CN117910929A - 仓储系统全链路处理方法、以及仓储系统全链路仿真平台 - Google Patents
仓储系统全链路处理方法、以及仓储系统全链路仿真平台 Download PDFInfo
- Publication number
- CN117910929A CN117910929A CN202410290711.0A CN202410290711A CN117910929A CN 117910929 A CN117910929 A CN 117910929A CN 202410290711 A CN202410290711 A CN 202410290711A CN 117910929 A CN117910929 A CN 117910929A
- Authority
- CN
- China
- Prior art keywords
- warehousing
- simulation
- link
- management unit
- target
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 426
- 238000003860 storage Methods 0.000 title claims abstract description 132
- 238000003672 processing method Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000004590 computer program Methods 0.000 claims description 24
- 238000010276 construction Methods 0.000 claims description 20
- 238000009826 distribution Methods 0.000 claims description 4
- 238000005457 optimization Methods 0.000 abstract description 37
- 238000007726 management method Methods 0.000 description 99
- 238000012545 processing Methods 0.000 description 27
- 230000008569 process Effects 0.000 description 18
- 238000010586 diagram Methods 0.000 description 17
- 230000003993 interaction Effects 0.000 description 8
- 238000012384 transportation and delivery Methods 0.000 description 8
- 238000010845 search algorithm Methods 0.000 description 7
- 230000002068 genetic effect Effects 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 5
- 238000002922 simulated annealing Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000011144 upstream manufacturing Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- AYEKOFBPNLCAJY-UHFFFAOYSA-O thiamine pyrophosphate Chemical compound CC1=C(CCOP(O)(=O)OP(O)(O)=O)SC=[N+]1CC1=CN=C(C)N=C1N AYEKOFBPNLCAJY-UHFFFAOYSA-O 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241000699800 Cricetinae Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 210000000349 chromosome Anatomy 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例提供仓储系统全链路处理方法、以及仓储系统全链路仿真平台，所述方法包括：确定仿真仓储系统的仓储全链路的多个仓储作业参数，其中，仓储全链路用于对目标对象进行全链路仓储作业；根据多个仓储作业参数，利用样本生成器，生成不同仓储作业参数组合下的多个仿真仓储场景；根据多个仿真仓储场景，利用仓储系统全链路仿真平台，对仿真仓储系统进行仿真，获得各仿真仓储场景的仿真配置结果；根据各仿真仓储场景的仿真配置结果，获得仿真仓储系统的仓储全链路的目标配置参数。该方法能够考虑各个链路节点作业的整体优化方案，提高仓储系统整体的作业效率，并使应用该目标配置参数的实际的仓储系统的作业效率提高。
Description
技术领域
本说明书实施例涉及计算机技术领域，特别涉及一种仓储系统全链路处理方法。本说明书一个或者多个实施例同时涉及一种仓储系统全链路仿真平台。
背景技术
仓储系统是一种集成了存储、理货、货物分拣、人员和作业管理等多个要素的物流子系统，仓储系统依托先进技术手段，能够实现高效库存管理、订单处理和物流配送。
然而，目前仓储系统存在诸多问题，例如多作业模式并行、各个作业流程对上下游流程具有高依赖性等，使得仓储系统整体作业效率较低，因此，亟需一种技术方案以解决上述技术问题。
发明内容
有鉴于此，本说明书实施例提供了一种仓储系统全链路处理方法。本说明书一个或者多个实施例同时涉及一种仓储系统全链路处理装置，一种仓储系统全链路仿真平台，一种计算设备，一种计算机可读存储介质以及一种计算机程序产品，以解决现有技术中存在的技术缺陷。
根据本说明书实施例的第一方面，提供了一种仓储系统全链路处理方法，包括：
确定仿真仓储系统的仓储全链路的多个仓储作业参数，其中，所述仓储全链路用于对目标对象进行全链路仓储作业；
根据所述多个仓储作业参数，利用样本生成器，生成不同仓储作业参数组合下的多个仿真仓储场景；
根据所述多个仿真仓储场景，利用仓储系统全链路仿真平台，对所述仿真仓储系统进行仿真，获得各仿真仓储场景的仿真配置结果；
根据所述各仿真仓储场景的仿真配置结果，获得所述仿真仓储系统的仓储全链路的目标配置参数。
根据本说明书实施例的第二方面，提供了一种仓储系统全链路处理装置，包括：
仓储作业参数确定模块，被配置为确定仿真仓储系统的仓储全链路的多个仓储作业参数，其中，所述仓储全链路用于对目标对象进行全链路仓储作业；
仿真仓储场景生成模块，被配置为根据所述多个仓储作业参数，利用样本生成器，生成不同仓储作业参数组合下的多个仿真仓储场景；
仿真模块，被配置为根据所述多个仿真仓储场景，利用仓储系统全链路仿真平台，对所述仿真仓储系统进行仿真，获得各仿真仓储场景的仿真配置结果；
目标配置参数获得模块，被配置为根据所述各仿真仓储场景的仿真配置结果，获得所述仿真仓储系统的仓储全链路的目标配置参数。
根据本说明书实施例的第三方面，提供了一种仓储系统全链路仿真平台，包括资源管理单元、算法管理单元、作业管理单元以及操作管理单元，其中：
所述资源管理单元，被配置为响应于目标仓储作业参数组合的输入，获取仿真仓储系统的当前仓储资源，并将所述当前仓储资源以及所述目标仓储作业参数组合，发送至所述算法管理单元；
所述算法管理单元，被配置为根据所述当前仓储资源以及所述目标仓储作业参数组合，生成针对所述仿真仓储系统的仿真执行指令，并将所述仿真执行指令发送至所述作业管理单元；
所述作业管理单元，被配置为根据所述仿真执行指令中携带的执行规则，生成针对所述仿真仓储系统的仿真作业单，并将所述仿真作业单发送至所述操作管理单元；
所述操作管理单元，被配置为根据所述仿真作业单，控制所述仿真仓储系统中的仿真物理设备进行仓储仿真作业，获得所述目标仿真仓储场景的仿真配置结果。
根据本说明书实施例的第四方面，提供了一种计算设备，包括：
存储器和处理器；
所述存储器用于存储计算机程序/指令，所述处理器用于执行所述计算机程序/指令，该计算机程序/指令被处理器执行时实现上述仓储系统全链路处理方法的步骤。
