CN117522235B - 码头发运智能调度方法、系统、电子设备及存储介质 - Google Patents
码头发运智能调度方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117522235B CN117522235B CN202410016415.1A CN202410016415A CN117522235B CN 117522235 B CN117522235 B CN 117522235B CN 202410016415 A CN202410016415 A CN 202410016415A CN 117522235 B CN117522235 B CN 117522235B
- Authority
- CN
- China
- Prior art keywords
- shipping
- warehouse
- ship
- berth
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims abstract description 58
- 230000036541 health Effects 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000013499 data model Methods 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012795 verification 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/08—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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种码头发运智能调度方法、系统、电子设备及存储介质,该方法包括:获取多个目标对象的基础数据,所述目标对象包括码头、工厂、仓库、泊位以及船舶;基于各所述目标对象的基础数据,建立各所述目标对象的对象模型;建立发运调度模型,所述发运调度模型的目标函数与发运效率、仓库的健康度以及船舶的负载健康度正相关;将各所述目标对象的对象模型输入所述发运调度模型进行处理,得到三维矩阵,所述三维矩阵包含不同仓库、泊位、船舶组合对应的发运数据;基于所述三维矩阵,生成与各所述仓库、泊位及船舶对应的目标发运计划表。本发明能够实现多船舶在多泊位上同时发运多仓库中动态增长的多种货物的高效调度。
Description
技术领域
本发明涉及码头船舶调度技术领域,尤其涉及一种码头发运智能调度方法、系统、电子设备及存储介质。
背景技术
码头为多种不同种类的、实时动态增长的货物安排发运计划,是一个非常复杂、多变量、多约束、并且解空间不连续的运筹优化问题。实时动态增长的货物是指仓库中的货物因工厂生产处于不断增长的状态,故需要及时安排发运计划从仓库运出,避免爆仓。该发运问题关系到多个仓库、多个泊位以及多艘船舶,且每艘船具有装载多种货物的需求,装载的速度与泊位的传送带的运输速度有关,多个仓库与多个泊位之间又存在着对应关系。
目前,针对动态增长货物的码头发运调度,分为人工调度和自动调度两种方式。其中,人工调度的方式依靠个人经验,由于该场景涉及到多种对象的调度,人工的方式费时费力并且发运效率普遍底下。
现有自动调度的方式通常依靠算法自动判断调度方案的优劣。针对多仓库、多泊位、多船舶并且带有多约束的调度问题,以及存在解空间不连续、存在多个复杂约束等问题,目前主要采用的基于启发式算法自动调度方式无法在有限时间内得到最优解。对于码头多变的环境,往往需要更新调度计划,多次重新求解。利用基于启发式算法的自动调度方式并不能满足该场景的实时性要求。
发明内容
针对上述现有技术的不足,本发明的目的在于提供一种码头发运智能调度方法、系统、电子设备及存储介质,以实现多船舶在多泊位上同时发运多仓库中动态增长的多种货物的高效调度。
为了实现上述目的,本发明采用以下技术方案:
第一方面,本发明提供一种码头发运智能调度方法,包括:
获取多个目标对象的基础数据,所述目标对象包括码头、工厂、仓库、泊位以及船舶;
基于各所述目标对象的基础数据,建立各所述目标对象的对象模型;
建立发运调度模型,所述发运调度模型的目标函数与发运效率、仓库的健康度以及船舶的负载健康度正相关;
将各所述目标对象的对象模型输入所述发运调度模型进行处理,得到三维矩阵,所述三维矩阵包含不同仓库、泊位、船舶组合对应的发运数据;
基于所述三维矩阵,生成与各所述仓库、泊位及船舶对应的目标发运计划表。
进一步地,所述码头的对象模型包括对码头相关的工厂、仓库以及泊位进行描述的数据模型;
所述工厂的对象模型包括对工厂相关的仓库以及泊位进行描述的数据模型;
所述仓库的对象模型包括对仓库的容量、仓库中货物的种类、仓库中货物的增长速度、仓库中货物的库存、仓库关联的泊位、仓库关联的码头进行描述的数据模型;
