JP6887041B1 - 倉庫制御の汎化法、装置、システム、プログラム、並びに記録媒体 - Google Patents
倉庫制御の汎化法、装置、システム、プログラム、並びに記録媒体 Download PDFInfo
- Publication number
- JP6887041B1 JP6887041B1 JP2020069160A JP2020069160A JP6887041B1 JP 6887041 B1 JP6887041 B1 JP 6887041B1 JP 2020069160 A JP2020069160 A JP 2020069160A JP 2020069160 A JP2020069160 A JP 2020069160A JP 6887041 B1 JP6887041 B1 JP 6887041B1
- Authority
- JP
- Japan
- Prior art keywords
- warehouse
- transfer
- control
- input
- machine learning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 48
- 238000012546 transfer Methods 0.000 claims abstract description 176
- 238000010801 machine learning Methods 0.000 claims abstract description 114
- 238000013528 artificial neural network Methods 0.000 claims abstract description 41
- 238000003860 storage Methods 0.000 claims abstract description 35
- 230000002787 reinforcement Effects 0.000 claims description 21
- 238000013135 deep learning Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 5
- 238000004904 shortening Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 abstract description 9
- 238000004364 calculation method Methods 0.000 description 3
- 238000004880 explosion Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 125000002842 L-seryl group Chemical group O=C([*])[C@](N([H])[H])([H])C([H])([H])O[H] 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000002716 delivery method Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000059 patterning Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
Images
Abstract
Description
Claims (24)
- 入力層、隠れ層、出力層を備える人工ニューラルネットワーク(ANN、Artificial Neural Network)を含む機械学習を用いた倉庫の制御方法であって、
収納棚の数とそのレイアウト、収納棚あたりの段数、各段での物品収納単位である間口の数、物品を移動する移載手段の種類と性能、およびそれらの台数とレイアウト、のうち少なくともいずれか一つを含む倉庫属性と、現在の占有間口数、空き間口数とそのアドレス、及び利用可能移載手段の台数と各移載手段の現在アドレス、のうち少なくともいずれか一つを含む倉庫状況と、どの物品を何個どこの移載先へ移載するか、を含む移載命令と、を含むデータをパターン化された入力として前記入力層に与え、移載時間を短くする制御目的、電力使用量を小さくする制御目的、出庫時間を短縮化する制御目的、出庫時の移載負荷の平準化を行う制御目的、騒音を最小にする制御目的、入庫時間を短くする制御目的、のうちの少なくとも一つを含み得る物流倉庫としての制御目的に沿った教師信号及び報酬信号を前記機械学習の教師データ及び報酬データとして用いた学習を行わせることにより、移載時間情報、移載ルート情報、移載電力情報、移載パス情報のうちの少なくとも一つを含み得る、前記物流倉庫としての制御目的に応じた制御情報を出力させ、前記出力された制御情報を用いることにより、倉庫の制御を行うことを特徴とする倉庫の制御方法。 - 前記機械学習は、深層学習法を含むANN、強化学習、モンテカルロ木探索、Rapidly exploring Random Tree(RRT)、のうち少なくともいずれか一つの手段による請求項1に記載の方法。
- 前記機械学習をなす手段として人工ニューラルネットワークを用いる場合は入力ノード数、隠れ層の数、各隠れ層のノード数、及び出力ノード数、層間の接続トポロジーのうち少なくともいずれか一つを含む前記人工ニューラルネットワークの属性を、あるいは強化学習、モンテカルロ木探索、RRTを含む方法を用いる場合は、棚、段、間口のレイアウト、移載手段の数のうち少なくともいずれか一つを含む倉庫属性を設定して学習前に機械学習手段の構造をGUI画面により設定し、それに対して学習を行って、学習済の前記機械学習手段によって制御を行うことを特徴とする請求項1に記載の方法。
- 前記倉庫の制御に係る制御対象倉庫の動作をシミュレートするシミュレータを用い、シミュレータからの出力を機械学習手段の学習データおよび/または教師データあるいは報酬として用いることを特徴とする請求項1に記載の方法。
- 前記機械学習に係る学習時に機械学習手段からの出力でシミュレータを制御し、その結果得られるシミュレータの出力を前記人工ニューラルネットワークに入力することで学習を行うことを特徴とする請求項1に記載の方法。
