CN116681381B - 一种物资仓储调整方法、装置、设备和可读存储介质 - Google Patents

一种物资仓储调整方法、装置、设备和可读存储介质 Download PDF

Info

Publication number
CN116681381B
CN116681381B CN202310945775.5A CN202310945775A CN116681381B CN 116681381 B CN116681381 B CN 116681381B CN 202310945775 A CN202310945775 A CN 202310945775A CN 116681381 B CN116681381 B CN 116681381B
Authority
CN
China
Prior art keywords
warehouse
objective function
adjustment
storage
calculation 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
CN202310945775.5A
Other languages
English (en)
Other versions
CN116681381A (zh
Inventor
梁远星
马仲能
李春晖
吴志刚
韩卫民
刘军
马志刚
谭韵
黄林泽
周松涛
梁展鸿
叶润森
赖莉敏
高子弋
望明明
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.)
Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangzhou Power Supply Bureau of Guangdong Power Grid 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 Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangzhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202310945775.5A priority Critical patent/CN116681381B/zh
Publication of CN116681381A publication Critical patent/CN116681381A/zh
Application granted granted Critical
Publication of CN116681381B publication Critical patent/CN116681381B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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"
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)

Abstract

本申请公开了一种物资仓储调整方法、装置、设备和可读存储介质，方法包括：根据获取的仓储基础参数和仓储经验参数，建立库房关联系数评价矩阵；将当前仓储的各类物资分布情况输入预置的物资集中度计算模型，结合库房关联系数评价矩阵，得到物资集中度计算模型输出的与物资分布集中度对应的第一目标函数；将当前仓储的各类物资分布情况输入预置的移库代价量化计算模型，得到移库代价量化计算模型输出的物资移库成本对应的第二目标函数；基于第一目标函数和第二目标函数，赋予预设的权重得到联合优化函数，形成物资仓储调整方案。本申请以物资集中度和移库成本进行联合调整，实现物资有效放置，同时提升出入库效率，提高作业便捷程度。