所述泊位的对象模型包括对泊位的空闲工作时间、泊位上传送带的信息以及泊位关联的仓库信息进行描述的数据模型;
所述船舶的对象模型包括对船舶每种货物的需求量、船舶关联的工厂进行描述的数据模型。
进一步地,所述基于所述三维矩阵,生成与各所仓库、泊位及船舶对应的目标发运计划表,包括:
从所述三维矩阵中筛选最大值;
当所述最大值大于预设阈值时,将所述最大值对应的仓库、泊位、船舶组合以及发运时间信息作为一条发运计划加入预设的初始发运计划表;
对所述最大值对应的仓库、泊位、船舶的对象模型进行更新;
将所述最大值更新为小于所述预设阈值的值,并返回从所述三维矩阵中筛选最大值的步骤,直至所述三维矩阵中的最大值不超过所述预设阈值;
基于所述初始发运计划表,生成与各所仓库、泊位及船舶对应的目标发运计划表。
进一步地,所述基于所述初始发运计划表,生成与各所仓库、泊位及船舶对应的目标发运计划表,包括:
将所述初始发运计划表中结束时间最早的发运计划作为目标发运计划,并将所述目标发运计划加入所述目标发运计划表;
从所述初始发运计划表中删除所述目标发运计划,并对所述最大值对应的仓库、泊位、船舶的对象模型进行更新后,返回将各所述目标对象的对象模型输入所述发运调度模型进行处理,得到三维矩阵的步骤,直至所述初始发运计划表中无发运计划。
进一步地,所述目标函数为;
其中,表示求最大值,/>表示发运效率、H表示仓库的健康度、L表示船舶的负载健康度,/>、/>、/>分别表示相应的权重系数。
进一步地,所述发运效率E通过下式计算:
其中,T表示发运所用的时长, C表示T时间内发运的货物量;
所述仓库的健康度H通过下式计算:
其中,s表示仓库在发运前的库存百分比容量,e表示仓库在单次发运后的库存百分比容量;
所述船舶的负载健康度通过下式计算:
其中,a表示船舶的实际装载量,n表示船舶的需求装载量。
进一步地,在基于各所述目标对象的基础数据,建立各所述目标对象的对象模型之前,所述方法还包括:
对各所述目标对象的基础数据进行预处理。
第二方面,本发明提供一种码头发运智能调度系统,包括:
数据获取模块,用于获取多个目标对象的基础数据,所述目标对象包括码头、工厂、仓库、泊位以及船舶;
对象模型建立模块,用于基于各所述目标对象的基础数据,建立各所述目标对象的对象模型;
调度模型建立模块,用于建立发运调度模型,所述发运调度模型的目标函数与发运效率、仓库的健康度以及船舶的负载健康度正相关;
矩阵获取模块,用于将各所述目标对象的对象模型输入所述发运调度模型进行处理,得到三维矩阵,所述三维矩阵包含不同仓库、泊位、船舶组合对应的发运数据;
计划生成模块,用于基于所述三维矩阵,生成与各所述仓库、泊位及船舶对应的目标发运计划表。
第三方面,本发明提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如前所述的码头发运智能调度方法的步骤。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如前所述的码头发运智能调度方法的步骤。
通过采用上述技术方案,本发明具有如下有益效果:
本发明通过获取码头发运相关对象的基础数据,建立对象模型以实时模拟发运过程中的相关场景以及相关对象的属性状态,并且基于发运效率、仓库健康度、船舶负载健康度等多个维度构建发运调度模型的目标函数,为仓库、泊位、船舶安排最佳发运计划,即指定船舶在指定时间到指定泊位装载指定仓库中指定货物。本发明能够解决多船舶在多泊位上同时发运多仓库中动态增长的多种货物的高效调度问题,实现了动态仓库的智能发运调度计划安排,具备快速响应的能力,实现准实时的发运调度应变策略,能有效提升码头发运效率。
附图说明
图1为本发明实施例1的码头发运智能调度方法的流程图;
图2为本发明实施例2的码头发运智能调度系统的系统框图;
图3为本发明实施例3的电子设备的硬件架构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。基于本发明中的实施例,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,都属于本发明保护的范围。
在本发明使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
实施例1
本实施例提供一种码头发运智能调度方法,如图1所示,该方法具体包括以下步骤:
S1,获取多个与码头发运调度相关的目标对象的基础数据,其中,目标对象包括码头、工厂、仓库、泊位以及船舶等。
本实施例具体可以通过POST接口方式获取码头、工厂、仓库、泊位以及船舶等对象的基础数据。
S2,基于各目标对象的基础数据,建立各目标对象的对象模型。
