智能仓储系统中的任务调度策略
这是一篇关于智能仓储,任务调度,订单分批,粒子群的论文, 主要内容为随着电子信息产业的迅猛发展,电商行业体量迎来了飞速增长。全面普及的电子商务,使得人们购物便捷的同时也对传统的仓储拣选提出了巨大的挑战,在电商交易环境中,用户不单追求商品质量,对到货效率也提出了更高的要求,因此准确快速地处理海量订单,提高订单的分拣效率至关重要。目前国内外均在积极倡导智慧物流,智能仓储作为其最为重要的依托,受到了广大研究者的关注。其中,亚马逊的“Kiva”智能仓储系统,率先利用AGV移动机器人替代拣选人员,将拣选人员从耗时的拣选商品作业中解放出来,掀起了仓储业的改革浪潮,这种使用AGV的“货到人”拣选模式,可以大幅提升商品的拣选效率,正被广泛尝试应用。但另一方面,该模式下的仓储系统依然存在一些问题,无法满足海量订单的拣选需求,整体效率仍待改善,订单任务的调度问题便是其中一个关键问题。在订单任务处理过程中,拣选时间占据60%以上比重,而AGV在拣选商品过程中,往往会出现行驶路径重复、走冤枉路等行为,严重影响拣选效率,因此对订单拣选过程进行优化,研究有效的任务调度策略对于智能仓储效率的提升具有重要意义。本文的研究工作从以下两方面着手:首先,对到达系统的订单进行预处理工作,以此减少仓储系统中订单到达顺序及分批方案等因素对AGV行驶路径的影响,提高仓储系统分拣效率。本文从当前智能仓储系统结构与拣选模式出发,通过研究订单处理流程对常用订单分批方式中存在问题进行分析,并结合仓储实际设计一种二阶段订单分批方案,其创新性在于:通过订单信息创建订单相似度矩阵,设计了基于订单相似度的初始分批方案,然后将分拣站台看为一个整体计算其与剩余订单的相似程度,实现对订单集合内其余订单的自适应分批。最后,通过仿真验证了该算法可有效减少AGV搬运货架次数,提升仓储效率。其次,为完成分批的订单选择合适的执行AGV及任务拣选顺序,即对任务进行合理分配。为实现已完成分批的订单的分配,进一步减少AGV总行驶距离,本文从实际仓储环境出发,根据AGV搬运货架行驶路径总结了目前订单分配所需解决的问题,并对所采用的粒子群算法进行离散化设计,通过该算法对本系统中任务分配问题进行求解,同时考虑到离散粒子群算法具有易早熟的局限性,融合了差分进化算法对其进行改进,提升算法收敛速度及寻优能力。最后通过仿真证明本算法具有良好的寻优能力,对系统拣选效率有较大增益。
电商仓库货到人拣选系统货位分配和订单分批优化
这是一篇关于电商仓库,货到人拣选系统,关联规则挖掘,货位分配,订单分批的论文, 主要内容为近年来电商交易规模不断增大,货到人拣选系统的优势越发显现,越来越多的大型电商仓库中已经布局货到人移动货架拣选系统。与此同时,顾客对于电商购物商品送达时限和花费物流成本的要求越来越高,占电商仓库运营总成本65%的订单拣选成本是企业提升仓库作业效率、降低运营成本的重点和难点,因此本文从订单拣选流程的货位分配环节和订单分批环节入手,通过优化模型与算法实现订单拣选成本的降低。货到人拣选仓库中订单拣选各个环节相互影响,货位分配环节决定了待拣选商品具体储存的货位,货位分配的结果是订单分批的数据输入,订单分批依据之一为货架搬运次数,货架搬运次数由货位分配结果决定,因此本文在货位分配优化结果的基础上进行订单分批优化,结果表明,二者共同优化能够取得最好的优化效果,对重要参数进行灵敏度分析,揭示订单分批后拣选成本变化规律,为电商仓库拣选流程优化提供相关建议。具体的研究内容如下:(1)应用FP-growth算法挖掘商品关联规则。本文从电商仓库的15000条历史订单中共挖掘出3003条关联规则,同时输出关联规则支持度、置信度和提升度,利用提升度代表不同关联规则商品组合的关联度,并对关联规则进行可视化分析。关联规则结果作为货位分配的数据输入,是货位分配模型求解的基础。(2)应用种子算法求解目标函数为同一货架商品关联度最大的货位分配模型。本文中种子算法求解货位分配模型分为两步骤:种子商品的选择和剩余商品的插入。选择支持度大即在订单中出现次数多的高频率商品作为种子商品,选择包含种子商品的强关联规则插入同一货架。(3)应用贪心算法思想设计订单分批算法流程。订单分批模型优化目标为订单拣选成本最低,拣选成本包括拣选工作人员从货架拣取商品的人力成本和AGV搬运货架的成本两部分。定义加权相似度衡量订包含商品品项和需要搬运货架的相似度,将加权相似度大的订单分为一批能降低订单拣选总成本。当需分批的订单总数为4000,相似度权重为0.5比0.5时,批次内包含商品最大容量为200时,订单被分为43批,对比随机分批优化有效降低了拣选成本。总之,组合考虑货位分配和订单分批策略,既能提高拣选效率,又能明显降低拣选成本。在实例中,通过对比货位随机分配和订单随机分批,证明了组合基于商品关联关系的货位分配策略和基于加权相似度的订单分批策略能取得最优效果,是最佳的策略。本文共有图20幅,表16个,参考文献66篇。