Description

一种物资仓储调整方法、装置、设备和可读存储介质
技术领域
本申请涉及物资仓储，更具体地说，涉及一种物资仓储调整方法、装置、设备和可读存储介质。
背景技术
电力仓储的优化利用与快消品等其它物流企业仓储相比有比较明显的差别，主要体现在：
第一、物资体积和重量差异大，部分线缆和设备的进出库需要用到专用移动设备。因此不同品类物资的储位安排需要考虑更多的约束条件。
第二、物资进出库时间和数量具有很大的分散性。不同时间段，库容紧张和空闲、物资冗余和短缺交替出现，需要不定期的进行储位优化管理。
第三、仓库不同库房之间差别较大，有露天型、货架型、室内开阔型、立式仓库等多种类型，需要考虑不同类型物资与仓库的多重匹配关系。
而目前电力仓库的管理普遍比较粗放，经常出现库内物资冗余、库容短期紧张、库存资源利用率偏低等现象，缺乏结合实际需求且对电力仓储针对性强的库容资源优化调度，形成一个操作性强、实用化的物资仓储方案。
发明内容
有鉴于此，本申请提供了一种物资仓储调整方法、装置、设备和可读存储介质，以物资集中度和移库成本为优化目标进行联合调整，得到符合当前仓储情况的物资仓储调整方案，实现物资在库容紧张情况下的有效放置，同时提升出入库效率，提高作业便捷程度。
一种物资仓储调整方法，包括：
根据获取的仓储基础参数和仓储经验参数，建立库房关联系数评价矩阵；
将当前仓储的各类物资分布情况输入预置的物资集中度计算模型，结合所述库房关联系数评价矩阵，得到所述物资集中度计算模型输出的与物资分布集中度对应的第一目标函数；
将当前仓储的各类物资分布情况输入预置的移库代价量化计算模型，得到所述移库代价量化计算模型输出的物资移库成本对应的第二目标函数；
基于所述第一目标函数和所述第二目标函数，赋予预设的权重得到联合优化函数，形成物资仓储调整方案。
优选的，根据获取的仓储基础参数和仓储经验参数，建立库房关联系数评价矩阵，包括：
根据获取的仓储基础参数和仓储经验参数，建立库房距离矩阵和库房物资类别匹配数矩阵；
将所述库房距离矩阵和所述库房物资类别匹配数矩阵的加权和确定为所述库房关联系数评价矩阵。
优选的，所述库房关联系数评价矩阵的计算公式为：
；
；
其中，为库房物资类别匹配数矩阵；/>为库房距离矩阵；/>和/>为权重系数。
优选的，所述第一目标函数为：
；
其中，为第一目标函数；/>为仓储的物资类别总数；/>为物资i的集中度系数；/>为物资i在调整后选择的库房集合；/>为库房a以及库房b之间的关联系数；/>为第i类物资的数量离散系数；/>、/>和/>均为权重系数。
优选的，所述数量离散系数的计算公式为：
；
其中，为第i类物资的数量离散系数；/>为调整后第i类物资的数量标准差；/>为调整后第i类物资的数量平均数；/>为调整后第i类物资在第y个库房占据的货位数；/>为物资i在调整后的货位平均数；/>为物资i在调整后的货位总数；/>为物资i在调整后选择的库房集合；/>为物资i在调整后选择放置的库房总数。
优选的，所述第二目标函数为：
；
其中，为第二目标函数；M为仓储的物资类别总数；/>为物资i在调整后选择的库房集合；/>为物资i在各库房的储位占用数量；/>为物资i移至库房z的货位数，/>；/>为物资i的移动难度系数；/>为物资i从库房x移至库房z的距离，库房x为移动前物资i的原库房，库房z为物资i最终选择移库库房。
优选的，所述联合优化函数为：
；
；
其中，为联合优化函数；/>为第一目标函数和/>为第二目标函数；/>为赋予的预设的权重。
一种物资仓储调整装置，包括：
关联系数单元，用于根据获取的仓储基础参数和仓储经验参数，建立库房关联系数评价矩阵；
物资分布单元，用于将当前仓储的各类物资分布情况输入预置的物资集中度计算模型，结合所述库房关联系数评价矩阵，得到所述物资集中度计算模型输出的与物资分布集中度对应的第一目标函数；
物资移库单元，用于将当前仓储的各类物资分布情况输入预置的移库代价量化计算模型，得到所述移库代价量化计算模型输出的物资移库成本对应的第二目标函数；
联合调整单元，用于基于所述第一目标函数和所述第二目标函数，赋予预设的权重得到联合优化函数，形成物资仓储调整方案。
一种物资仓储调整设备，包括存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如上述任一项所述的物资仓储调整方法的各个步骤。
一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如上述的任一项所述的物资仓储调整方法的各个步骤。