- 倉庫属性、倉庫状況、移載指令を記述するパラメータの全てあるいは一部をそのままおよび/または加工して機械学習手段へ入力することを特徴とする請求項1に記載の方法。
- 所望の制御が行われるように学習した機械学習手段に現在の倉庫の属性と状況および移載指令を入力し、得られた人工ニューラルネットワークの出力によって倉庫を制御すること特徴とする請求項1に記載の方法。
- 学習済モデルに入力する倉庫の状況データとして、倉庫の棚の物品占有情報や空き情報、収納物品情報、移載手段の現在位置のうちの少なくとも1つを、移載指令として移載元と移載先の空間情報と移載物品情報のうちの少なくとも1つを、ぞれぞれ含むことを特徴とする請求項1に記載の方法。
- 前記入力されたものから、倉庫が目的に合致した動作をするように、移載順序と時間、移載経由アドレスのうちの少なくとも1つを含む制御パラメータを出力することを特徴とする請求項8に記載の方法。
- 人工ニューラルネットワーク、強化学習、モンテカルロ木探索、RRTを含む機械学習手段の構造を設定するためのGUI(Guraphical User Interface)のうちの少なくとも1つをさらに備えた請求項3に記載の方法。
- 機械学習手段からの出力を倉庫シミュレータの制御に使うか使わないかを切り替えるためのGUIをさらに備えることを特徴とする請求項5に記載の方法。
- 入力層、隠れ層、出力層を備える人工ニューラルネットワーク(ANN、Artificial Neural Network)を含む機械学習を用いた倉庫の制御装置であって、
収納棚の数とそのレイアウト、収納棚あたりの段数、各段での物品収納単位である間口の数、物品を移動する移載手段の種類と性能、およびそれらの台数とレイアウト、のうち少なくともいずれか一つを含む倉庫属性と、現在の占有間口数、空き間口数とそのアドレス、及び利用可能移載手段の台数と各移載手段の現在アドレス、のうち少なくともいずれか一つを含む倉庫状況とがパターン化されて入力される第1の入力部と、
どの物品を何個どこの移載先へ移載するか、を含む移載命令が入力される第2の入力部と、
前記第1及び第2の入力部から得られるデータを入力として前記入力層に与え、移載時間を短くする制御目的、電力使用量を小さくする制御目的、出庫時間を短縮化する制御目的、出庫時の移載負荷の平準化を行う制御目的、騒音を最小にする制御目的、入庫時間を短くする制御目的、のうちの少なくとも一つを含み得る物流倉庫としての制御目的に沿った教師信号及び報酬信号を前記機械学習の教師データ及び報酬データとして用いた学習を行わせることにより、移載時間情報、移載ルート情報、移載電力情報、移載パス情報のうちの少なくとも一つを含み得る、前記物流倉庫としての制御目的に応じた制御情報を出力させる学習部と、
前記出力された制御情報を用いることにより倉庫の制御を行う制御部と
を備えた倉庫の制御装置。 - 前記機械学習は、深層学習法を含むANN、強化学習、モンテカルロ木探索、Rapidly exploring Random Tree(RRT)、のうち少なくともいずれか一つの手段による請求項12に記載の制御装置。
- 前記機械学習をなす手段として人工ニューラルネットワークを用いる場合は入力ノード数、隠れ層の数、各隠れ層のノード数、及び出力ノード数、層間の接続トポロジーのうち少なくともいずれか一つを含む前記人工ニューラルネットワークの属性を、あるいは強化学習、モンテカルロ木探索、RRTを含む方法を用いる場合は、棚、段、間口のレイアウト、移載手段の数のうち少なくともいずれか一つを含む倉庫属性を設定して学習前に機械学習手段の構造をGUI画面により設定し、それに対して学習を行って、学習済の前記機械学習手段によって制御を行うことを特徴とする請求項12に記載の制御装置。
- 前記倉庫の制御に係る制御対象倉庫の動作をシミュレートするシミュレータを用い、シミュレータからの出力を機械学習手段の学習データおよび/または教師データあるいは報酬として用いることを特徴とする請求項12に記載の制御装置。
- 前記機械学習に係る学習時に機械学習手段からの出力でシミュレータを制御し、その結果得られるシミュレータの出力を前記人工ニューラルネットワークに入力することで学習を行うことを特徴とする請求項12に記載の制御装置。
- 倉庫属性、倉庫状況、移載指令を記述するパラメータの全てあるいは一部をそのままおよび/または加工して機械学習手段へ入力することを特徴とする請求項12に記載の制御装置。
- 所望の制御が行われるように学習した機械学習手段に現在の倉庫の属性と状況および移載指令を入力し、得られた人工ニューラルネットワークの出力によって倉庫を制御すること特徴とする請求項12に記載の制御装置。
- 学習済モデルに入力する倉庫の状況データとして、倉庫の棚の物品占有情報や空き情報、収納物品情報、移載手段の現在位置のうちの少なくとも1つを、移載指令として移載元と移載先の空間情報と移載物品情報のうちの少なくとも1つを、ぞれぞれ含むことを特徴とする請求項12に記載の制御装置。
- 前記入力されたものから、倉庫が目的に合致した動作をするように、移載順序と時間、移載経由アドレスのうちの少なくとも1つを含む制御パラメータを出力することを特徴とする請求項19に記載の制御装置。
- 人工ニューラルネットワーク、強化学習、モンテカルロ木探索、RRTを含む機械学習手段の構造を設定するためのGUI(Guraphical User Interface)のうちの少なくとも1つをさらに備えた請求項14に記載の制御装置。
- 機械学習手段からの出力を倉庫シミュレータの制御に使うか使わないかを切り替えるためのGUIをさらに備えることを特徴とする請求項16に記載の制御装置。
- 入力層、隠れ層、出力層を備える人工ニューラルネットワーク(ANN、Artificial Neural Network)を含む機械学習を用いた倉庫の制御システムであって、
収納棚の数とそのレイアウト、収納棚あたりの段数、各段での物品収納単位である間口の数、物品を移動する移載手段の種類と性能、およびそれらの台数とレイアウト、のうち少なくともいずれか一つを含む倉庫属性と、現在の占有間口数、空き間口数とそのアドレス、及び利用可能移載手段の台数と各移載手段の現在アドレス、のうち少なくともいずれか一つを含む倉庫状況とがパターン化されて入力される第1の入力手段と、
どの物品を何個どこの移載先へ移載するか、を含む移載命令が入力される第2の入力手段と、
