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310807013.9A Pending CN116681367A (zh) | 2023-07-04 | 2023-07-04 | 一种uld智能打板方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116681367A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117436779A (zh) * | 2023-12-20 | 2024-01-23 | 四川丝路易购科技有限公司 | 一种包裹自动测量打板方法 |
-
2023
- 2023-07-04 CN CN202310807013.9A patent/CN116681367A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117436779A (zh) * | 2023-12-20 | 2024-01-23 | 四川丝路易购科技有限公司 | 一种包裹自动测量打板方法 |
| CN117436779B (zh) * | 2023-12-20 | 2024-03-22 | 四川丝路易购科技有限公司 | 一种包裹自动测量打板方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hegazy et al. | EvoSite: Evolution-based model for site layout planning | |
| Gilmore et al. | Multistage cutting stock problems of two and more dimensions | |
| Shima et al. | UAV cooperative multiple task assignments using genetic algorithms | |
| Baldi et al. | The three-dimensional knapsack problem with balancing constraints | |
| CN116681367A (zh) | 一种uld智能打板方法、系统、设备及介质 | |
| Sui et al. | ACO+ PSO+ A*: A bi-layer hybrid algorithm for multi-task path planning of an AUV | |
| CN105701273A (zh) | 一种基于主体的组件化物流系统仿真计算方法 | |
| Rozhnov et al. | Investigation of the joint semantic environment for heterogeneous robotics | |
| Periaux et al. | Evolutionary optimization and game strategies for advanced multi-disciplinary design: applications to aeronautics and UAV design | |
| Dachowicz et al. | Mission engineering and design using real-time strategy games: An explainable AI approach | |
| Kim et al. | Ant colony optimisation with random selection for block transportation scheduling with heterogeneous transporters in a shipyard | |
| Qin et al. | Warehouse optimization model based on genetic algorithm | |
| Persson | A systematic literature review on drones’ application in last-mile delivery. | |
| Kovač et al. | Variable neighborhood search methods for the dynamic minimum cost hybrid berth allocation problem | |
| Matyi et al. | Application of Digital Twin technology in the development of logistics process | |
| Su et al. | A hybrid chemical reaction optimisation algorithm for solving 3D packing problem | |
| Qian et al. | Expert-guided evolutionary algorithm for layout design of complex space stations | |
| Ustundag et al. | Advances in virtual factory research and applications | |
| KR102439584B1 (ko) | 다중 자율 로봇의 작업 계획 관리 장치 및 방법 | |
| Akram et al. | Improved technology impact modeling through technology synergy matrices | |
| Ceylan et al. | A new approach to simulation modeling of unit-load warehouses | |
| Chen et al. | Block workshop spatial scheduling based on cellular automata modelling and optimization | |
| Marques Jr et al. | A two-phase multi-objective metaheuristic for a green UAV grid routing problem | |
| CN117236821B (zh) | 一种基于层次强化学习的在线三维装箱方法 | |
| Higgins et al. | Deterministic simulation and graphical representation of powered material handling vehicle movements to enhance pedestrian safety at the Ford Motor company |
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 |