[发明专利]用于供应链的智能计算方法

权利要求书

1.一种用于供应链的智能计算方法，其特征在于，包括：

步骤一、将装配需求输入装配车间云集群或零部件仓库云集群；

步骤二、向装配物流云集群发送需求信息，所述需求信息包括作业ID和请求内容；

步骤三、向装配车间云集群或零部件仓库云集群发送身份验证指令，如身份验证失败，则结束该次调度；如果验证成功，则执行步骤四；

步骤四、装配物流云集群判断需求信息内容的种类，指当为零部件退回作业时，执行步骤五；

步骤五、根据该需求信息中的作业ID，并在运输端存储模块中查询该作业ID对应的规划行进路线和该作业ID对应的产品射频标签；

步骤六、在运输端存储模块中查询与该规划行进路线相同，且行进方向相反的机器人作为第一候选机器人集合；装配物流云集群根据定位信息计算与获得的第一候选机器人集合之间的距离，并按照距离排序；

步骤七、装配物流云集群提取步骤五中所述射频标签中的包装体信息和自身ID打包成退回请求数据包，并分别向步骤六中的所有第一候选机器人集合发布；

步骤八、每个第一候选机器人集合的机器人终端收到该信息后，判断自身剩余空间是否能够容纳该包装体，且剩余载重是否大于该包装体的重量，如果判断结果为是，则向装配物流云集群回复退回确认信号；如果判断结果为否，则结束；

步骤九、装配物流云集群根据收到的退回确认信号，根据步骤六的距离顺序，确定优先级；

步骤十、根据步骤九确定的优先级，判断当前机器人与第一候选机器人集合之间的行进路线是否存在可用卸载位置；如果判断结果为是，将这些第一候选机器人集合记为第二候选机器人集合，则执行步骤十一；如果判断结果为否，则结束；

步骤十一、在第二候选机器人集合中，对于每个第一候选机器人，选取距离当前机器人与第一候选机器人集合之间的距离差值最小的可用卸载位置作为最优可用卸载位置；

步骤十二、选取第二候选机器人集合中，最优可用卸载位置距离当前机器人与第二候选机器人集合之间的距离差值最小的所对应的第二候选机器人集合，作为最终第一候选机器人集合；

步骤十三、装配物流云集群向步骤六中的所有第一候选机器人集合发布选中的最终第一候选机器人集合；并向最终第一候选机器人集合发送选定的最优可用卸载位置；

步骤十四、完成产品交接后，最终第一候选机器人集合向装配物流云集群发送完成信息，结束一次退回作业；

根据预先建立的路线模型，获取两个地点间的最佳路线，根据所述最佳路线下各种种类的待运输零部件的已运输比率估算所述最佳路线下各个包装体集合的运输比率，根据所述运输比率计算所述最佳路线下的综合装载量，根据所述综合装载量和行进成本计算对应车间之间的物流成本；

根据如下公式计算运输比率Φ：

式中，K为待运输零部件的总数量，M为包装体集合中待运输零部件的种类数，x_i为所述最佳路线下第i种待运输零部件，a_i为包装体集合中第i种待运输零部件的数量，P(x_i)为x_i的已运输比率，1≤i≤M；

然后根据如下公式计算综合装载量

式中，m_j为所述最佳路线下第j个包装体集合的总装载量，Φ_j为所述最佳路线下第j个包装体集合的运输比率；

所述装配物流云集群在零部件装配序列中，将基于装配过程的物流服务问题分解为作业拆分、作业排序、服务选择与组合和结果优选；

装配物流云集群首先对装配作业进行拆分，得到一系列子作业，并确定装配作业的装配过程，MT＝{ST₁，ST₂，…，ST_i，…，ST_n}+Constraint；最佳的子作业装配序列根据装配过程的要求，结合动态变化的服务资源来确定；子作业序列{ST₁，ST₂，…，ST_i，…，ST_n}的下标i表示子作业编号；Constraint是实现装配过程需求的约束，

式中：矩阵阶数n等于子作业数量；C_ij表示子作业ST_i与子作业ST_j之间的装配序列需求，若ST_iST_j则C_ij＝1，若ST_iST_j则C_ij＝-1，若ST_i与ST_j之间无装配序列需求，C_ij＝0；

装配物流云集群随机生成子作业装配序列PS(ST₁^p1，ST₂^p2，…，ST_i^pi，…，ST_n^pn)，并在不同的装配序列条件下进行服务组合；然后进行装配过程校验，并修改不满足要求的装配序列，得到可执行的装配序列，即EPS(ST₁^e1，ST₂^e2，…，ST_i^ei，…，ST_n^en)，其中e_i表示子作业编号，i表示子作业装配序列编号；

装配物流云集群从满足各子作业要求的候选零部件仓库云集群中，各选择一个物流服务，并按照对应的可执行装配序列将选中的服务组装成物流组合物流服务，得到候选装配方案CPR(ST₁^e1,s1，ST₂^e2,s2，…，ST_i^ei,si，…，ST_n^en,sn)，其中s_i表示执行子作业ST_ei的候选物流服务编号，序列(s₁，s₂，…，s_n)表示物流组合物流服务中服务的执行顺序；不同的子作业可以选择相同的物流服务，即s_i可在区间[1，m]中取重复值，m表示候选物流服务数量；ST_i^ei,si表示在候选装配方案CPR中，第i个被执行的子作业是ST_ei，并由第s_i个零部件仓库提供服务；

按照优选目标，计算不同候选装配方案的评估分值，选出结果最优的候选装配方案；所述优选目标包括：时间最短、成本最低和稳定度最高；

装配作业信息表示为：

MT(L，N，W，DL，TC，R)；

式中：L表示装配车间所处的位置；N表示作业要求装配的零部件数量；W表示待装配的零部件质量；DL表示可接受的作业完成时长；TC表示可接受的最高成本；R表示对所有候选物流服务的最低稳定度要求；

零部件仓库信息表示为：SP(L，R)(C，T)；

式中：(L，R)表示零部件仓库的整体信息；(C，T)表示零部件仓库的零部件信息；L表示零部件仓库所在位置；R表示零部件仓库的稳定度评估分值，是在区间[0，1]上取值的评价指标；C表示仓库可提供的装配服务成本；T表示零部件仓库完成不同作业所需时间；对零部件仓库的服务质量进行计算时要先利用权值系数计算出时间和成本的评估分值，然后再乘以稳定度；零部件仓库s_i完成子作业e_i时的服务质量计算公式如下：

Qos_ei，si＝R_si×(w_T·T_mi，si+w_C·C_mi，si)

式中：R_si是第s_i个零部件仓库的稳定度评估分值；T_mi，si、C_mi，si分别是第s_i个零部件仓库完成第m_i个子作业所需的时间和成本；w_T、w_C分别是时间和成本的权值系数，w_C+w_T＝1。