从上述的技术方案可以看出，本申请实施例提供的一种物资仓储调整方法、装置、设备和可读存储介质，首先根据获取的仓储基础参数和仓储经验参数，建立库房关联系数评价矩阵，库房关联系数评价矩阵可直观的量化库房之间以及不同类型物资与库房的多重匹配关系。之后将当前仓储的各类物资分布情况输入预置的物资集中度计算模型，结合所述库房关联系数评价矩阵，得到所述物资集中度计算模型输出的与物资分布集中度对应的第一目标函数。以及将当前仓储的各类物资分布情况输入预置的移库代价量化计算模型，得到所述移库代价量化计算模型输出的物资移库成本对应的第二目标函数。由于物资集中度计算模型和物资集中度计算模型是分别用于评估物资集中度和移库成本的，因此基于所述第一目标函数和所述第二目标函数为优化目标进行联合调整，赋予预设的权重得到联合优化函数，形成物资仓储调整方案。
本申请提出了一种考虑物资集中度和移库成本的，用于对电力物资多库房储位优化调度的物资仓储调整方案。针对仓库中出现的库容紧张情况，根据仓库中各库房的距离和存放的物资类别数，提出了库房关联系数评价矩阵。同时，在物资存放在对应匹配库房的约束下，提出了移库代价和物资集中度两个优化目标的量化评价模型，形成符合当前仓储情况，且操作性强、实用化的物资仓储调整方案，实现物资在库容紧张情况下的有效放置，同时提升出入库效率，提高作业便捷程度。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术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申请的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本申请实施例公开的一种物资仓储调整方法的流程图；
图2为本申请实施例公开的一种调整前各类物资分布情况矩阵NQ的示意图；
图3为本申请实施例公开的一种库房关联系数评价矩阵的生成过程的示意图；
图4为本申请实施例公开的一种物资仓储调整装置的结构框图；
图5为本申请实施例公开的一种物资仓储调整设备的硬件结构框图。
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清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请可用于众多通用或专用的计算装置环境或配置中。例如：个人计算机、服务器计算机、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。
本申请实施例提供一种物资仓储调整方法，该方法可以应用于各种仓储调度或管理平台中，亦可以应用在各种计算机终端或是智能终端中，其执行主体可以为计算机终端或是智能终端的处理器或服务器。
图1为本申请实施例公开的一种物资仓储调整方法的流程图，如图1所示，该方法可以包括：
步骤S1、根据获取的仓储基础参数和仓储经验参数，建立库房关联系数评价矩阵。
具体的，考虑到电力仓储中对不同电压等级、单位体积和重量的线缆和设备对库房结构和位置的不同要求，对此通过构建库房关联系数评价矩阵，以直观的量化度量库房之间，以及不同类型物资与库房的多重匹配关系，库房关联系数评价矩阵可基于获取的仓储基础参数和仓储经验参数建立。
在介绍库房关联系数评价矩阵的具体建立方式之前，首先需要对仓储基础参数和仓储经验参数进行介绍。
仓储基础参数可以包括：仓储的物资类别总数M，仓库的库房集合T，库房数量K，任意两库房（库房a和库房b）建筑之间的距离，每个库房a实际可用货位数/>，以及调整前各类物资分布情况矩阵NQ。
其中，调整前各类物资分布情况矩阵NQ其元素表示调整前第i类物资在第x个库房占据的货位数。例如，元素（2,3）表示仓库中第二类物资在第三个库房占据的库位数。根据NQ可以统计出每种物资类型i在各库房的储位占用数量，记为向量/>，任意两个库房a,b间相同物资类别数/>以及库房a放置的物资类别数/>。
仓储经验参数可以包括：任意物资i的移动难度系数，需综合考虑搬运该类物资的耗时、所需器械、人力等，结合专家经验给定，取值范围为(0，1]。仓库中每类物资i可匹配的库房集合/>，结合专家经验，根据库房类型、空间、移动专用设备需要的行吊等设备的配合关系等给定。
根据获取的仓储基础参数和仓储经验参数，建立库房关联系数评价矩阵的过程具体可以包括：
①根据获取的仓储基础参数和仓储经验参数，建立库房距离矩阵和库房物资类别匹配数矩阵。
具体的，结合获取的仓储基础参数和仓储经验参数，可以分别建立库房距离矩阵和库房物资类别匹配数矩阵。
库房距离矩阵L
记电力仓库的库房总数为K，则库房距离矩阵L为K*K方阵，其元素定义如下，式中/>为库房a到库房b的距离为：
；
库房物资类别匹配数矩阵
记电力仓库的库房总数为K，则库房物资类别匹配数矩阵为K*K方阵，其元素/>定义如下，式中/>为库房a与库房b间包含相同物资类别数，可用于衡量两库房物资的相似程度，/>为库房a的物资类别数：
；
②将所述库房距离矩阵和所述库房物资类别匹配数矩阵的加权和确定为所述库房关联系数评价矩阵。
具体的，库房关联系数评价矩阵G存放的元素是关联系数，/>计算公式如下所示：
；
；
其中，和/>分别为库房距离矩阵L和库房物资类别匹配数矩阵/>中的元素。关联系数越大表示在两库房之间的联系越多、存放物资的相似度越高。
