基于高密度存储的仓储系统出库订单波次划分方法及装置制造方法及图纸

本发明专利技术提供一种基于高密度存储的仓储系统出库订单波次划分方法及装置，包括：获取待划分的订单集合；将待划分的订单集合输入至训练好的出库波次划分模型中，波次划分模型随机抽取待划分的订单集合中的部分订单数据作为初始样本，计算初始样本中各订单之间的距离值，基于各订单之间的距离值确定订单距离标准值，基于订单距离标准值将待划分的订单集合划分为多个初始类簇，各初始类簇中的任意两个订单之间的距离不大于订单距离标准值；计算各初始类簇中任意两个订单所包含的相同SKU数量，基于各相同SKU数量对各初始类簇中的订单进行二次聚类，得到出库订单波次划分结果。该方法提高了高密度存储的四向穿梭车仓储系统的出库效率，降低了出库成本。降低了出库成本。降低了出库成本。

【技术实现步骤摘要】
基于高密度存储的仓储系统出库订单波次划分方法及装置


[0001]本专利技术涉及自动化仓储
，尤其涉及一种基于高密度存储的仓储系统出库订单波次划分方法及装置。

技术介绍

[0002]近年来，随着电子商务与“互联网+”浪潮的快速发展，物流行业的市场占比不断增加。在整个物流活动中，仓储阶段是至关重要的一环，往往起到承上启下的作用，物流仓储中心通常承担着物流活动中的存储、拣选等重要环节，不仅占据整个物流活动成本的一半以上，而且影响着整个物流作业的订单履行效率，对于提高企业的顾客满意度具有重要作用，我国自动化仓储物流行业的市场规模逐年扩大，近两年年均增长率在10％以上，到2021年市场规模已突破1000亿元，自动化仓储与拣选系统一直在不断发展成熟，应用范围也越来越大。
[0003]与传统仓储系统相比，FS/RS(四向穿梭车仓储系统)具有很高的柔性和使用经济性，因此在大力发展柔性制造的背景下，多层四向穿梭车仓储系统逐渐显示出优势。四向穿梭车在立体库中的应用，减少了巷道的阻碍，扩展了传统自动化仓储系统中搬运设备的运行空间，使得操作者能够更加灵活地根据自身的工作要求来安排穿梭车的位置；作为一种新兴的密集仓储设备，四向穿梭车的应用在提高工作效率的同时也增加了系统作业的难度。
[0004]订单分波是由Ackerman于1990年提出的，订单分波的目的通常是将多个订单经过一定规则分为不同的波次进行分波次集中处理。对于需要人工拣选的仓库而言，通过分波操作可以大幅减少拣选人员所要行走的距离；而对于智能化、自动化仓储系统而言，通过分波操作可以大幅减少自动化拣选设备的作业时间。因此，订单波次划分在仓储系统中的应用可以减少作业时间、提升仓库作业效率及提高企业经营效益。而目前对于订单分波问题的研究，大多数都集中于人工拣选系统及传统自动化仓储系统中；即目前存在的订单分波方法虽然可满足人工拣选系统及传统自动化仓储系统的订单分波要求，但是若将其应用于高密度存储的仓储系统中，则采用现有技术的订单分波方法产生的订单分波结果存在着使高密度存储的四向穿梭车仓储系统出库效率低以及出库成本高的问题。因此，如何提高高密度存储的四向穿梭车仓储系统的出库效率，以及降低出库成本是亟待解决的技术问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种基于高密度存储的仓储系统出库订单波次划分方法及装置，以解决现有技术中存在的一个或多个问题。
[0006]根据本专利技术的一个方面，本专利技术公开了一种基于高密度存储的四向穿梭车仓储系统出库订单波次划分方法，所述方法包括：
[0007]获取待划分的订单集合；
[0008]将所述待划分的订单集合输入至训练好的出库波次划分模型中，所述出库波次划
分模型随机抽取所述待划分的订单集合中的部分订单数据作为初始样本，计算所述初始样本中的各订单之间的距离值，基于计算得到的各订单之间的距离值确定订单距离标准值，基于所述订单距离标准值将所述待划分的订单集合划分为多个初始类簇，各初始类簇中的任意两个订单之间的距离不大于所述订单距离标准值；
[0009]计算各初始类簇中任意两个订单所包含的相同SKU的数量，基于计算的各所述相同SKU的数量通过聚类算法对各所述初始类簇中的订单进行二次聚类，得到出库订单波次划分结果。
[0010]在本专利技术的一些实施例中，基于计算得到的各订单之间的距离值确定订单距离标准值，包括：
[0011]基于计算得到的各订单之间的距离值确定距离平均值；
[0012]将所述距离平均值作为订单距离标准值。
[0013]在本专利技术的一些实施例中，所述各订单之间的距离值的计算公式为：
[0014]d＝1
‑
S；
[0015][0016]其中，d为订单之间的距离值，r
nm
为订单n和订单m中所包含的相同SKU数量，L表示待划分的订单集合中SKU的总数量。
[0017]在本专利技术的一些实施例中，任意两个订单所包含的相同SKU的数量的计算公式为：
[0018][0019]其中，r
nm
