CN117829390A - 一种智能车间物料配送路径优化方法和装置 - Google Patents

一种智能车间物料配送路径优化方法和装置 Download PDF

Info

Publication number
CN117829390A
CN117829390A CN202311869019.5A CN202311869019A CN117829390A CN 117829390 A CN117829390 A CN 117829390A CN 202311869019 A CN202311869019 A CN 202311869019A CN 117829390 A CN117829390 A CN 117829390A
Authority
CN
China
Prior art keywords
path
coefficient
robot
congestion
material distribution
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
Application number
CN202311869019.5A
Other languages
English (en)
Inventor
卫张亮
李志刚
牛任重
俞子鹏
陈凯亮
董旗
李鹏博
赵泽宇
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.)
Shihezi University
Original Assignee
Shihezi University
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 Shihezi University filed Critical Shihezi University
Priority to CN202311869019.5A priority Critical patent/CN117829390A/zh
Publication of CN117829390A publication Critical patent/CN117829390A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Manipulator (AREA)

Abstract

本发明提供一种智能车间物料配送路径优化方法和装置,涉及物料配送路径优化技术领域,具体步骤包括:S1.采集机器人配送物料时历史数据中的效率参数和拥堵参数,所述效率参数包括机器人行驶的路径距离和行驶速度,所述拥堵参数包括机器人配送时的拥堵程度和行驶时间;S2.将所述路径距离和行驶速度进行无量纲化处理,生成效率系数。本发明利用多个模块的配合,在机器人配送物料前,判断路径的优先级等级,根据路径的优先级等级,选择最优的路径配送物料,从而避免了路径的拥堵,缩短了物料配送的时间,机器人之间的碰撞风险也会降低,且随着路径的畅通,提高了整个车间的物料配送的效率,物料配送的及时也会保障车间生产线的正常运行。

