[发明专利]基于分区协同优化策略的自动分拣系统订单处理方法

摘要

基于分区协同优化策略的自动分拣系统订单处理方法，引入协同优化、数据挖掘技术实现对自动分拣系统订单进行有效分析与管理，首先分区协同优化分拣系统订单处理的数学分析模型，分析分拣系统的特点；其次将分拣机分区协同优化问题转化为并行机派寻问题；再次构建品项分配子问题并设计层次聚类算法进行聚类处理，最后基于马尔科夫方法确定订单最优排序，从而提高订单分拣处理能力，解决我国物流配送效率不高的问题。

主权项

基于分区协同优化策略的自动分拣系统订单处理方法，包括以下步骤：步骤1，构建分区协同优化分拣系统订单处理的数学分析模型：订单处理问题关键是如何使总处理时间最少，而为得到订单处理总时间的结构组成，需要分析分区拣选策略下的系统布局与工作流程；分区拣选策略下，分拣机系统划分为多个独立拣货区，一条主输送带连接各拣货区末端的缓冲区；处理订单时，各拣货区内分拣机共同拣选同一订单货物并送入缓冲区，然后在合流输送上完成货物合流并送至包装系统；由于各拣货区内的分拣机并行工作，故降低了订单处理总时间；根据货到订单拣选系统中的订单队列特点，设计排队系统描述分拣机系统工作流程；在该排队系统中，订单理解为顾客，分拣机中各通道、缓冲区、包装机理解为服务员；排队系统中的订单处理流程包括：①订单拆分：在输入端是一订单队列，各订单根据拣货区数量以及所有品项在各拣货区分配情况拆分为子订单，并分配给各拣货区；②货物拣选：在各拣货区内部，分拣机各通道和缓冲区根据先到先服务(First Come First Served，FCFS)的规则处理子订单队列中各品项货物；③缓存积放：在各拣货区内，缓冲区暂存拣出的子订单货物，由于缓冲区常设计为重力式滑道或动力式输送带，货物在缓存等待过程中可实现密集积放；④合流与输送：通过控制缓冲区末端的挡板，将属于同一订单的缓存货物按照某种规则从不同缓冲区进入合流输送带，并送入包装系统；在实际应用中，订单拆分工作由电脑系统快速完成，故耗费时间可忽略，基于以上分析，可知分拣机系统的订单处理时间由三部分组成：货物拣选时间、货物合流时间、缓冲区已满导致的分拣机暂停时间；为从数学上表达任一拣货区的订单处理总时间构成，需要的变量包括：订单数量r；拣货区数量z；k号拣货区处理i号订单货物的完成时刻它等于货物由缓冲区流入合流输送带的结束时刻；k号拣货；区分拣机在处理i号订单货物的拣选时间tpik；k号拣货区分拣机处理i号订单货物时的暂停时间，即该订单货物在缓冲区开始合流前的等待时间twik；货物合流时间，即订单货物从缓冲区流入主输送带耗费的时间tm；各拣货区订单处理总时间均为货物拣选时间、分拣机暂停时间、货物合流时间之和，则任一拣货区k处理订单i的完成时刻可由下式表示：Tikf=T(i-1)kf+tikp+tikw+tm,1≤i≤r,1≤k≤z---(1)]]>递归调用式(1)可求得各拣货区处理最后r号订单的完成时刻如下式所示：Trkf=(Σi=1rtikp+tikw+tm),1≤k≤z---(2)]]>步骤2，分拣机分区协同优化问题的转化：将分拣机综合优化问题简化后可转化为并行机派寻问题(PMS)；设定订单总数量r等于1，货物合流时间tm等于0秒，拣货区数量z，各品项拣选量nsij，品项拆分数量p均为已知常量，经过以上简化，各品项相当于PMS问题中各工件，拣货区相当于PMS问题中的处理机，拣货区内的订单处理时间相当于处理机加工工件时间，优化目标相当于工件加工总时间最短；由于PMS属于NP完全问题，由此可知：不简化的分拣机系统综合优化问题更属于NP完全问题；为降低问题求解难度，设计合理的启发式算法，首先应当根据分拣机分区协同优化问题特点，转变优化目标；然后，将分拣机分区协同优化问题拆分为若干子问题，采取单独讨论后再确定综合求解方法的研究思路；步骤3，品项分配子问题的构建及其层次聚类算法设计：品项分配子问题指如何分配所有品项到各拣货区的问题；若以最小化订单处理总时间为目标，难以提出针对性的优化算法；这里采用聚类分析方法求解品项分配子问题，根据分拣机系统品项分配子问题特点，提出一种类似连通法的层次聚类算法，该算法采用自底向上的聚类顺序，聚类步骤如下：步骤31，根据品项总数s+p构建等量空类，即z＝s+p，并为每个类分配一个品项；步骤32，建立一个z行z列的类关系矩阵，矩阵中对角元素设为0，其余各元素表示不同类间的相关性，该矩阵为对称矩阵，取其上半角或下半角共(z‑1)z/2个元素，将最小值元素对应的两个类合并为1个类，类的数量z减1：z＝z‑1；步骤33，若类的数量大于预定的拣货区数量，转步骤32，否则结束；步骤4，基于马尔科夫的订单最优排序的确定：由于一个订单的等待时间只取决于前面N‑1个订单的处理时间和等待时间，因此系统具有马尔可科夫性；将订单看作是一个个追加到排好顺序的订单队列中，在某个订单即将追加到队列的时刻点观察系统，用队列末尾N‑1个订单各自的处理时间和等待时间之和作为一个N‑1维向量表示系统的状态，则系统具有历史无关性，可以看作一个状态连续时间离散的马尔科夫链；对于这种连续的状态，通过积分和微分进行分析非常困难，因而采用离散化的方式将连续状态转变成离散状态，进而研究离散状态的最优决策，决策变量为下一个要处理的订单，然后分析离散化带来的误差。