CN111680893A - 一种多自寻址机器人拣选***的数字孪生***及调度方法 - Google Patents
一种多自寻址机器人拣选***的数字孪生***及调度方法 Download PDFInfo
- Publication number
- CN111680893A CN111680893A CN202010450184.7A CN202010450184A CN111680893A CN 111680893 A CN111680893 A CN 111680893A CN 202010450184 A CN202010450184 A CN 202010450184A CN 111680893 A CN111680893 A CN 111680893A
- Authority
- CN
- China
- Prior art keywords
- data
- robot
- twin
- scheduling
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000004088 simulation Methods 0.000 claims abstract description 54
- 238000011156 evaluation Methods 0.000 claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims abstract description 25
- 238000012545 processing Methods 0.000 claims description 33
- 238000003672 processing method Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 9
- 238000013500 data storage Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 230000001172 regenerating effect Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 13
- 230000007246 mechanism Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011022 operating instruction Methods 0.000 description 2
- 230000008929 regeneration Effects 0.000 description 2
- 238000011069 regeneration method Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000033772 system development Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
- G06Q10/0835—Relationships between shipper or supplier and carriers
- G06Q10/08355—Routing methods
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Manipulator (AREA)
Abstract
本发明提供一种多自寻址机器人拣选***的数字孪生***及调度方法，该***包括：物理***，用于接收孪生数据中心下发的运行指令，采集物理***数据和物理***实时运行数据；虚拟***，用于生成调度方案和根据物理***实时运行数据对调度方案进行重调度，并对生成的多个调度方案进行仿真，根据仿真结果和评价指标确定最优调度方案；孪生数据中心，用于对比物理***实时运行数据和虚拟***仿真结果数据，若对比后发现异常数据，则上报到虚拟***，在虚拟***中进行重调度，避免实际运行和调度计划之间的偏差；支撑服务，用于为物理***、虚拟***和孪生数据中心提供预设服务。本发明解决了多机器人拣选***仿真结果和实际调度情况有偏差的技术问题。
Description
技术领域
本发明涉及机器人拣选***技术领域，特别是指一种多自寻址机器人拣选***的数字孪生***及调度方法。
背景技术
多机器人拣选***(RMFS)又称亚马逊Kiva机器人***，***布局如图2所示。***是利用其中的多辆自寻址机器人车(Autonomous Vehicle(AV),机器人)，搬运存放货物的货架至工作站，实现“货到人”，大大减少了工作人员的劳动强度，提升了***的自动化和智能化程度。机器人依靠扫描地面每个路块上的二维码定位，通过控制***的指令完成转弯、升/降货架、原地等待等动作。人员按照操作***的指令进行拣货和补货等操作。模型会根据机器人和人员的状态和任务要求，将获得的调度方案进行仿真，根据仿真结果生成指令，利用指令指导物理***中人员操作和机器人运行。
但是，在实际运行中，物理***很难完全符合调度方案的预期，***内机器人的运行和人员的操作会受到各种干扰因素。现有的仿真模型很难考虑到***内的突发事件，比如机器故障或工作站故障等。此外，***中有人员的存在并完成必须的作业，作业时间就受到人员的影响，使得***的不确定性大大增加。这些突发时间和不确定事情都会影响到***原本调度方案的实施。原有调度方案不能依计划实行时，就容易导致后续的调度方案的实行出现问题。最终造成***内更严重的冲突和死锁。
针对上述现有技术中由于多机器人***中动态事件的发生所产生调度计划和实际运行有偏差的问题，目前尚未提出有效的解决方案。
发明内容
本发明要解决的技术问题是提供一种多自寻址机器人拣选***的数字孪生***及调度方法，以至少解决多机器人***中动态事件的发生所产生调度计划和实际运行有偏差问题的技术问题。
为解决上述技术问题，本发明提供如下技术方案：
