一种仓储合托优化方法、装置及系统与流程

1.本申请涉及仓储管理技术领域，尤其涉及一种仓储合托优化方法、装置及系统。


背景技术：

2.物流管理已朝着自动化、高效率和低成本的方向发展。很多的物流企业为了节省存储空间，大都采用立体仓库进行货物存放。立体仓库是现代物流系统中的重要物流节点，在物流中心中的应用越来越普遍。
3.然而，使用高层货架存储货物虽然能够充分利用仓库空间，提高空间利用率，但随之而来的就是货物入库所带来的诸多问题，例如货物入仓摆放随意导致出库困难、没有规划的摆放货物导致寻找货物出库浪费时间等。在申请号202010656488.9以及申请号202010656053.4中提出了一种智能立体仓库，而且在智能立体仓库的出入库中也提到了为了使穿梭车在出入库时能够更快捷地存取货，需要在巷道中存放同一类型的货物。
4.然而当一个巷道中放入一个货物后，这个巷道就不能被其他货物占用，因此也会造成该巷道内的托盘的浪费，为了解决这个问题，本申请提出了一种仓储合托优化方法、装置及系统。


技术实现要素：

5.本申请提供一种仓储合托优化方法，包括：
6.接收残托合并触发指示，获取库存表中所有残托货物，根据货物属性对残托进行相同属性分组，筛选智能立体仓库中的属于同一货物属性的残托集合；
7.根据单托推荐数、单托推荐数倍数或最接近单托推荐数进行托盘集合筛选；
8.对筛选出的托盘集合进行合托评分，根据合托评分与对应的权重维度确定最优托盘组合。
9.如上所述的仓储合托优化方法，其中，货物属性包括物料号、货主、批次号、库区、库存状态。
10.如上所述的仓储合托优化方法，其中，根据单托推荐数、单托推荐数倍数或最接近单托推荐数进行托盘集合筛选，具体包括如下子步骤：
11.筛选两两组合能够达到单托推荐数的托盘集合；
12.在单组任务最大托盘数规定范围内筛选多个组合等于单托推荐数的满托倍数；
13.在剩余的残托中筛选最接近单托推荐数的托盘组合。
14.如上所述的仓储合托优化方法，其中，构建初始筛选计算模型，从筛选出的残托集合中按照托盘库存数量进行分类，根据单托推荐数进行数据分解，得到能够满足单托推荐数的各种推荐组合形式，从各种类型的推盘库存数量中寻找能够满足任一推荐组合形式的初级推荐托盘集合。
15.如上所述的仓储合托优化方法，其中，构建二级筛选计算模型，从所有的残托集合中除去初级推荐托盘集合的其他托盘集合中，筛选能够使多个托盘库存数量之和是满托倍
数的整数倍且小于最大合托倍数的托盘集合，作为二级推荐托盘集合。
16.如上所述的仓储合托优化方法，其中，构建三级筛选计算模型，从所有的残托集合中除去初级推荐托盘集合和二级推荐托盘集合的剩余托盘集合中，按照最接近单托推荐数且至少能空出一个托盘的最优百分比筛选托盘集合，作为三级推荐托盘集合。
17.如上所述的仓储合托优化方法，其中，对筛选出的托盘集合进行合托评分具体为：按照能够空出来的托盘数(总托盘数
‑
有货托盘数)/搬运任务数、是否存在残托进行组合评分：若每个组合中总托盘数为x，搬运任务数为z，分数为s，满托倍数为n，则：
18.等于单托推荐数的合托评分为(等于单托推荐数的是两两组合，肯定有一个满托)：s＝(x
‑
1)/z*100+100；等于单托推荐数的满托倍数合托评分为(等于满托倍数的肯定会有n个满托)：s＝(x
‑
n)/z*100+100；残托评分为：s＝(x
‑
1)/z*100。
19.如上所述的仓储合托优化方法，其中，根据合托评分与对应的权重维度确定最优托盘组合，具体为计算每一个托盘组合的内外层权重得分、左右库权重得分、楼层权重得分和工作站通道权重得分，根据每个权重得分与对应权重系数计算总得分，根据计算得到的总得分进行排序，取最大任务组数个组合进行业务处理。
20.本申请实现的有益效果如下：采用本申请的技术方案，仓储控制系统可以自动的将同一种货物的未满巷道中的残托进行合并，空出多个托盘，节约空间资源，提高仓储利用率。
附图说明
21.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
22.图1为本申请实施例一提供的一种仓储合托优化方法流程图；
23.图2为进行托盘集合筛选具体操作流程图。
具体实施方式
24.下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
25.实施例一
26.本申请实施例一提供一种仓储合托优化方法，用于在仓储系统中控制智能立体仓库中残托货物的整合，所述仓储系统包括智能立体仓库、穿梭车和仓储控制设备，由仓储控制设备控制穿梭车在智能立体仓库中存取货物，实现仓储优化效果。
27.本申请提供的智能立体仓库分为左右两个仓库，每个仓库有三个仓间，总共六个仓间分别为左仓1楼、左仓2楼、左仓3楼、右仓1楼、右仓2楼、右仓3楼，每个仓间有两辆穿梭车，左右仓库之间的通道不能放货，只能供穿梭车运动；每个仓间中包括多个至少有一个出口的巷道，每个巷道中包括多个位置连续的货位；货物在货位内存放时，会将货物放置到托
盘上，便于叉车搬运。
28.由于货物在存放时可能存在很多托盘上的货物数量没有达到设置的托盘单托推荐数，所以造成很多残托，因此需要将多个残托中的货物进行合托，空出更多的托盘，增加仓库中货物的存放量。
29.请参阅图1，图1为仓储优化方法流程图，所述仓储优化方法应用在仓储控制设备中，仓储控制设备先控制穿梭车从货位的残托中将货物移动到工作台，在工作台上对不同托盘中的残托货物进行整合，合托后控制穿梭车将合托货物移动到货位上，合托的目的是将几个残托的货物进行整合，合并到一个托盘上，以达到空闲更多托盘的目的。所述仓储优化方法具体包括如下步骤：
30.步骤110、接收残托合并触发指示，获取库存表中所有残托货物，根据货物属性对残托进行相同属性分组，筛选智能立体仓库中的属于同一货物属性的残托集合；
31.由于合托的目的是将几个残托的货物进行整合，以空闲更多托盘，所以要求能够合托的货物必须具有相同的货物属性，包括但不限于物料号、货主、批次号、库区、库存状态等，货物属性相同的残托才能进行合托处理。
32.步骤120、根据单托推荐数、单托推荐数倍数或最接近单托推荐数进行托盘集合筛选；
33.本申请实施例中，进行托盘集合筛选，如图2所示，具体包括如下子步骤：
34.步骤210、构建初始筛选计算模型，从筛选出的残托集合中按照托盘库存数量进行分类，根据单托推荐数进行数据分解，得到能够满足单托推荐数的各种推荐组合形式，从各种类型的推盘库存数量中寻找能够满足任一推荐组合形式的初级推荐托盘集合；
35.在仓库中每种货物可能存在多种残托形式，比如货物a的单托推荐数是10，目前仓库中有100托货物a，其中可能有5托数量是3，8托数量是7，2托数量是1等，1托数量是3的和1托数量是7的托盘正好可以组合成1个满托并且能够空出一个托盘，从所有的残托集合中进行初次筛选，从中找出能够组合成一个满托的托盘集合；
36.具体地，初始筛选两两组合等于单托推荐数具体为：令单托推荐数为x，确保数组有序，使用两个指针，分别指向最后一个元素first和第一个元素last，判断两元素和first+last是否等于x，若等于则添加到返回链表，并且first向后移动，last向前移动；若两元素和小于x，则说明first太小，需要first向后移动；若两元素和大于x，则说明last太大了，需要last向前移动，直到last>＝first，例如单托推荐数是6，可以得到1+5、2+4、3+3的组合，筛选m种的托盘集合是否存在这种两两组合，如果存在，找到一共可以组合成n组，然后在m种减掉，剩余的托盘的库存数量即为(m
‑
n)，不能两两组合正好等于库存推荐数进入二级筛选计算模型中。
37.步骤220、构建二级筛选计算模型，从所有的残托集合中除去初级推荐托盘集合的其他托盘集合中，筛选能够使多个托盘库存数量之和是满托倍数的整数倍且小于最大合托倍数的托盘集合，作为二级推荐托盘集合；
38.初级筛选托盘集合完成后，另一种组合方式是规定个数的托盘上的残托等于单托推荐数的倍数，即在单组任务最大托盘数规定范围内多个组合等于单托推荐数的满托倍数；具体地，给定一个包含m个整数的数组a和一个目标值t，判断a中是否存在n个元素，使得这n个元素相加的值与t相等，找出所有满足条件且不重复的组，具体计算公式为：t＝a[1]+
a[2]+
……
+a[n]，其中t即代表(满托倍数*单托推荐数)，m即代表上一步中剩余的残托的数量，数组a即代表货物残托组，n即代表单组任务最大托盘数。
[0039]
步骤230、构建三级筛选计算模型，从所有的残托集合中除去初级推荐托盘集合和二级推荐托盘集合的剩余托盘集合中，按照最接近单托推荐数且至少能空出一个托盘的最优百分比筛选托盘集合，作为三级推荐托盘集合；
[0040]
对于二级筛选计算模型筛选后如果没有符合的组合，就按照最接近单托推荐数、且至少能空出来一个托盘进行组合，确保不必要的合托组合，比如当单托推荐数远大于2时，2托数量为1的组合就没必要进行合托；其中最接近单托推荐数组合的筛选算法与二级筛选算法一致，将二级筛选公式的t置换为单托推荐数。至此得到全部托盘集合，这些托盘集合均保证至少空闲出来一个空托盘，能够达到合托的目的。
[0041]
返回参见图1，步骤130、对筛选出的托盘集合进行合托评分，根据合托评分与对应的权重维度确定最优托盘组合；
[0042]
具体地，对初级推荐托盘集合、二级推荐托盘集合和三级推荐托盘集合进行评分，按照分数进行排序，对于分数排序后的托盘集合中的每个合托组合，根据每个合托组合的权重维度计算每个合托组合的权重得分，按照权重得分排序，取最大任务组数个组合进行业务处理；
[0043]
其中，对筛选出的托盘集合进行合托评分，按照能够空出来的托盘数(总托盘数
‑
有货托盘数)/搬运任务数(从大到小顺序排序)、是否存在残托(比如和托结果没有残托就是满分(100)，存在残托不得分)进行组合评分：若每个组合中总托盘数为x，搬运任务数为z，分数为s，满托倍数为n则：
[0044]
等于单托推荐数的合托评分为(等于单托推荐数的是两两组合，肯定有一个满托)：s＝(x
‑
1)/z*100+100
[0045]
等于单托推荐数的满托倍数合托评分为(等于满托倍数的肯定会有n个满托)：s＝(x
‑
n)/z*100+100
[0046]
残托评分为：s＝(x
‑
1)/z*100。
[0047]
然后根据合托组合以及权重维度确定最终的托盘：如果单托推荐数是10，目前的到的组合可能是3+7，2+8，3+6，2+7等等，根据权重维度计算出最优的托盘组合，得到库存中所有残托上的货物数量后选取一种组合3+7进行计算，设内外层权重得分为a，左右库得分为b，楼层得分为c，工作站通道得分为d，组合中3的得分为e，7的得分为f，3+7组合总分为g；
[0048]
其中，内外层权重得分：内外层初始满分为100分，若一个巷道的深度为l，库存中的相同货物残托货物数量为3的一共有n个，则依次计算这n个托盘的内外层得分，计算规则如下：设托盘所处深度外侧有m(初始为0)个货，外层每有1个货m就增加1，外侧每有一个货减10分，则：a＝100
‑
10*m；优选地，由于内外层是对合托效率影响最大的因素，当一个组合中选中的托盘都在内层时,这个组合的执行效率就会非常慢，所以内外层权重的占比要大于等于0.5，最终设定内外层权重占据整个权重的一半，即0.5；
[0049]
左右库权重得分：左右库初始满分为100分，当计算组合中第一个加数时默认为100分，从第二个加数开始若和第一个加数在同一个左库/右库，则记为满分，否则减10分，所以相同库时b＝100，不同库时b＝100
‑
10；优选地，因为小车通过防火墙前往另一边仓库的效率会很低，所以正常情况下尽量相同仓间的货物残托进行合并，左右库权重是影响合
托效率的第二大因素，所以占据权重的0.2；
[0050]
楼层权重得分：楼层初始得分满分为100分，当计算组合中第一个加数时默认为100分，从第二个加数开始若和第一个加数在相同楼层，则记为满分，否则减10分，所以相同楼层时c＝100，不同库时c＝100
‑
10；优选地，跨楼层合托时，在2楼3楼的货物会使用到穿梭车和提升机两种设备，效率会比较低下，在库存中残托较多时，应该优先考虑低楼层的货物进行合托，因此楼层权重最终设定为0.2；
[0051]
工作站通道权重得分：工作站得分初始值为0分，当计算组合中第一个加数时根据传入的工作站列表选取一个工作站：此工作站满足n个相同货物残托货物数量为3的货物列表中：工作站分组的通道的y轴和巷道的出库最大idx的y轴做差值，差值越小得分越高，从第二个加数开始看本货物哪个残托数为7的托盘离第一个加数选中的工作站通道最近：d＝100
‑
min(|y通道
‑
y巷道|)；优选地，在循环作业模式下，尽量选择同一个工作站通道的残托进行合并，这样可以提高穿梭车的执行效率，由于作业模拟分为循环模式(转圈)和批量作业(对向)两种，所以工作站通道权重可以设置的小一点，为0.1；
[0052]
组合中3的得分e＝a*内外层权重+b*左右库权重+c*楼层权重+d*工作站通道权重，7的得分f＝a*内外层权重+b*左右库权重+c*楼层权重+d*工作站通道权重，3+7的组合为2个加数，所以求3+7这个组合的总得分为：g＝(e+f)/2*100；依次计算其他组合，按照总分排序，取最大任务组数个组合进行业务处理。
[0053]
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。虽然本申请公开的是委托单的识别方法和系统，但是对于具有不同版式的其他物流单据均可以通过本申请的识别方法进行识别，显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。