根据本说明书实施例的第五方面，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，该计算机程序/指令被处理器执行时实现上述仓储系统全链路处理方法的步骤。
根据本说明书实施例的第六方面，提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述仓储系统全链路处理方法的步骤。
本说明书一个实施例提供的仓储系统全链路处理方法，通过利用仿真仓储系统的全链路中的多个仓储配置参数，生成不同的仿真仓储场景，并利用仓储系统全链路仿真平台进行仿真，获得各个仿真仓储场景的仿真配置结果，从而根据各个仿真配置结果，优化得到目标配置参数，从而考虑到了各链路节点、以及各链路节点之间的依赖关系，通过仓储系统全链路仿真平台进行仿真，使得仿真优化能够考虑各个链路节点作业的整体优化方案，提高了仓储系统整体的作业效率，并使得应用该目标配置参数的实际的仓储系统的作业效率提高。
附图说明
图1是本说明书一个实施例提供的一种仓储系统全链路处理方法的应用场景示意图；
图2是本说明书一个实施例提供的一种仓储系统全链路处理方法的流程图；
图3是本说明书一个实施例提供的一种仓储系统全链路处理方法的并行处理流程示意图；
图4是本说明书一个实施例提供的一种仓储系统全链路处理方法的平台处理流程示意图；
图5是本说明书一个实施例提供的一种仓储系统全链路处理方法的平台框架示意图；
图6是本说明书一个实施例提供的一种仓储系统全链路处理方法的仿真决策流程示意图；
图7是本说明书一个实施例提供的一种仓储系统全链路处理装置的结构示意图；
图8是本说明书一个实施例提供的一种仓储系统全链路仿真平台的结构示意图；
图9是本说明书一个实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本说明书。但是本说明书能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本说明书内涵的情况下做类似推广，因此本说明书不受下面公开的具体实施的限制。
在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例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，本说明书一个或多个实施例中使用的术语“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。
应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
此外，需要说明的是，本说明书一个或多个实施例所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准，并提供有相应的操作入口，供用户选择授权或者拒绝。
首先，对本说明书一个或多个实施例涉及的名词术语进行解释。
AGV：自动导向车。
MiniIload：一种自动化仓库存储和检索系统，用于中小件商品的密集存储和高效存取。
物流业目前正面临着一系列挑战，人力资源短缺和劳务成本上升的问题日益严重。同时，由于无人化技术在物流业中的应用能够实现降本增效和可持续发展，电商物流作为中国物流业的重要部分，其增长速度非常快，但也带来了许多挑战。
电商物流的主要挑战是如何以更高的效率将商品送达买家手中，尤其是在面对大量仓储订单的情况下。为此，引入无人化技术成为了一个有效的解决方案，然而，不同于传统的自动化系统，电商无人化仓储系统需要具备特定的特性。
首先，它需要高度的柔性，能够根据项目量的变化灵活调整系统中的各种参数，如机器人的数量、效率、工时和工作区域；其次，它需要强大的扩展性，通过标准化的模块设计，可以快速、低成本地将无人化系统复制并部署到其他电商仓库；最后，它还需要有强大的适应性，能够在各种复杂的应用场景下完成全流程的无人化作业。
然而，为了实现这些特性，无人仓储系统在应用中会面临三个主要问题。
（1）如何高效地管理和协同仓储内的各种设备，包括机器人、机械臂、存储设备等。
（2）如何优选地分配订单任务和设备任务，特别是在电商订单量爆发时，如何协同上下游资源，实现优选的协调和集成。
（3）如何处理多模态任务的并行作业和全流程管理问题，特别是在一个电商仓库内可能同时存在多种作业模式的情况下。
针对这些问题，本说明书实施例提出了一种技术方案。该方案从整个供应链的角度出发，利用基于仿真的优化方法来提高电商仓储物流的效率和降低成本，通过这种方式，不仅可以解决上述提到的问题，还能帮助中国的物流业更好地应对当前的挑战，实现可持续发展。
在本说明书中，提供了一种仓储系统全链路处理方法，本说明书同时涉及一种仓储系统全链路仿真平台，一种计算设备，一种计算机可读存储介质，以及一种计算机程序产品，在下面的实施例中逐一进行详细说明。
需要说明的是，本说明书实施例提供的仓储系统全链路处理方法，可以应用于电商仓储系统、工业仓库管理、物流中心、应急与安全计划规划等，本说明书实施例以应用于电商仓储系统为例进行示例性说明，其他应用场景下的具体实现方式可参见本说明书实施例。
下述结合附图1，以本说明书实施例应用在仓储系统为例，对本说明书实施例提供的仓储系统全链路处理方法进行进一步说明，参见图1，图1是本说明书实施例提供的一种仓储系统全链路处理方法的应用场景示意图。
如图1所述，图1中包括客户端102、仓储系统全链路处理服务器104，仓储系统全链路仿真平台106，其中，客户端102包括但不限于手机、平板电脑、笔记本电脑、台式电脑等，仓储系统全链路处理服务器104包括但不限于物理服务器、云服务器等，仓储系统全链路仿真平台106可以部署在包括但不限于服务器中、终端中。
具体实施时，客户端102将用户确定的仿真仓储系统的仓储全链路的多个仓储作业参数通过客户端102发送至仓储系统全链路处理服务器104，仓储系统全链路处理服务器104根据多个仓储作业参数，利用样本生成器，生成不同仓储作业参数组合下的多个仿真仓储场景，并利用仓储系统全链路仿真平台106，对仿真仓储场景进行仿真，获得仿真配置结果，根据各个仿真仓储场景的仿真配置结果，获得仿真仓储系统的仓储全链路的目标配置参数，并将目标配置参数返回给客户端102，以使客户端102能够基于该目标配置参数，对实际的仓储系统进行配置，获得高效的仓储系统。
本说明书实施例提供的仓储系统全链路处理方法，通过利用仿真仓储系统的全链路中的多个仓储配置参数，生成不同的仿真仓储场景，并利用仓储系统全链路仿真平台进行仿真，获得各个仿真仓储场景的仿真配置结果，从而根据各个仿真配置结果，优化得到目标配置参数，从而考虑到了各链路节点、以及各链路节点之间的依赖关系，通过仓储系统全链路仿真平台进行仿真，使得仿真优化能够考虑各个链路节点作业的整体优化方案，提高了仿真仓储系统整体的作业效率，从而使得应用该目标配置参数的实际的仓储系统的作业效率提高。
参见图2，图2是本说明书一个实施例提供的一种仓储系统全链路处理方法的流程图，具体包括以下步骤。
步骤202：确定仿真仓储系统的仓储全链路的多个仓储作业参数，其中，所述仓储全链路用于对目标对象进行全链路仓储作业。
其中，仿真仓储系统可以理解为对现实的仓储作业流程进行仿真的仿真模型系统，仓储作业参数包括但不限于全链路的链路节点数、某一个链路节点的AGV个数、传送带数量、货架数量、货架容量等；目标对象可以理解为仓储作业所针对的仿真目标对象，包括但不限于商品、包裹、货物、快递等。
实际应用中，可以预先构建仿真仓储系统，以提高仿真结果准确性，具体实现方式如下所述：
所述仓储系统全链路仿真平台，包括仿真仓储系统构建单元；
所述确定仿真仓储系统的仓储全链路的多个仓储作业参数之前，还包括：
响应于仿真仓储系统构建指令，根据所述仿真仓储系统构建指令中携带的参考仓储系统的仓储系统信息，利用所述仿真仓储系统构建单元，生成所述多个仓储作业参数；
根据所述多个仓储作业参数，构建所述仿真仓储系统。
其中，参考仓储系统可以理解为预先构建的、参考的仿真仓储系统，参考仓储系统中包含有包括但不限于全链路节点、核心模型（例如AGV、传送带、机械臂、MiniIload等）。
参考仓储系统的仓库系统信息包括但不限于仓储作业参数、包含有参考仓储系统的照片、文本描述等，其包含了仓储流程的信息，例如总AGV个数、总传送带个数、全链路的链路节点个数、货架个数、拣选区个数等。
那么，根据上述仓储作业参数，即可构建用于仿真的仿真仓储系统。