综上得到所述库房关联系数评价矩阵的计算公式为：
；
；
其中，为库房物资类别匹配数矩阵；/>为库房距离矩阵；/>和/>为权重系数。
步骤S2、将当前仓储的各类物资分布情况输入预置的物资集中度计算模型，结合所述库房关联系数评价矩阵，得到所述物资集中度计算模型输出的与物资分布集中度对应的第一目标函数。
具体的，在得到所述物资集中度计算模型输出的与物资分布集中度对应的第一目标函数，以及移库代价量化计算模型输出的物资移库成本对应的第二目标函数的过程中，还需要结合优化变量。
优化变量可以包括：调整后各类物资分布情况矩阵NH，其元素表示调整后第i类物资在第y个库房占据的货位数。例如，元素（2,3）表示调整后仓库中第二类物资在第三个库房占据的库位数。根据NH可以统计出调整后每一类物资i在原库房x中减少的货位总数以及物资i移至目标库房z的货位数/>。
其中，调整后每一类物资i在原库房x中减少的货位总数的计算公式为：
；
在库容紧张情况对物资存放位置进行调整时，服从同一类物资尽量避免少数、单个地分散在各个库房，需集中放置在一个区域内的原则，这个区域可以指一个库房或者几个相邻的库房。于是，面对不同库容紧张情况，在物资存放在匹配库房的约束下，提出了物资集中度计算模型，通过该模型得到物资放置在各库房的分布方案。
所述第一目标函数衡量库房中各类物资放置的集中程度，以最大化为目标，第一目标函数的值越大，各类物资放置越集中，出入库越方便。
所述第一目标函数为：
；
其中，为仓储的物资类别总数；/>为物资i的集中度系数；/>为物资i在调整后选择的库房集合；/>为库房a以及库房b之间的关联系数；/>为物资i的数量离散系数；/>、/>和/>均为权重系数。
对于物资i的集中度系数，集中度系数值越小，物资集中程度越低，其计算公式为：
；
其中，r为常数，为物资i在调整后选择放置的库房总数。
对于库房a以及库房b之间的关联系数，其取值可在库房关联系数评价矩阵G中获取。
对于物资i的数量离散系数，其计算公式为：
；
其中，为第i类物资的数量离散系数；/>为调整后第i类物资的数量标准差；/>为调整后第i类物资的数量平均数；/>为调整后第i类物资在第y个库房占据的货位数；/>为物资i在调整后的货位平均数；/>为物资i在调整后的货位总数；/>为物资i在调整后选择的库房集合；/>为物资i在调整后选择放置的库房总数。
权重系数、/>和/>为衡量三个要素影响的权重系数，其满足以下条件：
；
步骤S3、将当前仓储的各类物资分布情况输入预置的移库代价量化计算模型，得到所述移库代价量化计算模型输出的物资移库成本对应的第二目标函数。
具体的，库房储位的优化安排会带来额外的物资移库作业和工作量，尤其是体积和重量较大的电力物资。当原库房后减少该物资可放置的货位时，需将原货位放置的物资移动至调整后的库房，为使物资移库操作方便程度最高，以移库代价最小构建移库代价量化计算模型，所述第二目标函数的值越大，说明物资移库操作方便程度越高。
所述第二目标函数为：
；
；
其中，M为仓储的物资类别总数；为物资i在调整后选择的库房集合；/>为物资i在各库房的储位占用数量；/>为物资i移至库房z的货位数，/>；/>为物资i的移动难度系数；/>为物资i从库房x移至库房z的距离，库房x为移动前物资i的原库房，库房z为物资i最终选择移库库房。
步骤S4、基于所述第一目标函数和所述第二目标函数，赋予预设的权重得到联合优化函数，形成物资仓储调整方案。
具体的，基于所述第一目标函数和所述第二目标函数，赋予预设的权重得到联合优化函数，并最终生成物资仓储调整方案，得到在不同库容紧张情况下调整后各物资库内的分布情况矩阵NH以及物资移动方案即调整后任意物资i减少的库位数，以及物资i移动前的原库房x以及物资i最终选择移库库房z，形成符合当前仓储情况，且操作性强、实用化的物资仓储调整方案，实现物资在库容紧张情况下的有效放置，同时提升出入库效率，提高作业便捷程度。
所述联合优化函数为：
；
；
；
其中，为第一目标函数和/>为第二目标函数；/>为赋予的预设的权重。
从上述的技术方案可以看出，本申请实施例提供的一种物资仓储调整方法、装置、设备和可读存储介质，首先根据获取的仓储基础参数和仓储经验参数，建立库房关联系数评价矩阵，库房关联系数评价矩阵可直观的量化库房之间以及不同类型物资与库房的多重匹配关系。之后将当前仓储的各类物资分布情况输入预置的物资集中度计算模型，结合所述库房关联系数评价矩阵，得到所述物资集中度计算模型输出的与物资分布集中度对应的第一目标函数。以及将当前仓储的各类物资分布情况输入预置的移库代价量化计算模型，得到所述移库代价量化计算模型输出的物资移库成本对应的第二目标函数。由于物资集中度计算模型和物资集中度计算模型是分别用于评估物资集中度和移库成本的，因此基于所述第一目标函数和所述第二目标函数为优化目标进行联合调整，赋予预设的权重得到联合优化函数，形成物资仓储调整方案。