在本实施例中,通过建立码头、工厂、仓库、泊位以及船舶等对象的对象模型,以实时模拟发运过程中的相关业务场景以及相关对象的属性状态。具体地,对象模型中包含对象本身的基础属性以及对象关联的其他对象,并且还包括对象本身的基础操作数据。例如,仓库对象在指定时间内的货物增加操作,该操作根据货物增加的速度模型结合时间段通过积分操作计算出该货物在这段时间的变化量。
在一可实施的方式中,码头的对象模型包括对码头相关的工厂、仓库以及泊位进行描述的数据模型;工厂的对象模型包括对工厂相关的仓库以及泊位进行描述的数据模型;仓库的对象模型包括对仓库的容量、仓库中货物的种类、仓库中货物的增长速度、仓库中货物的库存、仓库关联的泊位、仓库关联的码头进行描述的数据模型;泊位的对象模型包括对泊位的空闲工作时间、泊位上传送带的信息以及泊位关联的仓库信息进行描述的数据模型;船舶的对象模型包括对船舶每种货物的需求量、船舶关联的工厂进行描述的数据模型。
优选地,本实施例在基于各目标对象的基础数据,建立各目标对象的对象模型之前,还包括对各目标对象的基础数据进行预处理。该预处理包括格式转换、数据的合理性校验、数据的清洗等处理。
S3,建立发运调度模型,发运调度模型的目标函数与发运效率、仓库的健康度以及船舶的负载健康度正相关。
具体地,发运调度模型联合发运效率、仓库健康度、船舶负载健康度三个维度构建以下目标函数:
其中,表示求最大值,/>表示发运效率、H表示仓库的健康度、L表示船舶的负载健康度;/>、/>、/>分别表示相应的权重系数,具体根据实际发运数据构建线性回归模型求得。
在本实施例中,发运效率E定义为单位时间内发运的货物量。影响发运效率的实际因素包括泊位传送带的速度、船舶装载量、货物切换次数。应理解,传送带速度越快、船舶装载量越大、货物切换次数越少,发运效率越高,发运效率E实际计算方式如下:
其中,T表示发运所用的时长, C表示T时间内发运的货物量。
在本实施例中,仓库健康度H与仓库的当前库存以及本次发运后的库存相关,具体通过下式计算:
其中,s表示仓库在发运前的库存百分比容量,e表示仓库在单次发运后的库存百分比容量。可见,当前库存越高并且与本次发运后的库存越低,本次发运的仓库健康度就会越高。
在本实施例中,船舶的负载健康度L通过下式计算:
其中,a表示船舶的实际装载量,n表示船舶的需求装载量。可见,实际装载量越接近与需求量,负载健康度L越高。
S4,将各目标对象的对象模型输入发运调度模型进行处理,得到三维(仓库、泊位、船舶)矩阵,该三维矩阵包含不同仓库、泊位、船舶组合对应的发运数据。
在本实施例中,码头包括多仓库、多泊位、多船舶,通过发运调度模型处理得到的三维矩阵中的每一个值对应于一个仓库、泊位、船舶组合(如第1个仓库、第1个泊位、第1个船舶为一个组合,第1个仓库、第1个泊位、第2个船舶为另一个组合)的发运数据。
S5,基于前述三维矩阵,生成与各仓库、泊位及船舶对应的目标发运计划表。
本步骤首先用于根据发运调度模型获取的不同时刻下的三维矩阵,选择最优发运计划;再依据计划的结束时间排序,持续更新仓库、泊位的工作状态,对空闲的仓库或者泊位制定新的发运调度计划,直到没有空闲仓库、泊位或者船舶可以使用。最后,通过接口的形式返回该计划。
具体地,本实施例中步骤S5的具体实现过程如下:
S51,从前述三维矩阵中筛选最大值。
如前所述,三维矩阵中的每一个值对应于一个仓库、泊位、船舶组合的发运数据,本步骤从三维矩阵中筛选出最大值作为最优值。
S52,当筛选出的最大值大于预设阈值时,将最大值对应的仓库、泊位、船舶组合以及发运时间信息作为一条发运计划加入预设的初始发运计划表。
具体地,本实施例在筛选出最大值后,进一步计算对应的发运时间信息,该发运时间信息包括发运的起始时间及结束时间。而后,将该最大值对应的仓库、泊位、船舶组合以及发运时间信息作为一条发运计划加入初始发运计划表。
本实施例设置预设阈值是为了保证发运数据满足一定发运条件才制定发运计划。
S53,对筛选出的最大值对应的仓库、泊位、船舶的对象模型进行更新。
具体地,本步骤对该最大值对应的仓库、泊位、船舶的对象模型中的属性信息进行更新,包括将相应仓库、泊位、船舶的状态从初始的待调度状态更新为工作状态。当更新为工作状态后,后续计算三维矩阵时,矩阵中与相应仓库、泊位、船舶相关的发运数据必定小于预设阈值,以保证相应仓库、泊位、船舶在工作状态时不会再对其制定发运计划。
S54,将最大值更新为小于预设阈值的值,并返回从三维矩阵中筛选最大值的步骤,直至三维矩阵中的最大值不超过预设阈值。
本步骤将三维矩阵中的前述最大值更新为小于预设阈值的值,将使得在本次循环过程中不会再针对该值生成发运计划。
S55,基于初始发运计划表,生成与各所仓库、泊位及船舶对应的目标发运计划表。
具体地,本步骤首先将初始发运计划表中结束时间最早的发运计划作为目标发运计划,并将该目标发运计划加入目标发运计划表;而后从初始发运计划表中删除目标发运计划,并对最大值对应的仓库、泊位、船舶的对象模型进行更新后,返回步骤S4,直至初始发运计划表中无发运计划。