一种多自寻址机器人拣选***的数字孪生***，其包括：物理***、虚拟***、孪生数据中心以及***运行的支撑服务；其中，
所述物理***用于接收所述孪生数据中心下发的运行指令，采集物理***数据和物理***实时运行数据，并将采集的数据上传到所述孪生数据中心；
所述虚拟***为根据所述物理***构建的孪生体，用于基于所述支撑服务，生成调度方案和根据物理***实时运行数据对调度方案进行重调度，并对生成的多个调度方案进行仿真，根据仿真结果和评价指标确定最优调度方案；
所述孪生数据中心用于对比物理***实时运行数据和虚拟***仿真结果数据，若对比后发现异常数据，则将所述异常数据上报到所述虚拟***，在所述虚拟***中进行重调度，避免实际运行和调度计划之间的偏差；
所述支撑服务用于为物理***、虚拟***和孪生数据中心提供预设服务。
进一步地，所述物理***中包括工作人员和机器人两个实体；其中，
工作人员通过工作人员操作***获取操作指令，确定操作类型、涉及的商品、位置以及数量；机器人通过机器人控制***接收指令，确定在路块上的启动时间和停止时间，确定在路块上的转弯、等待以及升/降货架动作；
所述物理***数据包括物理***内各个设备和区域的尺寸大小、工作人员完成不同操作时的时间、机器人的速度和加速度、货架和商品的位置数量信息；所述物理***实时运行数据包括工作人员的操作数据和机器人的实际运行数据和状态数据；其中，工作人员的操作数据为工作人员的任务信息和操作时间；机器人的实际运行数据和状态数据为机器人通过自身携带的传感器检测到的自身运行数据、机器人进入工作站时间以及工作站信息。
进一步地，所述虚拟***对生成的多个调度方案进行仿真，包括：
将生成的多个调度方案通过虚拟***模型进行仿真，验证调度方案能否无冲突的运行，统计仿真中的运行数据，将运行数据作为评价指标，根据仿真结果和评价指标确定最优调度方案，再将仿真结果提交到所述孪生数据中心中；
其中，所述评价指标包括：完成时间、机器人利用率、机器人启停次数以及工作站任务平衡程度；根据不同的决策倾向选择不同的评价指标和评价方法，包括：用pareto解确定最优边界后，再利用层次分析法选择最优调度方案；通过给定评价指标之间的优先级进行选择；通过线性加权的方法处理多个评价指标，选择权重和最优的调度方案；利用实时运行数据优化对评价方法的选择。
进一步地，所述孪生数据中心还用于数据存储和数据处理；其中，
所述数据存储包括存储物理***数据、物理***实时运行数据、订单数据、任务数据、虚拟***数据以及虚拟***仿真结果数据；
所述数据处理包括将物理***数据转化为虚拟***数据、将订单数据转化为任务数据以及将虚拟***仿真结果数据转化为运行指令。
进一步地，所述支撑服务具体用于：
为所述物理***的工作人员提供预设的工作人员操作***和为机器人提供预设的机器人控制***；
为所述虚拟***的调度方案生成提供预设的方案生成方法，包括任务分配、路径规划和调度优化；
为所述孪生数据中心的数据处理提供预设的数据处理方法，包括处理物理***数据的数据处理方法和处理订单数据的订单处理方法。
进一步地，所述任务分配是将已经确定好的任务分配给机器人去执行；
所述路径规划是为机器人规划完成任务的三段路径，包括机器人从当前位置到货架所在位置，从货架所在位置到工作站，从工作站返回存储区域；
所述调度优化是对多机器人的协同运作进行优化，以生成多个可行的调度方案；包括：和任务分配方法中的智能算法编码相结合进行调度优化；利用启发式规则处理机器人之间的冲突问题，启发式规则采用提前主动等待、允许修改路径和遇到冲突就根据优先级停止；通过物理***实时运行数据，优化智能算法和启发式规则的选取，在生成调度方案时采取一种或者几种算法和规则。
进一步地，所述虚拟***对调度方案进行重调度，包括：
根据所述孪生数据中心对比物理***实时运行数据和虚拟***仿真结果数据后发现的异常数据，确定扰动原因；根据不同的扰动原因采用不同的预设重调度规则对调度方案进行重调度；其中，所述预设重调度规则为重生成任务数据、重分配任务、重规划路径、生成重调度方案中的任意一种或多种的组合。
进一步地，所述虚拟***对调度方案进行重调度时，若扰动原因是机器人故障，则重调度规则为：若机器人故障可在预设时间内修复，则在机器人修复后继续执行任务，直接从受影响时刻起重新调度；如果需要对发生故障机器人进行检修且发生故障的机器人负载，则将当前机器人后续所有的任务都重新分配给其他机器人，并为分配任务的机器人进行路径规划；同时为出故障的机器人规划移动机器人去检修区的路径，根据路径规划，重新生成调度方案。
进一步地，所述虚拟***对调度方案进行重调度时，若扰动原因是工作站不能执行任务，则重调度规则为：首先确定工作站故障的时间长短，若工作站的故障时间在预设时间内，则不改变任务分配和路径规划，从受影响时刻起重新调度；若工作站的故障时间大于预设时间，则对出故障的工作站从订单处理开始，重新生成任务数据，再重新分配任务、路径规划，最后生成调度方案；
若扰动原因是机器人路径前方有突发障碍，则直接重规划机器人路径，再生成重调度方案；若扰动原因是工作人员操作时间和/或机器人运行时间发生变化，则从受影响时刻开始重新调度，生成重调度方案。
相应地，为解决上述技术问题，本发明还提供如下技术方案：
一种基于上述的多自寻址机器人拣选***的数字孪生***实现的多自寻址机器人拣选***调度方法，其包括：
S1，将订单在孪生数据中心进行处理，生成相应任务，并转化为任务数据；
S2，根据任务数据，在虚拟***中生成初始调度方案；
S3，在虚拟***中，借助虚拟***模型，仿真生成的多个调度方案；
S4，在虚拟***中，根据仿真结果，确定最优调度方案，并将仿真结果数据传递给孪生数据中心；
S5，孪生数据中心根据接收到的仿真结果数据生成相应的指令，并将生成的指令传递给物理***；
S6，物理***读取孪生数据中心传递的指令，根据孪生数据中心的指令指导工作人员操作和机器人运行；
S7，物理***搜集实时运行数据上传到孪生数据中心；
S8，孪生数据中心对虚拟***的仿真结果数据和物理***的实时运行数据进行对比，若出现异常数据，则进入S9；若没有出现数据异常，则依次循环S6到S8，直到所有指令都被完成，订单完成，***运行结束；