本说明书实施例提供的仓储系统全链路处理方法，通过预先根据仿真仓储系统构建指令中包含的信息进行仿真仓储系统的构建，使得仿真仓储系统贴近用户需求，提高了后续利用该仿真仓储系统进行仿真的准确性。
步骤204：根据所述多个仓储作业参数，利用样本生成器，生成不同仓储作业参数组合下的多个仿真仓储场景。
其中，样本生成器可以理解为根据多个仓储作业参数，随机产生不同的仓储作业参数组合的随机样本生成器；仿真仓储场景可以理解为包含有多个仓储作业参数的作业参数组合场景。
在上述构建了仿真仓储系统并确定了多个仓储作业参数之后，利用样本生成器，可以生成不同的仓储作业参数组合所对应的多个仿真仓储场景。
实际应用中，为了提高仓储系统的效率，仿真过程可以考虑多模态并行方案，那么，仓储作业参数还可以包括有多模态组合的仓储作业模式和仓鼠系统的基本参数等，具体实现方式如下所述：
所述多个仓储作业参数包括所述仿真仓储系统的仓储全链路的仓储配置、流程方式、多模态组合的仓储作业模式、组单参数、自动导向车数量和/或模拟人数量。
其中，仓储配置可以理解为仿真仓储系统所配置的链路节点的设备配置以及参数配置，包括但不限于自动化设备的配置（AGV、传送带、机械臂等）、设备规格、存储设备配置（例如仓库、料箱等）货架类型等；
流程方式可以理解为包括但不限于订单合流、订单分批、入库、拣选、货物合流、打包、出库等。
多模态组合的仓储作业可以理解为多模态并行的仓储作业流程，包括但不限于自动化和人工模式并行（多AGV、多人、AGV与人等）、多存储方式（货架、料箱、堆垛区等）、多装卸方式（叉车、传送带、AGV、机械臂等）、多分拣方式（按体积分拣、按订单参数分拣等）等。
组单参数可以理解为订单合并所参考的参数，包括但不限于订单优先级、合单数、路线优化参数等。
具体实施时，仿真过程可以考虑多模态并行方案，下述结合附图3，以本说明书实施例应用在仓库作业场景为例进行示例性说明，参见图3，图3是本说明书一个实施例提供的一种仓储系统全链路处理方法的并行处理流程示意图，如图3所示，仓库流程至少包括订单合并、订单分批、订单拣选、订单合流、商品出库，具体包括如下步骤：
（1）订单合并。
具体的，在接收到客户订单之后，可以首先根据预设组单参数，将订单合并为多个作业总单，其中，每个作业总单包含的商品数量为给定的组单参数，以使所有的作业总单的跨区数较少。
（2）组单分批。
具体的，在上述获得了多个作业总单后，根据各拣选区的项目数据和约束建立作业分批模型，以实现较小的挑选代价，例如，各拣选区的项目数据和约束可以理解为AGV区域的货架进站次数，AGV运动距离，人车混合区域的人工跨巷道数量以及库存满足等。
（3）商品分批。
具体的，在上述获得了各个分批的作业单之后，可以通过多种挑选区下的多种挑选组合，对各个分批的作业单进行并行处理，以提高对作业单的处理效率。
（4）订单合流。
具体的，由于仿真系统在进行合流仿真时，合流的时间是一定的，为了使仿真系统能够更快速的完成合流任务，可以尽可能的减少每个分拣区的延迟时间，例如，可以考虑各个分拣区的效率、现有库存信息、订单集合自身信息等，从而建立订单拣选顺序优化模型，以较小化订单处理总时间为目标，采用优化算法（例如改进的自适应遗传算法）对模型进行求解，规划合理的订单拣选顺序，使各个拣选区的出货顺序和时间分布在合理的区间内，保证缓存区商品堆积数量处于较低的水平，保证了负载处于可容限度内，使仓储仿真系统更有效的完成合流任务，减少订单处理的总时间。
（5）商品出库。
那么，在上述确定了各个分拣区对应的分拣订单后，各个分拣区对应的AGV，或者模拟人与AGV混合，对合流的商品进行拣选，并通过商品质检、打包、完成商品出库前的准备，之后对商品进行出库。
本说明书实施例提供的仓储系统全链路处理方法，通过配置多模态的仓库作业模式，使得后续可以规划更合理的仓储作业流程，提高仓储系统的作业效率，具体的，将多个订单分类合并形成作业总单，每个作业总单包含的包裹数量指定，使得所有作业总单的跨区数较少，利用多模态并行的作业方式，实现了较小的拣选代价以及较高的拣选效率，规划合理的订单挑选顺序，使得各个拣选去的出货顺序和时间得到优化，保证了缓存区商品堆积数量处于降低较低的水平，保证了缓存区负载处于可容限度内，使仓储系统更有效的完成合流任务，减少了订单处理的总时间。
实际应用中，为了提高样本多样性，在生成仿真仓储场景时可以考虑仓储数据、仓储环境等信息，具体实施方式如下所述：
所述根据所述多个仓储作业参数，利用样本生成器，生成不同仓储作业参数组合下的多个仿真仓储场景，包括：
将所述多个仓储作业参数，输入所述样本生成器，使得所述样本生成器根据所述多个仓储作业参数的不同组合以及概率分布，确定不同仓储数据以及不同仓储环境下的多组仓储作业参数组合；
根据所述多组仓储作业参数组合，生成各组仓储作业参数组合对应的仿真仓储场景。
其中，仓储数据可以理解为仓储作业时的数据，例如，仓储数据可以理解为实时的订单量、商品需求、各个链路节点的库存商品状态等；
仓储环境可以理解为仓储的外部仿真环境，包括但不限于仓储货物的特性、物流网络状态、货物存储要求等，例如，冷藏存储某些货物、不可堆叠某些货物等、订单较多时网络波动状态等。
具体实施时，在上述确定了仓储作业参数的情况下，可以增加对仓储数据和仓储环境的考虑，并据此生成更加多样化的仿真仓储场景。
本说明书实施例提供的仓储系统全链路处理方法，通过确定不同仓储数据以及不同仓储环境下的多组仓储作业参数组合，使得后续生成的仿真仓储场景的样本随机性更高，且样本符合实际应用场景，保证了后续仿真的准确性。
步骤206：根据所述多个仿真仓储场景，利用仓储系统全链路仿真平台，对所述仿真仓储系统进行仿真，获得各仿真仓储场景的仿真配置结果。
具体的，仓储系统全链路仿真平台可以理解为上述仓储系统全链路仿真平台，用于构建与实际仓库一致的仿真仓储系统。
实际应用中，由于上述生成的仿真仓储场景较多，因此可以依次进行仿真，具体实现方式如下所述：
所述根据所述多个仿真仓储场景，利用仓储系统全链路仿真平台，对所述仿真仓储系统进行仿真，获得各仿真仓储场景的仿真配置结果，包括：
依次从所述多个仿真仓储场景中确定目标仿真仓储场景；
根据所述目标仿真仓储场景，利用仓储系统全链路仿真平台，对所述仿真仓储系统进行仿真，获得所述目标仿真仓储场景的仿真配置结果；
根据所述目标仿真仓储场景的仿真配置结果，确定所述各仿真仓储场景的仿真配置结果。
其中，仿真配置结果可以理解为仿真仓储系统输出的仿真结果，目标仿真仓储场景的仿真配置结果包括但不限于目标仿真仓储场景中包含的各个仓储作业参数所对应的链路节点，以及各个链路节点的仓储作业参数、各个仓储作业参数对应的、仓储系统的性能数据等。
本说明书实施例提供的仓储系统全链路处理方法，通过利用仓储系统全链路仿真平台一次对仿真仓储场景进行仿真，提高了获得的仿真配置结果的准确性。
实际应用中，为了提高仿真准确性，可以规范化仿真流程，具体实现方式如下所述：
所述仓储系统全链路仿真平台，包括资源管理单元、算法管理单元、作业管理单元以及操作管理单元；
所述根据所述目标仿真仓储场景，利用仓储系统全链路仿真平台，对所述仿真仓储系统进行仿真，获得所述目标仿真仓储场景的仿真配置结果，包括：
确定所述目标仿真仓储场景对应的目标仓储作业参数组合；
将所述目标仓储作业参数组合输入所述仓储系统全链路仿真平台，利用所述资源管理单元、所述算法管理单元、所述作业管理单元以及所述操作管理单元，对所述仿真仓储系统进行仿真，获得所述目标仿真仓储场景的仿真配置结果，
其中，所述资源管理单元，响应于所述目标仓储作业参数组合的输入，获取所述仿真仓储系统的当前仓储资源，并将所述当前仓储资源以及所述目标仓储作业参数组合，发送至所述算法管理单元，
所述算法管理单元，根据所述当前仓储资源以及所述目标仓储作业参数组合，生成针对所述仿真仓储系统的仿真执行指令，并将所述仿真执行指令发送至所述作业管理单元，
所述作业管理单元，根据所述仿真执行指令中携带的执行规则，生成针对所述仿真仓储系统的仿真作业单，并将所述仿真作业单发送至所述操作管理单元；
所述操作管理单元，根据所述仿真作业单，控制所述仿真仓储系统中的仿真物理设备进行仓储仿真作业，获得所述目标仿真仓储场景的仿真配置结果。
可选的，所述操作管理单元，还被配置为：
在确定所述仿真物理设备完成所述仿真作业单的仓储仿真作业的情况下，向所述作业管理单元发送、针对所述仿真作业单的作业完成指令；
所述作业管理单元，还被配置为响应于所述作业完成指令，在确定存在所述仿真作业单的下一仿真作业单的情况下，将所述下一仿真作业单发送至所述操作管理单元。