Description

一种智能车间物料配送路径优化方法和装置
技术领域
本发明涉及物料配送路径优化技术领域,具体为一种智能车间物料配送路径优化方法和装置。
背景技术
在物料配送中,路径优化指的是通过智能规划和调度,选择最佳的路线和顺序,确保物料从起点到达目标点的过程中,能够在最短时间内、以最经济的方式完成,这个路径不仅包括实际的运输路径,还可能涉及中途停留、设备使用、配送优先级等方面的考虑。且在智能车间内,物料往往通过机器人或自动导引车配送,因此设置最优的配送路线,可以提高物料配送的效率,避免产线人员因没有物料使用闲置。
现有技术中,智能车间物料的配送通常利用机器人或者自动设备配送,在配送物料时,通常会选择最短的一条路径去配送物料,但是同一时间其它机器人均会选择该路径配送物料,短时间内造成该条路径拥堵,反而其它线路没有被占用。因此,当多个机器人选择相同的最短路径时,会导致该路径的拥堵,从而增加了物料配送的时间,机器人之间的碰撞风险也会增加,且随着拥堵的增加,整个车间的系统效率会下降,物料配送的延迟和不稳定性会影响车间生产线的正常运行。
在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解,因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的在于提供一种智能车间物料配送路径优化方法和装置,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:
一种智能车间物料配送路径优化方法,具体步骤包括:
S1.采集机器人配送物料时历史数据中的效率参数和拥堵参数,所述效率参数包括机器人行驶的路径距离和行驶速度,所述拥堵参数包括机器人配送时的拥堵程度和行驶时间;
S2.将所述路径距离和行驶速度进行无量纲化处理,生成效率系数,将所述拥堵程度和行驶时间进行无量纲化处理,生成拥堵系数;
S3.将所述效率系数和拥堵系数进行无量纲化处理,并进行相关性分析,生成用于评估智能车间物料配送的路径等级模型,并采用机器人物料配送时的历史数据验证路径等级模型参数,生成路径等级评估模型;
S4.通过所述路径等级评估模型对于效率系数和拥堵系数进行分析,生成路径等级系数,将所述路径等级系数与不同等级评估阈值进行比对,判断所述参数的路径的优先级等级,并根据所述路径的优先级等级,选择最优的物料配送路径。
进一步地,将所述机器人行驶的路径距离和行驶速度进行计算处理,生成效率系数XSXL,依据的计算公式如下:
其中,参数意义为:JL为机器人行驶的路径距离,α为机器人行驶的路径距离的因子系数,0.2≤α≤0.4,SD为机器人的行驶速度,β为机器人的行驶速度的因子系数,0.2≤β≤0.4,C1为常数修正系数。
进一步地,将所述机器人配送时的拥堵程度和行驶时间进行计算处理,生成拥堵系数XSYD,依据的计算公式如下:
XSYD=ln(δ*YC)+ln(μ*SJ)+C2
其中,参数意义为:YC为机器人配送时的拥堵程度,δ为机器人配送时的拥堵程度的因子系数,0.2≤δ≤0.4,SJ为机器人配送时的行驶时间,μ为机器人配送时的行驶时间的因子系数,0.2≤μ≤0.4,C2为常数修正系数。
进一步地,将所述效率系数XSXL和拥堵系数XSYD进行无量纲化处理,并进行相关性分析,生成用于评估智能车间物料配送的路径等级模型LDJ,
所述的路径等级模型LDJ:
LDJ=ρ+ω1*XSXL+ω2*XSYD+C3
其中,参数意义为:ω1为效率系数的因子系数,0.2≤ω1≤0.4,ω2为拥堵系数的因子系数,0.2≤ω2≤0.4,ρ为未知的回归系数,也称为常数项或偏移量,ρ反映了当效率系数和拥堵系数没有影响时,路径等级本身的基础水平,C3常数修正系数。
进一步地,采用所述机器人物料配送时的历史数据验证路径等级模型参数ρ,生成的路径等级评估模型为:
LDJ=ρ1+ω1*XSXL+ω2*XSYD+C3
其中,ρ1为验证出来的ρ数值。
进一步地,采用机器人物料配送时的历史数据验证路径等级模型的参数的具体步骤包括:
S1.获取历史数据中的效率参数和拥堵参数,获取的效率参数包括机器人行驶的路径距离JL和行驶速度SD,获取的拥堵参数包括机器人配送时的拥堵程度YC和行驶时间SJ;
S2.将参照路径距离JLCZ和参照行驶速度SDCZ进行分析处理,生成参照效率系数XSXC,将参照拥堵程度YCCz和参照行驶时间SJCz进行分析处理,生成参照拥堵系数XSYC
S3.将参照效率系数XSXC、参照拥堵系数XSYC和参照路径等级系数LDJCz带入到路径等级模型,计算回归系数ρ,所依据的公式为:
进一步地,根据计算处理的路径等级模型判断机器人车间物料配送路径的优先级;
当0≤LDJ<YZ(YZ为物料配送路径等级的标定阈值),该物料配送路径的等级为第一优先级,机器人优先选择第一优先级的路径配送物料;
当YZ≤LDJ<2YZ,机器人车间物料配送路径的等级为第二优先级,在第一优先级的路径被占用时,机器人优先选择第二优先级的路径配送物料;
当2YZ≤LDJ<3YZ,机器人车间物料配送路径的等级为第三优先级,在第一优先级的路径和第二优先级的路径均被占用时,机器人选择第三优先级的路径配送物料。
一种智能车间物料配送路径优化装置,包括:
数据采集模块,用于采集机器人配送物料时历史数据中的效率参数和拥堵参数,所述效率参数包括机器人行驶的路径距离和行驶速度,所述拥堵参数包括机器人配送时的拥堵程度和行驶时间;
数据处理模块,用于将路径距离和行驶速度进行无量纲化处理,生成效率系数,将拥堵程度和行驶时间进行无量纲化处理,生成拥堵系数;
数据分析模块,用于将效率系数和拥堵系数进行无量纲化处理,并进行相关性分析,生成用于评估智能车间物料配送的路径等级模型,并采用机器人物料配送时的历史数据验证路径等级模型参数,生成路径等级评估模型;
选择模块,用于通过路径等级评估模型对于效率系数和拥堵系数进行分析,生成路径等级系数,将路径等级系数与不同等级评估阈值进行比对,判断所述参数的路径的优先级等级,并根据路径的优先级等级,选择最优的物料配送路径。
与现有技术相比,本发明的有益效果是:
本发明通过采集机器人行驶的路径距离和行驶速度,机器人配送时的拥堵程度和行驶时间,将路径距离和行驶速度进行处理,生成效率系数,将拥堵程度和行驶时间进处理,生成拥堵系数,将效率系数和拥堵系数进行处理,并进行相关性分析,生成用于评估智能车间物料配送的路径等级模型,并采用机器人物料配送时的历史数据验证路径等级模型参数,生成路径等级评估模型,通过路径等级评估模型对于效率系数和拥堵系数进行分析,生成路径等级系数,将路径等级系数与不同等级评估阈值进行比对,判断所述参数的路径的优先级等级,并根据路径的优先级等级,选择最优的物料配送路径。因此利用多个模块的配合,在机器人配送物料前,判断路径的优先级等级,根据路径的优先级等级,选择最优的路径配送物料,从而避免了路径的拥堵,缩短了物料配送的时间,机器人之间的碰撞风险也会降低,且随着路径的畅通,提高了整个车间的物料配送的效率,物料配送的及时也会保障车间生产线的正常运行。
附图说明
图1为本发明的方法流程图;
图2为本发明模块组成框图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,对本发明进一步详细说明。
需要说明的是,除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”“下”“左”“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
实施例:
请参阅图1到图2,本发明提供一种技术方案:
一种智能车间物料配送路径优化方法,如图1所示,具体步骤包括:
S1.采集机器人配送物料时历史数据中的效率参数和拥堵参数,所述效率参数包括机器人行驶的路径距离和行驶速度,所述拥堵参数包括机器人配送时的拥堵程度和行驶时间;
S2.将路径距离和行驶速度进行无量纲化处理,生成效率系数,将拥堵程度和行驶时间进行无量纲化处理,生成拥堵系数;
S3.将效率系数和拥堵系数进行无量纲化处理,并进行相关性分析,生成用于评估智能车间物料配送的路径等级模型,并采用机器人物料配送时的历史数据验证路径等级模型参数,生成路径等级评估模型;
S4.通过路径等级评估模型对于效率系数和拥堵系数进行分析,生成路径等级系数,将路径等级系数与不同等级评估阈值进行比对,判断所述参数的路径的优先级等级,并根据路径的优先级等级,选择最优的物料配送路径。
当机器人行驶的路径距离变化时,会导致智能车间机器人物料配送时选择的路径变化,以下为具体原因:
选择最短路径:机器人通常会被编程或配置为选择最短路径来最小化行驶距离,如果某个路径的行驶距离较短,机器人可能更倾向于选择该路径,以减少运输时间和资源消耗。
避免拥堵:行驶距离的变化可能会影响机器人对路径上拥堵情况的感知,如果一条路径的行驶距离变短,机器人更有可能选择该路径,以避开可能存在的拥堵点,提高效率。
节省能源:行驶距离的减少可以导致机器人在执行任务时消耗更少的电能,在考虑电池寿命和能源效率的情况下,机器人可能更倾向于选择较短的行驶距离,以延长工作时间或减少充电频率。
任务优先级:行驶距离的变化可能会影响任务的优先级,某些任务可能对时间更敏感,而某些任务可能更注重资源利用效率,机器人可能会根据这些优先级变化选择不同的路径。
因此,通过编码器测量机器人行驶的路径距离尤为重要,如可做到会产生如下效果:
优化路径规划:通过准确测量机器人行驶的路径距离,系统可以更好地了解每个路径的实际长度,这样的数据有助于优化路径规划算法,确保机器人选择最短路径,从而减少运输时间和资源消耗。
提高效率:精确测量路径距离有助于提高机器人的运输效率,机器人可以通过避免不必要的行驶、选择更直接的路径等方式,更有效地完成物料配送任务。
减少能源消耗:知道准确的路径距离可以帮助优化机器人的能源消耗,机器人可以根据实际距离调整速度和能源使用策略,以最小化能源消耗,延长工作时间,减少充电频率。
提高电池寿命:对路径距离的准确测量有助于避免电池在不必要的行驶中过早耗尽,通过优化路径规划,可以延长电池的寿命,降低电池更换和维护成本。
成本效益:通过优化路径、减少路径距离,企业可以实现更高的成本效益,减少运输时间和资源消耗将直接影响到生产和物流成本的降低。
当机器人行驶速度变化时,会导致智能车间机器人物料配送时选择的路径变化,以下为具体原因:
路径规划优化:机器人的行驶速度直接影响到它选择的最佳路径,如果机器人的速度变快,它可能更倾向于选择更长的路径,因为在较短的时间内能够覆盖更多的距离。
时间效率:高速行驶的机器人可能会更倾向于选择更直接的路径,因为高速行驶可以更快地穿越较长的路径,这意味着即使路径稍微更长,但在更短的时间内能够到达目的地,提高了物料配送的效率。
拥堵和安全考虑:如果机器人的速度变化与某些区域的拥堵情况有关,它可能会通过更改路径来避开拥堵或提高安全性,如果某些路径因为拥堵而变得不适宜,速度较快的机器人可能会选择其他路径以避免不必要的延误或风险。
节省能源和资源:变化的行驶速度可能导致机器人优化路径规划,以节省能源和资源,低速行驶时可能更倾向于选择更短、更节省能源的路径,而高速行驶时可能更倾向于更直接、更快速但消耗更多能源的路径。
因此,通过编码器测量机器人的行驶速度尤为重要,如可做到会产生如下效果:
优化路径规划:知道机器人的实际行驶速度可以帮助系统优化路径规划,根据实时速度信息,系统可以调整路径,确保机器人在最短时间内完成任务,提高整体效率。
提升时间效率:测量行驶速度有助于确保机器人以适当的速度完成任务,高效的路径规划和速度调整可以减少物料配送的时间,提高整个生产过程的效率。
节省能源:知晓机器人的行驶速度可以帮助系统优化能源消耗,机器人在低速时可能选择更经济的路径,以节省能源,而在需要快速交付时可以调整为高速。
调整优先级:根据实际速度情况,机器人系统可以调整物料配送任务的优先级,高速行驶可能更适用于紧急任务,而低速行驶则可能更适用于需要更仔细处理或稳定性要求更高的任务。
避免拥堵:实时测量行驶速度有助于机器人系统避免拥堵。如果某一路径上的行驶速度下降,系统可以通过调整路径来规避拥堵,确保机器人高效地完成任务。
当机器人配送时的拥堵程度变化时,会导致智能车间机器人物料配送时选择的路径变化,以下为具体原因:
实时路径规划:拥堵程度的变化可能触发机器人系统进行实时路径规划,如果某一路径出现拥堵,机器人系统可能会选择避开拥堵的区域,寻找更为畅通的路径,以确保物料能够及时配送到目的地。
最短路径选择:拥堵通常导致某些路径变得相对较长,机器人系统可能会通过重新规划路径,选择除了拥堵区域之外的最短路径,以减少总行驶时间和提高效率。
优化时间效率:避免拥堵有助于提高物料配送的时间效率,机器人可能会调整路径,选择相对畅通的道路,从而更迅速地完成任务,避免延误。
安全考虑:拥堵可能增加了机器人在特定路径上的安全风险,系统可能会选择避开拥堵,以确保机器人的安全运行,并防止与其他设备或人员发生碰撞。
能源消耗优化:拥堵通常导致机器人需要在低速或停滞状态下行驶,增加能源消耗。通过选择避开拥堵的路径,机器人可以优化能源利用,提高电池寿命,减少充电频率。
因此,通过激光雷达测量机器人配送时的拥堵程度尤为重要,如可做到会产生如下效果:
实时路径规划:测量拥堵程度可以提供实时的交通状况信息,帮助机器人系统进行实时路径规划,系统可以根据拥堵情况选择最优的路径,避免拥堵区域,从而提高物料配送的效率。
降低物料配送时间:通过避免拥堵区域,机器人可以选择更为畅通的路径,减少物料配送的时间,这有助于提高整个生产过程的效率,确保物料及时到达目的地。
节省能源:避免拥堵还可以帮助优化机器人的能源消耗。通过选择较为流畅的路径,机器人可以以更高的速度行驶,从而降低总能源消耗,延长电池寿命。
提高安全性:测量拥堵程度有助于提前识别潜在的安全风险区域,机器人系统可以避开拥堵,减少与其他设备或人员的交叉,提高物料配送过程的安全性。
提高系统灵活性:实时了解拥堵情况使得机器人系统更具灵活性,系统可以根据不同时间段的拥堵程度调整配送策略,以适应不同的生产环境。
优化整体车间流程:通过减少拥堵对物料配送的影响,整个车间流程可以更加顺畅。这有助于提高生产效率、减少生产中断,并提高整体产能。
当机器人配送时的行驶时间变化时,会导致智能车间机器人物料配送时选择的路径变化,以下为具体原因:
紧急任务处理:如果机器人需要更快地完成物料配送任务,系统可能会重新规划路径以选择更短的路径或更直接的道路,从而缩短整体行驶时间。
时间效率优化:行驶时间的变化可能影响整体物料配送的时间效率,机器人系统可能根据时间限制或特定时段的需求,调整路径以最大化物料的及时配送。
最佳路径选择:行驶时间的变化可能导致原本较长但行驶时间较短的路径变得更有吸引力,机器人系统可能会根据实时行驶速度和时间限制选择最优路径,以确保在给定时间内完成任务。
考虑充电和维护时间:行驶时间的变化可能需要考虑机器人的充电和维护时间,系统可能会在行驶时间变化的情况下调整路径,以确保机器人能够按计划进行充电和维护,避免中途中断任务。
因此,通过陀螺仪和加速度计测量机器人配送时的行驶时间尤为重要,如可做到会产生如下效果:
提高物料配送效率:机器人的行驶时间可以帮助系统优化路径规划,选择最短、最快的路径,这样可以降低物料配送的总时间,提高效率,使生产过程更加流畅。
时间管理和响应性:实时测量行驶时间使系统更具时间管理和响应性,系统可以根据当前行驶时间的情况,及时调整任务优先级或路径,以适应不同的生产需求和时间窗口。
减少能源消耗:优化行驶时间有助于减少机器人的能源消耗,系统可以选择更为节能的路径,以降低机器人的运行成本,延长电池寿命。
综上所述,采集机器人行驶的路径距离和行驶速度,机器人配送时的拥堵程度和行驶时间,对判断智能车间机器人物料配送时路径的选择有着极为重要的作用,以下为本实施方式中采集机器人行驶的路径距离和行驶速度,机器人配送时的拥堵程度和行驶时间的具体实施方式。
其中,将机器人行驶的路径距离和行驶速度进行计算处理,生成效率系数XSXL,依据的计算公式如下:
其中,参数意义为:JL为机器人行驶的路径距离,α为机器人行驶的路径距离的因子系数,0.2≤α≤0.4,SD为机器人的行驶速度,β为机器人的行驶速度的因子系数,0.2≤β≤0.4,C1为常数修正系数。
由上述的公式可知,当JL越高,效率系数XSXL越低,SD越高,效率系数XSXL越高,则表明JL和XSXL呈负相关关系,SD和XSXL呈正相关关系,式中因子系数用于均衡各项数据在公式中的占比比重,从而促进计算结果的准确性。
其中,将机器人配送时的拥堵程度和行驶时间进行计算处理,生成拥堵系数XSYD,依据的计算公式如下:
XSYD=ln(δ*YC)+ln(μ*SJ)+C2
其中,参数意义为:YC为机器人配送时的拥堵程度,δ为机器人配送时的拥堵程度的因子系数,0.2≤δ≤0.4,SJ为机器人配送时的行驶时间,μ为机器人配送时的行驶时间的因子系数,0.2≤μ≤0.4,C2为常数修正系数。
由上述的公式可知,当YC越高,拥堵系数XSYD越高,SJ越高,拥堵系数XSYD越高,则表明YC、SD和XSYD呈正相关关系,式中因子系数用于均衡各项数据在公式中的占比比重,从而促进计算结果的准确性。
将效率系数XSXL和拥堵系数XSYD进行无量纲化处理,并进行相关性分析,生成用于评估智能车间物料配送的路径等级模型LDJ,
所述的路径等级模型LDJ:
LDJ=ρ+ω1*XSXL+ω2*XSYD+C3
其中,参数意义为:ω1为效率系数的因子系数,0.2≤ω1≤0.4,ω2为拥堵系数的因子系数,0.2≤ω2≤0.4,ρ为未知的回归系数,也称为常数项或偏移量,ρ反映了当效率系数和拥堵系数没有影响时,路径等级本身的基础水平,C3常数修正系数。
采用机器人物料配送时的历史数据验证路径等级模型参数ρ,生成的路径等级评估模型为:
LDJ=ρ1+ω1*XSXL+ω2*XSYD+C3
其中,ρ1为验证出来的ρ数值。
数据中包含已知机器人行驶的路径距离JL、行驶速度SD、机器人配送时的拥堵程度YC、行驶时间SJ以及通过本实施公开的内容,可以确定已知的效率系数XSXL、拥堵系数XSYD和路径等级模型LDJ,带入路径等级评估模型即可验证ρ=ρ1,可能每组验证ρ的数据不一致,可以利用平均数的公式求出多组ρ的均值。
采用机器人物料配送时的历史数据验证路径等级模型的参数的具体步骤包括:
获取历史数据中的效率参数和拥堵参数,获取的效率参数包括机器人行驶的路径距离JL和行驶速度SD,获取的拥堵参数包括机器人配送时的拥堵程度YC和行驶时间SJ;
将参照路径距离JLCZ和参照行驶速度SDCZ进行分析处理,生成参照效率系数XSXC,将参照拥堵程度YCCZ和参照行驶时间SJCz进行分析处理,生成参照拥堵系数XSYC
将参照效率系数XSXC、参照拥堵系数XSYC和参照路径等级系数LDJCZ带入到路径等级模型,计算回归系数ρ,所依据的公式为:
根据计算处理的路径等级模型判断机器人车间物料配送路径的优先级;
当0≤LDJ<YZ(YZ为物料配送路径等级的标定阈值),该物料配送路径的等级为第一优先级,机器人优先选择第一优先级的路径配送物料;
当YZ≤LDJ<2YZ,机器人车间物料配送路径的等级为第二优先级,在第一优先级的路径被占用时,机器人优先选择第二优先级的路径配送物料;
当2YZ≤LDJ<3YZ,机器人车间物料配送路径的等级为第三优先级,在第一优先级的路径和第二优先级的路径均被占用时,机器人选择第三优先级的路径配送物料。
公式中的α、3、δ、μ、ρ、ω1和ω2的具体取值一般由本领域技术人员根据实际情况来确定,该公式本质为加权求和进行综合分析,由本领域技术人员采集多组样本数据,并对每一组样本数据设定对应的预设比例系数,将设定的预设比例系数和采集的样本数据代入公式,将计算得到的系数进行筛选并取均值,得到α、β、δ、μ、ρ、ω1和ω2的取值。
另外,预设因子系数的大小是为了将各个参数进行量化得到的一个具体的数值,其为了便于后续比较,关于系数的大小,取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的预设比例系数,并不唯一,只要不影响参数与量化后数值的比例关系即可。
一种智能车间物料配送路径优化装置,如图2所示,包括:
数据采集模块,用于采集机器人配送物料时历史数据中的效率参数和拥堵参数,所述效率参数包括机器人行驶的路径距离和行驶速度,所述拥堵参数包括机器人配送时的拥堵程度和行驶时间;
数据处理模块,用于将路径距离和行驶速度进行无量纲化处理,生成效率系数,将拥堵程度和行驶时间进行无量纲化处理,生成拥堵系数;
数据分析模块,用于将效率系数和拥堵系数进行无量纲化处理,并进行相关性分析,生成用于评估智能车间物料配送的路径等级模型,并采用机器人物料配送时的历史数据验证路径等级模型参数,生成路径等级评估模型;
选择模块,用于通过路径等级评估模型对于效率系数和拥堵系数进行分析,生成路径等级系数,将路径等级系数与不同等级评估阈值进行比对,判断所述参数的路径的优先级等级,并根据路径的优先级等级,选择最优的物料配送路径。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够、电子硬件,或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方法来执行,取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
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。

Claims (8)

1.一种智能车间物料配送路径优化方法,其特征在于,具体步骤包括:
S1.采集机器人配送物料时历史数据中的效率参数和拥堵参数,所述效率参数包括机器人行驶的路径距离和行驶速度,所述拥堵参数包括机器人配送时的拥堵程度和行驶时间;
S2.将所述路径距离和行驶速度进行无量纲化处理,生成效率系数,将所述拥堵程度和行驶时间进行无量纲化处理,生成拥堵系数;
S3.将所述效率系数和拥堵系数进行无量纲化处理,并进行相关性分析,生成用于评估智能车间物料配送的路径等级模型,并采用机器人物料配送时的历史数据验证路径等级模型参数,生成路径等级评估模型;
S4.通过所述路径等级评估模型对于效率系数和拥堵系数进行分析,生成路径等级系数,将所述路径等级系数与不同等级评估阈值进行比对,判断所述参数的路径的优先级等级,并根据所述路径的优先级等级,选择最优的物料配送路径。
2.根据权利要求1所述的一种智能车间物料配送路径优化方法,其特征在于,将所述机器人行驶的路径距离和行驶速度进行计算处理,生成效率系数XSXL,依据的计算公式如下:
其中,参数意义为:JL为机器人行驶的路径距离,α为机器人行驶的路径距离的因子系数,0.2≤α≤0.4,SD为机器人的行驶速度,β为机器人的行驶速度的因子系数,0.2≤β≤0.4,C1为常数修正系数。
3.根据权利要求2所述的一种智能车间物料配送路径优化方法,其特征在于,将所述机器人配送时的拥堵程度和行驶时间进行计算处理,生成拥堵系数XSYD,依据的计算公式如下:
XSYD=ln(δ*YC)+ln(μ*SJ)+C2
其中,参数意义为:YC为机器人配送时的拥堵程度,δ为机器人配送时的拥堵程度的因子系数,0.2≤δ≤0.4,SJ为机器人配送时的行驶时间,μ为机器人配送时的行驶时间的因子系数,0.2≤μ≤0.4,C2为常数修正系数。
4.根据权利要求3所述的一种智能车间物料配送路径优化方法,其特征在于,将所述效率系数XSXL和拥堵系数XSYD进行无量纲化处理,并进行相关性分析,生成用于评估智能车间物料配送的路径等级模型LDJ,
所述的路径等级模型LDJ:
LDJ=ρ+ω1*XSXL+ω2*XSYD+C3
其中,参数意义为:ω1为效率系数的因子系数,0.2≤ω1≤0.4,ω2为拥堵系数的因子系数,0.2≤ω2≤0.4,ρ为未知的回归系数,也称为常数项或偏移量,ρ反映了当效率系数和拥堵系数没有影响时,路径等级本身的基础水平,C3常数修正系数。
5.根据权利要求4所述的一种智能车间物料配送路径优化方法,其特征在于,采用所述机器人物料配送时的历史数据验证路径等级模型参数ρ,生成的路径等级评估模型为:
LDJ=ρ1+ω1*XSXL+ω2*XSYD+C3
其中,ρ1为验证出来的ρ数值。
6.根据权利要求5所述的一种智能车间物料配送路径优化方法,其特征在于,采用机器人物料配送时的历史数据验证路径等级模型的参数的具体步骤包括:
S1.获取历史数据中的效率参数和拥堵参数,获取的效率参数包括机器人行驶的路径距离JL和行驶速度SD,获取的拥堵参数包括机器人配送时的拥堵程度YC和行驶时间SJ;
S2.将参照路径距离JLCZ和参照行驶速度SDCZ进行分析处理,生成参照效率系数XSXC,将参照拥堵程度YCCZ和参照行驶时间SJCZ进行分析处理,生成参照拥堵系数XSYC
S3.将参照效率系数XSXC、参照拥堵系数XSYC和参照路径等级系数LDJCZ带入到路径等级模型,计算回归系数ρ,所依据的公式为:
7.根据权利要求6所述的一种智能车间物料配送路径优化方法,其特征在于,根据计算处理的路径等级模型判断机器人车间物料配送路径的优先级;
当0≤LDJ<YZ(YZ为物料配送路径等级的标定阈值),该物料配送路径的等级为第一优先级,机器人优先选择第一优先级的路径配送物料;
当YZ≤LDJ<2YZ,机器人车间物料配送路径的等级为第二优先级,在第一优先级的路径被占用时,机器人优先选择第二优先级的路径配送物料;
当2YZ≤LDJ<3YZ,机器人车间物料配送路径的等级为第三优先级,在第一优先级的路径和第二优先级的路径均被占用时,机器人选择第三优先级的路径配送物料。
8.一种智能车间物料配送路径优化装置,其特征在于,包括:
数据采集模块,用于采集机器人配送物料时历史数据中的效率参数和拥堵参数,所述效率参数包括机器人行驶的路径距离和行驶速度,所述拥堵参数包括机器人配送时的拥堵程度和行驶时间;
数据处理模块,用于将路径距离和行驶速度进行无量纲化处理,生成效率系数,将拥堵程度和行驶时间进行无量纲化处理,生成拥堵系数;
数据分析模块,用于将效率系数和拥堵系数进行无量纲化处理,并进行相关性分析,生成用于评估智能车间物料配送的路径等级模型,并采用机器人物料配送时的历史数据验证路径等级模型参数,生成路径等级评估模型;
选择模块,用于通过路径等级评估模型对于效率系数和拥堵系数进行分析,生成路径等级系数,将路径等级系数与不同等级评估阈值进行比对,判断所述参数的路径的优先级等级,并根据路径的优先级等级,选择最优的物料配送路径。
CN202311869019.5A 2023-12-29 2023-12-29 一种智能车间物料配送路径优化方法和装置 Pending CN117829390A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311869019.5A CN117829390A (zh) 2023-12-29 2023-12-29 一种智能车间物料配送路径优化方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311869019.5A CN117829390A (zh) 2023-12-29 2023-12-29 一种智能车间物料配送路径优化方法和装置

Publications (1)

Publication Number Publication Date
CN117829390A true CN117829390A (zh) 2024-04-05

Family

ID=90511103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311869019.5A Pending CN117829390A (zh) 2023-12-29 2023-12-29 一种智能车间物料配送路径优化方法和装置

Country Status (1)

Country Link
CN (1) CN117829390A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118134205A (zh) * 2024-04-30 2024-06-04 陕西黑石绿能能源科技有限公司 加氢站氢气综合管理方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118134205A (zh) * 2024-04-30 2024-06-04 陕西黑石绿能能源科技有限公司 加氢站氢气综合管理方法及系统

Similar Documents

Publication Publication Date Title
CN117829390A (zh) 一种智能车间物料配送路径优化方法和装置
CN104272328B (zh) 用于确定机动车的预期消耗值的方法
CN108448188A (zh) 新能源汽车的预约充电方法及装置
CN110667434A (zh) 一种自适应工况的纯电动汽车行驶里程估计方法及系统
CN109142971A (zh) 输电线路巡检机器人的巡检方法及巡检装置
CN113313453B (zh) 一种基于互联网的防水涂料货运管理系统
US20150258979A1 (en) Vehicle energy-management device
US20220097557A1 (en) Information provision service system for electric vehicle using vehicle sensors
CN104360280A (zh) 基于agv小车的电池剩余容量测算方法
CN102087789B (zh) 基于交通状态参数的交通状态判别系统和方法
CN112950091B (zh) 车辆调度方法、装置及存储介质
CN116215495A (zh) 混合动力车辆能量管理优化方法、装置及系统
CN116660633A (zh) 一种通信基站环境电磁辐射检测系统
CN113449974A (zh) 一种环卫作业状态智能检查方法、系统及存储介质
CN117746640B (zh) 一种道路交通车流量滚动预测方法、系统、终端及介质
CN116007648A (zh) 一种纯电动汽车充电路径规划导航方法及系统
CN106875681B (zh) 一种交通拥塞趋势预测方法及系统
CN107967802B (zh) 一种公交车车速确定方法及装置
CN114545876B (zh) 一种复合agv机器人调度方法及系统
CN114330091A (zh) 基于多个电池的数据参数化电池的电化学电池模型的方法和装置
CN117360829A (zh) 一种基于无人机的自动换电管理方法及装置
CN109189061B (zh) 一种具有时间误差分析功能的agv小车运行状态调控方法
CN116759355A (zh) 一种晶圆传送控制方法及系统
CN109240283B (zh) 一种基于agv小车准时率分析的运行状态智能化调控系统
US12019455B2 (en) Transport operation control device, transport system, transport operation control method, and recording medium

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