S9，孪生数据中心对比出现异常数据，上传异常数据到虚拟***；
S10，虚拟***根据异常数据，确定扰动原因，根据不同的扰动原因，依靠不同的重调度规则，生成重调度方案，并返回S3。
本发明的上述技术方案的有益效果如下：
本发明在虚拟***中生成调度方案，利用虚拟***模型仿真调度方案运行，将仿真结果数据传递给孪生数据中心；在孪生数据中心将仿真结果数据转变为物理***运行指令；物理***读取指令后，人员和机器人根据指令操作或运行，在运行过程中将实时运行数据传递给孪生数据中心；孪生数据中心对比物理***实时运行数据和虚拟***仿真结果数据，将异常数据传递到虚拟***；虚拟***根据异常数据分析扰动原因，生成重调度方案，再进行仿真；直到所有指令都被完成，订单完成，***运行结束。根据对调度方案和***实时运行情况的数据搜集和对比方式，解决了多机器人***中动态事件的发生所产生调度计划和实际运行有偏差问题的技术问题，提高***对动态事件的响应能力、增加***的鲁棒性、提高***拣选效率、减少***中机器人冲突的发生。
附图说明
图1为本发明实施例提供的多自寻址机器人拣选***的数字孪生***的示意图；
图2为本发明实施例提供的多自寻址机器人拣选***调度方法流程图；
图3为本发明实施例提供的物理***运行机制示意图；
图4为本发明实施例提供的孪生数据中心运行机制示意图；
图5为本发明实施例提供的发生机器人故障时重调度流程图；
图6为本发明实施例提供的工作站不能执行任务时重调度流程图；
图7为本发明实施例提供的发生其他扰动时间时重调度流程图；
图8为本发明实施例提供的虚拟***运行机制示意图；
图9为本发明实施例提供的***运行的支撑服务示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
第一实施例
本实施例提供一种多自寻址机器人拣选***的数字孪生***，如图1所示，包括：物理***、虚拟***、孪生数据中心和***运行的支撑服务；其中，物理***主要用于指令接收和数据采集，其运行机制如图3所示；其中，
物理***接收的指令是孪生数据中心下发的运行指令，这也是物理***的输入。接受指令的对象是物理***内的两大实体：工作人员和机器人。其中，工作人员通过工作人员操作***获取操作指令，确定操作类型、涉及的商品、位置和数量。机器人通过机器人控制***接收指令，确定在路块上的启动时间和停止时间，确定在路块上的转弯、等待、升/降货架等动作。
数据采集是采集物理***数据和物理***实时运行数据。其中，物理***数据主要包括物理***内各个设备和区域的尺寸大小、人员完成不同操作时的时间、机器人的速度和加速度、货架和商品的位置数量信息等。这部分数据会传输到孪生数据中心，用来建立虚拟***。物理***实时运行数据包括工作人员的操作数据和机器人的实际运行数据和状态数据。其中，工作人员通过工作人员操作***上的各按钮确定当前任务完成，将任务信息和操作时间等数据作为实时运行数据。机器人通过自身携带的各种传感器检测自身运行情况，包括：通过视觉传感器确定进入的路块代号和时间，通过力学传感器确定机器人是否转弯和负载/空载状态。将机器人的运行数据和状态数据作为实时运行数据。利用工作站的RFID监控机器人是否准时准确进入工作站。将机器人进入工作站时间和工作站信息作为实时运行数据。这些实时运行数据再上传到孪生数据中心，方便和仿真数据比对。此外，本实施例的物理***还有针对环境的监控，根据监控到的温度、湿度、压力等数据进行自动调节和预警。以增加员工工作的舒适程度、保证商品更好的保存、防止出现火灾等意外情况。
虚拟***是根据物理***数据构建的孪生体，能够模仿物理***的运行，是物理***的孪生模型，用于方案生成与仿真，其工作机制如图4所示；其中，
方案生成包括生成初始调度方案和根据物理***实时运行数据调整调度方案，这两者都需要依靠***运行的支撑服务中的方案生成方法。每次都生成多个可行的调度方案。其中，根据物理***实时运行数据调整调度方案需要根据孪生数据中心传递的异常数据确定扰动原因，然后根据不同的扰动原因，依靠不同的重调度规则，生成重调度方案。
仿真是将生成的多个调度方案通过虚拟***模型进行仿真，验证调度方案能否无冲突的运行，统计仿真中的运行数据，将运行数据作为评价指标，根据仿真结果和评价指标确定最优调度方案，再将仿真结果提交到孪生数据中心中。其中，虚拟***模型是根据孪生数据中心的虚拟***数据建立的，虚拟***数据是将物理***中的物理***数据处理后得到的，物理***数据处理的方法由***运行的支撑服务提供。仿真过程中的以下数据会被搜集并作为评价指标，包括，完成时间、机器人利用率、机器人启停次数、工作站任务平衡程度等。仿真方案的评价选择方法与***中不同的决策倾向相关，根据不同的决策倾向选择不同的评价指标和评价方法。比如用pareto解确定最优边界后，再利用层次分析法选择最优调度方案；通过给定评价指标之间的优先级进行选择；通过线性加权的方法处理多个评价指标，选择权重和最优的调度方案。此外，还会利用实时运行数据优化对评价方法的选择。
孪生数据中心主要用于数据存储、数据处理以及数据对比，其工作机制如图8所示；其中，
数据存储包括存储物理***数据、物理***实时运行数据、订单数据、任务数据、虚拟***数据、虚拟***仿真结果数据等。其中，物理***数据和物理***实时运行数据都由物理***传输而来。订单数据是多机器人拣选***输入的订单。任务数据是订单数据在孪生数据中心处理得到的。虚拟***数据是物理***数据在孪生数据中心处理得到的。虚拟***仿真结果数据由虚拟***传输而来。通过数据传输协议和无线网通讯保证几个***间的数据交互。
数据处理包括将物理***数据转化为虚拟***数据、将订单数据转化为任务数据、将虚拟***仿真结果数据转化为运行指令。将物理***数据转化为虚拟***数据是针对搜集到的物理***数据，利用***运行的支撑服务中的数据处理方法，转化成建立虚拟***模型必备的数据，即虚拟***数据。将订单数据转化为任务数据是针对多机器人拣选***输入的订单，利用***运行的支撑服务中的订单处理方法，转化成相关的任务数据。任务数据包括任务类型、货架代号、工作站代号、商品存储位置、拣货数量等。将虚拟***仿真结果数据转化为运行指令包括针对机器人的启动、停止指令和转弯、等待、升/降货架等动作指令，以及针对人员的拣货、补货、盘点等操作指令。