可选的，所述作业管理单元，还被配置为：
根据所述完成指示信息，在不存在下一仿真作业单的情况下，获得所述目标仓储作业参数组合对应的目标仿真配置结果。
可选的，所述算法管理单元，还被配置为：
调用第三方任务分配算法，根据所述当前仓储资源以及所述目标仓储作业参数组合，生成针对所述仿真仓储系统的仿真执行指令，并将所述仿真执行指令发送至所述作业管理单元。
具体实施时，上述仿真过程的具体实现如图4所示。
参见图4，图4是本说明书一个实施例提供的一种仓储系统全链路处理方法的平台处理流程示意图，如图4所示，图4中包含有资源管理单元（即图4中的资源中心，又称Resource and Data Manager，资源与数据中心）、算法管理单元（即图4中的算法管理，基于TPP的模块，TPP即算法控制管理系统）、作业管理单元（即图4中的作业管理、Job履行）、操作管理单元（即图4中的操作管理）。
具体实施时，资源中心负责仿真信息的准备，即上述仿真平台中构建的仓储系统的准备，以及仿真数据的初始化，在上述仿真管理模块进行仿真流程的控制过程中，资源中心首先对传入至该仿真平台的仿真数据进行初始化，并将初始化仿真数据传入至算法管理单元，以使算法管理单元获取对应的仿真执行指令。
算法管理单元在接收到上述初始化后的仿真数据之后，基于TPP提供的SPI接口（Serial Peripheral Interface，串行外设接口）以及仿真控制算法（例如优化算法、决策算法等），为该初始化后的仿真数据生成对应的执行指令，之后，仿真平台将该执行指令进行推进执行，例如，执行指令包括但不限于仓储全流程各个环节的作业单（即仿真作业单）生成，货到人区域作业指令，人工作业指令，合流指令，AGV平衡调度指令等。
进一步的，仿真平台通过作业管理单元实现上述执行指令的执行，即，作业管理单元执行上述算法管理单元生成的执行指令，并对在进行指令执行的过程中，首先将执行指令转化为作业单，并对各个作业单的任务状态进行统计，例如字段完整性校验、物流搬运机器人状态校验和更新任务状态等消息统计。
更进一步的，仿真的具体实现通过作业管理单元实现，具体的，上述作业管理单元在生成作业单之后，将作业单发送至操作管理单元，操作管理单元完成执行任务的执行，并在完成之后，更新作业单的完成状态，以触发下一个执行指令。
其中，操作管理单元在对某一个作业单进行执行时，具体通过解析该作业单，生成该作业单对应的事件，并通过上述离散事件执行引擎以及仿真执行核心能力沉淀模块，实现对该作业单的执行，具体的，操作管理单元首先将该作业单对应的事件发送至离散事件执行引擎，离散事件执行引擎解析并执行该事件，产生仿真流程任务，并将仿真流程任务发送至仿真执行核心能力沉淀模块，仿真执行核心能力沉淀模块根据该仿真流程任务对仓储系统流程进行仿真，并将仿真结果回传给离散事件执行引擎，离散事件执行引擎在接收到仿真结果后，即可更新时间执行状态，以使操作管理单元更新作业单的执行状态。
本说明书实施例提供的仓储系统全链路处理方法，通过资源管理单元、算法管理单元、作业管理单元以及操作管理单元实现离散仿真过程，在保证仿真结果准确的情况下，极大的提高了仿真的效率。
具体实施时，上述仓储系统全链路仿真平台还可以与用户进行交互，以提高用户体验，具体实现方式如下所述：
所述仓储系统全链路仿真平台，还包括仿真控制单元；
所述响应于仿真仓储系统构建指令，包括：
响应于用户基于所述仿真控制单元的用户交互界面的编辑和/或点选操作，触发的仿真仓储系统构建指令。
其中，用户交互界面中包括但不限于数据录入文本框、数据录入点选框、下拉选项框、图形展示元素、列表展示元素等，用户通过在用户交互界面中的编辑和/或点选操作，可以向客户端传输需要的指令信息。
本说明书实施例提供的仓储系统全链路处理方法，通过用户的编辑和/或点选操作触发仿真仓储系统构建指令，使得仿真仓储系统更符合用户需求，提升了用户的使用体验。
实际应用中，仿真的执行状态也可以展示给用户，以进一步提高用户体验，具体实现方式如下所述：
响应于所述用户基于所述仿真控制单元的所述用户交互界面，触发的仿真进度查看指令，通过所述用户交互界面，向所述用户反馈针对仿真仓储系统的仓储全链路的当前仿真仓储信息。
其中，当前仿真仓储信息包括但不限于AGV运动轨迹、AGV电量、AGV正在运行个数、货架负载等。
本说明书实施例提供的仓储系统全链路处理方法，通过支持用户查看仿真进度，使得用户能够准确掌握仿真的状态，进一步提升了用户的使用体验。
步骤208：根据所述各仿真仓储场景的仿真配置结果，获得所述仿真仓储系统的仓储全链路的目标配置参数。
其中，目标配置参数可以理解为能够用于配置实际的仓储系统的一组仓储作业参数，该组仓储作业参数中包含有多个仓储作业参数，仓储作业参数与仓储全链路中的链路节点一一对应。
实际应用中，为了提高实际仓储系统的作业效率，可以通过优化搜索算法搜索优选的一组仓储作业参数，作为目标配置参数，具体实现方式如下所述：
所述根据所述各仿真仓储场景的仿真配置结果，获得所述仿真仓储系统的仓储全链路的目标配置参数，包括：
根据所述各仿真仓储场景的仿真配置结果，确定针对所述仿真仓储系统的仓储全链路中每个链路节点的仿真配置子结果，其中，所述每个链路节点用于进行所述目标对象的链路节点仓储作业，所述每个链路节点的仿真配置子结果中包含其对应的多个仓储配置参数、以及每个仓储配置参数对应的性能数据；
根据所述每个链路节点的仓储配置参数，确定多维参数搜索空间，其中，所述多维参数搜索空间的每个维度与每个链路节点相对应，所述多维配置信息搜索空间的每个维度下的搜索空间中、包含有其对应的链路节点的多个仓储配置参数；
根据预设搜索策略以及所述性能数据，从所述多维参数搜索空间中，确定所述仿真仓储系统的仓储全链路的目标配置参数。
具体的，链路节点可以理解为目标对象在仓储全链路中进行全链路仓储作业的作业节点，例如，链路节点可以理解为订单组单节点、订单分批节点、拣选节点、合流节点、出库节点等。
一个链路节点的仓储配置参数可以理解为该链路节点上配置的仓储配置相关的仓储配置参数，例如，在链路节点理解为拣选节点的情况下，拣选节点的仓储配置参数可以理解为拣选策略（例如，按单顺序拣选、按区域拣选、批量拣选、波次拣选等）、拣选工作站设置信息（例如，人工拣选、自动化设备拣选、人工与自动化设备混合拣选）、拣选设备数量等，再例如，在链路节点理解为出库节点的情况下，出库节点的配置信息可以理解为打包台数量、打包设备数量、传送带数量、传送带长度、传送带宽度、出库口数量等。
一个链路节点的仓储配置参数对应的性能数据可以理解为目标对象在该链路节点的该配置信息下进行仿真所产生的性能数据；例如，在拣选节点的仓储配置参数理解为拣选策略的情况下，对应的性能数据可以理解为拣选准确率、平均每单拣选时间等，再例如，在拣选节点的仓储配置参数理解为拣选设备数量的情况下，对应的性能数据可以理解为单个拣选设备的工作效率、拣选路径优化程度等。
进一步的，在确定了多个仓储配置参数以及每个仓储配置参数对应的性能数据的情况下，可以利用该多个仓储配置参数建立多维参数搜索空间，多维参数搜索空间的每个维度与每个链路节点相对应，多维配置信息搜索空间的每个维度下的搜索空间中、包含有其对应的链路节点的多个仓储配置参数。
例如，链路节点有入库节点、出库节点两个，入库节点对应有仓储配置参数5个AGV、6个AGV、8个AGV，出库节点对应有仓储配置参数6个出库口、9个出库口，则可建立二维参数搜索空间，其中，入库节点对应有二维参数搜索空间中的一个维度的参数搜索空间，包含有仓储配置参数5个AGV、6个AGV、8个AGV，出库节点对应二维参数搜索空间中的一个维度的参数搜索空间，包含有仓储配置参数6个出库口，9个出库口。
预设搜索策略包括但不限于遗传算法、模拟退火算法、网格搜索算法。
更进一步的，可以根据预设搜索策略，以各个仓储配置参数对应的性能数据作为评价因素，从多维参数搜索空间中，对各个仓储配置参数进行优化搜索，综合评价仓储全链路的整体性能，得到一组仓储配置参数（即目标配置参数），该组仓储配置参数对应于仓储全链路的每一个链路节点，其中，根据上述预设搜索策略搜索优选解（即目标配置参数）的具体实现方式可采用通过现有的搜索实现方式得出，预设搜索策略的优化目标设置也可以根据实际需要设置，本说明书实施例对此不做限定。
示例性的，下述给出预设搜索策略理解为遗传算法、模拟退火算法、网格搜索算法的具体实现方式：
1、遗传算法
初始化种群：随机生成一组仓储配置参数组合作为初始解集。
编码和适应度评估：将仓储配置参数组合编码成染色体，并定义适应度函数以评估每个个体（仓储配置参数组合）对应系统的性能优劣。
操作算子：通过选择、交叉、变异等操作迭代地产生新一代解集，逐步向优选解逼近。
迭代终止条件：当达到预设的迭代次数或满足某个性能阈值时停止搜索，输出当前适应度最大值的个体所代表的仓储配置参数组合，即目标配置参数。
2、模拟退火算法
初始状态与温度设置：从搜索空间中随机选取一个初始仓储配置参数组合并设定初始温度。
接受概率函数：定义一个基于温度和能量差（新旧解的性能差距）的接受概率。
温度控制：进行迭代，在每一步尝试改变当前解的一个或多个仓储配置参数，根据接受概率决定是否接受新的解。
冷却过程：随着温度逐渐降低，算法趋于稳定，最终得到接近全局优选解的仓储配置参数组合，即目标配置参数。
终止条件：当温度降至足够低或者迭代次数达到上限时停止搜索。
3、网格搜索算法
仓储配置参数网格划分：将每个仓储配置参数的不同取值按照一定步长排列，形成一个规则的网格结构。
穷举搜索：遍历整个仓储配置参数网格中的每一个点（即每一种仓储配置参数组合），计算对应的性能指标。
优选结果选择：比较所有测试过的仓储配置参数组合，选出性能优选的仓储配置参数组合作为最终解决方案，即获得目标配置参数。
沿用上例，例如搜索结果确定的目标配置参数为入库节点设置6个AGV，出库节点设置6个出库口。
本说明书实施例提供的仓储系统全链路处理方法，通过从多个仿真配置结果对应的多个仿真配置子结果中优选解，从而确定优选的、仿真仓储系统的仓储全链路的目标配置参数，提高了后续根据该目标配置参数配置的、实际的仓储系统的作业效率。
实际应用中，还可以分两次进行搜索，即先进行初始化搜索，搜索出较优的多组仓储配置参数的组合，再进行迭代优化，确定目标配置参数，从而提高搜索优选解的搜索效率和优选解的准确性，具体实现方式如下所述：
所述根据所述各仿真仓储场景的仿真配置结果，获得所述仿真仓储系统的仓储全链路的目标配置参数，包括：
根据所述各仿真仓储场景的仿真配置结果，确定针对所述仿真仓储系统的仓储全链路中每个链路节点的仿真配置子结果，其中，所述每个链路节点用于进行所述目标对象的链路节点仓储作业，所述每个链路节点的仿真配置子结果中包含其对应的多个仓储配置参数、以及每个仓储配置参数对应的性能数据；
根据所述每个链路节点的仓储配置参数，确定多维参数搜索空间，其中，所述多维参数搜索空间的每个维度与每个链路节点相对应，所述多维配置信息搜索空间的每个维度下的搜索空间中、包含有其对应的链路节点的多个仓储配置参数；
根据第一预设搜索策略以及所述性能数据，从所述多维参数搜索空间中，确定多个待选参数组合；
根据第二预设搜索策略以及所述性能数据，对所述多个待选参数组合进行迭代优化搜索，并根据搜索的收敛结果，确定所述仿真仓储系统的仓储全链路的目标配置参数。
其中，一个待选参数组合中包含有多个仓储配置参数，每个仓储配置参数与每个链路节点相对应；第一预设搜索策略均可以采用上述预设搜索策略，实际应用中可以根据实际需要进行组合。
具体实施时，确定多维参数搜索空间的具体实现方式可参见上述说明书实施例，对此不在赘述。
进一步的，可以根据第一预设搜索策略，以各个仓储配置参数对应的性能数据作为评价因素，从多维参数搜索空间中，对各个仓储配置参数进行优化搜索，综合评价仓储全链路的整体性能，并根据实际需要设置多个参数区间范围的优化目标，根据多个参数区间范围的优化目标，得到多组仓储配置参数，将该多组仓储配置参数组合作为多个待选参数组合。
可选的，还可以在搜索出多组仓储配置参数组合之后，在各个仓储配置参数附近确定多个较优的仓储配置参数，将多组仓储配置参数组合以及该多个较优的仓储配置参数作为多个待选参数组合。
在确定了多个待选参数组合之后，利用第二预设搜索策略，在多个待选参数组合内进行进一步的迭代优化以及参数交差，从而在预设迭代条件下的迭代步骤中，获得最终收敛的迭代结果，并将该迭代结果中包含的一组仓储配置参数，作为目标配置参数。
更进一步的，在获得了目标配置参数之后，即可按照目标配置参数中的多个仓储配置参数，对实际的仓储系统中的各个仓储作业环节进行配置，从而获得高效的仓储系统。
本说明书实施例提供的仓储系统全链路处理方法，在进行目标配置参数搜索的过程中，首先通过第一预设搜索算法，确定出多组较优的多组仓储配置参数的组合，即多个待选参数组合，从而避免搜索陷入局部优选的情况，推高了最终确定的目标配置参数的优化程度，并且，由于第一预设搜索算法搜索依据的优化目标为区间范围，提高了搜索的效率，从而提高了整体的仓储系统全链路处理效率。另外，由于优化了目标配置参数，使得后续根据该目标配置参数配置的仓储系统的作业效率得到进一步提高。
本说明书一个实施例提供的仓储系统全链路处理方法，通过利用仿真仓储系统的全链路中的多个仓储配置参数，生成不同的仿真仓储场景，并利用仓储系统全链路仿真平台进行仿真，获得各个仿真仓储场景的仿真配置结果，从而根据各个仿真配置结果，优化得到目标配置参数，从而考虑到了各链路节点、以及各链路节点之间的依赖关系，通过仓储系统全链路仿真平台进行仿真，使得仿真优化能够考虑各个节点作业的整体优化方案，提高了仓储系统整体的作业效率。
下述结合附图5，以本说明书提供的仓储系统全链路处理方法在电商仓储系统的应用为例，对所述仓储系统全链路处理方法进行进一步说明。其中，图5是本说明书一个实施例提供的一种仓储系统全链路处理方法的平台框架示意图，如图5所示，图5中包括仿真管理模块，事件执行模块（即图5中离散事件执行引擎），仿真执行模块（仿真执行核心能力沉淀模块，即图5中仿真执行核心能力沉淀），以及仿真控制台。
其中，仿真管理模块中至少包含三类模块，即核心算法模块（即图5中的核心模型）、基础能力模块（即图5中的基础能力）、用户自定义模块；事件执行模块中至少包括用于进行运输模拟的立库、机械臂等，以用于进行运输模拟过程的仿真，例如机械臂抓取等特征/规则能力、传送带速度等特征/规则能力等，以及用于运动模拟的自动导向车、料箱式自动化立体仓库等，以用于进行运动模拟过程的仿真，例如路径规划、交通控制、AGV移动模拟、地图快速构建等；控制仿真台中至少显示有AGV运动轨迹和交通情况、通用指标统计等，用于观察仿真的状态，以帮助用户进行仿真调整。
具体实施时，为了能够使得本仿真平台能够实现对整个仓储流程的模拟仿真，上述仿真管理模块中的用户自定义模块采用了SDK（Software Development Kit，软件开发工具包）形态组件和SPI集成调用，以便于用户在仿真开发时能够自定义需要的流程或者配置。
而对于仓储流程，例如订单挑选完成、订单合流完成等，其状态变化与事件的发生是一一对应的，事件的发送没有持续性，因此仓储流程的状态变化和事件的发生可认为是在一个时间点上完成，基于此，上述仿真平台可以采用离散事件来管理仓储系统仿真的流程。
进一步的，本说明书实施例将仓储流程中的各个执行单元，例如自动导向车、传送带、机械臂等，均以智能体的形式进行仿真建模，那么，在进行仓储流程的仿真过程中，各个执行单元的仿真执行即可按照时间轴推进，以体现仓储流程中上下游的相互关系。
再进一步的，在进行仿真执行过程中，由于各个智能体之间独立存在，因此可以通过改变各个智能体的状态，从而产生智能体下游的仿真任务所对应的事件。
实际应用中，根据上述仿真平台可以实现对仓储流程的仿真，而由于在仓储流程中（更具体的，在多模态全流程的环节中），存在大量的决策环节，例如决策订单的组合决策，人工拣选路线的决策，货柜和订单商品的匹配的决策，作业任务下发的顺序的决策，多模态作业下的合流批次的决策，自动化机器人的移动路径的决策，货柜拣选工作站的次序的决策，拣选后订单的发货流向的决策等，针对多模态全流程的环节的决策参数数量极其庞大，且随着任意时间任意状态下都可能产生不同的决策效果，且前后耦合的决策参数也会影响最终的仓储流程的作业效率，有鉴于此，在上述仿真平台的基础上，还可以对仿真流程进行优化，以实现通过搜索仓储流程的决策参数，并不断实时动态模拟更新，提高整个仓储流程的作业效率。
基于此，根据本说明书实施例提供的一种仓储系统全链路处理方法，还可以结合决策优化流程，参见图6，图6是本说明书一个实施例提供的一种仓储系统全链路处理方法的仿真决策流程示意图，具体如下：
1.样本生成。
具体的，首先获取仓储流程相关信息参数，例如不同的仓储配置、流程方式、多模态组合、组单参数、AGV个数、充电阈值等，并将该仓储流程相关信息参数，输入至随机样本生成器中，以使随机样本生成器动态根据环境不断产生不同仓储流程相关信息参数下的样本场景（如图6中的ω_1,…,ω_(N_θ )）.