智能仓储系统中的任务调度策略
这是一篇关于智能仓储,任务调度,订单分批,粒子群的论文, 主要内容为随着电子信息产业的迅猛发展,电商行业体量迎来了飞速增长。全面普及的电子商务,使得人们购物便捷的同时也对传统的仓储拣选提出了巨大的挑战,在电商交易环境中,用户不单追求商品质量,对到货效率也提出了更高的要求,因此准确快速地处理海量订单,提高订单的分拣效率至关重要。目前国内外均在积极倡导智慧物流,智能仓储作为其最为重要的依托,受到了广大研究者的关注。其中,亚马逊的“Kiva”智能仓储系统,率先利用AGV移动机器人替代拣选人员,将拣选人员从耗时的拣选商品作业中解放出来,掀起了仓储业的改革浪潮,这种使用AGV的“货到人”拣选模式,可以大幅提升商品的拣选效率,正被广泛尝试应用。但另一方面,该模式下的仓储系统依然存在一些问题,无法满足海量订单的拣选需求,整体效率仍待改善,订单任务的调度问题便是其中一个关键问题。在订单任务处理过程中,拣选时间占据60%以上比重,而AGV在拣选商品过程中,往往会出现行驶路径重复、走冤枉路等行为,严重影响拣选效率,因此对订单拣选过程进行优化,研究有效的任务调度策略对于智能仓储效率的提升具有重要意义。本文的研究工作从以下两方面着手:首先,对到达系统的订单进行预处理工作,以此减少仓储系统中订单到达顺序及分批方案等因素对AGV行驶路径的影响,提高仓储系统分拣效率。本文从当前智能仓储系统结构与拣选模式出发,通过研究订单处理流程对常用订单分批方式中存在问题进行分析,并结合仓储实际设计一种二阶段订单分批方案,其创新性在于:通过订单信息创建订单相似度矩阵,设计了基于订单相似度的初始分批方案,然后将分拣站台看为一个整体计算其与剩余订单的相似程度,实现对订单集合内其余订单的自适应分批。最后,通过仿真验证了该算法可有效减少AGV搬运货架次数,提升仓储效率。其次,为完成分批的订单选择合适的执行AGV及任务拣选顺序,即对任务进行合理分配。为实现已完成分批的订单的分配,进一步减少AGV总行驶距离,本文从实际仓储环境出发,根据AGV搬运货架行驶路径总结了目前订单分配所需解决的问题,并对所采用的粒子群算法进行离散化设计,通过该算法对本系统中任务分配问题进行求解,同时考虑到离散粒子群算法具有易早熟的局限性,融合了差分进化算法对其进行改进,提升算法收敛速度及寻优能力。最后通过仿真证明本算法具有良好的寻优能力,对系统拣选效率有较大增益。
电商仓库货到人拣选系统货位分配和订单分批优化
这是一篇关于电商仓库,货到人拣选系统,关联规则挖掘,货位分配,订单分批的论文, 主要内容为近年来电商交易规模不断增大,货到人拣选系统的优势越发显现,越来越多的大型电商仓库中已经布局货到人移动货架拣选系统。与此同时,顾客对于电商购物商品送达时限和花费物流成本的要求越来越高,占电商仓库运营总成本65%的订单拣选成本是企业提升仓库作业效率、降低运营成本的重点和难点,因此本文从订单拣选流程的货位分配环节和订单分批环节入手,通过优化模型与算法实现订单拣选成本的降低。货到人拣选仓库中订单拣选各个环节相互影响,货位分配环节决定了待拣选商品具体储存的货位,货位分配的结果是订单分批的数据输入,订单分批依据之一为货架搬运次数,货架搬运次数由货位分配结果决定,因此本文在货位分配优化结果的基础上进行订单分批优化,结果表明,二者共同优化能够取得最好的优化效果,对重要参数进行灵敏度分析,揭示订单分批后拣选成本变化规律,为电商仓库拣选流程优化提供相关建议。具体的研究内容如下:(1)应用FP-growth算法挖掘商品关联规则。本文从电商仓库的15000条历史订单中共挖掘出3003条关联规则,同时输出关联规则支持度、置信度和提升度,利用提升度代表不同关联规则商品组合的关联度,并对关联规则进行可视化分析。关联规则结果作为货位分配的数据输入,是货位分配模型求解的基础。(2)应用种子算法求解目标函数为同一货架商品关联度最大的货位分配模型。本文中种子算法求解货位分配模型分为两步骤:种子商品的选择和剩余商品的插入。选择支持度大即在订单中出现次数多的高频率商品作为种子商品,选择包含种子商品的强关联规则插入同一货架。(3)应用贪心算法思想设计订单分批算法流程。订单分批模型优化目标为订单拣选成本最低,拣选成本包括拣选工作人员从货架拣取商品的人力成本和AGV搬运货架的成本两部分。定义加权相似度衡量订包含商品品项和需要搬运货架的相似度,将加权相似度大的订单分为一批能降低订单拣选总成本。当需分批的订单总数为4000,相似度权重为0.5比0.5时,批次内包含商品最大容量为200时,订单被分为43批,对比随机分批优化有效降低了拣选成本。总之,组合考虑货位分配和订单分批策略,既能提高拣选效率,又能明显降低拣选成本。在实例中,通过对比货位随机分配和订单随机分批,证明了组合基于商品关联关系的货位分配策略和基于加权相似度的订单分批策略能取得最优效果,是最佳的策略。本文共有图20幅,表16个,参考文献66篇。
穿梭车仓储系统的订单分批及路径优化问题研究
这是一篇关于穿梭车仓储系统,订单分批,路径优化,遗传算法,离散粒子群优化算法的论文, 主要内容为电子商务的繁荣推动了仓储物流行业的发展。仓储的效率、质量和成本对电商企业至关重要,新型的自动化仓储系统不断被引入到电商企业。穿梭车仓储系统是一种新兴的自动化仓储系统,由穿梭车和提升机搭配完成料箱的出入库任务,可以实现“货到人”的订单拣选,适用于多品种、小批量的电商仓储需求。如何提高穿梭车仓储系统的效率是需要深入研究的重要问题。以穿梭车仓储系统的订单拣选为研究对象,对系统的设备构成及工作流程进行了分析。为了提高拣选效率,从订单分批和路径优化两个方面进行研究。(1)在订单拣选时,料箱的出入库频率是影响拣选效率的关键因素之一。以最小化料箱的总出库次数为目标,建立了订单分批优化模型,并设计了改进的遗传算法求解模型。通过仿真对比,验证了订单分批优化可以有效降低料箱的出库次数,进而提高拣选效率。(2)对于单个巷道内的出入库作业,将入库任务和出库任务进行合理搭配构成复合作业,可以减少完成所有任务的总时间。以最小化完成一批任务的总时间为目标,建立复合作业路径优化模型,并设计了改进的离散粒子群优化算法求解模型。通过仿真对比,验证了复合作业路径优化可以缩短出入库任务的总时间,提高了出入库效率。研究结果为应用穿梭车仓储系统的电商企业提供了订单分批和路径优化的策略,对提高拣选效率、降低拣选成本具有重要意义。
穿梭车仓储系统的订单分批及路径优化问题研究
这是一篇关于穿梭车仓储系统,订单分批,路径优化,遗传算法,离散粒子群优化算法的论文, 主要内容为电子商务的繁荣推动了仓储物流行业的发展。仓储的效率、质量和成本对电商企业至关重要,新型的自动化仓储系统不断被引入到电商企业。穿梭车仓储系统是一种新兴的自动化仓储系统,由穿梭车和提升机搭配完成料箱的出入库任务,可以实现“货到人”的订单拣选,适用于多品种、小批量的电商仓储需求。如何提高穿梭车仓储系统的效率是需要深入研究的重要问题。以穿梭车仓储系统的订单拣选为研究对象,对系统的设备构成及工作流程进行了分析。为了提高拣选效率,从订单分批和路径优化两个方面进行研究。(1)在订单拣选时,料箱的出入库频率是影响拣选效率的关键因素之一。以最小化料箱的总出库次数为目标,建立了订单分批优化模型,并设计了改进的遗传算法求解模型。通过仿真对比,验证了订单分批优化可以有效降低料箱的出库次数,进而提高拣选效率。(2)对于单个巷道内的出入库作业,将入库任务和出库任务进行合理搭配构成复合作业,可以减少完成所有任务的总时间。以最小化完成一批任务的总时间为目标,建立复合作业路径优化模型,并设计了改进的离散粒子群优化算法求解模型。通过仿真对比,验证了复合作业路径优化可以缩短出入库任务的总时间,提高了出入库效率。研究结果为应用穿梭车仓储系统的电商企业提供了订单分批和路径优化的策略,对提高拣选效率、降低拣选成本具有重要意义。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设海岸 ，原文地址：https://bishedaima.com/lunwen/49155.html