数据对比是对比物理***实时运行数据和虚拟***仿真结果数据。主要的对比包括仿真中机器人启动、停止的路块和时间与实际运行中机器人进入、离开路块的时间，仿真中机器人在路块上的动作情况和实际运行中机器人转弯、等待、升/降货架的路块，以及仿真中人员操作类型、时间和实际运行中人员拣货、补货、盘点的货架、商品和时间。如果出现异常数据，需要上报虚拟***，在虚拟***中进行其他重调度操作，避免实际运行和调度计划之间的偏差。
***运行的支撑服务包括为物理***的工作人员提供的操作***和为机器人提供的控制***、为虚拟***方案生成提供的方案生成方法、为孪生数据中心数据处理提供的数据处理方法等，其工作机制如图9所示；其中，
为物理***的工作人员提供的操作***和为机器人提供的控制***分别帮助工作人员和机器人在物理***中读取指令和实现***运行。其中，人员操作***的开发流程包括通过对物理***的分析确定人员操作逻辑，进行人员操作***的需求分析，确定***的功能模块，进行操作流程设计、***界面设计、运行环境部署，最后完成***开发与实现。机器人控制***的开发流程包括通过对物理***的分析确定机器人运行逻辑，进行机器人运行需求分析，确定***的功能模块，进行机器人对自身其他零部件***的控制方式设计、***界面设计、运行环境部署，最后完成***开发与实现。
为虚拟***方案生成提供的方案生成方法包括任务分配、路径规划和调度优化三部分。任务分配即将已经确定好的任务分配给机器人去执行。任务分配的方法包括利用不同智能算法编码、不同的启发式规则等。可以根据实时运行数据的反馈，在不同情况下使用不同的任务分配方法。路径规划是为机器人规划完成任务的三段路径，包括机器人从当前位置到货架所在位置，从货架所在位置到工作站，从工作站返回存储区域。路径规划算法可以采用深度强化学习、Q-learning算法、蒙特卡洛树搜索等。通过实时运行数据对路径规划算法进行调整，并选择不同的路径规划算法。调度优化是对多机器人的协同运作进行优化，以生成多个可行且较优的调度方案。可以和任务分配方法中的智能算法编码相结合进行调度优化。利用启发式规则处理机器人之间的冲突问题，启发式规则可以采用提前主动等待、允许修改路径、遇到冲突就根据优先级停止等。通过实时运行数据，优化智能算法和启发式规则的选取，在生成调度方案时采取一种或者几种算法和规则。
为孪生数据中心数据处理提供的数据处理方法包括将物理***数据转化为虚拟***数据的数据处理方法和将订单数据转化为任务数据的订单处理方法。数据处理方法是将物理数据通过数据清洗、特征提取、数据分析等处理方式，处理成适合建立虚拟***模型的虚拟***数据。订单处理方法是通过订单整合，为订单分配工作站，根据订单情况确定是否补货、如果补货生成相应补货任务，根据工作站拆分成相应的拣货任务，根据***需求确定拣选后的盘点任务。确定补货、拣货、盘点任务，即可生成任务数据。
进一步地，本实施例的虚拟***对调度方案进行重调度，包括：
根据孪生数据中心对比物理***实时运行数据和虚拟***仿真结果数据后发现的异常数据，确定扰动原因；根据不同的扰动原因采用不同的预设重调度规则对调度方案进行重调度；其中，预设重调度规则为重生成任务数据、重分配任务、重规划路径、生成重调度方案中的任意一种或多种的组合。
下面，根据本实施例的多机器人拣选***，列举了部分的扰动原因，包括机器人故障、工作站不能执行任务、机器人路径前方有突发障碍、人员操作时间发生变化和机器人运行时间发生变化等。扰动原因不同对***的影响程度是不同的，需要根据不同的扰动原因借助不同的重调度规则完成重调度。不同扰动原因的重调度流程图见图5、图6以及图7。对于其他本实施例中未能提及的扰动原因，采用的重调度规则依然是重生成任务数据、重分配任务、重规划路径、生成重调度方案这四者中的一种或几种。
如图5所示，对于机器人故障这一扰动，首先进行故障诊断，如果是短时间内可修复的故障，那么在机器人修复后继续执行任务，直接从受影响时刻起重新调度即可。如果需要对发生故障机器人进行检修，那么要考虑发生故障的机器人是否负载，负载的机器人先离开原路块。将发生故障的机器人后续所有的任务都重新分配给其他机器人，并为分配任务的进行路径规划。另外，还要规划移动机器人去检修区的路径。根据路径规划，重新生成调度方案。
如图6所示，对于工作站不能执行任务这一扰动，首先确定工作站故障的时间长短，如果工作站的故障时间是短时间的，那么就不改变任务分配和路径规划，从受影响时刻起重新调度。如果工作站的故障时间是长时间的，那么这个工作站分配到的订单都受影响，需要对出故障的工作站从订单处理开始，重新生成任务数据，再重分配任务、路径规划，最后生成调度方案。
如图7所示，对于其他影响较小的扰动，如机器人路径前方有突发障碍，就直接重规划机器人路径，再生成重调度方案。如果是时间上发生变化，例如物理***中的工作人员操作时间和/或机器人运行时间发生变化，就从受影响时刻开始重新调度，生成重调度方案。
通过上述数字孪生***实现多机器人***的实时调度，这与现有的只生成调度计划不考虑实际运行情况完全不同，现有技术中物理***的真实运行情况是不可控的，影响了调度计划的实行，而本实例建立数字孪生***将实时运行数据和仿真结果数据进行交互，通过数据对比和实时调整调度方案确定物理***运行时完全符合调度计划。从而解决了多机器人***中动态事件的发生所产生调度计划和实际运行有偏差问题的技术问题，提高***对动态事件的响应能力、增加***的鲁棒性、提高***拣选效率、减少***中机器人冲突的发生。
第二实施例
本实施例提供一种基于上述的多自寻址机器人拣选***的数字孪生***实现的多自寻址机器人拣选***调度方法，如图2所示，其包括：
S1，将订单在孪生数据中心进行处理，生成相应任务，并转化为任务数据；