本申请提出了一种考虑物资集中度和移库成本的，用于对电力物资多库房储位优化调度的物资仓储调整方案。针对仓库中出现的库容紧张情况，根据仓库中各库房的距离和存放的物资类别数，提出了库房关联系数评价矩阵。同时，在物资存放在对应匹配库房的约束下，提出了移库代价和物资集中度两个优化目标的量化评价模型，形成符合当前仓储情况，且操作性强、实用化的物资仓储调整方案，实现物资在库容紧张情况下的有效放置，同时提升出入库效率，提高作业便捷程度。
下面以一个实例对本申请进行说明。
本实例中电力仓库存放5类物资，分别记为W1-W5，以及有各类库房4座，分别记为K1-K4，且各库房可用货位数分别是：VK1=36个，VK2=42个，VK3=65个，VK4=25个。
已知与5类物资可匹配的库房集合分别为：
W1→K1、K3、K4
W2→K2、K4
W3→K1、K2、K3、K4
W4→K2、K3
W5→K3
已知模型中五类物资移动难度系数wi分别为0.8、0.5、0.8、0.6、0.5。根据预测，得到后续一个月内库容紧张时间段的五类物资所需占据货位数Pi分别为PW1=36个、PW2=17个、PW3=20个，PW4=30个，PW5=20个。调整前各类物资分布情况矩阵NQ如图2所示。图2中矩阵NQ的每一元素均为代表一个货位数，例如虚线框中元素q53表示物资W5在库K3占据的货位数为20。
库房关联系数评价矩阵的生成过程如图3所示，首先，根据当前库房状况和物资类别，分析得出库房物资类别匹配数矩阵U，以元素（1,3）为例，数字2表示K1与K3可放置两类相同物资。其次，生成库房距离矩阵L，同样以元素（1,3）为例，数字1/28表示K1与K3间距离28m的倒数。最后取权重系数为0.6，/>为0.4，库房距离矩阵L和库房物资类别匹配数矩阵U分别与/>、/>相乘求和得到最终的库房关联系数矩阵G。
对于本实例中的物资集中度计算模型，模型中常数r设置为4，，/>，/>取值分别为0.1，0.2，0.7。当每个物资对应的/>最大，那么每种物资/>相加得到的目标函数/>也最大，经过计算可以得到结果如表1所示。
基于表1所示结果得到的调整优化后各类物资分布情况矩阵NH，如图4所示。由表1可得，第一目标函数的值为6.0131，且出现了需要移动物资的情况，例如在当前时间K3中W3占据6个货位，但调整后的W3放置在K1、K2中，所以需将K4中的物资W3移至K1或K2。
表1物资放置方案表
根据第一目标函数得出的方案，物资的分布变化情况如表2所示，其中物资可选择放置的某仓库对应的可放数量需要减去当前时间放置在该仓库的物资数量。
表2物资分布变化表
对每类物资的移动情况依次求解，当每个物资对应的最大，那么每种物资/>相加得到的目标函数/>也最大，经过计算可以得到，移库结果如表3所示，目标函数/>的值为2607.3485。
表3物资移库结果表
下面对本申请实施例提供的物资仓储调整装置进行描述，下文描述的物资仓储调整装置与上文描述的物资仓储调整方法可相互对应参照。
参见图4，图4为本申请实施例公开的一种物资仓储调整装置的结构框图。
如图4所示，所述物资仓储调整装置可以包括：
关联系数单元110，用于根据获取的仓储基础参数和仓储经验参数，建立库房关联系数评价矩阵；
物资分布单元120，用于将当前仓储的各类物资分布情况输入预置的物资集中度计算模型，结合所述库房关联系数评价矩阵，得到所述物资集中度计算模型输出的与物资分布集中度对应的第一目标函数；
物资移库单元130，用于将当前仓储的各类物资分布情况输入预置的移库代价量化计算模型，得到所述移库代价量化计算模型输出的物资移库成本对应的第二目标函数；
联合调整单元140，用于基于所述第一目标函数和所述第二目标函数，赋予预设的权重得到联合优化函数，形成物资仓储调整方案。
从上述的技术方案可以看出，本申请实施例提供的一种物资仓储调整方法、装置、设备和可读存储介质，首先根据获取的仓储基础参数和仓储经验参数，建立库房关联系数评价矩阵，库房关联系数评价矩阵可直观的量化库房之间以及不同类型物资与库房的多重匹配关系。之后将当前仓储的各类物资分布情况输入预置的物资集中度计算模型，结合所述库房关联系数评价矩阵，得到所述物资集中度计算模型输出的与物资分布集中度对应的第一目标函数。以及将当前仓储的各类物资分布情况输入预置的移库代价量化计算模型，得到所述移库代价量化计算模型输出的物资移库成本对应的第二目标函数。由于物资集中度计算模型和物资集中度计算模型是分别用于评估物资集中度和移库成本的，因此基于所述第一目标函数和所述第二目标函数为优化目标进行联合调整，赋予预设的权重得到联合优化函数，形成物资仓储调整方案。
本申请提出了一种考虑物资集中度和移库成本的，用于对电力物资多库房储位优化调度的物资仓储调整方案。针对仓库中出现的库容紧张情况，根据仓库中各库房的距离和存放的物资类别数，提出了库房关联系数评价矩阵。同时，在物资存放在对应匹配库房的约束下，提出了移库代价和物资集中度两个优化目标的量化评价模型，形成符合当前仓储情况，且操作性强、实用化的物资仓储调整方案，实现物资在库容紧张情况下的有效放置，同时提升出入库效率，提高作业便捷程度。