前記第1及び第2の入力部から得られるデータを入力として前記入力層に与え、移載時間を短くする制御目的、電力使用量を小さくする制御目的、出庫時間を短縮化する制御目的、出庫時の移載負荷の平準化を行う制御目的、騒音を最小にする制御目的、入庫時間を短くする制御目的、のうちの少なくとも一つを含み得る物流倉庫としての制御目的に沿った教師信号及び報酬信号を前記機械学習の教師データ及び報酬データとして用いた学習を行わせることにより、移載時間情報、移載ルート情報、移載電力情報、移載パス情報のうちの少なくとも一つを含み得る、前記物流倉庫としての制御目的に応じた制御情報を出力させる学習手段と、
前記出力された制御情報を用いることにより倉庫の制御を行う制御手段と
を備えた倉庫の制御システム。 - コンピュータを、
入力層、隠れ層、出力層を備える人工ニューラルネットワーク(ANN、Artificial Neural Network)を含む機械学習を用いた倉庫の制御に用いるために、
収納棚の数とそのレイアウト、収納棚あたりの段数、各段での物品収納単位である間口の数、物品を移動する移載手段の種類と性能、およびそれらの台数とレイアウト、のうち少なくともいずれか一つを含む倉庫属性と、現在の占有間口数、空き間口数とそのアドレス、及び利用可能移載手段の台数と各移載手段の現在アドレス、のうち少なくともいずれか一つを含む倉庫状況とがパターン化されて入力される第1の入力手段と、
どの物品を何個どこの移載先へ移載するか、を含む移載命令が入力される第2の入力手段と、
前記第1及び第2の入力部から得られるデータを入力として前記入力層に与え、移載時間を短くする制御目的、電力使用量を小さくする制御目的、出庫時間を短縮化する制御目的、出庫時の移載負荷の平準化を行う制御目的、騒音を最小にする制御目的、入庫時間を短くする制御目的、のうちの少なくとも一つを含み得る物流倉庫としての制御目的に沿った教師信号及び報酬信号を前記機械学習の教師データ及び報酬データとして用いた学習を行わせることにより、移載時間情報、移載ルート情報、移載電力情報、移載パス情報のうちの少なくとも一つを含み得る、前記物流倉庫としての制御目的に応じた制御情報を出力させる学習手段と、
前記出力された制御情報を用いることにより倉庫の制御を行う制御手段と
として機能させることを特徴とする倉庫の制御プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020069160A JP6887041B1 (ja) | 2020-04-07 | 2020-04-07 | 倉庫制御の汎化法、装置、システム、プログラム、並びに記録媒体 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020069160A JP6887041B1 (ja) | 2020-04-07 | 2020-04-07 | 倉庫制御の汎化法、装置、システム、プログラム、並びに記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6887041B1 true JP6887041B1 (ja) | 2021-06-16 |
JP2021165189A JP2021165189A (ja) | 2021-10-14 |
Family
ID=76310273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020069160A Active JP6887041B1 (ja) | 2020-04-07 | 2020-04-07 | 倉庫制御の汎化法、装置、システム、プログラム、並びに記録媒体 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6887041B1 (ja) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08133427A (ja) * | 1994-11-16 | 1996-05-28 | Tadashi Yamamoto | 倉庫等の動的棚ランキング方法及びその装置 |
JP3728864B2 (ja) * | 1997-05-13 | 2005-12-21 | アシスト シンコー株式会社 | 無人搬送車制御装置および方法 |
JP4492844B2 (ja) * | 2003-09-26 | 2010-06-30 | 国立大学法人 岡山大学 | データ処理装置 |
GB201409883D0 (en) * | 2014-06-03 | 2014-07-16 | Ocado Ltd | Methods, systems, and apparatus for controlling movement of transporting devices |
JP2019197465A (ja) * | 2018-05-11 | 2019-11-14 | 株式会社日立製作所 | シミュレーション制御方法及び計算機システム |
JP6554218B1 (ja) * | 2018-08-22 | 2019-07-31 | 三菱ロジスネクスト株式会社 | 配備数決定装置および配備数決定方法 |
JP7266273B2 (ja) * | 2018-08-23 | 2023-04-28 | 株式会社ライナロジクス | 情報処理装置及び情報処理プログラム |
JP7084257B2 (ja) * | 2018-08-30 | 2022-06-14 | 株式会社日立製作所 | ピッキング支援システムおよび支援方法 |
-
2020
- 2020-04-07 JP JP2020069160A patent/JP6887041B1/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2021165189A (ja) | 2021-10-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
da Costa Barros et al. | Robotic mobile fulfillment systems: A survey on recent developments and research opportunities | |
CN111149071B (zh) | 物品处理协调系统和重新定位运输容器的方法 | |