其中，上述步骤中的订单处理方法由***运行的支撑服务提供；任务数据传输到虚拟***进行后续操作，任务数据存储在孪生数据中心中；
S2，根据任务数据，在虚拟***中生成初始调度方案；
其中，上述步骤中的初始调度方案生成方法由***运行的支撑服务提供，包括任务分配方法、路径规划方法和调度优化方法。
S3，在虚拟***中，借助虚拟***模型，仿真生成的多个调度方案；
其中，上述步骤中的虚拟***模型是根据孪生数据中心的虚拟***数据建立的，虚拟***数据是将物理***中的物理***数据处理后得到的，物理***数据处理的方法由***运行的支撑服务提供。
S4，在虚拟***中，根据仿真结果，确定最优调度方案，并将仿真结果数据传递给孪生数据中心；
S5，孪生数据中心根据接收到的仿真结果数据生成相应的指令，并将生成的指令传递给物理***；
S6，物理***读取孪生数据中心传递的指令，根据孪生数据中心的指令指导工作人员操作和机器人运行；
其中，上述步骤中的物理***读取指令是由人员操作***读取人员操作指令，由机器人控制***读取机器人运行指令，人员操作***和机器人控制***由***运行的支撑服务提供。
S7，物理***搜集实时运行数据上传到孪生数据中心；
其中，上述步骤中，工作人员通过人员操作***上的各按钮确定当前任务完成，将任务信息和操作时间等数据作为实时运行数据。机器人通过自身携带的各种传感器检测运行情况，包括：视觉传感器能够确定进入的路块代号和时间，力学传感器确定机器人是否转弯和负载/空载状态。将机器人的运行数据和状态数据作为实时运行数据。利用工作站的RFID可以监控机器人是否准时准确进入工作站。将机器人进入工作站时间和工作站信息作为实时运行数据。
S8，孪生数据中心对虚拟***的仿真结果数据和物理***的实时运行数据进行对比，若出现异常数据，则进入S9；若没有出现数据异常，则依次循环S6到S8，直到所有指令都被完成，订单完成，***运行结束；
S9，孪生数据中心对比出现异常数据，上传异常数据到虚拟***；
S10，虚拟***根据异常数据，确定扰动原因，根据不同的扰动原因，依靠不同的重调度规则，生成重调度方案，并返回S3。
其中，上述步骤中的重调度方案的生成方法由***运行的支撑服务提供。
上述步骤通过物理***、虚拟***、孪生数据中心和***运行的支撑服务四个部分合作完成。每部分的工作机制分别如图3、图4、图8、图9所示。
此外，需要说明的是，本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
最后需说明的是，以上所述是本发明优选实施方式，应当指出，尽管已描述了本发明优选实施例，但对于本技术领域的技术人员来说，一旦得知了本发明的基本创造性概念，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
Claims (10)
1.一种多自寻址机器人拣选***的数字孪生***，其特征在于，包括：物理***、虚拟***、孪生数据中心以及***运行的支撑服务；其中，
所述物理***用于接收所述孪生数据中心下发的运行指令，采集物理***数据和物理***实时运行数据，并将采集的数据上传到所述孪生数据中心；
所述虚拟***为根据所述物理***构建的孪生体，用于基于所述支撑服务，生成调度方案和根据物理***实时运行数据对调度方案进行重调度，并对生成的多个调度方案进行仿真，根据仿真结果和评价指标确定最优调度方案；
所述孪生数据中心用于对比物理***实时运行数据和虚拟***仿真结果数据，若对比后发现异常数据，则将所述异常数据上报到所述虚拟***，在所述虚拟***中进行重调度，避免实际运行和调度计划之间的偏差；
所述支撑服务用于为物理***、虚拟***和孪生数据中心提供预设服务。
2.如权利要求1所述的多自寻址机器人拣选***的数字孪生***，其特征在于，所述物理***中包括工作人员和机器人两个实体；其中，
工作人员通过工作人员操作***获取操作指令，确定操作类型、涉及的商品、位置以及数量；机器人通过机器人控制***接收指令，确定在路块上的启动时间和停止时间，确定在路块上的转弯、等待以及升/降货架动作；
所述物理***数据包括物理***内各个设备和区域的尺寸大小、工作人员完成不同操作时的时间、机器人的速度和加速度、货架和商品的位置数量信息；所述物理***实时运行数据包括工作人员的操作数据和机器人的实际运行数据和状态数据；其中，工作人员的操作数据为工作人员的任务信息和操作时间；机器人的实际运行数据和状态数据为机器人通过自身携带的传感器检测到的自身运行数据、机器人进入工作站时间以及工作站信息。
3.如权利要求1所述的多自寻址机器人拣选***的数字孪生***，其特征在于，所述虚拟***对生成的多个调度方案进行仿真，包括：
将生成的多个调度方案通过虚拟***模型进行仿真，验证调度方案能否无冲突的运行，统计仿真中的运行数据，将运行数据作为评价指标，根据仿真结果和评价指标确定最优调度方案，再将仿真结果提交到所述孪生数据中心中；
其中，所述评价指标包括：完成时间、机器人利用率、机器人启停次数以及工作站任务平衡程度；根据不同的决策倾向选择不同的评价指标和评价方法，包括：用pareto解确定最优边界后，再利用层次分析法选择最优调度方案；通过给定评价指标之间的优先级进行选择；通过线性加权的方法处理多个评价指标，选择权重和最优的调度方案；利用实时运行数据优化对评价方法的选择。
4.如权利要求1所述的多自寻址机器人拣选***的数字孪生***，其特征在于，所述孪生数据中心还用于数据存储和数据处理；其中，
所述数据存储包括存储物理***数据、物理***实时运行数据、订单数据、任务数据、虚拟***数据以及虚拟***仿真结果数据；
所述数据处理包括将物理***数据转化为虚拟***数据、将订单数据转化为任务数据以及将虚拟***仿真结果数据转化为运行指令。
5.如权利要求1所述的多自寻址机器人拣选***的数字孪生***，其特征在于，所述支撑服务具体用于：
为所述物理***的工作人员提供预设的工作人员操作***和为机器人提供预设的机器人控制***；
为所述虚拟***的调度方案生成提供预设的方案生成方法，包括任务分配、路径规划和调度优化；