可选的，所述关联系数单元，可以包括：
参数获取单元，用于根据获取的仓储基础参数和仓储经验参数，建立库房距离矩阵和库房物资类别匹配数矩阵；
矩阵确定单元，用于将所述库房距离矩阵和所述库房物资类别匹配数矩阵的加权和确定为所述库房关联系数评价矩阵。
可选的，所述库房关联系数评价矩阵的计算公式为：
；
；
其中，为库房物资类别匹配数矩阵；/>为库房距离矩阵；/>和/>为权重系数。
可选的，所述第一目标函数为：
；
其中，为仓储的物资类别总数；/>为物资i的集中度系数；/>为物资i在调整后选择的库房集合；/>为库房a以及库房b之间的关联系数；/>为第i类物资的数量离散系数；/>、/>和/>均为权重系数。
可选的，所述数量离散系数的计算公式为：
；
其中，为调整后第i类物资在第y个库房占据的货位数；/>为物资i在调整后选择的库房集合；/>为物资i在调整后选择放置的库房总数。
可选的，所述第二目标函数为：
；
其中，M为仓储的物资类别总数；为物资i在调整后选择的库房集合；/>为物资i在各库房的储位占用数量；/>为物资i移至库房z的货位数，/>；/>为物资i的移动难度系数；/>为物资i从库房x移至库房z的距离，库房x为移动前物资i的原库房，库房z为物资i最终选择移库库房。
可选的，所述联合优化函数为：
；
；
其中，为第一目标函数和/>为第二目标函数；/>为赋予的预设的权重。
本申请实施例提供的物资仓储调整装置可应用于物资仓储调整设备。图5示出了物资仓储调整设备的硬件结构框图，参照图5，物资仓储调整设备的硬件结构可以包括：至少一个处理器1，至少一个通信接口2，至少一个存储器3和至少一个通信总线4；
在本申请实施例中，处理器1、通信接口2、存储器3、通信总线4的数量为至少一个，且处理器1、通信接口2、存储器3通过通信总线4完成相互间的通信；
处理器1可能是一个中央处理器CPU，或者是特定集成电路ASIC（ApplicationSpecific Integrated Circuit），或者是被配置成实施本发明实施例的一个或多个集成电路等；
存储器3可能包含高速RAM存储器，也可能还包括非易失性存储器（non-volatilememory）等，例如至少一个磁盘存储器；
其中，存储器存储有程序，处理器可调用存储器存储的程序，所述程序用于：
根据获取的仓储基础参数和仓储经验参数，建立库房关联系数评价矩阵；
将当前仓储的各类物资分布情况输入预置的物资集中度计算模型，结合所述库房关联系数评价矩阵，得到所述物资集中度计算模型输出的与物资分布集中度对应的第一目标函数；
将当前仓储的各类物资分布情况输入预置的移库代价量化计算模型，得到所述移库代价量化计算模型输出的物资移库成本对应的第二目标函数；
基于所述第一目标函数和所述第二目标函数，赋予预设的权重得到联合优化函数，形成物资仓储调整方案。
可选地，所述程序的细化功能和扩展功能可参照上文描述。
本申请实施例还提供一种可读存储介质，该可读存储介质可存储有适于处理器执行的程序，所述程序用于：
根据获取的仓储基础参数和仓储经验参数，建立库房关联系数评价矩阵；
将当前仓储的各类物资分布情况输入预置的物资集中度计算模型，结合所述库房关联系数评价矩阵，得到所述物资集中度计算模型输出的与物资分布集中度对应的第一目标函数；
将当前仓储的各类物资分布情况输入预置的移库代价量化计算模型，得到所述移库代价量化计算模型输出的物资移库成本对应的第二目标函数；
基于所述第一目标函数和所述第二目标函数，赋予预设的权重得到联合优化函数，形成物资仓储调整方案。
可选地，所述程序的细化功能和扩展功能可参照上文描述。
最后，还需要说明的是，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。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种物资仓储调整方法，其特征在于，包括：
根据获取的仓储基础参数和仓储经验参数，建立库房关联系数评价矩阵，其中，所述仓储基础参数包括仓储的物资类别总数、仓库的库房集合、库房数量、任意两库房建筑之间的距离、每个库房实际可用货位数以及调整前各类物资分布情况矩阵，所述仓储经验参数包括任意物资的移动难度系数以及仓库中每类物资可匹配的库房集合；
将当前仓储的各类物资分布情况输入预置的物资集中度计算模型，结合所述库房关联系数评价矩阵，得到所述物资集中度计算模型输出的与物资分布集中度对应的第一目标函数；
将当前仓储的各类物资分布情况输入预置的移库代价量化计算模型，得到所述移库代价量化计算模型输出的物资移库成本对应的第二目标函数；
基于所述第一目标函数和所述第二目标函数，赋予预设的权重得到联合优化函数，形成物资仓储调整方案；
所述第一目标函数为：
；