为订单n和订单m中所包含的相同SKU数量，为订单n和订单m中所包含的相同SKU数量，L表示待划分的订单集合中SKU的总数量,表示库内存储的第i个sku的货箱总数量，
[0020]在本专利技术的一些实施例中，基于确定的各所述相同SKU的数量通过聚类算法对各所述初始类簇中的订单进行二次聚类，包括：
[0021]基于确定的各所述相同SKU的数量通过K
‑
means聚类算法对各所述初始类簇中的订单进行二次聚类。
[0022]在本专利技术的一些实施例中，基于确定的各所述相同SKU的数量通过K
‑
means聚类算法对各所述初始类簇中的订单进行二次聚类，包括：
[0023]获取初始类簇中相同SKU数量最多的两个订单作为第s波次的两个初始订单；s＝1,2
…
S，S为被划分的订单波次总数量；
[0024]将所述两个初始订单进行订单合并得到合并订单；
[0025]将所述初始类簇中的与所述合并订单的相同SKU的数量较大的除所述初始订单之
外的多个订单与两个所述初始订单划分为同一波次。
[0026]在本专利技术的一些实施例中，所述方法还包括：
[0027]获取样本数据集，基于所述样本数据集对初始出库波次划分模型进行预训练得到训练好的出库波次划分模型。
[0028]在本专利技术的一些实施例中，所述初始出库波次划分模型的目标函数为：
[0029]F＝minZ；
[0030][0031]其中，L表示待划分的订单集合中SKU的总数量,表示库内存储的第i个sku的货箱总数量，O
s
表示第s个订单波次的订单集合，O
s
＝{O
s1
，O
s2
，...，O
sv
}，O
st
表示订单集合内的第t个订单，S表示被划分的订单波次总数量，t∈[1,v]。
[0032]根据本专利技术的另一方面，还公开了一种基于高密度存储的四向穿梭车仓储系统出库订单波次划分系统，该系统包括处理器和存储器，所述存储器中存储有计算机指令，所述处理器用于执行所述存储器中存储的计算机指令，当所述计算机指令被处理器执行时该系统采用如上任一实施例所述方法的步骤。
[0033]根据本专利技术的又一方面，还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上任一实施例所述方法的步骤。
[0034]本专利技术上述实施例所公开的基于高密度存储的四向穿梭车仓储系统出库订单波次划分方法及装置，其波次划分模型首先基于待划分的订单集合中的部分订单数据确定订单距离标准值，然后基于确定的该订单标准值将待划分的订单集合先划分为多个初始类簇，进而基于订单所包含的相同SKU的数量通过聚类算法对各所述初始类簇中的订单进行二次聚类，以得到最终的波次划分结果本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于高密度存储的四向穿梭车仓储系统出库订单波次划分方法，其特征在于，所述方法包括：获取待划分的订单集合；将所述待划分的订单集合输入至训练好的出库波次划分模型中，所述出库波次划分模型随机抽取所述待划分的订单集合中的部分订单数据作为初始样本，计算所述初始样本中的各订单之间的距离值，基于计算得到的各订单之间的距离值确定订单距离标准值，基于所述订单距离标准值将所述待划分的订单集合划分为多个初始类簇，各初始类簇中的任意两个订单之间的距离不大于所述订单距离标准值；计算各初始类簇中任意两个订单所包含的相同SKU的数量，基于计算的各所述相同SKU的数量通过聚类算法对各所述初始类簇中的订单进行二次聚类，得到出库订单波次划分结果。2.根据权利要求1所述的基于高密度存储的四向穿梭车仓储系统出库订单波次划分方法，其特征在于，基于计算得到的各订单之间的距离值确定订单距离标准值，包括：基于计算得到的各订单之间的距离值确定距离平均值；将所述距离平均值作为订单距离标准值。3.根据权利要求2所述的基于高密度存储的四向穿梭车仓储系统出库订单波次划分方法，其特征在于，所述各订单之间的距离值的计算公式为：d＝1
‑
S；其中，d为订单之间的距离值，r
nm
为订单n和订单m中所包含的相同SKU数量，L表示待划分的订单集合中SKU的总数量。4.根据权利要求1所述的基于高密度存储的四向穿梭车仓储系统出库订单波次划分方法，其特征在于，任意两个订单所包含的相同SKU的数量的计算公式为：其中，r
nm
为订单n和订单m中所包含的相同SKU数量，L表示待划分的订单集合中SKU的总数量,表示库内存储的第i个sku的货箱总数量，5.根据权利要求4所述的基于高密度存储的四向穿梭车仓储系统出库订单波次划分方法，其特征在于，基于确定的各所述相同SKU的数量通过聚类算法对各所述初始类簇中的订单进行二次聚类，包括：
基于确定的各所述相同SKU的数量通过K
‑
me...

【专利技术属性】
技术研发人员：苏志远，韩静文，冯思捷，汪朝林，
申请(专利权)人：宝开上海智能物流科技有限公司，
类型：发明
国别省市：