为所述孪生数据中心的数据处理提供预设的数据处理方法，包括处理物理***数据的数据处理方法和处理订单数据的订单处理方法。
6.如权利要求5所述的多自寻址机器人拣选***的数字孪生***，其特征在于，所述任务分配是将已经确定好的任务分配给机器人去执行；
所述路径规划是为机器人规划完成任务的三段路径，包括机器人从当前位置到货架所在位置，从货架所在位置到工作站，从工作站返回存储区域；
所述调度优化是对多机器人的协同运作进行优化，以生成多个可行的调度方案；包括：和任务分配方法中的智能算法编码相结合进行调度优化；利用启发式规则处理机器人之间的冲突问题，启发式规则采用提前主动等待、允许修改路径和遇到冲突就根据优先级停止；通过物理***实时运行数据，优化智能算法和启发式规则的选取，在生成调度方案时采取一种或者几种算法和规则。
7.如权利要求1所述的多自寻址机器人拣选***的数字孪生***，其特征在于，所述虚拟***对调度方案进行重调度，包括：
根据所述孪生数据中心对比物理***实时运行数据和虚拟***仿真结果数据后发现的异常数据，确定扰动原因；根据不同的扰动原因采用不同的预设重调度规则对调度方案进行重调度；其中，所述预设重调度规则为重生成任务数据、重分配任务、重规划路径、生成重调度方案中的任意一种或多种的组合。
8.如权利要求7所述的多自寻址机器人拣选***的数字孪生***，其特征在于，所述虚拟***对调度方案进行重调度时，若扰动原因是机器人故障，则重调度规则为：若机器人故障可在预设时间内修复，则在机器人修复后继续执行任务，直接从受影响时刻起重新调度；如果需要对发生故障机器人进行检修且发生故障的机器人负载，则将当前机器人后续所有的任务都重新分配给其他机器人，并为分配任务的机器人进行路径规划；同时为出故障的机器人规划移动机器人去检修区的路径，根据路径规划，重新生成调度方案。
9.如权利要求7所述的多自寻址机器人拣选***的数字孪生***，其特征在于，所述虚拟***对调度方案进行重调度时，若扰动原因是工作站不能执行任务，则重调度规则为：首先确定工作站故障的时间长短，若工作站的故障时间在预设时间内，则不改变任务分配和路径规划，从受影响时刻起重新调度；若工作站的故障时间大于预设时间，则对出故障的工作站从订单处理开始，重新生成任务数据，再重新分配任务、路径规划，最后生成调度方案；
若扰动原因是机器人路径前方有突发障碍，则直接重规划机器人路径，再生成重调度方案；若扰动原因是工作人员操作时间和/或机器人运行时间发生变化，则从受影响时刻开始重新调度，生成重调度方案。
10.一种基于如权利要求1-9任一项所述的多自寻址机器人拣选***的数字孪生***实现的多自寻址机器人拣选***调度方法，其特征在于，包括：
S1，将订单在孪生数据中心进行处理，生成相应任务，并转化为任务数据；
S2，根据任务数据，在虚拟***中生成初始调度方案；
S3，在虚拟***中，借助虚拟***模型，仿真生成的多个调度方案；
S4，在虚拟***中，根据仿真结果，确定最优调度方案，并将仿真结果数据传递给孪生数据中心；
S5，孪生数据中心根据接收到的仿真结果数据生成相应的指令，并将生成的指令传递给物理***；
S6，物理***读取孪生数据中心传递的指令，根据孪生数据中心的指令指导工作人员操作和机器人运行；
S7，物理***搜集实时运行数据上传到孪生数据中心；
S8，孪生数据中心对虚拟***的仿真结果数据和物理***的实时运行数据进行对比，若出现异常数据，则进入S9；若没有出现数据异常，则依次循环S6到S8，直到所有指令都被完成，订单完成，***运行结束；
S9，孪生数据中心对比出现异常数据，上传异常数据到虚拟***；
S10，虚拟***根据异常数据，确定扰动原因，根据不同的扰动原因，依靠不同的重调度规则，生成重调度方案，并返回S3。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010450184.7A CN111680893B (zh) | 2020-05-25 | 2020-05-25 | 一种多自寻址机器人拣选***的数字孪生***及调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010450184.7A CN111680893B (zh) | 2020-05-25 | 2020-05-25 | 一种多自寻址机器人拣选***的数字孪生***及调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111680893A true CN111680893A (zh) | 2020-09-18 |
| CN111680893B CN111680893B (zh) | 2023-05-30 |
Family
ID=72453559
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010450184.7A Active CN111680893B (zh) | 2020-05-25 | 2020-05-25 | 一种多自寻址机器人拣选***的数字孪生***及调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111680893B (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112418651A (zh) * | 2020-11-19 | 2021-02-26 | 江西农业大学 | 一种基于数字孪生的共享农机实时调度方法 |
| CN112883640A (zh) * | 2021-02-04 | 2021-06-01 | 西南交通大学 | 数字孪生车站***、基于该***的作业调度方法及应用 |
| CN113283769A (zh) * | 2021-06-03 | 2021-08-20 | 上海宝信数据中心有限公司 | 一种基于数字孪生技术的应急调度***及应急调度方法 |
| CN113325813A (zh) * | 2021-05-28 | 2021-08-31 | 南京莱科沃德智能科技有限公司 | 一种嵌入式多机器人协同任务分配与控制***及装置 |