其中，为第一目标函数；/>为仓储的物资类别总数；/>为物资i的集中度系数；/>为物资i在调整后选择的库房集合；/>为库房a以及库房b之间的关联系数；/>为第i类物资的数量离散系数；/>、/>和/>均为权重系数；
所述数量离散系数的计算公式为：
；
其中，为第i类物资的数量离散系数；/>为调整后第i类物资的数量标准差；/>为调整后第i类物资的数量平均数；/>为调整后第i类物资在第y个库房占据的货位数；/>为物资i在调整后的货位平均数；/>为物资i在调整后的货位总数；/>为物资i在调整后选择的库房集合；/>为物资i在调整后选择放置的库房总数；
所述第二目标函数为：
；
其中，为第二目标函数；/>为仓储的物资类别总数；/>为物资i在调整后选择的库房集合；/>为物资i在各库房的储位占用数量；/>为物资i移至库房z的货位数，/>；/>为物资i的移动难度系数；/>为物资i从库房x移至库房z的距离，库房x为移动前物资i的原库房，库房z为物资i最终选择移库库房；
所述联合优化函数为：
；
；
其中，为联合优化函数；/>为第一目标函数和/>为第二目标函数；/>为赋予的预设的权重。
2.根据权利要求1所述的方法，其特征在于，根据获取的仓储基础参数和仓储经验参数，建立库房关联系数评价矩阵，包括：
根据获取的仓储基础参数和仓储经验参数，建立库房距离矩阵和库房物资类别匹配数矩阵；
将所述库房距离矩阵和所述库房物资类别匹配数矩阵的加权和确定为所述库房关联系数评价矩阵。
3.根据权利要求2所述的方法，其特征在于，所述库房关联系数评价矩阵的计算公式为：
；
；
其中，为库房物资类别匹配数矩阵；/>为库房距离矩阵；/>和/>为权重系数。
4.一种物资仓储调整装置，其特征在于，包括：
关联系数单元，用于根据获取的仓储基础参数和仓储经验参数，建立库房关联系数评价矩阵，其中，所述仓储基础参数包括仓储的物资类别总数、仓库的库房集合、库房数量、任意两库房建筑之间的距离、每个库房实际可用货位数以及调整前各类物资分布情况矩阵，所述仓储经验参数包括任意物资的移动难度系数以及仓库中每类物资可匹配的库房集合；
物资分布单元，用于将当前仓储的各类物资分布情况输入预置的物资集中度计算模型，结合所述库房关联系数评价矩阵，得到所述物资集中度计算模型输出的与物资分布集中度对应的第一目标函数；
物资移库单元，用于将当前仓储的各类物资分布情况输入预置的移库代价量化计算模型，得到所述移库代价量化计算模型输出的物资移库成本对应的第二目标函数；
联合调整单元，用于基于所述第一目标函数和所述第二目标函数，赋予预设的权重得到联合优化函数，形成物资仓储调整方案；
所述第一目标函数为：
；
其中，为第一目标函数；/>为仓储的物资类别总数；/>为物资i的集中度系数；/>为物资i在调整后选择的库房集合；/>为库房a以及库房b之间的关联系数；/>为第i类物资的数量离散系数；/>、/>和/>均为权重系数；
所述数量离散系数的计算公式为：
；
其中，为第i类物资的数量离散系数；/>为调整后第i类物资的数量标准差；/>为调整后第i类物资的数量平均数；/>为调整后第i类物资在第y个库房占据的货位数；/>为物资i在调整后的货位平均数；/>为物资i在调整后的货位总数；/>为物资i在调整后选择的库房集合；/>为物资i在调整后选择放置的库房总数；
所述第二目标函数为：
；
其中，为第二目标函数；/>为仓储的物资类别总数；/>为物资i在调整后选择的库房集合；/>为物资i在各库房的储位占用数量；/>为物资i移至库房z的货位数，/>；/>为物资i的移动难度系数；/>为物资i从库房x移至库房z的距离，库房x为移动前物资i的原库房，库房z为物资i最终选择移库库房；
所述联合优化函数为：
；
；
其中，为联合优化函数；/>为第一目标函数和/>为第二目标函数；/>为赋予的预设的权重。
5.一种物资仓储调整设备，其特征在于，包括存储器和处理器；
所述存储器，用于存储程序；
所述处理器，用于执行所述程序，实现如权利要求1-3中任一项所述的物资仓储调整方法的各个步骤。
6.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1-3中任一项所述的物资仓储调整方法的各个步骤。
CN202310945775.5A 2023-07-31 2023-07-31 一种物资仓储调整方法、装置、设备和可读存储介质 Active CN116681381B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310945775.5A CN116681381B (zh) 2023-07-31 2023-07-31 一种物资仓储调整方法、装置、设备和可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310945775.5A CN116681381B (zh) 2023-07-31 2023-07-31 一种物资仓储调整方法、装置、设备和可读存储介质

Publications (2)

Publication Number Publication Date
CN116681381A CN116681381A (zh) 2023-09-01
CN116681381B true CN116681381B (zh) 2024-02-02

Family

ID=87785805

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310945775.5A Active CN116681381B (zh) 2023-07-31 2023-07-31 一种物资仓储调整方法、装置、设备和可读存储介质

Country Status (1)

Country Link
CN (1) CN116681381B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0867808A2 (en) * 1997-03-28 1998-09-30 IMEC vzw Method and apparatus for size optimisation of storage units
CN111382889A (zh) * 2018-12-27 2020-07-07 中国移动通信集团山西有限公司 仓储库位推荐方法、装置、设备及介质
CN112116135A (zh) * 2020-09-04 2020-12-22 上海汽车集团股份有限公司 一种仓储资源的规划方法及相关装置
CN112580852A (zh) * 2020-11-19 2021-03-30 江苏安方电力科技有限公司 一种面向电力物资的密集型自动化立体仓库货位优化方法
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
CN113516293A (zh) * 2021-05-25 2021-10-19 武汉禾青优化科技有限公司 一种考虑拣货距离与库位离散度的库位分配方法
CN113762563A (zh) * 2020-07-08 2021-12-07 山东财经大学 基于订单灰色关联分析的仓储货位优化布局方法及系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0867808A2 (en) * 1997-03-28 1998-09-30 IMEC vzw Method and apparatus for size optimisation of storage units
CN111382889A (zh) * 2018-12-27 2020-07-07 中国移动通信集团山西有限公司 仓储库位推荐方法、装置、设备及介质
CN113762563A (zh) * 2020-07-08 2021-12-07 山东财经大学 基于订单灰色关联分析的仓储货位优化布局方法及系统
CN112116135A (zh) * 2020-09-04 2020-12-22 上海汽车集团股份有限公司 一种仓储资源的规划方法及相关装置
CN112580852A (zh) * 2020-11-19 2021-03-30 江苏安方电力科技有限公司 一种面向电力物资的密集型自动化立体仓库货位优化方法
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
CN113516293A (zh) * 2021-05-25 2021-10-19 武汉禾青优化科技有限公司 一种考虑拣货距离与库位离散度的库位分配方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
遗传算法在箱装军用物资垛位优化中应用;贺鑫;马振书;李良春;葛强;杜峰坡;;科学技术与工程(01);第92-96页 *

Also Published As

Publication number Publication date
CN116681381A (zh) 2023-09-01

Similar Documents

Publication Publication Date Title
Mansouri et al. Hybrid task scheduling strategy for cloud computing by modified particle swarm optimization and fuzzy theory
Hamta et al. A hybrid PSO algorithm for a multi-objective assembly line balancing problem with flexible operation times, sequence-dependent setup times and learning effect
Jia et al. Ant colony optimization algorithm for scheduling jobs with fuzzy processing time on parallel batch machines with different capacities
Pickardt et al. Evolutionary generation of dispatching rule sets for complex dynamic scheduling problems
Abazari et al. Optimum loading of machines in a flexible manufacturing system using a mixed-integer linear mathematical programming model and genetic algorithm
Guo et al. Modeling and Pareto optimization of multi-objective order scheduling problems in production planning
CN108537600A (zh) 一种电力市场运行评价方法及计算设备
Manavizadeh et al. Mixed-model assembly line balancing in the make-to-order and stochastic environment using multi-objective evolutionary algorithms
CN107203492B (zh) 产品设计云服务平台模块化任务重组与分配优化方法
CN110135635B (zh) 一种区域电力饱和负荷预测方法及系统
He et al. Optimising the job-shop scheduling problem using a multi-objective Jaya algorithm
CN113837311B (zh) 一种基于需求响应数据的居民客户聚类方法及装置
Huang et al. A framework for scalable bilevel optimization: Identifying and utilizing the interactions between upper-level and lower-level variables
Wang et al. Using ordinal data to estimate cardinal values
Qian et al. A multi-objective evolutionary algorithm based on adaptive clustering for energy-aware batch scheduling problem
Torabi et al. A new optimization approach for nozzle selection and component allocation in multi-head beam-type SMD placement machines
CN112215512A (zh) 计及微电网功能特性的综合评价指标权重量化方法及系统
Benlic et al. A hybrid breakout local search and reinforcement learning approach to the vertex separator problem
CN113553160A (zh) 用于人工智能物联网的边缘计算节点任务调度方法及系统
CN114564312A (zh) 一种基于自适应深度神经网络的云边端协同计算方法
CN116681381B (zh) 一种物资仓储调整方法、装置、设备和可读存储介质
Khodadadi et al. Multi-objective Moth-Flame Optimization Algorithm for Engineering Problems
Liu et al. A prediction based iterative decomposition algorithm for scheduling large-scale job shops
Satman et al. JMcDM: A Julia package for multiple-criteria decision-making tools
CN107545323A (zh) 商品的物流配送方法、装置、设备及存储介质

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