基于品项相关性的阵列式自动拣选机货位优化

为提高阵列式自动拣选机的拣选效率,提出基于品项相关性的货位优化方法。针对阵列式自动化拣选机通道列串行拣选、并行合流的工作特点,分析了设备通道列作业时序,建立了阵列式自动拣选机订单拣选总时间数学模型,将其归结为以最大总虚拟视窗时差为目标的货位分配问题。为求解该问题,设计了启发式聚类算法,将相关性强的品项分配至间隔距离远的通道列存储,以增大总虚拟视窗时差,提高设备拣选效率。通过某医药物流配送中心阵列式自动拣选机的实例分析表明,采用启发式算法可使订单拣选总时间减少约5%。     

串行合流下阵列式自动拣选系统品项分配优化

为提高阵列式自动拣选系统的拣选效率,提出基于品项相关性的品项分配方法。在串行合流模式下,设备订单拣选总时间等于拣货区拣选时间总和,以最小化拣货区拣选时间总和为目标建立品项分配模型。为求解该模型,将品项并行分拣节省的独立拣选时间作为品项相似系数,提出一种启发式聚类算法。该算法的核心思想是通过将相关性强的品项分配至同一拣货区,增加各拣货区内的并行拣货量,同时减少各订单内参与拣选的拣货区个数,提高系统分拣效率。某医药物流配送中心阵列式自动拣选机的实例分析表明,采用启发式聚类算法可使订单拣选总时间减少约8%。     

基于遗传算法的航天零件仓库货位优化研究CSCD

为提高航天零件仓储系统中零件出库效率和货架稳定性,建立多目标货位优化模型,并通过简单加权处理,将其转换成单目标优化模型。对仓储系统三个月的历史订单数据进行处理,提出基于遗传算法的存储策略。对模型仿真求解时,引入模拟退火算法解决了遗传算法出现早熟的问题。结果表明,提出的策略结果明显优于随机存储策略(RS)、ABC分类存储策略(ABC)、就近存储策略(COL),能有效提高立体仓库货物出库效率及货架稳定性。     

基于遗传算法的航天零件仓库货位优化研究

为提高航天零件仓储系统中零件出库效率和货架稳定性,建立多目标货位优化模型,并通过简单加权处理,将其转换成单目标优化模型。对仓储系统三个月的历史订单数据进行处理,提出基于遗传算法的存储策略。对模型仿真求解时,引入模拟退火算法解决了遗传算法出现早熟的问题。结果表明,提出的策略结果明显优于随机存储策略(RS)、ABC分类存储策略(ABC)、就近存储策略(COL),能有效提高立体仓库货物出库效率及货架稳定性。     

基于并行拣选策略的自动拣选系统品项分配

为提高自动拣选系统工作效率,建立了基于并行拣选策略的品项分配问题数学模型.该模型的优化目标是将需求相关性大的货物品项分配到不同拣货区,使得各订单拣选量均衡分布在各拣货区.模型中引入了相似系数表示任意两品项间的相关性,并根据自动拣选系统的特点加入拣选量因子,按照是否体现拣选量差异性设计了两种改进相似系数.为求解该模型,提出了一种启发式聚类算法.仿真分析表明,使用该算法求解后,采用改进相似系数的模型可得到更好的结果,且体现拣选量差异性的相似系数最优.     

多层穿梭车系统输送机缓存长度建模与优化

目前,多层穿梭车系统存在由于输送机缓存长度不合适,而导致出库阻塞或拣选空闲等问题,进而影响系统的整体效率。为提高系统作业效率,减少输送设备成本,在对多层穿梭车系统出库作业流程进行深入分析的基础上,建立输送机缓存输入输出平衡模型;在输送机缓存满足分拣作业正常运行的情况下,提出该缓存长度的最优条件及临界条件。运用开环排队网络建模方法对料箱出库作业流程进行分析,建立料箱平均出库时间模型,并根据料箱出库作业流量分布与人工拣选效率的关系,构建输送机缓存长度的优化模型;为缩短料箱平均出库时间,利用k-means聚类算法和储区排列规则对储位优化,进一步降低输送机缓存长度。仿真结果显示,优化后的品项分配与随机分配相比,补货缓存长度更趋合理,长度减少约12%。该研究一方面可指导规划设计人员对输送机缓存长度进行设计,另一方面可提高系统的整体作业效率,降低运营成本。     

基于并行拣选的自动拣选系统品项拆分优化

为提高自动拣选系统的工作效率,建立了基于并行拣选的品项拆分模型。该模型的优化目标是使每个拣选机可在订单合流前完成对货物的缓存。模型采用延迟因子表示订单合流时间与货物缓存时间的差值,并通过证明得出通道延迟因子与延迟时间具有相同变化趋势的结论。为求解模型,设计了基于延迟因子的启发式拆分算法。仿真结果显示,采用启发式算法可使拣选时间缩短8.55%～11.7%。     

面向智能仓储的Kiva机器人拣货策略优化算法

针对电商仓储中Kiva机器人拣选存在效率低下和订单分配不合理等问题,构建了以Kiva机器人拣货总行驶距离最小为目标的订单分配优化模型,设计基于差异聚类和邻域搜索的优化算法来求解模型。以电商实际订单数据为例,分析了不同规模算例下该算法的性能和稳定性。结果表明：针对不同规模算例,基于差异聚类和邻域搜索的优化算法相比与Gurobi和基于差异聚类的算法能够在更短的时间内获得更优的结果,并且算法的稳定性较好。通过本项研究,决策者们可以将订单合理分配至各拣货单,从而提高仓库拣货效率。     

立体库作业均衡及货位优化仿生算法研究

在批量订单的情况下,为了提高自动化立体仓库(AS/RS)的整体作业效率,提出了以堆垛机作业均衡与高仓储效率为目标的立体库货位优化模型。设计了基于二进制粒子群(Binary Particle Swarm Optimization,BPSO)和遗传算法(Genetic Algorithm,GA)的模型求解仿生算法。通过同一个立体库批量订单作业实例,验证了所提模型及算法的有效性,算法试验及分析表明,基于BPSO的立体库作业均衡及货位优化效果较遗传算法显著。     

基于并行拣选的自动拣选系统订单拆分优化

为减少等待时间,进一步减少整个订单的拣选时间,将原有订单拆分为多个子订单,并建立基于并行拣选的订单拆分数学模型,该模型的优化目标是通过对订单进行拆分来减少等待时间。为求解模型,提出订单拆分必要条件。在此基础上设计了启发式禁忌订单拆分算法。仿真结果显示,采用启发式算法可使拣选时间缩短14.39%～15.62%。     

面向船舶行业的多巷道自动化立体仓库货位优化

针对典型船舶企业物料出入库作业量大、品种类型多、体积差别大等特点,提出自动化立体仓库分区存放策略,以多巷道货架为对象,开展货位优化研究。分别构建了以提高仓库出库效率、降低货架整体重心、物料分巷道存放为目标的货位优化模型。开发了细菌觅食求解算法,通过仿真求解验证了各分目标函数优化的有效性。利用理想点法,建立了按照权重综合的多目标优化评价函数,并进行仿真求解。结果表明优化效果显著,研究成果对于现代企业智能生产与智能物流的实施,以及及时准确地提供物流信息实现对车间物料的适时准备和合理配送,具有重大的理论和实践意义。     

考虑布局熵的多态性车间布局稳健优化模型与算法

为满足大规模定制和产业集群下多品种、小批量的市场需求和订单动态波动的客户需求以及车间低成本、高稳健性的布局要求,设计了以单位面积布置成本、单位产品物流成本和布局熵为优化指标的多目标布局优化模型。提出了基于Pareto优化的聚类并行多目标遗传算法,引入模糊C-均值聚类算法以提高Pareto解集分布的多样性与均匀性,设计了多元胞差分进化重插入操作与基于“精英策略”的移民操作,增强了算法全局与局部搜索能力,有效避免了早熟现象。通过典型算例对比,验证了模型和算法的有效性;同时在企业布局实例应用中,获得了既能满足低成本又能将布局熵值控制在理想范围内的车间布局方案,表明模型具有良好的实用性。     

多载具自动化存取系统货位分配优化

根据多载具自动化存取系统运行的特点,统筹考虑存货货位和取货货位分配两方面内容,建立了多载具自动化存取系统货位分配优化的通用模型.该模型以最小化指令周期内存取货物的行程时间为优化目标,适应于不同载具数量和货化规模情形下的货位优化.设计了一种结合启发式算法的混合遗传算法来求解这一非确定多项式完全问题,并通过算例验证了该算法的有效性.     

“货到人”拣选系统订单排序优化

"货到人"拣选系统采用"出库-拣选-回库"的拣选模式,货箱出入库频率高成为制约拣选效率的关键。为降低货箱出入库频率,进而提高系统拣选效率,提出订单排序优化模型。定义订单耦合因子表示两个订单之间可放置于拣选缓存中的共用货箱数量,并以此作为模型参数,将优化目标由提高拣选效率转化为降低货箱出入库频率。模型中,每个拣选台内的订单排序优化问题可归结为旅行商(Tranvelling salesman problem,TSP)问题。为求解模型,提出改进的K-Means聚类算法。计算每个订单与其他订单间的耦合因子,并对其进行排序;以单拣选台所有订单的耦合因子之和最大为目标,为每个拣选台分配订单并对订单进行排序。仿真结果显示,优化后系统拣选效率提高15.9%。     

基于混合禁忌搜索算法的自动化立体仓库的货位分配与优化研究

自动化立体仓库是现代物流系统的重要组成部分。文章在对自动化立体仓库的出入库作业方式进行分析的基础上,提出了一种求解自动化立体仓库货位分配与优化的混合禁忌搜索算法HTS(Hybrid Tabu Search)。HTS通过启发式算法生成货位分配的初始解,然后由禁忌搜索算法对货位分配进行优化,从而提高立体仓库的运作效率。在实施应用的过程中,对HTS算法的有效性进行了验证。     

基于聚类算法的订单分批策略研究

订单分批是物流中心提高作业分拣效率的一个有效方法。主要针对“货到人”模式下的订单分批问题,构造了基于聚类算法的数学模型,并以最小化货物搬运次数为目标函数进行求解。通过在不同规模的订单数据下,比较基于聚类算法的分批策略与采用先到先分批策略、不分批策略在拣选作业中的实际效果,表明该算法能有效提高分拣任务的作业效率。     

基于遗传算法的A公司仓库货位优化研究

随着电子商务的发展,某家居天津物流分拨中心——A公司,承接的电商业务量也逐渐增长。A公司电商业务模块必须提升其拣货效率,才可应对业务量的增长。本文从货位优化的角度出发,以A公司仓库内电商业务拣货库位为研究对象,使用数据挖掘理论中的Apriori算法分析历史订单数据,挖掘商品间的关联规则,建立货位优化模型,使用遗传算法对目标货位优化模型求解。     

自动补货系统补货缓存优化

为提高自动分拣系统作业效率、降低补货设备投入成本,在对自动补货系统中补货缓存作业过程分析的基础上,建立补货缓存设备输入输出平衡模型,提出补货缓存满足分拣作业的最优条件及临界条件;根据自动备货系统与分拣系统之间的布局关系,建立补货缓存中货物到达过程的数学模型和补货缓存长度的优化模型;设计“先聚类,后排序”的启发式聚类方法对备货系统的品项分配进行优化,仿真结果显示,优化后的品项分配与按照总量排序分配方法相比,补货缓存长度减少约9%。     

双拣货区自动分拣系统品项分配优化

提前拣选、压缩合流的分拣策略使双拣货区自动分拣系统的拣选效率明显高于单拣货区自动分拣系统,基于此提出该策略下品项分配优化问题。介绍压缩合流的工作原理,确定双拣货区的品项分配对订单的压缩程度及提前拣选时间的影响。以负的各订单提前拣选时间之和最小为目标函数建立数学模型,该模型可归结为0-1规划问题并应用最大最小蚂蚁系统算法求解。实例仿真与分析证明了该算法的有效性。     

基于遗传算法的“货到人”拣选系统订单分批优化

针对物流仓库“货到人”拣选系统中的拣货员拣选次数过多和拣货效率低的问题,提出一种基于遗传算法的订单分批优化策略,使大量多元化和零散化的订单得到高效分批并减少物料箱出库频率和拣货次数。首先建立以所有订单拣货总次数最小为目标的订单分批优化模型。其次,以标准遗传算法为基础改进遗传算法的交叉策略,验证相比于不使用遗传算法的情况下,使用本文的遗传算法优化策略的高效性。最后,为了找出更优异的优化策略,对改进的三种交叉策略进行对比实验,发现随着物料种类增多时,文中改进的第一种交叉策略拣选次数比其他两种少。仿真实验结果表明,该订单分批优化策略提高了系统的拣选效率,证明了此遗传算法解决订单分批问题的有效性。