JP2024503141A - AGV scheduling method based on time estimation model - Google Patents

AGV scheduling method based on time estimation model Download PDF

Info

Publication number
JP2024503141A
JP2024503141A JP2023543308A JP2023543308A JP2024503141A JP 2024503141 A JP2024503141 A JP 2024503141A JP 2023543308 A JP2023543308 A JP 2023543308A JP 2023543308 A JP2023543308 A JP 2023543308A JP 2024503141 A JP2024503141 A JP 2024503141A
Authority
JP
Japan
Prior art keywords
time
agv
work
static
stage
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
JP2023543308A
Other languages
Japanese (ja)
Inventor
李永翠
▲劉▼耀徽
▲陳▼▲強▼
▲張▼▲暁▼
▲劉▼▲長▼▲輝▼
▲張▼雪▲飛▼
▲ツォン▼安慧
柳▲ファン▼
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.)
Qingdao New Qianwan Container Terminal Co Ltd
Qingdao Port International Co Ltd
Original Assignee
Qingdao New Qianwan Container Terminal Co Ltd
Qingdao Port International 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 Qingdao New Qianwan Container Terminal Co Ltd, Qingdao Port International Co Ltd filed Critical Qingdao New Qianwan Container Terminal Co Ltd
Publication of JP2024503141A publication Critical patent/JP2024503141A/en
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
    • G05B19/4189—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system
    • G05B19/41895—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system using automatic guided vehicles [AGV]
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/32—Operator till task planning
    • G05B2219/32252—Scheduling production, machining, job shop
    • 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
    • Y02P90/60—Electric or hybrid propulsion means for production processes

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Quality & Reliability (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Ship Loading And Unloading (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Control And Safety Of Cranes (AREA)

Abstract

本発明は、時間推定モデルに基づくＡＧＶスケジューリング方法を提供する。当該方法は以下のステップを含み、ブリッジクレーン作業効率の静的推定値とレールクレーン作業効率の静的推定値とをそれぞれ推定し、各作業段階でのコンテナの静的推定時間をそれぞれ推定する静的推定ステップと、ブリッジクレーン作業効率の動的推定値とレールクレーン作業効率の動的推定値とをそれぞれ推定し、各作業段階でのコンテナの動的推定時間をそれぞれ推定する動的推定ステップと、を含み、各作業段階の静的推定時間および動的推定時間に基づいて、各作業段階でのコンテナの最終的な推定時間と総作業の推定時間と、を算出し、各作業段階でのコンテナの最終的な推定時間と総作業の推定時間とに基づいて、ＡＧＶ作業スケジューリング指令を生成する。本発明の時間推定モデルに基づくＡＧＶスケジューリング方法は、推定時間を組み合わせてＡＧＶをより合理的にスケジューリングし、ＡＧＶの待機時間を短縮し、ＡＧＶのアンロード走行時間および距離を短縮し、ＡＧＶのコンテナ輸送効率を向上させる。【選択図】図１The present invention provides an AGV scheduling method based on a time estimation model. The method includes the following steps: estimating a static estimate of the bridge crane working efficiency and a static estimate of the rail crane working efficiency, respectively, and estimating the static estimated time of the container at each working stage, respectively. a dynamic estimation step of estimating a dynamic estimated value of bridge crane working efficiency and a dynamic estimated value of rail crane working efficiency, respectively, and respectively estimating the dynamic estimated time of the container at each working stage; , and based on the static estimated time and dynamic estimated time of each work stage, calculate the final estimated time of the container at each work stage and the estimated total work time, and calculate the estimated time of the container at each work stage. An AGV work scheduling command is generated based on the final estimated time of the container and the estimated time of the total work. The AGV scheduling method based on the time estimation model of the present invention combines the estimated time to schedule AGVs more rationally, shortens the waiting time of AGVs, shortens the unloading travel time and distance of AGVs, and Improve transportation efficiency. [Selection diagram] Figure 1

Description

本発明は、自動化ターミナルの輸送技術分野に属し、具体的には、時間推定モデルに基づくＡＧＶスケジューリング方法に関する。 The present invention belongs to the transportation technology field of automated terminals, and specifically relates to an AGV scheduling method based on a time estimation model.

コンテナターミナル前方作業帯とは、ヤードフロントサイドラインから岸壁前ラインまでの間の領域を指し、その機能は、岸壁ブリッジ荷役船作業及びコンテナ入退場ヤード作業サービスであり、人工岸壁と半自動化ターミナルとでは、通常、人工運転のインナーセットカードが使用される。近年、人工コストの増加に伴い、ますます多くのターミナルが水平輸送機器をインナーセットカードからＡＧＶ（Ａｕｔｏｍａｔｅｄ Ｇｕｉｄｅｄ Ｖｅｈｉｃｌｅ、無人搬送車）に転換し、ＡＧＶの使用が生産効率を大幅に向上させ、コストを節約している。 The front work zone of a container terminal refers to the area between the yard front side line and the quay front line, and its functions are quay bridge cargo handling work and container entry/exit yard work services, and it is connected to the artificial quay and semi-automated terminal. In this case, an artificially operated inner set card is usually used. In recent years, with the increase in manpower costs, more and more terminals have converted their horizontal transportation equipment from inner set cards to AGVs (Automated Guided Vehicles), and the use of AGVs has greatly improved production efficiency and reduced costs. is saving money.

全自動化コンテナターミナルのヤード海側では、貨物船と自動案内車とのインタラクションがブリッジによって実現され、レールクレーンにより自動案内車とヤードとのインタラクションが実現され、ＡＧＶ、Ｌ－ＡＧＶ、Ａｕｔｏ Ｓｈｕｔｔｌｅ等により岸壁とヤードとの自動化作業が受け渡される。 On the sea side of the yard of a fully automated container terminal, the interaction between cargo ships and automatic guide vehicles is realized by a bridge, the interaction between automatic guide cars and the yard is realized by a rail crane, and the interaction between automatic guide cars and the yard is realized by AGVs, L-AGVs, Auto Shuttle, etc. Automation work between the quay and the yard will be handed over.

現段階では、ＡＧＶが合理的にスケジューリングされ、システムの安定性がスケジューリングされ、ＡＧＶの利用率を最大化することは、ターミナルの生産効率向上のキーである。ＡＧＶの作業状態も岸壁の作業に重要な一環であり、ＡＧＶの作業状態のリアルタイム監視により作業者が生産プロセス中の問題をより早く発見することができ、ＡＧＶのスケジューリングアルゴリズムを改善及び完璧にし、自動化ターミナル全体の作業効率を向上させることができる。 At present, rational scheduling of AGVs, scheduling system stability, and maximizing the utilization rate of AGVs are the keys to improving the production efficiency of terminals. AGV working status is also an important part of quay work, real-time monitoring of AGV working status can help workers find problems in the production process earlier, improve and perfect AGV scheduling algorithm, The overall work efficiency of the automated terminal can be improved.

本発明は、先行技術におけるＡＧＶによるコンテナの運搬効率が低いという技術的課題を解決し、上記課題を解決できる、時間推定モデルに基づくＡＧＶスケジューリング方法を提案する。 The present invention solves the technical problem of low container transportation efficiency by AGVs in the prior art, and proposes an AGV scheduling method based on a time estimation model that can solve the above problems.

上記の技術的効果を達成するために、本発明は、以下の技術的解決手段を採用する。 In order to achieve the above technical effects, the present invention adopts the following technical solutions.

時間推定モデルに基づくＡＧＶスケジューリング方法であって、以下のステップを含む。即ち、
ブリッジクレーン作業効率の静的推定値とレールクレーン作業効率の静的推定値と、をそれぞれ推定し、ＡＧＶはそれぞれブリッジクレーン作業とのインタラクション段階の静的推定時間とレールクレーン作業とのインタラクション段階の静的推定時間と、ＡＧＶ走行段階の静的推定時間と、ブリッジクレーン作業段階の静的推定時間と、レールクレーン作業段階の静的推定時間と、を含む、各作業段階でのコンテナの静的推定時間をそれぞれ推定する静的推定ステップと、
ブリッジクレーン作業効率の動的推定値とレールクレーン作業効率の動的推定値と、をそれぞれ推定し、ＡＧＶはそれぞれブリッジクレーン作業とのインタラクション段階の動的推定時間とレールクレーン作業とのインタラクション段階の動的推定時間と、ＡＧＶ走行段階の動的推定時間と、ブリッジクレーン作業段階の動的推定時間と、レールクレーン作業段階の動的推定時間と、を含む、各作業段階でのコンテナの動的推定時間をそれぞれ推定する動的推定ステップと、を含み、
各作業段階の静的推定時間と動的推定時間とに基づいて、各作業段階でのコンテナの最終的な推定時間と総作業の推定時間と、を算出し、前記総作業の推定時間は各作業段階の最終推定時間の和であり、
各作業段階でのコンテナの最終的な推定時間と総作業の推定時間とに基づいて、ＡＧＶ作業スケジューリング指令を生成する。 An AGV scheduling method based on a time estimation model, comprising the following steps. That is,
The static estimated value of the bridge crane work efficiency and the static estimated value of the rail crane work efficiency are respectively estimated, and the AGV calculates the static estimated time of the interaction stage with the bridge crane work and the static estimated time of the interaction stage with the rail crane work, respectively. Static estimation of the container at each operation stage, including static estimation time, static estimation time of AGV travel stage, static estimation time of bridge crane operation stage, and static estimation time of rail crane operation stage. a static estimation step of respectively estimating the estimated time;
The dynamic estimated value of the bridge crane work efficiency and the dynamic estimated value of the rail crane work efficiency are respectively estimated, and the AGV calculates the dynamic estimated time of the interaction stage with the bridge crane work and the dynamic estimated time of the interaction stage with the rail crane work, respectively. Dynamic estimation of the container at each operation stage, including a dynamic estimation time, a dynamic estimation time of the AGV travel stage, a dynamic estimation time of the bridge crane operation stage, and a dynamic estimation time of the rail crane operation stage. a dynamic estimation step of respectively estimating the estimated time;
Based on the static estimated time and dynamic estimated time of each work stage, the final estimated time of the container at each work stage and the estimated total work time are calculated, and the estimated total work time is calculated for each work stage. is the sum of the final estimated time of the work stage,
An AGV work scheduling command is generated based on the final estimated time of the container at each work stage and the estimated total work time.

さらに、静的推定ステップでは、ブリッジクレーン作業効率とレールクレーン作業効率と、をそれぞれ推定する静的推定値は、作業効率の履歴データを取得し、ブリッジクレーン作業効率とレールクレーン作業効率と、をそれぞれ推定する静的推定値を含み、
ＡＧＶ走行段階の静的推定時間の推定方法は、
ＡＧＶ走行段階の履歴時間を取得し、ＡＧＶ走行段階の静的推定時間を推定し、
ブリッジクレーン作業効率の静的推定値とレールクレーン作業効率の静的推定値とに基づいて、ブリッジクレーン作業段階の静的推定時間とレールクレーン作業段階の静的推定時間とを推定し、
ブリッジクレーン作業効率の静的推定値と、レールクレーン作業効率の静的推定値と、ＡＧＶ走行段階の静的推定時間とに基づいて、ＡＧＶがそれぞれブリッジクレーン作業とのインタラクション段階の静的推定時間とレールクレーン作業とのインタラクション段階の静的推定時間と、を推定する。 Furthermore, in the static estimation step, the static estimation values for estimating the bridge crane work efficiency and the rail crane work efficiency, respectively, obtain the historical data of the work efficiency and calculate the bridge crane work efficiency and the rail crane work efficiency. each includes a static estimate to be estimated,
The method for estimating the static estimation time of the AGV running stage is as follows:
Obtaining the history time of the AGV running stage, estimating the static estimated time of the AGV running stage,
estimating a static estimated time for a bridge crane working phase and a static estimated time for a rail crane working phase based on the static estimated value of the bridge crane working efficiency and the static estimated value of the rail crane working efficiency;
Based on the static estimate of the bridge crane operation efficiency, the static estimate of the rail crane operation efficiency, and the static estimate of the AGV travel phase, the AGV calculates a static estimate of the time of each interaction phase with the bridge crane operation. and the static estimated time of the interaction stage with the rail crane operation.

さらに、重み付け平均法を用いて各作業段階の静的推定時間と動的推定時間とに基づいて、各作業段階におけるコンテナのそれぞれの最終推定時間と総作業推定時間と、を算出する。 Further, a weighted average method is used to calculate a final estimated time and a total estimated working time for each container at each working stage based on the static estimated time and dynamic estimated time for each working stage.

さらに、動的推定ステップは、各コンテナのブリッジクレーン作業段階の履歴時間と、対応するコンテナの位置とを取得することを含む作業効率推定モデルをトレーニング（学習）するステップをさらに含み、
前記履歴時間と、位置とに基づいて作業効率推定モデルをトレーニング（学習）し、前記作業効率推定モデルは多価線形回帰式であり、
前記作業効率推定モデルは、

Figure 2024503141000002
であり、
ここで、
Figure 2024503141000003
は各コンテナの現在の作業段階での履歴時間であり、ｋはコンテナの位置番号であって正の整数であり、ｆ（ｘ）は作業効率推定モデルが出力する動的推定時間であり、ｗはｘのパラメータ行列であり、ｂは定数パラメータであり、
ｗとｂに基づいてブリッジクレーン作業効率の動的推定値とレールクレーン作業効率の動的推定値と、を推定する。 Furthermore, the dynamic estimation step further includes training a work efficiency estimation model comprising obtaining the historical time of the bridge crane work stage of each container and the position of the corresponding container;
training (learning) a work efficiency estimation model based on the historical time and position, the work efficiency estimation model being a multivalued linear regression formula;
The work efficiency estimation model is
Figure 2024503141000002
 and
here,
Figure 2024503141000003
is the history time of each container at the current work stage, k is the position number of the container and is a positive integer, f(x) is the dynamic estimated time output by the work efficiency estimation model, and w is the parameter matrix of x, b is a constant parameter,
A dynamic estimated value of bridge crane working efficiency and a dynamic estimated value of rail crane working efficiency are estimated based on w and b.

さらに、前記作業効率推定モデルにおけるｗ及びｂの特定方法は、
配列

Figure 2024503141000004
を構築し、
時間損失
Figure 2024503141000005
を計算し、
ここで、ｙｉは、位置ｉであるコンテナの現在の作業段階での実作業時間を示し、
Ｊを最小となるように、ｗとｂを決定する。。 Furthermore, the method for specifying w and b in the work efficiency estimation model is as follows:
array
Figure 2024503141000004
Build and
time loss
Figure 2024503141000005
Calculate,
Here, y i indicates the actual working time at the current working stage of the container at position i,
Determine w and b so that J is minimized. .

さらに、前記作業効率推定モデルが出力するブリッジクレーン作業効率の動的推定値とレールクレーン作業効率の動的推定値と、運搬が必要なコンテナ数の入力スケジューリングシステムとに基づいて、ブリッジクレーン作業段階の動的推定時間とレールクレーン作業段階の動的推定時間とをそれぞれ生成する。 Furthermore, based on the dynamic estimate of the bridge crane work efficiency and the dynamic estimate of the rail crane work efficiency output by the work efficiency estimation model, and the input scheduling system of the number of containers required to be transported, the bridge crane work stage is and the dynamic estimated time of the rail crane work stage, respectively.

さらに、動的推定ステップは、ＡＧＶ走行時間推定モデルをトレーニングするステップをさらに含む。 Additionally, the dynamic estimation step further includes training an AGV travel time estimation model.

さらに、前記ＡＧＶ走行時間推定モデルは、前記履歴データと前記位置とに基づいて、ＡＧＶ走行時間推定モデルをトレーニングし、前記ＡＧＶ走行時間推定モデルが多項式回帰式であり、前記多項式回帰式は、

Figure 2024503141000006
であり、
ここで、
Figure 2024503141000007
はＡＧＶの前記ブリッジクレーンと前記レールクレーンとの間の走行時間履歴データであり、ｋはコンテナの位置番号であり、正の整数であり、ｇ（ｘ）は前記ＡＧＶ走行時間推定モデルが出力する走行段階の動的推定値であり、ｗｊはｘｊのパラメータであり、ｂ２は定数パラメータである。 Furthermore, the AGV travel time estimation model trains the AGV travel time estimation model based on the historical data and the position, the AGV travel time estimation model is a polynomial regression equation, and the polynomial regression equation is
Figure 2024503141000006
 and
here,
Figure 2024503141000007
is the travel time history data between the bridge crane and the rail crane of the AGV, k is the container position number and is a positive integer, and g(x) is output by the AGV travel time estimation model. is a dynamic estimate of the driving phase, where w j is a parameter of x j and b2 is a constant parameter.

さらに、前記ＡＧＶ作業スケジューリング指令を生成する前に、前記コンテナの作業優先度を決定し、前記作業優先度に基づいてＡＧＶ作業スケジューリング指令を生成し、
前記作業優先度の設定は、時間応答比に基づいて、

Figure 2024503141000008
であり、
前記時間応答比が大きいほど、前記作業優先度は低くなる。 Further, before generating the AGV work scheduling command, determining a work priority of the container, and generating an AGV work scheduling command based on the work priority;
The setting of the work priority is based on the time response ratio,
Figure 2024503141000008
and
The larger the time response ratio, the lower the work priority.

さらに、混合整数計画、組み合せ最適化方法及び協調フィルタリングのアルゴリズムを用いてＡＧＶ作業スケジュール指令を生成する。 Additionally, mixed integer programming, combinatorial optimization methods, and collaborative filtering algorithms are used to generate AGV work schedule commands.

従来技術を比較して、発明の利点と積極的な効果は、本発明の時間推定モデルに基づくＡＧＶスケジューリング方法であって、静的推定と動的推定とを組み合わせた方法を用いてコンテナが各作業段階でそれぞれ使用される時間を推定し、推定された時間に結合してＡＧＶのスケジューリングをより合理的にし、ＡＧＶ待機時間を減少させ、ＡＧＶアンロード運転時間と距離を短縮し、ＡＧＶ運搬効率を向上させることである。 Compared with the prior art, the advantages and positive effects of the invention are that the AGV scheduling method based on the time estimation model of the present invention uses a method that combines static estimation and dynamic estimation to Estimate the time used by each work stage and combine with the estimated time to make AGV scheduling more rational, reduce AGV waiting time, shorten AGV unloading driving time and distance, and improve AGV transport efficiency. The aim is to improve

本発明の実施例における技術的解決手段をより明確に説明するために、以下、実施例に必要な図面を簡単に紹介する。明らかに、以下の説明における図面は本発明のいくつかの実施例であり、当業者であれば、創造的な労力を要することなく、これらの図面から他の図面を得ることができる。 In order to more clearly explain the technical solutions in the embodiments of the present invention, the drawings necessary for the embodiments will be briefly introduced below. Obviously, the drawings in the following description are some embodiments of the invention, and a person skilled in the art can derive other drawings from these drawings without any creative effort.

本発明が提案する時間推定モデルに基づくＡＧＶスケジューリング方法の一実施例を示すフローチャートである。1 is a flowchart illustrating an example of an AGV scheduling method based on a time estimation model proposed by the present invention.

本発明の好ましい実施形態
本発明の目的、技術的解決手段及び利点をより明確するために、次に、添付の図面と併せて、本発明の具体的な実施形態についてさらに詳細に説明する。 Preferred Embodiments of the Invention In order to make the objectives, technical solutions and advantages of the invention more clear, specific embodiments of the invention will now be described in more detail in conjunction with the accompanying drawings.

本発明の説明において、「上」、「下」、「左」、「右」、「縦」、「横」、「内」、｛外｝などの方向または位置関係を示す用語は、添付図面に示される方向または位置関係に基づいていることに留意する必要がある。これらは、説明のためのものであり、当該装置または要素が特定の方向を有し、特定の方向で構成され、動作しなければならないことを示すまたは示唆するものではなく、したがって、本発明を限定するものとして解釈することはできない。さらに、「第１」および「第２」という用語は、記述的な目的のためにのみ使用され、相対的な重要性を示すまたは暗示するものとして理解されることはない。 In the description of the present invention, terms indicating directions or positional relationships such as "top", "bottom", "left", "right", "vertical", "horizontal", "inside", {outside}, etc. refer to the attached drawings. It should be noted that this is based on the direction or positional relationship shown in . They are for illustrative purposes only and are not intended to indicate or imply that the device or element must have, be configured or operate in a particular orientation, and therefore are not intended to illustrate or imply that the device or element must have a particular orientation, be constructed or operate in a particular orientation, and therefore It cannot be construed as limiting. Furthermore, the terms "first" and "second" are used for descriptive purposes only and are not to be understood as indicating or implying relative importance.

実施例１
コンテナターミナルにおける貨物の積み下ろしのプロセスは、まず、ブリッジクレーンで貨物船からＡＧＶにコンテナを移し、そして、ＡＧＶがコンテナをヤードに搬送し、レールクレーンでコンテナをヤード内の指定位置に積み上げるもので、ＡＧＶの数には限界があり、スケジューリングに無理があると、ＡＧＶの待機時間が長くなって、輸送効率が悪くなる。上記問題を解決するために、本実施形態では、時間推定モデルに基づくＡＧＶスケジューリング方法を提案し、図１に示すように、以下のステップを含む。 Example 1
The process of loading and unloading cargo at a container terminal is to first transfer containers from a cargo ship to an AGV using a bridge crane, then the AGV transports the containers to a yard, and a rail crane stacks the containers at designated positions within the yard. There is a limit to the number of AGVs, and if scheduling is unreasonable, the AGVs will have to wait for a long time, resulting in poor transportation efficiency. In order to solve the above problem, this embodiment proposes an AGV scheduling method based on a time estimation model, which includes the following steps, as shown in FIG.

ブリッジクレーン作業効率の静的推定値とレールクレーン作業効率の静的推定値と、をそれぞれ推定し、ＡＧＶはそれぞれブリッジクレーン作業とのインタラクション段階の静的推定時間とレールクレーン作業とのインタラクション段階の静的推定時間と、ＡＧＶ走行段階の静的推定時間と、ブリッジクレーン作業段階の静的推定時間と、レールクレーン作業段階の静的推定時間と、を含む、各作業段階でのコンテナの静的推定時間をそれぞれ推定する静的推定ステップと、
ブリッジクレーン作業効率の静的推定値とレールクレーン作業効率の静的推定値と、をそれぞれ推定し、ＡＧＶはそれぞれブリッジクレーン作業とのインタラクション段階の動的推定時間とレールクレーン作業とのインタラクション段階の動的推定時間と、ＡＧＶ走行段階の動的推定時間と、ブリッジクレーン作業段階の動的推定時間と、レールクレーン作業段階の動的推定時間と、を含む、各作業段階でのコンテナの動的推定時間をそれぞれ推定する動的推定ステップと、を含み、
各作業段階の静的推定時間と動的推定時間とに基づいて、各作業段階でのコンテナの最終的な推定時間と総作業の推定時間と、を算出し、前記総作業の推定時間は各作業段階の最終推定時間の和であり、
各作業段階でのコンテナの最終的な推定時間と総作業の推定時間とに基づいて、ＡＧＶ作業スケジューリング指令を生成する。 The static estimated value of the bridge crane work efficiency and the static estimated value of the rail crane work efficiency are respectively estimated, and the AGV calculates the static estimated time of the interaction stage with the bridge crane work and the static estimated time of the interaction stage with the rail crane work, respectively. Static estimation of the container at each operation stage, including static estimation time, static estimation time of AGV travel stage, static estimation time of bridge crane operation stage, and static estimation time of rail crane operation stage. a static estimation step of respectively estimating the estimated time;
The static estimated value of the bridge crane work efficiency and the static estimated value of the rail crane work efficiency are respectively estimated, and the AGV calculates the dynamic estimated time of the interaction stage with the bridge crane work and the dynamic estimated time of the interaction stage with the rail crane work, respectively. Dynamic estimation of the container at each operation stage, including a dynamic estimation time, a dynamic estimation time of the AGV travel stage, a dynamic estimation time of the bridge crane operation stage, and a dynamic estimation time of the rail crane operation stage. a dynamic estimation step of respectively estimating the estimated time;
Based on the static estimated time and dynamic estimated time of each work stage, the final estimated time of the container at each work stage and the estimated total work time are calculated, and the estimated total work time is calculated for each work stage. is the sum of the final estimated time of the work stage,
An AGV work scheduling command is generated based on the final estimated time of the container at each work stage and the estimated total work time.

時間推定モデルに基づくＡＧＶスケジューリング方法は、静的推定と動的推定とを組み合わせた方法を用いてコンテナが各作業段階でそれぞれ使用される時間を推定し、推定された時間に合わせてＡＧＶをより合理的にスケジューリングし、ＡＧＶ待機時間を減少させ、ＡＧＶアンロード運転時間と距離を短縮し、ＡＧＶのコンテナ輸送効率を向上させる。 The AGV scheduling method based on the time estimation model uses a method that combines static estimation and dynamic estimation to estimate the time that containers are used in each work stage, and then adjusts the AGV according to the estimated time. Schedule rationally, reduce AGV waiting time, shorten AGV unloading operation time and distance, and improve AGV container transportation efficiency.

静的設定と動的調節とを組み合わせた方法で各作業段階の時間を推定することは、実際の生産作業状況に応じて手動調節を行うことができるだけでなく、動的調節の方法を用いてＡＧＶスケジューリングの前後順序を改善及び完璧にし、ターミナル全体の作業効率を向上させることができる。 Estimating the time of each work step by the method of combining static settings and dynamic adjustment, not only can manual adjustment be made according to the actual production work situation, but also by using the method of dynamic adjustment. The forward and backward order of AGV scheduling can be improved and perfected, and the overall working efficiency of the terminal can be improved.

好ましい実施例として、静的推定ステップでは、ブリッジクレーン作業効率とレールクレーン作業効率と、をそれぞれ推定する静的推定値は、以下のステップを含み、即ち、 As a preferred embodiment, in the static estimation step, the static estimation values for estimating the bridge crane working efficiency and the rail crane working efficiency, respectively, include the following steps:

作業効率の履歴データを取得し、ブリッジクレーン作業効率の静的推定値とレールクレーン作業効率の静的推定値をそれぞれ推定し、ブリッジクレーン作業効率とレールクレーン作業効率の推定は、主に２つの変数に基づいて、即ち、１、現在の実際作業状況である。２、履歴データである。オペレータは、２つの変数を結合し、作業効率静的推定を行う。推定は、加重平均法を用いて行うことができる。 Obtain the historical data of work efficiency and estimate the static estimate of bridge crane work efficiency and the static estimate of rail crane work efficiency, respectively. Based on the variables: 1, the current actual working situation; 2. Historical data. The operator combines the two variables and makes a static estimate of work efficiency. Estimation can be performed using a weighted average method.

ＡＧＶ走行段階の静的推定時間の推定方法は、
ＡＧＶ走行段階の履歴時間を取得し、ＡＧＶ走行段階の静的推定時間を推定する。 The method for estimating the static estimation time of the AGV running stage is as follows:
The history time of the AGV running stage is obtained, and the static estimation time of the AGV running stage is estimated.

ブリッジクレーン作業段階の静的推定時間と、レールクレーン作業段階の静的推定時間とに基づいて、ブリッジクレーン作業段階の静的推定値とレールクレーン作業効率の静的推定値とを推定する。ＡＧＶ走行時間の推定は、二つの変数に基づいて、即ち、１、現在の実際作業状況である。２、固定時間行列であり、当該行列は履歴データを基にして、２つの変数を結合することによって、ＡＧＶ走行時間を推定する。 Based on the static estimated time of the bridge crane working stage and the static estimated time of the rail crane working stage, a static estimated value of the bridge crane working stage and a static estimated value of the rail crane working efficiency are estimated. The estimation of AGV travel time is based on two variables: 1. the current actual working situation; 2. A fixed time matrix, which estimates the AGV travel time by combining two variables based on historical data.

ブリッジクレーン作業効率の静的推定値と、レールクレーン作業効率の静的推定値と、ＡＧＶの走行段階の静的推定時間とに基づいて、ＡＧＶがそれぞれブリッジクレーン作業とのインタラクション段階の静的推定時間とレールクレーン作業とのインタラクション段階の静的推定時間を推定する。 Based on the static estimate of the bridge crane work efficiency, the static estimate of the rail crane work efficiency, and the static estimate of the AGV travel phase time, the AGV performs a static estimate of the interaction phase with the bridge crane work, respectively. Estimate the time and static estimation time of interaction stage with rail crane work.

本実施形態では、各作業段階の静的推定時間及び動的推定時間に基づいて、各作業段階でのコンテナのそれぞれの最終推定時間と総作業推定時間とを加重平均法により算出することが好ましい。 In this embodiment, it is preferable that the final estimated time and total estimated work time of each container at each work stage are calculated by a weighted average method based on the static estimated time and dynamic estimated time of each work stage. .

本ステップでは、ビッグデータ処理関連アルゴリズム、動的推定ブリッジクレーン作業効率とレールクレーン作業効率、推定されたＡＧＶ走行時間、推定されたＡＧＶがブリッジクレーンとのインタラクション時間とレールクレーンとのインタラクション時間を運用する。 In this step, we will use big data processing related algorithms, dynamically estimated bridge crane work efficiency and rail crane work efficiency, estimated AGV travel time, estimated AGV interaction time with bridge crane and interaction time with rail crane. do.

具体的には、動的推定ステップは、各コンテナのブリッジクレーン作業段階の履歴時間と、対応するコンテナの位置とを取得することを含む作業効率推定モデルをトレーニングするステップをさらに含み、
前記履歴時間と、前記位置とに基づいて前記作業効率推定モデルをトレーニングし、前記作業効率推定モデルは多価線形回帰式であり、前記作業効率推定モデルは、

Figure 2024503141000009
であり、
ここで、
Figure 2024503141000010
各コンテナの現在の作業段階での履歴時間であり、ｋはコンテナの位置番号であって、正の整数であり、ｆ（ｘ）は前記作業効率推定モデルが出力する動的推定時間であり、ｗはｘのパラメータ行列であり、ｂは定数パラメータであり、
ｗとｂに基づいてブリッジ作業効率の動的推定値とレールクレーン作業効率の動的推定値と、を推定する。 Specifically, the dynamic estimation step further includes training a work efficiency estimation model including obtaining the historical time of the bridge crane work stage of each container and the position of the corresponding container;
The work efficiency estimation model is trained based on the historical time and the position, the work efficiency estimation model is a multivalent linear regression equation, and the work efficiency estimation model is
Figure 2024503141000009
 and
here,
Figure 2024503141000010
is the history time of each container at the current work stage, k is the position number of the container and is a positive integer, f(x) is the dynamic estimated time output by the work efficiency estimation model, w is a parameter matrix of x, b is a constant parameter,
A dynamic estimate of bridge work efficiency and a dynamic estimate of rail crane work efficiency are estimated based on w and b.

ブリッジクレーン作業効率の動的推定とレールクレーン作業効率の動的推定は、多価の線形回帰方法を用いて、履歴データからブリッジクレーン作業を行う際の各コンテナの履歴時間を計算し、従属変数とし、各コンテナに対応する履歴位置データを結合して、引数とし、ブリッジクレーンの遠隔操作者の効率が相対的に安定している場合、引数と従属変数とが線形関係を有する。複数の線形回帰モデルを用いて、履歴データサンプルからパラメータを算出した後、現在のコンテナの位置情報に基づいて推定作業に必要時間を推定することができる。 Dynamic estimation of bridge crane work efficiency and dynamic estimation of rail crane work efficiency use a multivalued linear regression method to calculate the historical time of each container when performing bridge crane work from historical data, and calculate the dependent variable and the historical position data corresponding to each container are combined as an argument, and if the efficiency of the remote operator of the bridge crane is relatively stable, the argument and the dependent variable have a linear relationship. After calculating parameters from historical data samples using multiple linear regression models, the time required for the estimation task can be estimated based on current container location information.

前記作業効率推定モデルにおけるｗ及びｂの特定方法は、
配列

Figure 2024503141000011
を構築し
時間損失
Figure 2024503141000012
を計算し、
ここで、ｙｉは、位置ｉであるコンテナの現在の作業段階での実際作業時間を示し、
Ｊを最小となるように、ｗとｂを決定する。 The method for specifying w and b in the work efficiency estimation model is as follows:
array
Figure 2024503141000011
build time loss
Figure 2024503141000012
Calculate,
Here, y i indicates the actual working time of the container at position i at the current working stage,
Determine w and b so that J is minimized.

作業効率推定モデルから出力されたブリッジクレーン作業効率の動的推定値と、レールクレーン作業効率の動的推定値と、運搬が必要なコンテナ数の入力スケジューリングシステムとに基づいて、ブリッジクレーン作業段階の動的推定時間とレールクレーン作業段階の動的推定時間をそれぞれ生成する。 Based on the dynamic estimate of the bridge crane work efficiency output from the work efficiency estimation model, the dynamic estimate of the rail crane work efficiency, and the input scheduling system of the number of containers required to be transported, the bridge crane work stage is calculated. The dynamic estimated time and the dynamic estimated time of the rail crane work stage are generated respectively.

動的推定ステップは、ＡＧＶ走行時間推定モデルをトレーニングするステップをさらに含む。 The dynamic estimation step further includes training an AGV travel time estimation model.

前記ＡＧＶ走行時間推定モデルは、前記履歴データと前記位置とに基づいて、ＡＧＶ走行時間推定モデルをトレーニングし、前記ＡＧＶ走行時間推定モデルが多項式回帰式であり、前記多項式回帰式は、

Figure 2024503141000013
であり、
ここで、
Figure 2024503141000014
はＡＧＶの前記ブリッジクレーンと前記レールクレーンとの間の走行時間履歴データであり、ｋはコンテナの位置番号であって正の整数であり、ｇ（ｘ）は前記ＡＧＶ走行時間推定モデルが出力する走行段階の動的推定値であり、ｗｊはｘｊのパラメータであり、ｂ２は定数パラメータである。 The AGV travel time estimation model trains the AGV travel time estimation model based on the historical data and the position, the AGV travel time estimation model is a polynomial regression equation, and the polynomial regression equation is:
Figure 2024503141000013
 and
here,
Figure 2024503141000014
is the travel time history data between the bridge crane and the rail crane of the AGV, k is the container position number and is a positive integer, and g(x) is output by the AGV travel time estimation model. is a dynamic estimate of the driving phase, where w j is a parameter of x j and b2 is a constant parameter.

ＡＧＶ走行時間推定は多項式回帰を採用する方法であり、決定されたＡＧＶ２点間走行道を前提として、ＡＧＶがＵターンする必要があるか否かの情報は既に与えられている。 AGV travel time estimation is a method that employs polynomial regression, and information on whether or not the AGV needs to make a U-turn is already given based on the determined AGV point-to-point travel path.

（ｗｊ、ｂ）（ｊ＝１，・・・，ｎ）は推定されたパラメータである。
上式のｘｊに代えて、ｚｊを用いることは、ｚ＝（ｚ１，ｚ２，・・・，ｚｎ）の線形関数ｈ（ｚ）を求めることに相当し、線形関数ｈ（ｚ）を用いてデータをフィッティングして、損失

Figure 2024503141000015
を最小化する。トレーニングの目標は、損失（損失関数）を最小化する１組のパラメータ
Figure 2024503141000016
を見つけることである。 (w j , b) (j=1, . . . , n) are estimated parameters.
Using z j instead of x j in the above equation corresponds to finding a linear function h(z) of z = (z1, z2, ..., z n ), and the linear function h(z) Fit the data using the loss
Figure 2024503141000015
minimize. The goal of training is a set of parameters that minimizes the loss (loss function)
Figure 2024503141000016
is to find out.

また、Ｌ１正則化項を追加することで、重要ではない非線形関係を除去することも可能である。

Figure 2024503141000017
It is also possible to remove unimportant nonlinear relationships by adding an L1 regularization term.
Figure 2024503141000017

このアルゴリズムでは、履歴サンプル中の時間データをそのまま直接計算してＹとし、出発点および終点とＵターン情報（折り返し点情報）をＸとし、損失関数を最小化する方向でパラメータを更新する。 In this algorithm, the time data in the history sample is directly calculated as Y, the starting point, the end point, and the U-turn information (turning point information) are set as X, and the parameters are updated in the direction that minimizes the loss function.

ＡＧＶがブリッジクレーンとのインタラクション時間推定は、ブリッジクレーン作業効率とＡＧＶ走行時間推定に基づいて、履歴インタラクション時間及びインタラクティブエリア距離等のデータ情報を同時に結合し、ガウス過程回帰モデルを用いて時間推定を行う。 The interaction time between the AGV and the bridge crane is estimated by simultaneously combining data information such as historical interaction time and interactive area distance based on the bridge crane work efficiency and AGV travel time estimation, and using a Gaussian process regression model to estimate the time. conduct.

ＡＧＶがブリッジクレーンとのインタラクション時間推定は、Ｓ ２１におけるＡＳＣ作業効率及びＳ ２２におけるＡＧＶ走行時間推定に基づいて、履歴インタラクション時間及びインタラクティブエリア距離等のデータ情報を同時に結合し、ガウス過程回帰モデルを用いて時間推定を行う。 To estimate the interaction time between the AGV and the bridge crane, based on the ASC work efficiency in S21 and the AGV travel time estimation in S22, data information such as historical interaction time and interactive area distance are simultaneously combined, and a Gaussian process regression model is used. time estimation.

トレーニングセット及びテストセットを用いてテストを行った後、履歴データを回帰モデルに導入して、１つのガウス回帰曲線を得て、ＡＧＶがレールクレーンとのインタラクション時間を推定する。 After testing with the training and test sets, the historical data is introduced into the regression model to obtain a Gaussian regression curve to estimate the interaction time of the AGV with the rail crane.

トレーニングセット及びテストセットを用いてテストを行った後、履歴データを回帰モデルに導入し、１つのガウス回帰曲線を得て、ＡＧＶがブリッジクレーンとのインタラクション時間を推定する。 After testing with the training set and test set, the historical data is introduced into the regression model and one Gaussian regression curve is obtained to estimate the interaction time of the AGV with the bridge crane.

前記ＡＧＶ作業スケジューリング指令を生成する前に、前記コンテナの作業優先度を決定し、前記作業優先度に基づいてＡＧＶ作業スケジューリング指令を生成し、
前記作業優先度の設定は、時間応答比に基づいて、

Figure 2024503141000018
であり、
前記時間応答比が大きいほど、前記作業優先度は低くなる。 Before generating the AGV work scheduling command, determining a work priority of the container and generating an AGV work scheduling command based on the work priority;
The setting of the work priority is based on the time response ratio,
Figure 2024503141000018
and
The larger the time response ratio, the lower the work priority.

混合整数計画、組み合せ最適化方法、協調フィルタリングアルゴリズムを用いてＡＧＶ作業スケジューリング指令を生成する。 Mixed integer programming, combinatorial optimization methods, and collaborative filtering algorithms are used to generate AGV work scheduling orders.

この作業優先度動的調整方法は、短作業を考慮する同時に作業の飢餓状態も克服したことを両立させ、長い作業でもタイムリーな処理を得ることができる。 This work priority dynamic adjustment method takes into account short tasks while also overcoming work starvation, and can obtain timely processing even for long tasks.

以上の実施例は、本発明の技術的解決手段を説明するためのものに過ぎず、これに限定されるものではなく、前述した実施例を参照して本発明を詳細に説明したが、当業者であれば、上記実施例に記載の技術案を修正したり、その一部の技術的特徴を同等に置換したりすることができるが、これらの修正や置換は、対応する技術的解決手段の本質を本発明の保護しようとする技術的解決手段の精神と範囲から逸脱するものではない。 The above embodiments are only for explaining the technical solutions of the present invention, and are not limited thereto. Although the present invention has been explained in detail with reference to the above embodiments, A person skilled in the art can modify the technical proposal described in the above embodiments or replace some of its technical features equivalently, but these modifications and replacements are not applicable to the corresponding technical solutions. without departing from the spirit and scope of the technical solution which the present invention is intended to protect.

Claims (10)

時間推定モデルに基づくＡＧＶスケジューリング方法であって、以下のステップを含む、即ち、
ブリッジクレーン作業効率の静的推定値とレールクレーン作業効率の静的推定値とをそれぞれ推定し、ＡＧＶはそれぞれ前記ブリッジクレーン作業とのインタラクション段階の静的推定時間と前記レールクレーン作業とのインタラクション段階の静的推定時間と、ＡＧＶ走行段階の静的推定時間と、前記ブリッジクレーン作業段階の静的推定時間と、前記レールクレーン作業段階の静的推定時間と、を含む、各作業段階でのコンテナの静的推定時間をそれぞれ推定する静的推定ステップと、
前記ブリッジクレーン作業効率の動的推定値と前記レールクレーン作業効率の動的推定値とをそれぞれ推定し、ＡＧＶはそれぞれ前記ブリッジクレーン作業とのインタラクション段階の動的推定時間と前記レールクレーン作業とのインタラクション段階の動的推定時間と、ＡＧＶ走行段階の動的推定時間と、前記ブリッジクレーン作業段階の動的推定時間と、前記レールクレーン作業段階作業の動的推定時間と、を含む、各作業段階でのコンテナの動的推定時間をそれぞれ推定する動的推定ステップと、を含み、
各作業段階の前記静的推定時間と前記動的推定時間とに基づいて、各作業段階でのコンテナの最終的な推定時間と総作業の推定時間と、を算出し、前記総作業の推定時間は各作業段階の最終推定時間の和であり、
各作業段階でのコンテナの前記最終的な推定時間と前記総作業の推定時間とに基づいて、ＡＧＶ作業スケジューリング指令を生成する、
ことを特徴とする時間推定モデルに基づくＡＧＶスケジューリング方法。 An AGV scheduling method based on a time estimation model, comprising the following steps:
A static estimate of the bridge crane work efficiency and a static estimate of the rail crane work efficiency are respectively estimated, and the AGV calculates the static estimate of the interaction stage with the bridge crane work and the interaction stage with the rail crane work, respectively. a static estimated time for the AGV travel stage, a static estimated time for the bridge crane working stage, and a static estimated time for the rail crane working stage. a static estimation step of estimating the static estimation time of each;
A dynamic estimate of the bridge crane work efficiency and a dynamic estimate of the rail crane work efficiency are respectively estimated, and the AGV calculates a dynamic estimate of the interaction stage time with the bridge crane work and a dynamic estimate of the interaction stage with the rail crane work, respectively. Each work stage includes a dynamic estimated time for an interaction stage, a dynamic estimated time for an AGV travel stage, a dynamic estimated time for the bridge crane work stage, and a dynamic estimated time for the rail crane work stage. a dynamic estimation step of estimating a dynamic estimation time of the container at each time;
Based on the static estimated time and the dynamic estimated time of each work stage, calculate the final estimated time of the container at each work stage and the estimated total work time, and calculate the estimated time of the total work. is the sum of the final estimated time for each work step,
generating AGV work scheduling instructions based on the final estimated time of the container at each work stage and the estimated total work time;
An AGV scheduling method based on a time estimation model, characterized in that: 前記静的推定ステップでは、前記ブリッジクレーン作業効率と前記レールクレーン作業効率と、をそれぞれ推定する静的推定値は、作業効率の履歴データを取得し、前記ブリッジクレーン作業効率と前記レールクレーン作業効率をそれぞれ推定する静的推定値を含み、
前記ＡＧＶ走行段階の静的推定時間の推定方法は、
ＡＧＶ走行段階の履歴時間を取得し、前記ＡＧＶ走行段階の静的推定時間を推定し、
前記ブリッジクレーン作業効率の静的推定値と前記レールクレーン作業効率の静的推定値とに基づいて、前記ブリッジクレーン作業段階の静的推定時間と前記レールクレーン作業段階の静的推定時間とを推定し、
前記ブリッジクレーン作業効率の静的推定値と、前記レールクレーン作業効率の静的推定値と、前記ＡＧＶ走行段階の静的推定時間とに基づいて、ＡＧＶがそれぞれ前記ブリッジクレーン作業とのインタラクション段階の静的推定時間と前記レールクレーン作業とのインタラクション段階の静的推定時間と、を推定する、
ことを特徴とする請求項１に記載の時間推定モデルに基づくＡＧＶスケジューリング方法。 In the static estimation step, the static estimation values for estimating the bridge crane work efficiency and the rail crane work efficiency are obtained by acquiring historical data of work efficiency, and calculating the static estimation values for estimating the bridge crane work efficiency and the rail crane work efficiency, respectively. including static estimates that estimate respectively
The method for estimating the static estimation time of the AGV traveling stage includes:
obtaining a historical time of an AGV running stage and estimating a static estimated time of the AGV running stage;
Estimating a static estimated time for the bridge crane working stage and a static estimated time for the rail crane working stage based on the static estimated value of the bridge crane working efficiency and the static estimated value of the rail crane working efficiency. death,
Based on the static estimate of the bridge crane operation efficiency, the static estimate of the rail crane operation efficiency, and the static estimate of the AGV travel phase, the AGV will perform each interaction phase with the bridge crane operation. estimating a static estimated time and a static estimated time of an interaction phase with the rail crane operation;
The AGV scheduling method based on the time estimation model according to claim 1. 重み付け平均法を用いて各作業段階の前記静的推定時間と前記動的推定時間とに基づいて、各作業段階におけるコンテナのそれぞれの前記最終推定時間と前記総作業推定時間と、を算出することを特徴とする請求項２に記載の時間推定モデルに基づくＡＧＶスケジューリング方法。 calculating the final estimated time and the total estimated time for each container in each work stage based on the static estimated time and the dynamic estimated time for each work stage using a weighted average method; The AGV scheduling method based on the time estimation model according to claim 2. 前記動的推定ステップは、各コンテナの前記ブリッジクレーン作業段階の履歴時間と、対応するコンテナの位置とを取得することを含む作業効率推定モデルをトレーニングするステップをさらに含み、
前記履歴時間と前記位置とに基づいて前記作業効率推定モデルをトレーニングし、前記作業効率推定モデルは多価線形回帰式であり、前記作業効率推定モデルは、
Figure 2024503141000019
 であり、
ここで、
Figure 2024503141000020
は各コンテナの現在の作業段階での履歴時間であり、ｋはコンテナの位置番号であって正の整数であり、ｆ（ｘ）は作業効率推定モデルが出力する動的推定時間であり、ｗはｘのパラメータ行列であり、ｂは定数パラメータであり、
ｗとｂに基づいて前記ブリッジクレーン作業効率の動的推定値と前記レールクレーン作業効率の動的推定値と、を推定することを特徴とする請求項１に記載の時間推定モデルに基づくＡＧＶスケジューリング方法。 The dynamic estimation step further includes training a work efficiency estimation model including obtaining the historical time of the bridge crane work stage of each container and the position of the corresponding container;
The work efficiency estimation model is trained based on the historical time and the position, the work efficiency estimation model is a multivalued linear regression equation, and the work efficiency estimation model is
Figure 2024503141000019
 and
here,
Figure 2024503141000020
is the history time of each container at the current work stage, k is the position number of the container and is a positive integer, f(x) is the dynamic estimated time output by the work efficiency estimation model, and w is the parameter matrix of x, b is a constant parameter,
AGV scheduling based on a time estimation model according to claim 1, wherein the dynamic estimate of the bridge crane work efficiency and the dynamic estimate of the rail crane work efficiency are estimated based on w and b. Method. 前記作業効率推定モデルにおけるｗ及びｂの特定方法は、
配列
Figure 2024503141000021
を構築し、
時間損失
Figure 2024503141000022
を計算し、
ここで、ｙｉは、位置ｉであるコンテナの現在の作業段階での実際作業時間を示し、
Ｊを最小とするように、ｗとｂとを決定することを特徴とする、請求項４に記載の時間推定モデルに基づくＡＧＶスケジューリング方法。 The method for specifying w and b in the work efficiency estimation model is as follows:
array
Figure 2024503141000021
Build and
time loss
Figure 2024503141000022
Calculate,
Here, y i indicates the actual working time of the container at position i at the current working stage,
The AGV scheduling method based on a time estimation model according to claim 4, characterized in that w and b are determined so as to minimize J. 前記作業効率推定モデルが出力する前記ブリッジクレーン作業効率の動的推定値と前記レールクレーン作業効率の動的推定値と、運搬が必要なコンテナ数の入力スケジューリングシステムとに基づいて、前記ブリッジクレーン作業段階の動的推定時間と前記レールクレーン作業段階の動的推定時間とをそれぞれ生成することを特徴とする請求項５に記載の時間推定モデルに基づくＡＧＶスケジューリング方法。 The bridge crane work is calculated based on the dynamic estimate of the bridge crane work efficiency and the dynamic estimate of the rail crane work efficiency output by the work efficiency estimation model, and the input scheduling system for the number of containers required to be transported. The AGV scheduling method based on a time estimation model according to claim 5, characterized in that a dynamic estimated time of a stage and a dynamic estimated time of the rail crane work stage are respectively generated. 前記動的推定ステップは、ＡＧＶ走行時間推定モデルをトレーニングするステップをさらに含むことを特徴とする請求項５に記載の時間推定モデルに基づくＡＧＶスケジューリング方法。 The AGV scheduling method based on a time estimation model according to claim 5, wherein the dynamic estimation step further includes the step of training an AGV travel time estimation model. 前記ＡＧＶ走行時間推定モデルは、前記履歴データと前記位置とに基づいて、前記ＡＧＶ走行時間推定モデルをトレーニングし、前記ＡＧＶ走行時間推定モデルが多項式回帰式であり、前記多項式回帰式は、
Figure 2024503141000023
 であり、
ここで、
Figure 2024503141000024
はＡＧＶの前記ブリッジクレーンと前記レールクレーンとの間の走行時間履歴データであり、ｋはコンテナの位置番号であって正の整数であり、ｇ（ｘ）は前記ＡＧＶ走行時間推定モデルが出力する走行段階の動的推定値であり、ｗｊはｘｊのパラメータであり、ｂ２は定数パラメータであることを特徴とする請求項７に記載の時間推定モデルに基づくＡＧＶスケジューリング方法。 The AGV travel time estimation model trains the AGV travel time estimation model based on the historical data and the location, the AGV travel time estimation model is a polynomial regression equation, and the polynomial regression equation is:
Figure 2024503141000023
 and
here,
Figure 2024503141000024
is travel time history data between the bridge crane and the rail crane of the AGV, k is a container position number and is a positive integer, and g(x) is output by the AGV travel time estimation model. The AGV scheduling method based on a time estimation model according to claim 7, characterized in that it is a dynamic estimate of a driving stage, wj is a parameter of xj , and b2 is a constant parameter. 前記ＡＧＶ作業スケジューリング指令を生成する前に、前記コンテナの作業優先度を決定し、前記作業優先度に基づいて前記ＡＧＶ作業スケジューリング指令を生成し、
前記作業優先度の設定は、時間応答比に基づいて、
Figure 2024503141000025
であり、
前記時間応答比が大きいほど、前記作業優先度は低くなることを特徴とする請求項１～６のいずれか一項に記載の時間推定モデルに基づくＡＧＶスケジューリング方法。 Before generating the AGV work scheduling command, determining a work priority of the container and generating the AGV work scheduling command based on the work priority;
The setting of the work priority is based on the time response ratio,
Figure 2024503141000025
and
The AGV scheduling method based on a time estimation model according to any one of claims 1 to 6, wherein the larger the time response ratio, the lower the work priority. 混合整数計画、組み合せ最適化方法及び協調フィルタリングのアルゴリズムを用いて前記ＡＧＶ作業スケジュール指令を生成することを特徴とする請求項９に記載の時間推定モデルに基づくＡＧＶスケジューリング方法。 10. The AGV scheduling method based on a time estimation model according to claim 9, wherein the AGV work schedule command is generated using a mixed integer programming, a combinatorial optimization method, and a collaborative filtering algorithm.
JP2023543308A 2021-01-25 2021-12-16 AGV scheduling method based on time estimation model Pending JP2024503141A (en)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN202110098290.8A CN112764405B (en) 2021-01-25 2021-01-25 AGV scheduling method based on time estimation model
CN202110098290.8 2021-01-25
PCT/CN2021/138631 WO2022156440A1 (en) 2021-01-25 2021-12-16 Agv scheduling method based on time estimation model

Publications (1)

Publication Number Publication Date
JP2024503141A true JP2024503141A (en) 2024-01-24

Family

ID=75707173

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023543308A Pending JP2024503141A (en) 2021-01-25 2021-12-16 AGV scheduling method based on time estimation model

Country Status (3)

Country Link
JP (1) JP2024503141A (en)
CN (1) CN112764405B (en)
WO (1) WO2022156440A1 (en)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112764405B (en) * 2021-01-25 2021-11-30 青岛港国际股份有限公司 AGV scheduling method based on time estimation model
CN115293443B (en) * 2022-08-17 2024-03-22 上海国际港务（集团）股份有限公司 Bridge crane and container ship loading and unloading operation time prediction method, system and medium
CN115049324B (en) * 2022-08-17 2022-11-04 上海国际港务（集团）股份有限公司 Wharf AGV (automatic guided vehicle) scheduling method and device, computer equipment and storage medium
CN115685927A (en) * 2022-10-29 2023-02-03 福州大学 Spandex pan head operation dynamic scheduling method based on evolutionary optimization algorithm
CN116300775B (en) * 2023-05-23 2023-07-21 山东曙岳车辆有限公司 Intelligent logistics AGV trolley control system

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106485434A (en) * 2015-08-25 2017-03-08 上海玑智自动化科技有限公司 The dispatching method of automatic conveying device and system
CN105740979B (en) * 2016-01-29 2020-02-14 上海海事大学 Intelligent dispatching system and method for multiple automatic guided vehicles of automatic wharf
CN108845496B (en) * 2018-05-23 2021-06-25 大连海事大学 Automatic dock AGV (automatic guided vehicle) scheduling method and system
CN109213163A (en) * 2018-09-06 2019-01-15 青岛港国际股份有限公司 AGV method for optimizing route and system in automatic dock QCTP operation
CN109685435A (en) * 2018-11-07 2019-04-26 上海图森未来人工智能科技有限公司 Ship unloading, shipment control system and related system and device
WO2020210986A1 (en) * 2019-04-16 2020-10-22 西门子股份公司 Navigation method applied to agv, system, computing device, medium, and product
CN110516976B (en) * 2019-08-30 2022-12-13 大连海事大学 Automatic container terminal AGV (automatic guided vehicle) scheduling method capable of selecting loading and unloading completion time
CN110942203B (en) * 2019-12-03 2023-11-10 青岛港国际股份有限公司 Automatic container terminal AGV path optimization method
CN111401617A (en) * 2020-03-09 2020-07-10 兰剑智能科技股份有限公司 AGV scheduling method and system based on time prediction
CN112764405B (en) * 2021-01-25 2021-11-30 青岛港国际股份有限公司 AGV scheduling method based on time estimation model

Also Published As

Publication number Publication date
CN112764405B (en) 2021-11-30
CN112764405A (en) 2021-05-07
WO2022156440A1 (en) 2022-07-28

Similar Documents

Publication Publication Date Title
JP2024503141A (en) AGV scheduling method based on time estimation model
CN109828577A (en) The opposite automation field bridge high accuracy positioning parking method of unmanned container truck
CN109859459A (en) A kind of automatic Pilot bus dispatching optimization method
CN109542098A (en) A kind of AGV paths planning method based on minimum turning cost
CN110544038B (en) Intelligent operation and maintenance method and system for ship equipment
CN110363380B (en) Dynamic cooperative scheduling method for double-field bridge of container yard
CN113703472B (en) Path optimization method and device for collaborative inspection of multiple unmanned aerial vehicles and vehicles
CN112835333A (en) Multi-AGV obstacle avoidance and path planning method and system based on deep reinforcement learning
EP4241915A1 (en) Qmix reinforcement learning algorithm-based ship welding spots collaborative welding method using multiple manipulators
CN112070296B (en) Fuzzy reasoning based truck-mounted dispatching method
CN113919543A (en) AGV dispatching path optimization method based on 5G Internet of things
CN111639790A (en) Multimodal transportation scheduling method and system for guaranteeing reliability and safety of freight transportation
CN112016811A (en) AGV intelligent scheduling system and method based on reinforcement learning
CN107871179A (en) It is a kind of based on the goods train service chart preparation method for transporting to the time limit
He et al. Intelligent logistics system of steel bar warehouse based on ubiquitous information
Sun et al. AGV-based vehicle transportation in automated container terminals: A survey
Ding et al. Real‐Time Monitoring and Optimal Resource Allocation for Automated Container Terminals: A Digital Twin Application at the Yangshan Port
CN112269389B (en) Multifunctional intelligent robot car system for passenger service and control method thereof
CN116935616A (en) Intelligent integrated card cooperative dispatching method for port area vehicle dispatching-regulation coupling
CN115586552A (en) Method for accurately secondarily positioning unmanned truck collection under port tyre crane or bridge crane
Yu et al. Real-time holding control for transfer synchronization via robust multiagent reinforcement learning
CN113743739B (en) AGV scheduling method based on mixed integer programming and combined optimization algorithm
CN114675647A (en) AGV trolley scheduling and path planning method
CN110941277B (en) Trolley route planning method and system
De Zarza et al. Decentralized Platooning Optimization for Trucks: A MILP and ADMM-based Convex Approach to Minimize Latency and Energy Consumption

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230719