详情

原文传递密集仓储作业优化与调度方法研究

论文题名：	密集仓储作业优化与调度方法研究
关键词：	密集仓储;货位优化;差分进化算法;设备调度;事件规则
摘要：	近年来随着物流仓储行业的迅速发展，精益仓储对自动化、数字化及智能化提出了更高的要求。为了降低运营成本，密集仓储应运而生并得到了广泛运用，其具备占地面积小、作业规模大、设备种类多、设备数量多及任务并行等特点，但这也给自动化仓储作业优化与调度带来了新的挑战。作业优化包括作业顺序优化、货位优化等环节，其中，货位决策优化是仓储作业过程中重要的工作之一，极大程度地影响着作业效率及成本，而传统的货位决策大多依赖于仓储管理人员的经验，具有一定的盲目性。其次，一般情况下密集仓储作业满足“先来先做”的要求，作业流程的执行具有事件响应特性，在多任务、高并发及异构设备多的仓储环境下，作业约束复杂，事先分配仓储设备资源及路径规划的算法，无法及时准确地调度仓储设备，异构多设备的协同调度也愈发困难。因此，利用互联网及人工智能进行科学合理的仓储货位优化及设备调度，对提升作业质量与效率具有重要意义。课题的主要研究内容如下：　　（1）密集仓储作业优化与调度分析建模　　针对密集仓储作业优化与调度问题，进行了仓储作业过程需求分析，剖析了货位优化及设备调度在作业流程中的触发及作用机制。给出了基于事件驱动的货位优化与多设备协同调度问题框架描述，考虑托盘使用状态、库存情况及动态货位可行域等复杂约束条件，进行了货位优化问题描述，并将调度问题分解为作业活动事件调度、环轨及穿梭RGV资源调度两部分。通过仓储作业数据流、功能流分析，设计密集仓储货位优化及设备调度系统功能结构。基于E-R图分析货架、货位、托盘、物料、设备、作业及事件等实体的关键属性，建立关系数据库及对象关系映射模型，为货位优化及设备调度问题的求解提供模型及数据访问基础。　　（2）提出了响应动态约束的仓储货位优化模型及算法　　针对密集仓储动态货位优化问题，考虑库存、货位可行域、托盘使用情况等动态约束条件，以货架稳定性、作业均衡及作业路径最短为目标，构建了货位多目标优化数学模型，设计了基于差分进化（DE）的动态货位决策优化算法。为了克服算法参数选择的盲目性，采取变异系数、交叉率自适应进化策略，提高算法在大规模作业下的搜索与勘探能力。使用货位随机数编码，根据实时货位可行域进行个体解码，以响应动态货位约束条件。为了获得满足实际应用的最优解，提出了基于层次分析的Pareto解评价方法，从而获得多批作业货位持续优化的目标权重，并研究了多目标权重对货位持续优化能力的影响规律，为仓储货位决策提供合理方案。多批作业算法试验结果表明，所提算法效果显著优于多目标简单加权算法，能够有效应用于动态货位决策与优化。　　（3）提出了一种密集仓储多设备协同调度方法　　仓储作业由多种搬运设备协作完成，在多任务、高并发、设备种类多等环境下，针对环形轨道RGV、输送机、提升机、穿梭车等异构设备协同调度问题，给出了一种面向密集仓储的多设备协同调度方法。基于排队论，对密集仓储平台设备配置及布局进行了调度瓶颈分析，避免因布局不合理引起的设备资源利用率低、作业响应能力差等问题。提出了基于事件规则驱动的多设备实时调度模型，以准确及时地控制异构设备执行作业，使业务流程按步骤进行。针对搬运RGV的交通调度问题，提出基于“队尾最近”的环轨RGV选择分配、避免环轨RGV追尾堵塞等算法。为提高库内穿梭车的并行作业效率，提出以作业均衡及作业路径为目标的穿梭车调度算法。试验应用结果表明，所提方法作业执行总时间短、设备堵塞次数少，能够有效解决异构、同构设备间的动态调度问题。　　（4）基于Web的密集仓储货位优化及多设备调度系统实现　　以企业密集仓储实际作业为平台，基于面向服务的架构（SOA），根据以上研究工作，利用ASP.Net Core、Web API、MVC及SQL Server等技术，设计智能化作业优化与调度微服务，并开发Web应用程序，实现分布式仓储作业优化与调度Web可视化。设计系统Web应用接口，实现与仓储管控系统的集成，并在企业进行现场测试与应用。应用结果表明，系统能够有效解决密集仓储作业优化与调度问题。　　综上所述，所提方法在仓储Web管理与监控系统中得到了实现与应用，应用效果显著，为合理科学地进行货位优化及调度提供了智能化手段，为进一步的研究提供了技术基础。
作者：	周亚云
专业：	机械工程
导师：	项前
授予学位：	硕士
授予学位单位：	东华大学
学位年度：	2020
正文语种：	中文