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...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。