本步骤在对仓库、泊位、船舶的对象模型进行更新时,包括将相应仓库、泊位、船舶的状态由工作状态更新为待调度状态。当更新为待调度状态后,后续计算三维矩阵时,矩阵中与相应仓库、泊位、船舶相关的发运数据将不再是必定小于预设阈值,从而相应仓库、泊位、船舶可以再次参与到发运计划的制定。
应该理解,加入目标发运计划表中的计划即为码头实际需要执行的发运计划。
本实施例针对多种实时动态增长货物的码头发运智能调度方法属于自动调度的方式,通过发运相关基础数据构建对象模型,模拟发运场景,并基于发运效率、仓库健康度、船舶负载健康度多个维度构建发运调度模型,可实时获取当前时刻最优解,快速生成发运计划,解决了人工发运效率低下的问题,也可以满足码头发运调度的实时性需求。
实施例2
本实施例提供一种码头发运智能调度系统,如图2所示,该系统包括:数据获取模块21、预处理模块22、对象模型建立模块23、调度模型建立模块24、矩阵获取模块25以及计划生成模块26。
在本实施例中,数据获取模块21用于获取多个目标对象的基础数据,其中,目标对象包括码头、工厂、仓库、泊位以及船舶;预处理模块22用于对各所述目标对象的基础数据进行预处理;对象模型建立模块23用于基于各目标对象的基础数据,建立各目标对象的对象模型;调度模型建立模块24用于建立发运调度模型,发运调度模型的目标函数与发运效率、仓库的健康度以及船舶的负载健康度正相关;矩阵获取模块25用于将各目标对象的对象模型输入发运调度模型进行处理,得到三维矩阵,三维矩阵包含不同仓库、泊位、船舶组合对应的发运数据;计划生成模块26用于基于三维矩阵,生成与各仓库、泊位及船舶对应的目标发运计划表。
在本实施例中,所述码头的对象模型包括对码头相关的工厂、仓库以及泊位进行描述的数据模型;
所述工厂的对象模型包括对工厂相关的仓库以及泊位进行描述的数据模型;
所述仓库的对象模型包括对仓库的容量、仓库中货物的种类、仓库中货物的增长速度、仓库中货物的库存、仓库关联的泊位、仓库关联的码头进行描述的数据模型;
所述泊位的对象模型包括对泊位的空闲工作时间、泊位上传送带的信息以及泊位关联的仓库信息进行描述的数据模型;
所述船舶的对象模型包括对船舶每种货物的需求量、船舶关联的工厂进行描述的数据模型。
在本实施例中,所述计划生成模块包括:
最大值获取单元,用于从所述三维矩阵中筛选最大值;
初始发运计划表生成单元,用于当所述最大值大于预设阈值时,将所述最大值对应的仓库、泊位、船舶组合以及发运时间信息作为一条发运计划加入预设的初始发运计划表;
状态更新单元,用于对所述最大值对应的仓库、泊位、船舶的对象模型进行更新;
矩阵值更新模块,用于将三维矩阵中的最大值更新为小于所述预设阈值的值,并重新调用所述最大值获取单元,直至所述三维矩阵中的最大值不超过所述预设阈值;
目标发运计划表生成单元,用于基于所述初始发运计划表,生成与各所仓库、泊位及船舶对应的目标发运计划表。
在本实施例中,所述目标发运计划表生成单元具体用于:首先将所述初始发运计划表中结束时间最早的发运计划作为目标发运计划,并将所述目标发运计划加入所述目标发运计划表;而后从所述初始发运计划表中删除所述目标发运计划,并对所述最大值对应的仓库、泊位、船舶的对象模型进行更新后,重新调用矩阵获取模块,直至所述初始发运计划表中无发运计划。
在本实施例中,所述目标函数为。其中,/>表示求最大值,/>表示发运效率、H表示仓库的健康度、L表示船舶的负载健康度,/>、/>、/>分别表示相应的权重系数。
在本实施例中,所述发运效率E通过下式计算:
其中,T表示发运所用的时长, C表示T时间内发运的货物量;
所述仓库的健康度H通过下式计算:
其中,s表示仓库在发运前的库存百分比容量,e表示仓库在单次发运后的库存百分比容量;
所述船舶的负载健康度通过下式计算:
其中,a表示船舶的实际装载量,n表示船舶的需求装载量。
本实施例通过获取码头发运相关对象的基础数据,建立对象模型以实时模拟发运过程中的相关场景以及相关对象的属性状态,并且基于发运效率、仓库健康度、船舶负载健康度等多个维度构建发运调度模型的目标函数,为仓库、泊位、船舶安排最佳发运计划,即指定船舶在指定时间到指定泊位装载指定仓库中指定货物。
通过本实施例的系统,能够解决多船舶在多泊位上同时发运多仓库中动态增长的多种货物的高效调度问题,实现了动态仓库的智能发运调度计划安排,具备快速响应的能力,实现准实时的发运调度应变策略,能有效提升码头发运效率。
实施例3
本实施例提供一种电子设备,电子设备可以通过计算设备的形式表现(例如可以为服务器设备),包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中处理器执行计算机程序时可以实现实施例1提供的码头发运智能调度方法的步骤。
图3示出了本实施例的硬件结构示意图,如图3所示,电子设备30具体包括:
至少一个处理器31、至少一个存储器32以及用于连接不同系统组件(包括处理器31和存储器32)的总线33,其中:
总线33包括数据总线、地址总线和控制总线。
存储器32包括易失性存储器,例如随机存取存储器(RAM)321和/或高速缓存存储器322,还可以进一步包括只读存储器(ROM)323。