| CN113361139A (zh) * | 2021-07-08 | 2021-09-07 | 广东省智能机器人研究院 | 一种基于数字孪生的产线仿真滚动优化***及方法 |
| CN113505993A (zh) * | 2021-07-09 | 2021-10-15 | 上海东普信息科技有限公司 | 分拨中心管理方法、装置、设备及存储介质 |
| CN113515098A (zh) * | 2021-07-30 | 2021-10-19 | 青岛海尔工业智能研究院有限公司 | 物流机器人数字孪生*** |
| CN113985877A (zh) * | 2021-10-27 | 2022-01-28 | 深圳市渐近线科技有限公司 | 一种基于数字孪生的仓储物流路径自动引导*** |
| CN114310870A (zh) * | 2021-11-10 | 2022-04-12 | 达闼科技（北京）有限公司 | 智能体的控制方法、装置、电子设备及存储介质 |
| CN114527714A (zh) * | 2022-01-19 | 2022-05-24 | 北京工业大学 | 一种基于数字孪生及扰动监测的车间动态调度方法 |
| WO2022134732A1 (zh) * | 2020-12-25 | 2022-06-30 | 达闼机器人股份有限公司 | 多机器人控制方法、装置、***、存储介质、电子设备及程序产品 |
| CN116652968A (zh) * | 2023-07-24 | 2023-08-29 | 贵州翰凯斯智能技术有限公司 | 多机械臂协同在线仿真方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108469786A (zh) * | 2018-01-26 | 2018-08-31 | 西安电子科技大学 | 大规模智能仓储分布式拣选*** |
| CN110196575A (zh) * | 2019-03-08 | 2019-09-03 | 上海大学 | 一种基于数字孪生与机器学习技术的智能车间生产加工***及方法 |
| CN110705868A (zh) * | 2019-09-27 | 2020-01-17 | 江苏科技大学 | 一种基于孪生数据的船舶堆场作业调度***及其调度方法 |
| US20200159876A1 (en) * | 2018-11-20 | 2020-05-21 | Institute For Information Industry | Simulation apparatus and method |
-
2020
- 2020-05-25 CN CN202010450184.7A patent/CN111680893B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108469786A (zh) * | 2018-01-26 | 2018-08-31 | 西安电子科技大学 | 大规模智能仓储分布式拣选*** |
| US20200159876A1 (en) * | 2018-11-20 | 2020-05-21 | Institute For Information Industry | Simulation apparatus and method |
| CN110196575A (zh) * | 2019-03-08 | 2019-09-03 | 上海大学 | 一种基于数字孪生与机器学习技术的智能车间生产加工***及方法 |
| CN110705868A (zh) * | 2019-09-27 | 2020-01-17 | 江苏科技大学 | 一种基于孪生数据的船舶堆场作业调度***及其调度方法 |
Non-Patent Citations (1)
| Title |
|---|
| 李柏松;王学力;王巨洪;: "数字孪生体及其在智慧管网应用的可行性" * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112418651A (zh) * | 2020-11-19 | 2021-02-26 | 江西农业大学 | 一种基于数字孪生的共享农机实时调度方法 |
| CN112418651B (zh) * | 2020-11-19 | 2024-02-02 | 江西农业大学 | 一种基于数字孪生的共享农机实时调度方法 |
| WO2022134732A1 (zh) * | 2020-12-25 | 2022-06-30 | 达闼机器人股份有限公司 | 多机器人控制方法、装置、***、存储介质、电子设备及程序产品 |
| CN112883640A (zh) * | 2021-02-04 | 2021-06-01 | 西南交通大学 | 数字孪生车站***、基于该***的作业调度方法及应用 |
| CN113325813A (zh) * | 2021-05-28 | 2021-08-31 | 南京莱科沃德智能科技有限公司 | 一种嵌入式多机器人协同任务分配与控制***及装置 |
| CN113283769A (zh) * | 2021-06-03 | 2021-08-20 | 上海宝信数据中心有限公司 | 一种基于数字孪生技术的应急调度***及应急调度方法 |
| CN113361139A (zh) * | 2021-07-08 | 2021-09-07 | 广东省智能机器人研究院 | 一种基于数字孪生的产线仿真滚动优化***及方法 |
| CN113361139B (zh) * | 2021-07-08 | 2023-01-31 | 广东省智能机器人研究院 | 一种基于数字孪生的产线仿真滚动优化***及方法 |
| CN113505993A (zh) * | 2021-07-09 | 2021-10-15 | 上海东普信息科技有限公司 | 分拨中心管理方法、装置、设备及存储介质 |
| CN113515098A (zh) * | 2021-07-30 | 2021-10-19 | 青岛海尔工业智能研究院有限公司 | 物流机器人数字孪生*** |
| CN113985877B (zh) * | 2021-10-27 | 2023-12-19 | 深圳市渐近线科技有限公司 | 一种基于数字孪生的仓储物流路径自动引导*** |
| CN113985877A (zh) * | 2021-10-27 | 2022-01-28 | 深圳市渐近线科技有限公司 | 一种基于数字孪生的仓储物流路径自动引导*** |
| CN114310870A (zh) * | 2021-11-10 | 2022-04-12 | 达闼科技（北京）有限公司 | 智能体的控制方法、装置、电子设备及存储介质 |
| WO2023082949A1 (zh) * | 2021-11-10 | 2023-05-19 | 达闼科技（北京）有限公司 | 智能体的控制方法、装置、电子设备、程序及存储介质 |
| CN114527714A (zh) * | 2022-01-19 | 2022-05-24 | 北京工业大学 | 一种基于数字孪生及扰动监测的车间动态调度方法 |
| CN116652968A (zh) * | 2023-07-24 | 2023-08-29 | 贵州翰凯斯智能技术有限公司 | 多机械臂协同在线仿真方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111680893B (zh) | 2023-05-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111680893B (zh) | 一种多自寻址机器人拣选***的数字孪生***及调度方法 | |
| Wang et al. | A proactive material handling method for CPS enabled shop-floor | |
| Umar et al. | Hybrid multiobjective genetic algorithms for integrated dynamic scheduling and routing of jobs and automated-guided vehicle (AGV) in flexible manufacturing systems (FMS) environment | |
| US11789440B2 (en) | Industrial vehicle fleet recommender | |
| CN106527373B (zh) | 基于多智能体的车间自主调度***和方法 | |
| Chan et al. | The state of the art in simulation study on FMS scheduling: a comprehensive survey | |
| CN113177761B (zh) | 一种考虑时效性的电商仓储智能排产预警*** | |
| CN107239883A (zh) | 一种汽车共享***车辆的调度方法 | |
| CN112884241A (zh) | 基于智能Agent的云边协作制造任务调度方法 | |
| CN109636213A (zh) | 订单分配、评价方法及装置、电子设备及存储介质 | |
| Saygin et al. | Real-time manipulation of alternative routeings in flexible manufacturing systems: a simulation study | |
| Kádár et al. | Discrete event simulation for supporting production planning and scheduling decisions in digital factories | |
| Maimon | Real-time operational control of flexible manufacturing systems | |
| CN115933684A (zh) | 基于agv的数字孪生车间智能动态调度物流*** | |
| CN112183895B (zh) | 一种地区电网检修计划智能辨识及辅助编制*** | |
| CN117010613A (zh) | 智能生产规划及排程方法、***、计算机设备及存储介质 | |
| CN116050122A (zh) | 基于汽车柔性装配产线的数字孪生推演***及方法 | |
| Tian et al. | Real-time shop floor scheduling method based on virtual queue adaptive control: Algorithm and experimental results | |
| Monostori et al. | Management of changes and disturbances in manufacturing systems | |
| CN114859883A (zh) | 一种检修机器人多机协作控制方法、***及储存介质 | |
| CN115115194A (zh) | 一种自动化立体仓库的作业任务调度方法及*** | |
| CN109641410A (zh) | 处理光学透镜的方法和*** | |
| CN116679647A (zh) | 一种考虑缓冲区容量的3c智造车间agv调度***与方法 | |
| CN116859849A (zh) | 一种基于数字孪生的agvs虚实融合智能管控*** | |
| Chen* et al. | Intelligent scheduling and control of rail-guided vehicles and load/unload operations in a flexible manufacturing system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |