自动分拣系统并行分区拣选优化策略

分析自动拣选系统的拣货区数量、缓冲区容量和品项分配与并行分区拣选策略下系统效率的关系,研究各拣货区挡板动作时序对订单拣选总时间的影响,提出一个对并行分区拣选策略的综合优化方法.该方法以总拣选时间最小为目标,确定最佳拣货区数量和缓冲区容量,引入并改进相似系数,建立基于相似系数的品项分配聚类模型,提出一种启发式聚类算法.经对某自动分拣系统进行实例仿真分析,结果表明,该综合优化方法有效.     

基于遗传算法的双区型仓库人工拣货路径优化

为获取捡货作业的最优路径,本文以某配送中心双区型仓库中人工拣货作业为研究对象,探讨了订单批量处理和拣货路径优化问题,建立了拣货车容量受限的TSP模型,并基于遗传算法,设计一种启发式算法对拣货路径进行优化处理,同时,应用Visual 6.0C++程序进行仿真实验,以快速获得任意订单中所有待拣货物的拣取顺序,计算出最短路程。仿真结果表明,将考虑拣货车容量限制的情况下求得的最优路径与未考虑拣货车容量限制的情况下求得的最优路径进行对比,结果拣货的先后次序完全不同,说明考虑运载量是有效的,且更符合实际情况。该研究不但提高拣货效率,而且节约各项成本,对现实仓库的拣货作业具有实际应用价值。     

一种fishbone仓储布局下拣选路径存取协同策略的优化

为了提升仓储物流中心的生产运作效益,基于一种非传统fishbone布局路径优化特点研究的基础上,提出了一种质量、体积双负载约束下的存取协同的策略模式,并构建了拣选路径的优化模型。针对该模型,设计了改进的禁忌搜索算法(TS)进行模拟仿真试验,该算法的初始值部分由遗传算法生成,有效地克服了禁忌搜索算法对初始值的依赖性。应用该算法,针对不同的订单规模和不同的初始负载比例,将传统的拣选模式和存取协同的策略模式下的最短拣货路径距离进行了比较,结果显示存取协同策略模式能够缩短fishbone布局下拣货路径的距离,其优化比例最高可达38%左右,最差的优化结果也有12%,从而提升生产作业效率。     

一种多班级离散型教与学算法求解路径规划问题

为优化仓储拣货路径,缩短拣货距离,根据仓储布局条件建立了拣货路径优化模型,构造了货位间距离矩阵,基于基本教与学算法步骤设计了一种离散型教与学算法进行模型求解,为提高算法求解效率和搜索能力,在算法中引入优秀插班生策略和自学策略,给出一种多班级离散型教与学算法。为验证本文算法的有效性,对算法进行了实例测试,并与原算法进行对比,测试结果表明本文算法能够解决仓储路径规划问题,对比结果表明引入优秀插班生策略和自学策略后算法的收敛速度和搜索能力得到一定提升。     

车载能力有限的双区型仓库拣货路径优化

为了求解车载能力有限的双区型仓库拣货路径优化问题,根据双区型仓库拣货作业的特点,以拣货路径距离最短为目标,建立了双区型仓库拣货路径模型,并根据双区型仓库构造,求解任意2个货位间最短距离,同时提出了贪心算法和遗传算法相结合的贪心遗传算法求解方法,并以双区型仓库为对象进行仿真验证和分析。仿真结果表明,本文提出的算法能有效地提高优化路径的全局最优性和稳定性,而且对不同规模大小的拣货点均可以取得很好的优化效果;利用本文算法求解双区型仓库中的最优拣货路径能极大的缩短拣货车辆行走距离,提高拣货作业工作效率。该研究对双区型仓库拣货路径的优化具有十分重要的意义。     

配送中心分拣订单合批策略的研究

合理优化货物拣选路径和订单批量策略是劳动密集型配送中心降低拣选成本的一种有效方法。通过分析人工拣选作业和订单合批的特点,从拣选路径、拣选次数、订单提前期3个方面考虑,构造了拣货作业中订单分批的多目标优化数学模型,并分别用先到先服务、基本遗传算法、改进的小生境遗传算法对数学模型进行求解,得出不同的订单数据从执行时间和优化效果方面所对应的最优求解方法。     

穿越策略下考虑相关性的货位优化方法

为研究品项相关性对拣货效率的影响规律,通过分析穿越策略下分区分批拣货时品项间相关性关系的特点,以批次拣货时间最短为目标建立了货位指派优化的数学模型,提出基于品项相关性的货位指派优化算法(SASC_C),该算法以COI法解为初始解,通过货位逐次变换策略将相关性强的品项尽可能的指派到尽可能少的巷道中来提高拣货效率.算法测试结果表明:SASC_C算法的收敛速度明显快于不考虑相关性的随机型算法（SASR）;求解质量平均改进约1.06%~10.6%,比COI法的解平均改进0.73 %~14.6%;相关性强度越高,改进效果越明显;在穿越策略下,改进效果随访问巷道数的增多而减弱.充分利用品项间的相关性关系进行货位优化,有利于提高穿越策略下的拣货效率.     

基于蚁群算法的立体仓库拣选作业优化

以自动化立体仓库拣选作业为研究对象,根据实际情况,分析自动化立体仓库拣选作业的工作特点:巷道堆垛机每次拣选作业只能对一个托盘进行操作;当巷道堆垛机运行到拣选作业区且货单物品被拣选后,巷道堆垛机将托盘送回原货位。基于自动化立体仓库拣选作业的工作特点,建立了以巷道堆垛机拣选作业运行时间最短为目标的数学模型,最后采用蚁群算法进行优化求解,得出最短运行时间,实例证明该模型和算法是切实可行的,能有效的提高立体仓库拣选作业效率。     

基于MMAS算法的计量检定中心仓储堆垛机拣选路径优化

针对省级电网计量检定中心的自动化立体仓库,研究了堆垛机拣选路径优化问题.根据检定中心运作的实际情况,分析自动化立体仓库拣选的工作特点,构建含装箱约束条件的堆垛机拣选作业路径最短的数学模型,分别采用基本蚁群算法和最大最小蚁群算法进行求解.利用最大最小蚁群算法的信息素初始化机制,可有效克服基本蚁群算法过早陷入停滞状态而出现局部极值的问题,对于求解自动化立体仓库拣选路径优化问题具有很好的效果.Matlab仿真结果表明,与基本蚁群算法相比,最大最小蚁群算法所求得的解性能更优,能有效提高自动化仓库拣选作业的工作效率.     

拣料防错系统在汽车总装车间的应用

为适应汽车制造多品种、小批量的混线生产方式,降低汽车总装车间零件拣选的差错率,采用信息化系统管控方式,设计捡料防错系统,应用在汽车总装车间,实现捡料防错过程的全面管控。本系统不仅降低了零件拣选差错率和漏选几率,而且提高了拣选效率,减少了新员工培训时间,降低了系统维护成本,满足了精益生产管理的要求。在汽车总装车间应用拣料防错系统具有重要意义和应用价值。     

可合流的自动分拣系统订单排序优化

现代自动分拣系统广泛采用先分区拣选后订单合流的分拣策略,其中存在着订单排序优化问题. 对此,首先提出一种可压缩式订单合流方法,即提前各分区内订单货物的开始拣选时间,并在订单合流过程中将提前的拣选时间转化为对货物间距的压缩,从而既减少了订单总拣选时间,又避免了合单过程中货物的冲突.由于订单的拣选次序影响各订单的提前拣选时间,进而影响订单总拣选时间,故建立订单排序优化问题的数学模型并归结为旅行商问题(traveling salesman problem, TSP)问题,即各订单类似于待访问的城市,受订单排序影响的各订单拣选时间类似于各城市之间的距离,目标为求得合理的订单排序,从而使得总拣选时间最小. 最后应用最大最小蚁群算法(max-min ant system, MMAS)求解该模型.仿真结果显示,订单排序优化后自动分拣系统的拣选效率有了较大幅度的提高.     

基于顺序拣选策略的压缩动态虚拟视窗算法

为缩短虚拟容器长度、减少订单拣选总时间,改进了拣选设备,提出了压缩动态虚拟视窗算法。该方法为每台拣选机设置一个重力缓存区及挡板,拣选时先将货物弹射至到重力缓存区,在缓存区内压缩货物间距;再把货物从重力缓存区合并至皮带输送机,实现货物的密集排列和虚拟容器长度的缩短。基于货物的顺序拣选策略,建立了压缩动态虚拟视窗算法的数学模型。以某地市卷烟配送中心的3批订单数据为例进行了仿真,结果表明该方法将拣选时间缩短了87.45％～87.77％,并且拣选时间随着拣选机弹射速度和重力缓存区货物合并速度的增加而减少。     

自动化立体仓库穿梭式货架的结构可拓设计

在自动化立体仓库的结构设计中，为增加结构设计的多样性和新颖性，本文将可拓创新方法应用于穿梭式货架的结构设计, 并给出其结构可拓设计的一般流程。根据用户需求和原始资料，建立穿梭式货架的可拓模型。分析其功能事元、部件物元、连接关系元间的映射关系，建立功能事元集的蕴含系；建立自动化立体仓库货架结构设计的相关分析网，对其进行拓展分析并实施相应的主动变换，进而获得自动化立体仓库结构设计的创意策略集；选取的最优策略已应用于企业生产，具有较好的实用性。     

基于卷积神经网络的仓储物体检测算法研究

针对仓储环境中物体检测公开数据集匮乏的问题,通过摄像机采集真实仓储环境中包含货物、托盘和叉车的大量图像进行标注,创建了一个仓储物体数据集. 同时针对传统物体检测算法在仓储环境中检测准确率较低的问题,将基于卷积神经网络的DSOD应用于仓储环境中,通过在自己创建的仓储物体数据集上从零开始训练DSOD模型,实现了仓储物体的准确性检测. 该算法的mAP达到了93.81%,比Faster R-CNN、SSD分别提高了0.04%、1.44%; 并且模型大小仅有51.3 MB,比Faster R-CNN、SSD分别减小了184.5 MB、43.4 MB. 实验结果表明,该算法获得了较为满意的仓储物体检测效果,其在仓储物体检测领域具有一定的实用价值.     

基于启发式搜索的 ASP程序支撑原因分析算法

为了尽快找到一个错误及其来源,以加快 ASP程序调试的效率,把启发式搜索技术引入 ASP程序支撑原因分析算法.在生成支撑原因分析图时利用启发式函数,仅搜索对回答集产生影响且有可能更快找到一个支撑原因的规则.改进算法在搜索关于某个回答集的支撑原因时,其时间和空间复杂度明显下降.实例分析表明了该算法的有效性.