存储器32还包括具有一组(至少一个)程序模块324的程序/实用工具325,这样的程序模块324包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器31通过运行存储在存储器32中的计算机程序,从而执行各种功能应用以及数据处理,例如本发明实施例1提供的码头发运智能调度方法的步骤。
电子设备30进一步可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且,电子设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器36通过总线33与电子设备30的其它模块通信。应当明白,尽管图中未示出,可以结合电子设备30使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意,尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块,但是这种划分仅仅是示例性的并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之,上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4
本实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现实施例1提供的码头发运智能调度方法的步骤。
其中,可读存储介质可以采用的更具体可以包括但不限于:便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中,本发明还可以实现为一种程序产品的形式,其包括程序代码,当所述程序产品在终端设备上运行时,所述程序代码用于使所述终端设备执行实现实施例1提供的码头发运智能调度方法的步骤。
其中,可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码,所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式,但是本领域的技术人员应当理解,这仅是举例说明,本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下,可以对这些实施方式做出多种变更或修改,但这些变更和修改均落入本发明的保护范围。
Claims (5)
1.一种码头发运智能调度方法,其特征在于,包括:
获取多个目标对象的基础数据,所述目标对象包括码头、工厂、仓库、泊位以及船舶;
基于各所述目标对象的基础数据,建立各所述目标对象的对象模型;
建立发运调度模型,所述发运调度模型的目标函数与发运效率、仓库的健康度以及船舶的负载健康度正相关;
将各所述目标对象的对象模型输入所述发运调度模型进行处理,得到三维矩阵,所述三维矩阵包含不同仓库、泊位、船舶组合对应的发运数据;
基于所述三维矩阵,生成与各所述仓库、泊位及船舶对应的目标发运计划表;所述码头的对象模型包括对码头相关的工厂、仓库以及泊位进行描述的数据模型;
所述工厂的对象模型包括对工厂相关的仓库以及泊位进行描述的数据模型;
所述仓库的对象模型包括对仓库的容量、仓库中货物的种类、仓库中货物的增长速度、仓库中货物的库存、仓库关联的泊位、仓库关联的码头进行描述的数据模型;
所述泊位的对象模型包括对泊位的空闲工作时间、泊位上传送带的信息以及泊位关联的仓库信息进行描述的数据模型;
所述船舶的对象模型包括对船舶每种货物的需求量、船舶关联的工厂进行描述的数据模型;
所述基于所述三维矩阵,生成与各所仓库、泊位及船舶对应的目标发运计划表,包括:
从所述三维矩阵中筛选最大值;
当所述最大值大于预设阈值时,将所述最大值对应的仓库、泊位、船舶组合以及发运时间信息作为一条发运计划加入预设的初始发运计划表;
对所述最大值对应的仓库、泊位、船舶的对象模型进行更新;
将所述最大值更新为小于所述预设阈值的值,并返回从所述三维矩阵中筛选最大值的步骤,直至所述三维矩阵中的最大值不超过所述预设阈值;
将所述初始发运计划表中结束时间最早的发运计划作为目标发运计划,并将所述目标发运计划加入所述目标发运计划表;
从所述初始发运计划表中删除所述目标发运计划,并对所述最大值对应的仓库、泊位、船舶的对象模型进行更新后,返回将各所述目标对象的对象模型输入所述发运调度模型进行处理,得到三维矩阵的步骤,直至所述初始发运计划表中无发运计划;所述目标函数为);
其中,表示求最大值,/>表示发运效率、H表示仓库的健康度、L表示船舶的负载健康度,/>、/>、/>分别表示相应的权重系数;
所述发运效率E通过下式计算:
其中,T表示发运所用的时长, C表示T时间内发运的货物量;
所述仓库的健康度H通过下式计算:
其中,s表示仓库在发运前的库存百分比容量,e表示仓库在单次发运后的库存百分比容量;
所述船舶的负载健康度通过下式计算:
其中,a表示船舶的实际装载量,n表示船舶的需求装载量。
2.如权利要求1所述的码头发运智能调度方法,其特征在于,在基于各所述目标对象的基础数据,建立各所述目标对象的对象模型之前,所述方法还包括:
对各所述目标对象的基础数据进行预处理。
3.一种码头发运智能调度系统,其特征在于,包括:
数据获取模块,用于获取多个目标对象的基础数据,所述目标对象包括码头、工厂、仓库、泊位以及船舶;
对象模型建立模块,用于基于各所述目标对象的基础数据,建立各所述目标对象的对象模型;
调度模型建立模块,用于建立发运调度模型,所述发运调度模型的目标函数与发运效率、仓库的健康度以及船舶的负载健康度正相关;
矩阵获取模块,用于将各所述目标对象的对象模型输入所述发运调度模型进行处理,得到三维矩阵,所述三维矩阵包含不同仓库、泊位、船舶组合对应的发运数据;
计划生成模块,用于基于所述三维矩阵,生成与各所述仓库、泊位及船舶对应的目标发运计划表;
所述码头的对象模型包括对码头相关的工厂、仓库以及泊位进行描述的数据模型;
所述工厂的对象模型包括对工厂相关的仓库以及泊位进行描述的数据模型;
所述仓库的对象模型包括对仓库的容量、仓库中货物的种类、仓库中货物的增长速度、仓库中货物的库存、仓库关联的泊位、仓库关联的码头进行描述的数据模型;
所述泊位的对象模型包括对泊位的空闲工作时间、泊位上传送带的信息以及泊位关联的仓库信息进行描述的数据模型;
所述船舶的对象模型包括对船舶每种货物的需求量、船舶关联的工厂进行描述的数据模型;
所述计划生成模块包括:
最大值获取单元,用于从所述三维矩阵中筛选最大值;
初始发运计划表生成单元,用于当所述最大值大于预设阈值时,将所述最大值对应的仓库、泊位、船舶组合以及发运时间信息作为一条发运计划加入预设的初始发运计划表;
状态更新单元,用于对所述最大值对应的仓库、泊位、船舶的对象模型进行更新;
矩阵值更新模块,用于将三维矩阵中的最大值更新为小于所述预设阈值的值,并重新调用所述最大值获取单元,直至所述三维矩阵中的最大值不超过所述预设阈值;
目标发运计划表生成单元,用于将所述初始发运计划表中结束时间最早的发运计划作为目标发运计划,并将所述目标发运计划加入所述目标发运计划表;而后从所述初始发运计划表中删除所述目标发运计划,并对所述最大值对应的仓库、泊位、船舶的对象模型进行更新后,重新调用矩阵获取模块,直至所述初始发运计划表中无发运计划;
所述目标函数为,其中,/>表示求最大值,/>表示发运效率、H表示仓库的健康度、L表示船舶的负载健康度,/>、/>、/>分别表示相应的权重系数;
所述发运效率E通过下式计算:
其中,T表示发运所用的时长, C表示T时间内发运的货物量;
所述仓库的健康度H通过下式计算:
其中,s表示仓库在发运前的库存百分比容量,e表示仓库在单次发运后的库存百分比容量;
所述船舶的负载健康度通过下式计算:
其中,a表示船舶的实际装载量,n表示船舶的需求装载量。
4.一种电子设备,包括存储器、处理器及存储在存储器上并能够在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-2中任一项所述的码头发运智能调度方法的步骤。
5.一种计算机可读存储介质,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至2中任一项所述的码头发运智能调度方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410016415.1A CN117522235B (zh) | 2024-01-05 | 2024-01-05 | 码头发运智能调度方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410016415.1A CN117522235B (zh) | 2024-01-05 | 2024-01-05 | 码头发运智能调度方法、系统、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117522235A CN117522235A (zh) | 2024-02-06 |
CN117522235B true CN117522235B (zh) | 2024-03-26 |
Family
ID=89757008
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410016415.1A Active CN117522235B (zh) | 2024-01-05 | 2024-01-05 | 码头发运智能调度方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117522235B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012086983A (ja) * | 2010-09-21 | 2012-05-10 | Jfe Steel Corp | 倉庫作業計画作成システムおよび倉庫作業計画作成方法 |
JP2012086984A (ja) * | 2010-09-21 | 2012-05-10 | Jfe Steel Corp | 倉庫作業計画作成装置 |
WO2014061252A1 (ja) * | 2012-10-15 | 2014-04-24 | Jfeスチール株式会社 | 出荷作業計画作成システム、出荷作業計画作成方法および出荷作業方法 |
CN111898859A (zh) * | 2020-06-23 | 2020-11-06 | 唐山港集团股份有限公司 | 一种多目标单向航道码头连续型泊位分配调度方法 |
CA3157181A1 (en) * | 2019-10-07 | 2021-04-15 | Lyft, Inc. | Multi-modal transportation system |
CN116090799A (zh) * | 2023-04-10 | 2023-05-09 | 交通运输部水运科学研究所 | 一种针对复杂散粮作业的码头生产调度方法及系统 |
CN116957440A (zh) * | 2023-07-27 | 2023-10-27 | 西安热工研究院有限公司 | 一种面向大型发电集团的煤炭运输规划方法及系统 |
CN117252509A (zh) * | 2023-08-30 | 2023-12-19 | 大连优弈数据科技有限公司 | 基于商品库存压力的水运排船方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7925514B2 (en) * | 2006-02-21 | 2011-04-12 | United States Postal Service | Systems and methods for creating on-demand routes for powered industrial vehicles |
US11829935B2 (en) * | 2018-04-03 | 2023-11-28 | Florida A&M University | Application of a multi-objective optimization model for automatic vessel scheduling in liner shipping |
CN115699050A (zh) * | 2019-11-05 | 2023-02-03 | 强力价值链网络投资组合2019有限公司 | 价值链网络控制塔和企业管理平台 |
US20220156693A1 (en) * | 2020-11-17 | 2022-05-19 | Exel Inc. d/b/a DHL Supply Chain (USA) | Computerized system and method for developing optimized cargo transportation solutions |
-
2024
- 2024-01-05 CN CN202410016415.1A patent/CN117522235B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012086983A (ja) * | 2010-09-21 | 2012-05-10 | Jfe Steel Corp | 倉庫作業計画作成システムおよび倉庫作業計画作成方法 |
JP2012086984A (ja) * | 2010-09-21 | 2012-05-10 | Jfe Steel Corp | 倉庫作業計画作成装置 |
WO2014061252A1 (ja) * | 2012-10-15 | 2014-04-24 | Jfeスチール株式会社 | 出荷作業計画作成システム、出荷作業計画作成方法および出荷作業方法 |
CA3157181A1 (en) * | 2019-10-07 | 2021-04-15 | Lyft, Inc. | Multi-modal transportation system |
CN111898859A (zh) * | 2020-06-23 | 2020-11-06 | 唐山港集团股份有限公司 | 一种多目标单向航道码头连续型泊位分配调度方法 |
CN116090799A (zh) * | 2023-04-10 | 2023-05-09 | 交通运输部水运科学研究所 | 一种针对复杂散粮作业的码头生产调度方法及系统 |
CN116957440A (zh) * | 2023-07-27 | 2023-10-27 | 西安热工研究院有限公司 | 一种面向大型发电集团的煤炭运输规划方法及系统 |
CN117252509A (zh) * | 2023-08-30 | 2023-12-19 | 大连优弈数据科技有限公司 | 基于商品库存压力的水运排船方法及装置 |
Non-Patent Citations (3)
Title |
---|
无人艇海上综合测试评估试验场需求论证研究;母海方;;中国造船;20200830(第S1期);全文 * |
集装箱码头作业系统层次化、并行、异构与可重构计算模型;李斌;;交通运输工程学报;20190415(第02期);全文 * |
集装箱码头堆场出口箱翻箱作业调度优化;边展;中国优秀硕士学位论文全文数据库;20160115;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117522235A (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220027817A1 (en) | Deep reinforcement learning for production scheduling | |
Patsavellas et al. | The carbon footprint of manufacturing digitalization: Critical literature review and future research agenda | |
Zhen et al. | Capacitated closed-loop supply chain network design under uncertainty | |
CN111027902B (zh) | 无人仓货品运输匹配方法及装置 | |
CN113743876A (zh) | 一种用于核电装备的数字孪生无人仓库管理系统 | |
CN116207739B (zh) | 配电网优化调度方法、装置、计算机设备和存储介质 | |
CN117522235B (zh) | 码头发运智能调度方法、系统、电子设备及存储介质 | |
Lu | The three-stage integrated optimization of automated container terminal scheduling based on improved genetic algorithm | |
CN116720713B (zh) | 一种用于畜牧业禽类养殖管理方法、系统及存储介质 | |
CN116151723B (zh) | 一种粮食综合储备基地多重计量方法及系统 | |
US20210279831A1 (en) | Managing optimization of a network flow | |
CN115293623A (zh) | 一种生产调度模型的训练方法、装置、电子设备及介质 | |
Qiao et al. | Analysis of logistics linkage by digital twins technology and lightweight deep learning | |
CN109978299A (zh) | 用于海上风电业务的数据分析方法、装置和存储介质 | |
CN107909200A (zh) | 一种高效的集装箱码头装卸调度装置 | |
CN116227247B (zh) | 一种基于大数据的粮食筒仓的倒仓仿真方法及系统 | |
Pan et al. | Research on Cold Chain Logistics Supply Chain Management Technology Based on Information Platform Construction | |
CN116205472B (zh) | 基于生产任务的原料集装箱运输方案制定方法及系统 | |
CN117055810A (zh) | 港口数字孪生系统的数据存储方法 | |
CN112598173A (zh) | 云平台下储能系统的时间序列数据的自组织学习建模方法 | |
CN108763805B (zh) | 基于bim的计划管理系统和方法 | |
Shao et al. | Simulation of pork supply chain based on system dynamics model | |
Li et al. | Data-driven scheduling for smart shop floor via reinforcement learning with model-based clustering algorithm | |
CN115423408A (zh) | 一种仓储调度方法及装置 | |
Jin-Hong et al. | Multi-item distribution policies with supply hub and lateral transshipment |
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 |