Wurman et al. | Coordinating hundreds of cooperative, autonomous vehicles in warehouses | |
CN105836356B (zh) | 一种密集仓储系统混合优化调度方法 | |
CN110716452A (zh) | 一种基于多层穿梭车智能立体仓库的调度仿真方法 | |
CN109154799A (zh) | 基于可定制目标的仓库布局优化 | |
Cortés et al. | A tabu search approach to solving the picking routing problem for large-and medium-size distribution centres considering the availability of inventory and K heterogeneous material handling equipment | |
JP6677858B1 (ja) | 自動化倉庫最適化システム | |
Güller et al. | Simulation-based performance evaluation of the cellular transport system | |
Nia et al. | Dual command cycle dynamic sequencing method to consider GHG efficiency in unit-load multiple-rack automated storage and retrieval systems | |
Beckschäfer et al. | Simulating storage policies for an automated grid-based warehouse system | |
Shah et al. | A comprehensive review and proposed framework to design lean storage and handling systems | |
CN112396369A (zh) | 合并容器的方法、装置、电子设备和计算机可读介质 | |
Wu et al. | Spatiotemporal modeling of lifting task scheduling for tower cranes with a tabu search and 4-D simulation | |
Luo et al. | An efficient simulation model for layout and mode performance evaluation of robotic mobile fulfillment systems | |
Xing et al. | Ant colony optimization for automated storage and retrieval system | |
JP6887041B1 (ja) | 倉庫制御の汎化法、装置、システム、プログラム、並びに記録媒体 | |
AU2021308322B2 (en) | A controller and method for transporting devices | |
Kluska | Support the decision processes in management through the automatic generation of simulation models of warehouses | |
CN114399247A (zh) | 任务分配方法、电子设备、存储介质及计算机程序产品 | |
Mohr | Optimization of warehouse order-picking routes using vehicle routing model and genetic algorithm | |
JP3419694B2 (ja) | 単一商品の自動積み付けロボットシステムにおける荷姿作成方法 | |
Boysen et al. | 50 years of warehousing research—An operations research perspective | |
Pawlewski | Simulation Model To Optimize Picking Operations In A Distribution Center,„ | |
Sharp et al. | A structured approach to material handling system selection and specification for manufacturing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200413 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200413 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200629 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200714 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200914 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201215 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210215 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210413 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210511 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210517 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6887041 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |