一种成品酒自动化立体仓库的货位优化方法技术

本发明专利技术公开了一种成品酒仓库货位优化方法，首先根据成品酒的季节性特征，预测出优化期成品酒的出库频次；接着对历史订单进行关联规则挖掘，得到成品酒之间的关联度，并基于关联度进行聚类；在此基础上，综合考虑货位周转率、货架稳定和产品关联性，构建多目标货位优化模型；最后求解出帕累托解集，并选择最优满意解，得到最终的货位优化结果。本发明专利技术充分考虑了多目标之间的相互制约，解决了现有技术未考虑成品酒季节性特征和货种关联性的缺陷，经实测发现，相比于现有技术，本发明专利技术能更好地适应按订单波次拣货的作业环境，货物优化结果更合理。

A Method for Optimizing the Location of Automated Stereo Warehouse for Wine Products

The invention discloses a method for optimizing the storage location of finished wine warehouse. Firstly, according to the seasonal characteristics of finished wine, the frequency of finished wine in the optimum period is predicted; secondly, the association rules of historical orders are mined to obtain the correlation degree between finished wine and cluster based on the correlation degree; on this basis, the turnover rate, shelf stability and product correlation are comprehensively considered. Finally, the Pareto solution set is solved, and the optimal satisfactory solution is selected to obtain the final optimization result. The invention fully considers the mutual restriction of multi-objective and solves the defect that the existing technology does not consider the seasonal characteristics of the finished wine and the correlation of the types of goods. It is found by actual measurement that the invention can better adapt to the operating environment of picking goods according to the order frequency than the existing technology, and the result of goods optimization is more reasonable.

【技术实现步骤摘要】
一种成品酒自动化立体仓库的货位优化方法
本专利技术涉及物流仓储管理方法，尤其涉及一种成品酒自动化立体仓库的货位优化方法。
技术介绍
近年来，随着我国“智能制造2025”计划的逐步推进，各大酒厂纷纷对成品酒仓库进行自动化升级改造。现阶段，虽然大多数成品酒仓库已经实现了库内机械设备的自动化升级，但仓库仍然采用传统的分类定位存储策略进行货位管理，即根据库管员的经验给每种成品酒指定存储区域，定量分配货位。目前，成品酒仓库普遍存在空间利用率不高、拣货时间过长和作业效率过低等问题，限制了仓库的仓储能力。现有的货位优化系统广泛应用于烟草、医药、零售等行业，这类货位优化系统多基于货物周转率和货架稳定性目标，为库内货种周期性地指派货位，该类系统没有考虑商品的季节性特征和货种关联性，只考虑货物周转率和货架稳定性，从而不能很好地描述实际问题。成品酒仓库在使用该类系统时，往往会产生以下运营问题：其一，货位分配过分依赖短期内的货物出库需求，若市场需求的波动性很大，系统往往会额外分配很大的安全空间，降低仓储空间的利用率；其二，在现实生活中，成品酒的市场需求通常会受到季节性因素的影响，目前的货位优化系统无法针对特定货种的季节性特征，对成品酒货位进行调整，故只能在短期内保持较高的拣货效率；其三，目前成品酒仓库均以成品酒的产品系作为货位优化的分类标准，现有的货位优化系统无法挖掘商品的出库特征，动态调整成品酒的货位，堆垛机的单次作业拣货时间教长，作业效率低下。因此，现有的货位优化系统若直接应用到成品酒自动化立体仓库中，在仓储空间利用、货位调整和拣货效率方面存在缺陷，需要改进。
技术实现思路
专利技术目的：为了解决现有技术存在的问题，本专利技术的目的是提供一种成品酒自动化立体仓库的货位优化方法，造成优化结果不理想的问题。技术方案：一种成品酒自动化立体仓库的货位优化方法，包括如下步骤：(1)预测优化期内每种成品酒的出库频次；(2)挖掘成品酒货种间的关联度，根据关联度将成品酒聚类；(3)为成品酒仓库构建三维坐标系，计算成品酒的族内距离和族间距离；(4)构建三维坐标系下的多目标货位优化模型；(5)求帕累托解集；(6)从帕累托解集中选取最优满意解。具体的，所述步骤(1)中，根据成品酒仓库内货种的历史订单数据和季节性特征，利用季节性指数平滑法预测优化期内每种成品酒的出库频次，计算公式为：上述公式的含义如下：给出每种成品酒出库频次yt的平滑序列其中，k>0，α、β、γ均在0～1之间；at表示截距，bt表示斜率，at+btk表示趋势，St为乘法模型的季节因子，s表示季节周期的长度，将拟合效果最好的值作为预测的优化期内每种成品酒的出库频次。进一步的，所述步骤(2)中，利用成品酒的历史订单数据，采用关联规则挖掘方法挖掘成品酒货种间的关联度，并根据关联度将成品酒聚类，具体步骤包括：(2.1)对成品酒订单数据进行标准化处理，转化成适合进行关联规则挖掘的格式；(2.2)利用关联规则挖掘的Apriori算法，设置合适的支持度和置信度，挖掘出强关联规则；(2.3)根据公式“品项关联度＝支持度*置信度”，计算成品酒品项间关联度；(2.4)根据公式“聚类距离＝1-相关度”，计算成品酒品项间的聚类距离；(2.5)釆用最小距离聚类法对成品酒进行聚类，并根据谱系图将成品酒聚类为R类。进一步的，所述步骤(3)具体包括：(3.1)以成品酒自动化立体仓库的排、列、层作为三维，构建坐标系；(3.2)计算第k类产品的坐标中心：(3.3)计算R类产品总坐标中心：(3.4)计算成品酒的族内距离和族间距离：其中，d为R类货物的总族内距离；D为R类货物的总族间距离。进一步的，所述步骤(4)具体包括：(4.1)设置相关参数；(4.2)综合考虑货物周转率、货架稳定性和产品关联性三个目标构建目标函数：(4.3)模型中第i种货物运到出库台的时间ti，计算公式如下考虑如下约束：上述，xi,yi,zi表示第i种货物的货位坐标为第xi排yi列zi层，记为(xi,yi,zi)；nxyz表示货位(xi,yi,zi)上存储的成品酒箱数；A、B、C分别表示(xi,yi,zi)的最大编号值；l为单元货格的边长；h为每排货架之间的距离；m为每箱货物的质量；c为每个货格最多能存储成品酒的箱数；Vx为输送机的行进速度；Vy,Vz分别为堆垛机的水平和垂直速度；ni为第i种货物的数量；pi为第i种货物的存取频率；ti为第i种货物运到出库台的时间；d为R类货物的总族内距离；D为R类货物的总族间距离。进一步的，所述步骤(5)中，利用带精英策略的快速非支配排序遗传算法(NSGAII)求出帕累托解集，具体包括：(5.1)采用实数编码的方式对成品酒仓库内的货位位置进行编码，随机生成初始种群；(5.2)设置种群数量、最大迭代次数、交叉概率和变异概率，将多目标货位优化数学模型中目标函数的倒数作为适应度函数，计算个体适应度值；(5.3)迭代过程中对种群进行快速非支配排序和拥挤距离计算；(5.4)采用联赛选择策略，即优先选择序值小的个体，若序值相同则优先选择拥挤距离大的个体，采用模拟二进制交叉算子和多项式变异算子分别进行交叉和变异操作，产生子代种群；(5.5)将父代种群与子代种群合并为一个临时种群，迭代进行非支配排序，拥挤距离计算，联赛选择、交叉、变异操作，形成新的子代种群，如此反复迭代，若当前迭代次数大于最大进化代数，则停止进化，迭代最终产生一组稳定的帕累托前沿解集。进一步的，所述步骤(6)中，基于模糊集合理论从帕累托前沿解集选取最优满意解，具体步骤包括：(6.1)根据最大满意度准则从帕累托前沿解集中选择最优解，计算第i个解在第j个优化目标上的满意度式中，为所有解在第j个目标函数上的最小值，即最优值，取占优函数值为1；为所有解在第j个目标函数上的最大值，取占优函数值为0；(6.2)定义占优函数μi为第i个解在所有目标上所占的综合比重，wj为第j个目标的权重，占优函数值μi和目标权重wj均为0-1之间的数，其计算公式为：(6.3)根据目标重要程度，基于最大满意度准则选择满意解，作为最终的货位优化方案。有益效果：与现有技术相比，本专利技术具有如下显著进步：。充分考虑了各目标之间的相互制约性，结合成品酒仓库的实际运作特点，基于对历史订单数据的出库频次预测和关联度挖掘，并采用鲁棒性较好的NSGAII算法求出帕累托前沿解集，进而确定最终的货位分配方案；通过实测，本专利技术能够最大程度上适应成品酒仓库波次拣货的动态作业环境；基于本方法获得的货物优化结果更为理想，货物分布更合理，可以大大提高仓储作业效率，降低仓储操作成本。附图说明图1是本专利技术实施例的成品酒仓库货位分配优化方法的实施流程图；图2是本专利技术实施例的成品酒出库频次季节性指数平滑预测图；图3是本专利技术实施例的成品酒关联规则挖掘模型数据流示意图；图4是本专利技术实施例的成品酒关联规则挖掘模型结果示意图；图5是本专利技术实施例的成品酒关联度聚类结果谱系图；图6是本专利技术实施例的成品酒自动化立体仓库货位分布效果图；图7是本专利技术实施例采用NSGAII算法对货位优化模型进行求解的算法流程图；图8是采用现有技术得到的货位分布图；图9是采用本专利技术优化方法得到的货位分布图。具体实施方式下文结合说明书附图和实施例对本专利技术的技术方案作本文档来自技高网...

【技术保护点】
1.一种成品酒自动化立体仓库的货位优化方法，其特征在于，包括如下步骤：(1)预测优化期内每种成品酒的出库频次；(2)挖掘成品酒货种间的关联度，根据关联度将成品酒聚类；(3)为成品酒仓库构建三维坐标系，计算成品酒的族内距离和族间距离；(4)构建三维坐标系下的多目标货位优化模型；(5)求帕累托解集；(6)从帕累托解集中选取最优满意解。

【技术特征摘要】
1.一种成品酒自动化立体仓库的货位优化方法，其特征在于，包括如下步骤：(1)预测优化期内每种成品酒的出库频次；(2)挖掘成品酒货种间的关联度，根据关联度将成品酒聚类；(3)为成品酒仓库构建三维坐标系，计算成品酒的族内距离和族间距离；(4)构建三维坐标系下的多目标货位优化模型；(5)求帕累托解集；(6)从帕累托解集中选取最优满意解。2.根据权利要求1所述的货位优化方法，其特征在于，所述步骤(1)中，根据成品酒仓库内货种的历史订单数据和季节性特征，利用季节性指数平滑法预测优化期内每种成品酒的出库频次，计算公式为：上述公式的含义如下：给出每种成品酒出库频次yt的平滑序列其中，k＞0，α、β、γ均在0～1之间；at表示截距，bt表示斜率，at+btk表示趋势，St为乘法模型的季节因子，s表示季节周期的长度，将拟合效果最好的值作为预测的优化期内每种成品酒的出库频次。3.根据权利要求1所述的货位优化方法，其特征在于，所述步骤(2)中，利用成品酒的历史订单数据，采用关联规则挖掘方法挖掘成品酒货种间的关联度，并根据关联度将成品酒聚类，具体步骤包括：(3.1)对成品酒订单数据进行标准化处理，转化成适合进行关联规则挖掘的格式；(3.2)利用关联规则挖掘的Apriori算法，设置合适的支持度和置信度，挖掘出强关联规则；(3.3)根据公式“品项关联度＝支持度*置信度”，计算成品酒品项之间的关联度；(3.4)根据公式“聚类距离＝1-相关度”，计算成品酒品项间的聚类距离；(3.5)采用最小距离聚类法对成品酒进行聚类，并根据谱系图将成品酒聚类为R类。4.根据权利要求1所述的货位优化方法，其特征在于，所述步骤(3)具体包括：(4.1)以成品酒自动化立体仓库的排、列、层作为三维，构建坐标系；(4.2)计算第k类产品的坐标中心：(4.3)计算R类产品总坐标中心：(4.4)计算成品酒的族内距离和族间距离，其中，d为R类货物的总族内距离；D为R类货物的总族间距离：5.根据权利要求1所述的货位优化方法，其特征在于，所述步骤(4)具体包括：(5.1)设置相关参数；(5.2)综合考虑货物周转率、货架稳定性和产品关联性三个目标构建目标函数：(5.3)模型中第i种货物运到出库台的时间ti，计算公式如下考虑如...

【专利技术属性】
技术研发人员：何勇，张成义，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32