智能仓储作业关键技术研究与应用

发布时间：2017-07-01 08:12

  本文关键词：智能仓储作业关键技术研究与应用，由笔耕文化传播整理发布。

【摘要】：随着计算机技术、现代通信技术和自动控制技术的迅猛发展,仓储管理水平已经向着信息化、自动化、智能化方向发展。自动化立体仓库(AS/RS)是现代物流系统中的一个重要组成部分,AS/RS智能化水平对整个物流业的发展有着重要的影响,智能化程度越高,标志着物流业越发达。作为AS/RS管理的一个重要组成部分,仓储管理中的货位分配问题一直是非常棘手的问题,货位分配优化是作业优化中的重要一环,它可以在不增加设备投资的情况下,减少作业时间,大大提高仓库的运行效率,因此对该问题的研究具有较高的实际意义和理论价值。本文采用遗传算法(GA)和二进制粒子群算法(BPSO)对多巷道作业平衡优化问题进行了研究。主要的研究工作包括以下几个方面:(1)研究了订单-品项-数量(EIQ)在仓储管理中的作用,在对某企业的日入库量EIQ分析的基础上,给出了一种基于EIQ分析的自动化立体仓库库区优化途径。(2)研究了巷道作业平衡优化问题,以各个堆垛机在其所在巷道内走的距离与总距离的平均值之差的平方的平均数为优化目标,以品项约束域为约束条件,建立了多巷道作业平衡优化模型。针对所建立的模型,设计了一种双亲混合遗传算法,在Matlab环境下通过大批量入库作业、小批量入库作业等试验测试,验证了算法能够有效解决多巷道作业平衡优化问题。(3)针对大批量入库作业,进行了双亲混合遗传算法与二进制粒子群算法性能对比试验,结果显示,双亲混合遗传算法优化效果优于二进制粒子群算法,验证了双亲混合遗传算法更适合于多巷道作业平衡优化问题的求解。(4)本文所研究的双亲混合遗传算法与二进制粒子群算法已经在某企业的仓储管理系统(WMS)软件中得到应用,应用效果良好。
【关键词】：AS/RS EIQ分析 多巷道作业平衡优化 双亲混合遗传算法 二进制粒子群算法
【学位授予单位】：东华大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH692.3;TP18
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 绪论12-17
• 1.1 课题的研究背景及意义12-13
• 1.2 国内外研究现状13-15
• 1.2.1 国外研究现状13
• 1.2.2 国内研究现状13-14
• 1.2.3 自动化立体仓库发展趋势14-15
• 1.3 论文组织结构安排15-16
• 1.4 本章小结16-17
• 第二章 智能仓储作业关键技术分析17-30
• 2.1 自动化立体仓库概述17-21
• 2.1.1 自动化立体仓库的构成17-19
• 2.1.2 自动化立体仓库的优缺点19
• 2.1.3 智能仓储作业系统及技术19-21
• 2.2 智能化仓储作业货位优化技术21-25
• 2.2.1 货位优化概述21
• 2.2.2 货位优化管理21-23
• 2.2.3 货位存储方法23-24
• 2.2.4 自动化立体仓库货位分配24-25
• 2.3 自动化立体仓库的出入库作业流程设计25-29
• 2.3.1 入库作业25-26
• 2.3.2 出库作业26-29
• 2.4 本章小结29-30
• 第三章 EIQ分析及巷道作业平衡数学优化模型的建立30-47
• 3.1 EIQ分析的概念30
• 3.2 EIQ分析在物流中的应用30-31
• 3.3 EIQ统计分析方法31-33
• 3.3.1 ABC分析31-32
• 3.3.2 次数分布32-33
• 3.3.3 柏拉图分析33
• 3.3.4 交叉分析33
• 3.4 EIQ图表的分析及应用33-36
• 3.4.1 订单量(EQ)分析33-34
• 3.4.2 品项数量(IQ)分析34-35
• 3.4.3 订单品项数(EN)分析35-36
• 3.4.4 品项订购次数(IK)分析36
• 3.5 关于EIQ分析的实际案例分析36-42
• 3.5.1 EIQ数据分析36-38
• 3.5.2 当日订单的EQ分析38-39
• 3.5.3 当日订单的EN分析39-40
• 3.5.4 对当日订单的IQ分析40-42
• 3.5.5 当日订单的IK分析42
• 3.6 自动化立体仓库库区分配42-44
• 3.7 多巷道作业平衡优化模型的建立44-46
• 3.7.1 模型描述与假设44-45
• 3.7.2 目标函数的确立45-46
• 3.7.3 约束条件的确立46
• 3.8 本章小结46-47
• 第四章 仓储作业优化算法设计及试验验证47-68
• 4.1 遗传算法的原理47-48
• 4.2 遗传算法的特点48
• 4.3 仓储作业优化算法设计48-54
• 4.3.1 模型编码49
• 4.3.2 创建初始种群49-50
• 4.3.3 适应度函数设计50-51
• 4.3.4 交叉算子设计51-52
• 4.3.5 变异算子设计52-54
• 4.4 算法的试验案例验证54-61
• 4.4.1 算法参数的确定54-56
• 4.4.2 试验验证56-61
• 4.5 两个试验的试验结果分析比较61-62
• 4.6 粒子群算法试验案例分析62-64
• 4.6.1 粒子群算法概述62
• 4.6.2 粒子群算法的试验验证62-64
• 4.7 遗传算法与粒子群算法试验案例分析比较64
• 4.8 智能算法的应用64-67
• 4.8.1 测试环境64-65
• 4.8.2 智能仓储作业测试65-66
• 4.8.3 智能仓储作业测试结果分析66-67
• 4.8.4 智能算法在企业中的应用67
• 4.9 本章小结67-68
• 第五章 总结与展望68-70
• 5.1 课题主要研究成果68-69
• 5.2 课题工作展望69-70
• 参考文献70-74
• 致谢74

【参考文献】

中国期刊全文数据库 前1条

1 徐香玲,傅卫平,李德信,谢敬,刘韬;基于专家系统的自动化立体仓库出入库调度研究[J];物流技术;2005年02期

中国硕士学位论文全文数据库 前8条

1 佟芙慧;自动化立体仓库的货位优化与管理[D];沈阳大学;2013年

2 李哲;物流中心拣选单处理及拣选路径优化研究[D];大连海事大学;2011年

3 吴婷;基于遗传算法的仓储系统多目标货位优化的研究[D];武汉理工大学;2011年

4 韩彩云;基于遗传算法的自动化立体仓库的货位优化研究[D];太原科技大学;2009年

5 闫磊;连锁商业物流配送中心研究[D];山东大学;2008年

6 李娜娜;卷烟配送中心自动分拣系统的规划设计研究[D];中南大学;2008年

7 张光华;长飞公司光纤仓库作业的EIQ分析[D];华中科技大学;2005年

8 刘友权;EIQ分析法在连锁经营配送中心的应用及实例研究[D];华中科技大学;2005年

  本文关键词：智能仓储作业关键技术研究与应用，由笔耕文化传播整理发布。

，

本文编号：505152