2.利用仓储全链路仿真模型（即上述仿真平台）进行仿真。
具体的，在上述获得了样本场景之后，将样本场景输入至上述仿真平台，利用仿真平台对样本场景进行仿真，并得到各个样本场景对应的仿真模型（即仿真平台对样本场景进行仿真后的仿真结果），为了便于后续的决策，可以将上述样本场景中包含的各个仓储流程相关信息参数以数学形式表达，例如，以L(θ,ω)标识各个仿真模型，不同的ω标识不同样本场景，不同的θ标识不同的样本场景下对应的仓储流程相关信息参数。
3.利用优化器搜索初始样本场景。
具体的，利用优化器搜索上述样本场景中符合预设要求（例如，预设要求为初始样本场景的整个仓储作业流程的效率为各目标样本场景中的最大值）的样本场景，即初始样本场景，以及初始样本场景对应的仓储流程相关信息参数。
具体实施时，利用优化器搜索初始样本场景的具体实现步骤如下：
（1）确定预设的优化搜索算法，预设的优化搜索算法包括但不限于遗传算法、模拟退火算法、网络搜索算法等。
（2）根据预设的优化搜索算法，确定对应的优化器，并利用优化器对多个样本场景并行搜索，得到初始样本场景。
4.多次随机仿真
具体的，多次随机仿真即并行搜索初始样本场景。
在上述利用仿真平台进行仿真，以及利用优化器进行初始样本场景搜索的基础上，对上述样本场景进行多次随机仿真以及决策，并利用并行加速装置对每次的随机仿真以及决策进行并行仿真，获得多个初始样本场景，以及各初始样本场景对应的仓储流程相关信息参数。
5.确认优选参数组合
其中，确认优选参数组合即从上述多个初始样本场景对应的仓储流程相关信息参数，确定一组符合优化要求的仓储流程相关信息参数，例如，该组仓储流程相关信息参数所对应的整体仓储流程的效率为最大值。
具体的，在上述得到多个初始样本场景对应的仓储流程相关信息参数之后，由于仓储流程时空范围庞大、参数之间相互耦合，因此，对该仓储流程相关信息参数组合搜索。
首先，利用网格搜索算法，确定多组参数区间范围，并根据多组参数区间范围，从上述仓储流程相关信息参数中，确定多个仓储流程相关信息参数组合。
之后，采用元启式算法-模拟退火算法，对上述获得的多个仓储流程相关信息参数组合，组内进行算法迭代优化，以及组内耦合参数之间进行参数交叉，直至满足迭代停止条件位置，获得最终的优选参数组合，该优选参数组合即为上述目标配置参数，那么，后续即可利用该目标配置参数对实际应用中的仓储系统全链路进行配置优化。
本说明书实施例提供的仓储系统全链路处理方法，通过可进行扩展的仿真系统对仓储全流程进行仿真，实现了对仿真仓储作业过程中的各种参数信息之间的整体优化；并且，由于仿真系统可以进行快速和大量的仿真，因此降低了仓储系统决策的处理时间，提高了仓储系统优化效率；另外，由于在仓储系统仿真的过程中增加了并行作业和优化设计，使得仿真仓储系统能够快速的搜索出多个仓储流程节点的优化参数，从而可以提高后续应用该优化参数优化的实体仓储作业系统的作业效率，以及降低实体仓储作业系统的实验成本。
与上述方法实施例相对应，本说明书还提供了仓储系统全链路处理装置实施例，图7示出了本说明书一个实施例提供的一种仓储系统全链路处理装置的结构示意图。如图7所示，该装置包括：
仓储作业参数确定模块702，被配置为确定仿真仓储系统的仓储全链路的多个仓储作业参数，其中，所述仓储全链路用于对目标对象进行全链路仓储作业；
仿真仓储场景生成模块704，被配置为根据所述多个仓储作业参数，利用样本生成器，生成不同仓储作业参数组合下的多个仿真仓储场景；
仿真模块706，被配置为根据所述多个仿真仓储场景，利用仓储系统全链路仿真平台，对所述仿真仓储系统进行仿真，获得各仿真仓储场景的仿真配置结果；
目标配置参数获得模块708，被配置为根据所述各仿真仓储场景的仿真配置结果，获得所述仿真仓储系统的仓储全链路的目标配置参数。
可选的，所述仓储系统全链路仿真平台，包括仿真仓储系统构建单元；
所述装置，还包括仿真仓储系统构建模块，被配置为：
响应于仿真仓储系统构建指令，根据所述仿真仓储系统构建指令中携带的参考仓储系统的仓储系统信息，利用所述仿真仓储系统构建单元，生成所述多个仓储作业参数；
根据所述多个仓储作业参数，构建所述仿真仓储系统。
可选的，所述仿真仓储场景生成模块704，还被配置为：
将所述多个仓储作业参数，输入所述样本生成器，使得所述样本生成器根据所述多个仓储作业参数的不同组合以及概率分布，确定不同仓储数据以及不同仓储环境下的多组仓储作业参数组合；
根据所述多组仓储作业参数组合，生成各组仓储作业参数组合对应的仿真仓储场景。
可选的，所述仿真仓储场景生成模块704，还被配置为：
依次从所述多个仿真仓储场景中确定目标仿真仓储场景；
根据所述目标仿真仓储场景，利用仓储系统全链路仿真平台，对所述仿真仓储系统进行仿真，获得所述目标仿真仓储场景的仿真配置结果；
根据所述目标仿真仓储场景的仿真配置结果，确定所述各仿真仓储场景的仿真配置结果。
可选的，所述仓储系统全链路仿真平台，包括资源管理单元、算法管理单元、作业管理单元以及操作管理单元；
所述仿真模块706，还被配置为：
确定所述目标仿真仓储场景对应的目标仓储作业参数组合；
将所述目标仓储作业参数组合输入所述仓储系统全链路仿真平台，利用所述资源管理单元、所述算法管理单元、所述作业管理单元以及所述操作管理单元，对所述仿真仓储系统进行仿真，获得所述目标仿真仓储场景的仿真配置结果，
其中，所述资源管理单元，响应于所述目标仓储作业参数组合的输入，获取所述仿真仓储系统的当前仓储资源，并将所述当前仓储资源以及所述目标仓储作业参数组合，发送至所述算法管理单元，
所述算法管理单元，根据所述当前仓储资源以及所述目标仓储作业参数组合，生成针对所述仿真仓储系统的仿真执行指令，并将所述仿真执行指令发送至所述作业管理单元，
所述作业管理单元，根据所述仿真执行指令中携带的执行规则，生成针对所述仿真仓储系统的仿真作业单，并将所述仿真作业单发送至所述操作管理单元；
所述操作管理单元，根据所述仿真作业单，控制所述仿真仓储系统中的仿真物理设备进行仓储仿真作业，获得所述目标仿真仓储场景的仿真配置结果。
可选的，所述目标配置参数获得模块708，还被配置为：
根据所述各仿真仓储场景的仿真配置结果，确定针对所述仿真仓储系统的仓储全链路中每个链路节点的仿真配置子结果，其中，所述每个链路节点用于进行所述目标对象的链路节点仓储作业，所述每个链路节点的仿真配置子结果中包含其对应的多个仓储配置参数、以及每个仓储配置参数对应的性能数据；
根据所述每个链路节点的仓储配置参数，确定多维参数搜索空间，其中，所述多维参数搜索空间的每个维度与每个链路节点相对应，所述多维配置信息搜索空间的每个维度下的搜索空间中、包含有其对应的链路节点的多个仓储配置参数；
根据预设搜索策略以及所述性能数据，从所述多维参数搜索空间中，确定所述仿真仓储系统的仓储全链路的目标配置参数。
可选的，所述目标配置参数获得模块708，还被配置为：
根据所述各仿真仓储场景的仿真配置结果，确定针对所述仿真仓储系统的仓储全链路中每个链路节点的仿真配置子结果，其中，所述每个链路节点用于进行所述目标对象的链路节点仓储作业，所述每个链路节点的仿真配置子结果中包含其对应的多个仓储配置参数、以及每个仓储配置参数对应的性能数据；
根据所述每个链路节点的仓储配置参数，确定多维参数搜索空间，其中，所述多维参数搜索空间的每个维度与每个链路节点相对应，所述多维配置信息搜索空间的每个维度下的搜索空间中、包含有其对应的链路节点的多个仓储配置参数；
根据第一预设搜索策略以及所述性能数据，从所述多维参数搜索空间中，确定多个待选参数组合；
根据第二预设搜索策略以及所述性能数据，对所述多个待选参数组合进行迭代优化搜索，并根据搜索的收敛结果，确定所述仿真仓储系统的仓储全链路的目标配置参数。
可选的，所述仓储系统全链路仿真平台，还包括仿真控制单元；
所述仿真仓储系统构建模块，还被配置为：
响应于用户基于所述仿真控制单元的用户交互界面的编辑和/或点选操作，触发的仿真仓储系统构建指令。
可选的，所述装置，还包括进度反馈模块，被配置为：
响应于所述用户基于所述仿真控制单元的所述用户交互界面，触发的仿真进度查看指令，通过所述用户交互界面，向所述用户反馈针对仿真仓储系统的仓储全链路的当前仿真仓储信息。
可选的，所述多个仓储作业参数包括所述仿真仓储系统的仓储全链路的仓储配置、流程方式、多模态组合的仓储作业模式、组单参数、自动导向车数量和/或模拟人数量。
上述为本实施例的一种仓储系统全链路处理装置的示意性方案。需要说明的是，该仓储系统全链路处理装置的技术方案与上述的仓储系统全链路处理方法的技术方案属于同一构思，仓储系统全链路处理装置的技术方案未详细描述的细节内容，均可以参见上述仓储系统全链路处理方法的技术方案的描述。
与上述方法实施例相对应，本说明书还提供了仓储系统全链路仿真平台实施例，图8示出了本说明书一个实施例提供的一种仓储系统全链路仿真平台的结构示意图。如图8所示，该平台包括资源管理单元802、算法管理单元804、作业管理单元806以及操作管理单元808，其中：
所述资源管理单元802，被配置为响应于目标仓储作业参数组合的输入，获取仿真仓储系统的当前仓储资源，并将所述当前仓储资源以及所述目标仓储作业参数组合，发送至所述算法管理单元；
所述算法管理单元804，被配置为根据所述当前仓储资源以及所述目标仓储作业参数组合，生成针对所述仿真仓储系统的仿真执行指令，并将所述仿真执行指令发送至所述作业管理单元；
所述作业管理单元806，被配置为根据所述仿真执行指令中携带的执行规则，生成针对所述仿真仓储系统的仿真作业单，并将所述仿真作业单发送至所述操作管理单元；
所述操作管理单元808，被配置为根据所述仿真作业单，控制所述仿真仓储系统中的仿真物理设备进行仓储仿真作业，获得所述目标仿真仓储场景的仿真配置结果。
可选的，所述操作管理单元808，还被配置为：
在确定所述仿真物理设备完成所述仿真作业单的仓储仿真作业的情况下，向所述作业管理单元发送、针对所述仿真作业单的作业完成指令；
所述作业管理单元，还被配置为响应于所述作业完成指令，在确定存在所述仿真作业单的下一仿真作业单的情况下，将所述下一仿真作业单发送至所述操作管理单元。
可选的，所述作业管理单元806，还被配置为：
根据所述完成指示信息，在不存在下一仿真作业单的情况下，获得所述目标仓储作业参数组合对应的目标仿真配置结果。
可选的，所述算法管理单元804，还被配置为：
调用第三方任务分配算法，根据所述当前仓储资源以及所述目标仓储作业参数组合，生成针对所述仿真仓储系统的仿真执行指令，并将所述仿真执行指令发送至所述作业管理单元。
上述为本实施例的一种仓储系统全链路仿真平台的示意性方案。需要说明的是，该仓储系统全链路仿真平台的技术方案与上述的仓储系统全链路处理方法中的仓储系统全链路仿真平台的技术方案属于同一构思，仓储系统全链路仿真平台的技术方案未详细描述的细节内容，均可以参见上述仓储系统全链路处理方法中的仓储系统全链路仿真平台的技术方案的描述。
图9示出了根据本说明书一个实施例提供的一种计算设备900的结构框图。该计算设备900的部件包括但不限于存储器910和处理器920。处理器920与存储器910通过总线930相连接，数据库950用于保存数据。
计算设备900还包括接入设备940，接入设备940使得计算设备900能够经由一个或多个网络960通信。这些网络的示例包括公用交换电话网（PSTN，Public SwitchedTelephone Network）、局域网（LAN，Local Area Network）、广域网（WAN，Wide AreaNetwork）、个域网（PAN，Personal Area Network）或诸如因特网的通信网络的组合。接入设备940可以包括有线或无线的任何类型的网络接口（例如，网络接口卡（NIC，networkinterface controller））中的一个或多个，诸如IEEE802.11无线局域网（WLAN，WirelessLocal Area Network）无线接口、全球微波互联接入（Wi-MAX，WorldwideInteroperability for Microwave Access）接口、以太网接口、通用串行总线（USB，Universal Serial Bus）接口、蜂窝网络接口、蓝牙接口、近场通信（NFC，Near FieldCommunication）接口，等等。
在本说明书的一个实施例中，计算设备900的上述部件以及图9中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图9所示的计算设备结构框图仅仅是出于示例的目的，而不是对本说明书范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。
计算设备900可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备（例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等）、移动电话（例如，智能手机）、可佩戴的计算设备（例如，智能手表、智能眼镜等）或其他类型的移动设备，或者诸如台式计算机或个人计算机（PC，Personal Computer）的静止计算设备。计算设备900还可以是移动式或静止式的服务器。
其中，处理器920用于执行如下计算机程序/指令，该计算机程序/指令被处理器执行时实现上述仓储系统全链路处理方法的步骤。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于计算设备实施例而言，由于其基本相似于仓储系统全链路处理方法实施例，所以描述的比较简单，相关之处参见仓储系统全链路处理方法实施例的部分说明即可。
本说明书一实施例还提供一种计算机可读存储介质，其存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现上述仓储系统全链路处理方法的步骤。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于计算机可读存储介质实施例而言，由于其基本相似于仓储系统全链路处理方法实施例，所以描述的比较简单，相关之处参见仓储系统全链路处理方法实施例的部分说明即可。
本说明书一实施例还提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述仓储系统全链路处理方法的步骤。
上述为本实施例的一种计算机程序产品的示意性方案。需要说明的是，该计算机程序产品的技术方案与上述的仓储系统全链路处理方法的技术方案属于同一构思，计算机程序产品的技术方案未详细描述的细节内容，均可以参见上述仓储系统全链路处理方法的技术方案的描述。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据专利实践的要求进行适当的增减，例如在某些地区，根据专利实践，计算机可读介质不包括电载波信号和电信信号。
需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本说明书实施例并不受所描述的动作顺序的限制，因为依据本说明书实施例，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本说明书实施例所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其它实施例的相关描述。
以上公开的本说明书优选实施例只是用于帮助阐述本说明书。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书实施例的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本说明书实施例的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本说明书。本说明书仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种仓储系统全链路处理方法，包括：
确定仿真仓储系统的仓储全链路的多个仓储作业参数，其中，所述仓储全链路用于对目标对象进行全链路仓储作业；
根据所述多个仓储作业参数，利用样本生成器，生成不同仓储作业参数组合下的多个仿真仓储场景；
根据所述多个仿真仓储场景，利用仓储系统全链路仿真平台，对所述仿真仓储系统进行仿真，获得各仿真仓储场景的仿真配置结果；
根据所述各仿真仓储场景的仿真配置结果，获得所述仿真仓储系统的仓储全链路的目标配置参数。
2.根据权利要求1所述的仓储系统全链路处理方法，所述仓储系统全链路仿真平台，包括仿真仓储系统构建单元；
所述确定仿真仓储系统的仓储全链路的多个仓储作业参数之前，还包括：
响应于仿真仓储系统构建指令，根据所述仿真仓储系统构建指令中携带的参考仓储系统的仓储系统信息，利用所述仿真仓储系统构建单元，生成所述多个仓储作业参数；
根据所述多个仓储作业参数，构建所述仿真仓储系统。
3.根据权利要求1所述的仓储系统全链路处理方法，所述根据所述多个仓储作业参数，利用样本生成器，生成不同仓储作业参数组合下的多个仿真仓储场景，包括：
将所述多个仓储作业参数，输入所述样本生成器，使得所述样本生成器根据所述多个仓储作业参数的不同组合以及概率分布，确定不同仓储数据以及不同仓储环境下的多组仓储作业参数组合；
根据所述多组仓储作业参数组合，生成各组仓储作业参数组合对应的仿真仓储场景。
4.根据权利要求1-3任意一项所述的仓储系统全链路处理方法，所述根据所述多个仿真仓储场景，利用仓储系统全链路仿真平台，对所述仿真仓储系统进行仿真，获得各仿真仓储场景的仿真配置结果，包括：
依次从所述多个仿真仓储场景中确定目标仿真仓储场景；
根据所述目标仿真仓储场景，利用仓储系统全链路仿真平台，对所述仿真仓储系统进行仿真，获得所述目标仿真仓储场景的仿真配置结果；
根据所述目标仿真仓储场景的仿真配置结果，确定所述各仿真仓储场景的仿真配置结果。
5.根据权利要求4所述的仓储系统全链路处理方法，所述仓储系统全链路仿真平台，包括资源管理单元、算法管理单元、作业管理单元以及操作管理单元；
所述根据所述目标仿真仓储场景，利用仓储系统全链路仿真平台，对所述仿真仓储系统进行仿真，获得所述目标仿真仓储场景的仿真配置结果，包括：
确定所述目标仿真仓储场景对应的目标仓储作业参数组合；
将所述目标仓储作业参数组合输入所述仓储系统全链路仿真平台，利用所述资源管理单元、所述算法管理单元、所述作业管理单元以及所述操作管理单元，对所述仿真仓储系统进行仿真，获得所述目标仿真仓储场景的仿真配置结果，
其中，所述资源管理单元，响应于所述目标仓储作业参数组合的输入，获取所述仿真仓储系统的当前仓储资源，并将所述当前仓储资源以及所述目标仓储作业参数组合，发送至所述算法管理单元，
所述算法管理单元，根据所述当前仓储资源以及所述目标仓储作业参数组合，生成针对所述仿真仓储系统的仿真执行指令，并将所述仿真执行指令发送至所述作业管理单元，
所述作业管理单元，根据所述仿真执行指令中携带的执行规则，生成针对所述仿真仓储系统的仿真作业单，并将所述仿真作业单发送至所述操作管理单元；
所述操作管理单元，根据所述仿真作业单，控制所述仿真仓储系统中的仿真物理设备进行仓储仿真作业，获得所述目标仿真仓储场景的仿真配置结果。
6.根据权利要求1所述的仓储系统全链路处理方法，所述根据所述各仿真仓储场景的仿真配置结果，获得所述仿真仓储系统的仓储全链路的目标配置参数，包括：
根据所述各仿真仓储场景的仿真配置结果，确定针对所述仿真仓储系统的仓储全链路中每个链路节点的仿真配置子结果，其中，所述每个链路节点用于进行所述目标对象的链路节点仓储作业，所述每个链路节点的仿真配置子结果中包含其对应的多个仓储配置参数、以及每个仓储配置参数对应的性能数据；
根据所述每个链路节点的仓储配置参数，确定多维参数搜索空间，其中，所述多维参数搜索空间的每个维度与每个链路节点相对应，所述多维配置信息搜索空间的每个维度下的搜索空间中、包含有其对应的链路节点的多个仓储配置参数；
根据预设搜索策略以及所述性能数据，从所述多维参数搜索空间中，确定所述仿真仓储系统的仓储全链路的目标配置参数。
7.一种仓储系统全链路仿真平台，包括资源管理单元、算法管理单元、作业管理单元以及操作管理单元，其中：
所述资源管理单元，被配置为响应于目标仓储作业参数组合的输入，获取仿真仓储系统的当前仓储资源，并将所述当前仓储资源以及所述目标仓储作业参数组合，发送至所述算法管理单元；
所述算法管理单元，被配置为根据所述当前仓储资源以及所述目标仓储作业参数组合，生成针对所述仿真仓储系统的仿真执行指令，并将所述仿真执行指令发送至所述作业管理单元；
所述作业管理单元，被配置为根据所述仿真执行指令中携带的执行规则，生成针对所述仿真仓储系统的仿真作业单，并将所述仿真作业单发送至所述操作管理单元；
所述操作管理单元，被配置为根据所述仿真作业单，控制所述仿真仓储系统中的仿真物理设备进行仓储仿真作业，获得所述目标仿真仓储场景的仿真配置结果。
8.一种计算设备，包括：
存储器和处理器；
所述存储器用于存储计算机程序/指令，所述处理器用于执行所述计算机程序/指令，该计算机程序/指令被处理器执行时实现权利要求1至6任意一项所述仓储系统全链路处理方法的步骤。
9.一种计算机可读存储介质，其存储有计算机程序/指令，该计算机程序/指令被处理器执行时实现权利要求1至6任意一项所述仓储系统全链路处理方法的步骤。
10.一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现权利要求1至6任意一项所述仓储系统全链路处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410290711.0A CN117910929A (zh) | 2024-03-14 | 2024-03-14 | 仓储系统全链路处理方法、以及仓储系统全链路仿真平台 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410290711.0A CN117910929A (zh) | 2024-03-14 | 2024-03-14 | 仓储系统全链路处理方法、以及仓储系统全链路仿真平台 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117910929A true CN117910929A (zh) | 2024-04-19 |
Family
ID=90692359
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410290711.0A Pending CN117910929A (zh) | 2024-03-14 | 2024-03-14 | 仓储系统全链路处理方法、以及仓储系统全链路仿真平台 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117910929A (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101369291A (zh) * | 2008-09-09 | 2009-02-18 | 清华大学深圳研究生院 | 仓储仿真器 |
| CN108345970A (zh) * | 2017-01-23 | 2018-07-31 | 北京京东尚科信息技术有限公司 | 物流仓储仿真方法、平台和系统 |
| WO2020024443A1 (zh) * | 2018-08-01 | 2020-02-06 | 平安科技（深圳）有限公司 | 资源调度方法、装置、计算机设备及计算机可读存储介质 |
| CN212173398U (zh) * | 2019-12-11 | 2020-12-18 | 深圳市海柔创新科技有限公司 | 存储货架及搬运机器人 |
| CN112632798A (zh) * | 2021-01-05 | 2021-04-09 | 上海品顺信息科技有限公司 | 仓储管理系统的仿真测试方法、装置、设备和存储介质 |
| CN112906081A (zh) * | 2019-12-04 | 2021-06-04 | 北京京东乾石科技有限公司 | 一种规划仓库布局的方法和装置 |
| CN113111479A (zh) * | 2020-01-13 | 2021-07-13 | 深圳顺丰泰森控股(集团)有限公司 | 一种仓库管理系统的仿真方法、装置及存储介质 |
| CN113378346A (zh) * | 2020-03-10 | 2021-09-10 | 北京沃东天骏信息技术有限公司 | 模型仿真的方法和装置 |
| CN114548861A (zh) * | 2022-01-28 | 2022-05-27 | 中国船舶重工集团公司第七一六研究所 | 基于数字孪生的仓库管理方法 |
| CN114580695A (zh) * | 2020-12-02 | 2022-06-03 | 中国科学院深圳先进技术研究院 | 多车任务分配与路径优化仿真平台及其实现方法 |
| CN116976069A (zh) * | 2023-04-14 | 2023-10-31 | 陕西物流集团产业研究院有限公司 | 一种物流园区与仓储决策支持软件平台系统 |
| CN117236037A (zh) * | 2023-09-25 | 2023-12-15 | 中铁建电气化局集团第四工程有限公司 | 用于评估接触网零部件仓库布局的仿真系统及方法 |
| CN117611029A (zh) * | 2023-11-30 | 2024-02-27 | 北京科技大学 | 一种仓储物流系统的进程式仿真方法及系统 |
-
2024
- 2024-03-14 CN CN202410290711.0A patent/CN117910929A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101369291A (zh) * | 2008-09-09 | 2009-02-18 | 清华大学深圳研究生院 | 仓储仿真器 |
| CN108345970A (zh) * | 2017-01-23 | 2018-07-31 | 北京京东尚科信息技术有限公司 | 物流仓储仿真方法、平台和系统 |
| WO2020024443A1 (zh) * | 2018-08-01 | 2020-02-06 | 平安科技（深圳）有限公司 | 资源调度方法、装置、计算机设备及计算机可读存储介质 |
| CN112906081A (zh) * | 2019-12-04 | 2021-06-04 | 北京京东乾石科技有限公司 | 一种规划仓库布局的方法和装置 |
| CN212173398U (zh) * | 2019-12-11 | 2020-12-18 | 深圳市海柔创新科技有限公司 | 存储货架及搬运机器人 |
| CN113111479A (zh) * | 2020-01-13 | 2021-07-13 | 深圳顺丰泰森控股(集团)有限公司 | 一种仓库管理系统的仿真方法、装置及存储介质 |
| CN113378346A (zh) * | 2020-03-10 | 2021-09-10 | 北京沃东天骏信息技术有限公司 | 模型仿真的方法和装置 |
| CN114580695A (zh) * | 2020-12-02 | 2022-06-03 | 中国科学院深圳先进技术研究院 | 多车任务分配与路径优化仿真平台及其实现方法 |
| CN112632798A (zh) * | 2021-01-05 | 2021-04-09 | 上海品顺信息科技有限公司 | 仓储管理系统的仿真测试方法、装置、设备和存储介质 |
| CN114548861A (zh) * | 2022-01-28 | 2022-05-27 | 中国船舶重工集团公司第七一六研究所 | 基于数字孪生的仓库管理方法 |
| CN116976069A (zh) * | 2023-04-14 | 2023-10-31 | 陕西物流集团产业研究院有限公司 | 一种物流园区与仓储决策支持软件平台系统 |
| CN117236037A (zh) * | 2023-09-25 | 2023-12-15 | 中铁建电气化局集团第四工程有限公司 | 用于评估接触网零部件仓库布局的仿真系统及方法 |
| CN117611029A (zh) * | 2023-11-30 | 2024-02-27 | 北京科技大学 | 一种仓储物流系统的进程式仿真方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 崔竹;: "综合职业能力导向的高职仓储管理课程改革探索", 农村科学实验, no. 12, 10 December 2017 (2017-12-10) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| da Costa Barros et al. | Robotic mobile fulfillment systems: A survey on recent developments and research opportunities | |
| Nielsen et al. | A methodology for implementation of mobile robot in adaptive manufacturing environments | |
| Coelho et al. | Simulation-based decision support tool for in-house logistics: the basis for a digital twin | |
| Xie et al. | Simulation and experimental design methods for job shop scheduling with material handling: a survey | |
| US20140046635A1 (en) | Facility Design and Management Systems Using Bi-Directional Cad-Des Interface | |
| CN114648267B (zh) | 一种自动化立体仓库调度路径的优化方法及系统 | |
| Duenyas et al. | Estimating the throughput of an exponential CONWIP assembly system | |
| Caridá et al. | Approaches of fuzzy systems applied to an AGV dispatching system in a FMS | |
| Ko et al. | A rollout heuristic algorithm for order sequencing in robotic compact storage and retrieval systems | |
| Kofler et al. | Rassigning storage locations in a warehouse to optimize the order picking process | |
| Hani et al. | Simulation based optimization of a train maintenance facility | |
| Cunkas et al. | Optimization of location assignment for unit-load as/rs with a dual-shuttle | |
| Jiao et al. | Online joint optimization of pick order assignment and pick pod selection in robotic mobile fulfillment systems | |
| Nikoofarid et al. | Production planning and worker assignment in a dynamic virtual cellular manufacturing system | |
| Roohnavazfar et al. | A hybrid algorithm for the Vehicle Routing Problem with AND/OR Precedence Constraints and time windows | |
| CN117910929A (zh) | 仓储系统全链路处理方法、以及仓储系统全链路仿真平台 | |
| Ding et al. | A simulation-based optimization method for production-distribution network design | |
| Ullah | Petri net versus queuing theory for evaluation of FMS | |
| Wang et al. | Multi AGV simulation system of intelligent workshop based on Digital Twin | |
| Yener et al. | Simulation of Re-Arrangement and Healing in Robotic Compact Bin-Storage System | |
| Cai et al. | A Two-Layers Heuristic Search Algorithm for Milk Run with a New PDPTW Model | |
| Li et al. | Research on the task assignment problem of warehouse robots in the smart warehouse | |
| Liu et al. | Multirobot Adaptive Task Allocation of Intelligent Warehouse Based on Evolutionary Strategy | |
| Dehnavi-Arani et al. | An integrated automated guided vehicle design problem and preventive maintenance planning | |
| Tayebi Araghi et al. | A multi-facility AGV location-routing problem with uncertain demands and planar facility locations |
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 |