CN112249583A - 一种散货码头堆场垛位的智能选择方法及*** - Google Patents
一种散货码头堆场垛位的智能选择方法及*** Download PDFInfo
- Publication number
- CN112249583A CN112249583A CN202011063403.2A CN202011063403A CN112249583A CN 112249583 A CN112249583 A CN 112249583A CN 202011063403 A CN202011063403 A CN 202011063403A CN 112249583 A CN112249583 A CN 112249583A
- Authority
- CN
- China
- Prior art keywords
- stacking
- ship
- stack
- selection
- cargo
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
- B65G1/02—Storage devices
- B65G1/04—Storage devices mechanical
- B65G1/137—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed
- B65G1/1373—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed for fulfilling orders in warehouses
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G63/00—Transferring or trans-shipping at storage areas, railway yards or harbours or in opening mining cuts; Marshalling yard installations
- B65G63/002—Transferring or trans-shipping at storage areas, railway yards or harbours or in opening mining cuts; Marshalling yard installations for articles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G67/00—Loading or unloading vehicles
- B65G67/60—Loading or unloading ships
- B65G67/603—Loading or unloading ships using devices specially adapted for articles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/02—Control or detection
- B65G2203/0208—Control or detection relating to the transported articles
- B65G2203/0233—Position of the article
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
- B65G2203/04—Detection means
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Ocean & Marine Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- Ship Loading And Unloading (AREA)
Abstract
本发明公开了一种散货码头堆场垛位的智能选择方法及***,所述方法包括:获取选垛数据并进行预处理;根据预处理的选垛数据构建垛位选择评定函数求解获取选垛结果;根据选垛结果构建成垛顺序评定函数求解获取成垛顺序;根据成垛顺序进行垛位选择。所述***包括:用户模块;计算模块;垛位选择模块;数据统计模块。对垛位选择和成垛顺序进行了自动的计算,计算结果依据人工的经验积累与数据的沉淀,负责选择垛位的计划人员无需多年工作经验和专业能力,有效降低企业成本,该方法将自动计算出科学合理的计划方案,提升港口调度部门的业务水平,使港口向智慧化方向发展。
Description
技术领域
本发明涉及港口垛位选择领域,尤其涉及一种散货码头堆场垛位的智能选择方法及***。
背景技术
众所周知,在码头的堆场上,针对不同的货物选择不同的堆场,对于企业的效益是不同的,对于集装箱码头由于集装箱的规整性,现在已经形成了很多优秀的算法对其的选择垛位进行优化,而对于散货码头,由于散货的不规律性,散货大小不规则,导致在集装箱的算法无法在散货码头进行很好的优化。在港口码头的垛位选择过程中,现阶段主要是依据人工进行判断选择,不能够选择出最优的结果。
针对散货码头的垛位选择问题,目前主要方式是基于人工的经验,人工的对于垛位进行选择,这种选垛方式与人的经验的差别相关,并不能保证每次都选到较好的垛位。也没有给出具体的选垛结果的评价标准。
因此,有必要提出一种针对散货码头堆场垛位的智能选择算法与对应的评价体系,基于该评价体系我们可以优化人工的垛位选择,从而降低企业成本,增加企业利润。
发明内容
鉴于目前存在的上述不足,本发明提供一种散货码头堆场垛位的智能选择方法及***,能够自动计算出科学合理的计划方案,提升港口调度部门的业务水平,使港口向智慧化方向发展。
为达到上述目的,本发明的实施例采用如下技术方案:
一种散货码头堆场垛位的智能选择方法,所述堆场垛位的智能选择方法包括以下步骤:
获取选垛数据并进行预处理;
根据预处理的选垛数据构建垛位选择评定函数求解获取选垛结果;
根据选垛结果构建成垛顺序评定函数求解获取成垛顺序;
根据成垛顺序进行垛位选择。
依照本发明的一个方面,所述选垛数据包括船舶信息、船舶货物信息、码头信息和天气信息。
依照本发明的一个方面,所述选垛数据进行预处理具体为:根据选垛数据定义参数值;根据船舶信息、船舶货物信息、码头信息、天气信息以及人工赋予或***给出的权值,评出货物与垛位的匹配分值。
依照本发明的一个方面,所述码头上包括BDQ,所述BDQ指从船舶停靠的泊位到库场垛位的传送带,每条BDQ只能同时供一条船舶使用。
依照本发明的一个方面,所述垛位选择评定函数为:
其中参数包括:第i艘船是否选择第j个垛位aij∈{0,1},选择时值为1,未选择时值为0;
第k艘船在第1个道上分配的货物量zkl≥0;
第s个垛位可以使用的货物量yards;
船舶的个数n;
第i艘船在第j个垛位的匹配分值Scoreij;
第i个船只所需要的货物量SizeNeedi;
垛位的个数m;
BDQ的个数r;
同时,需满足的垛位条件有:
意义在于:垛位的个数为q,条件1为每个垛位只分配给一个船只;条件2为每个船只能够分配到的垛位数不能超过w;条件3为分配给每一艘船的垛位容纳的货物量要大于等于需要的货物量;条件4为第i艘船的第一个BDQ的分配量,如果超出给出的推荐货物量就会罚分;条件5为第i艘船的第s个BDQ使用时间要小于等于可用时间。
依照本发明的一个方面,采用分支界定法与割平面法相结合的方法对垛位选择评定函数求解,解出使垛位选择评定函数分值最高且满足垛位条件的所有aij的值,即具体的船只选垛结果。
依照本发明的一个方面,所述成垛顺序评定函数为:
yij≥M*yi1 j=13,…,18
其中参数包括:第i艘船第j个BDQ在平均剩余质量的条件下给出的推荐货物量BDQccupyij;
第i艘船第j个BDQ可用时间BDQtimeij;
第i艘船的到达时间Tistart;
第i艘船的离开时间Tistart;
第i艘船的货量mi;
成垛顺序符号:
第i艘船的0-1参数yij∈{0,1},1≤j≤12;
第i艘船的连续变量yij,13≤j≤18;
第i艘船的起始变量yij,19≤j≤24,指的是第i艘船假设有3个BDQ可供使用且互相不能同时使用,BDQ1的工作时间为[yi19,yi20],BDQ2的工作时间为[yi21,yi22],BDQ3的工作时间为[yi23,yi24]。
依照本发明的一个方面,得到选垛结果后,即得到了每条船舶对应垛位的位置,通过遍历所有成垛作业顺序的方法对成垛顺序评定函数求解,获取最佳成垛顺序。
依照本发明的一个方面,还包括以下步骤:将成垛顺序结果保存在数据库,通过统计器形成数据统计模块。
一种散货码头堆场垛位的智能选择***,所述堆场垛位的智能选择方法***包括:
用户模块,包括数据输入器和参数修改器,数据输入器用于输入选垛数据,参数修改器用于调整数据参数;
计算模块,包括垛位选择器和成垛顺序器,垛位选择器构建垛位选择评定函数获取选垛结果,成垛顺序器构建成垛顺序评定函数获取成垛顺序;
垛位选择模块,用于根据成垛顺序进行垛位选择。
本发明实施的优点:本发明所述的一种散货码头堆场垛位的智能选择方法及***,所述方法包括:获取选垛数据并进行预处理;根据预处理的选垛数据构建垛位选择评定函数求解获取选垛结果;根据选垛结果构建成垛顺序评定函数求解获取成垛顺序;根据成垛顺序进行垛位选择。所述***包括:用户模块;计算模块;垛位选择模块;数据统计模块。对垛位选择和成垛顺序进行了自动的计算,计算结果依据人工的经验积累与数据的沉淀,负责选择垛位的计划人员无需多年工作经验和专业能力,有效降低企业成本,该方法将自动计算出科学合理的计划方案,提升港口调度部门的业务水平,使港口向智慧化方向发展。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一所述的一种散货码头堆场垛位的智能选择方法示意图;
图2为本发明实施例二所述的一种散货码头堆场垛位的智能选择方法示意图;
图3为本发明所述的一种散货码头堆场垛位的智能选择***示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种散货码头堆场垛位的智能选择方法实施例一
如图1所示,一种堆场垛位的智能选择方法包括以下步骤:
S1:获取选垛数据并进行预处理;
在实际应用中,所述选垛数据包括船舶信息、船舶货物信息、码头信息和天气信息。
在实际应用中,船舶信息,包括船舶抵锚时间、船舶装卸货物名称、船舶预计到达泊位时间、船舶预计开工时间、预计完工时间、船舶吃水深度等;
船舶货物信息,包括船舶货物的货量信息、货类信息、货物的水分信息、货物的品味信息、密度信息、货物的预计出库时间等;
码头信息,包括泊位的深度、堆场距离泊位的长度、堆场的堆存成本、堆场的垛位的是否被占用信息、堆场当前及未来预计作业信息、堆场的每一个垛位的货物货类信息等;
天气信息,包括是否下雨、是否起雾、是否刮风等。
在实际应用中,所述码头上包括BDQ,所述BDQ指从船舶停靠的泊位到库场垛位的传送带,每条BDQ只能同时供一条船舶使用。
在实际应用中,一旦BDQ被一个船舶使用,那么该传送带上的对应区域是不能给其他的船舶使用,一直持续到该船舶的货物全部运送完毕。所以必须要在使用之前评估某一条BDQ是否要分配给该船舶使用,这个就是成垛顺序,好的成垛顺序可以很好的避开传送带的冲突时间,更好的使用场地的垛位。
在实际应用中,所述选垛数据进行预处理具体为:根据选垛数据定义参数值;根据船舶信息、船舶货物信息、码头信息、天气信息以及人工赋予或***给出的权值,评出货物与垛位的匹配分值。
在实际应用中,定义的参数值包括船只货物量、船只数量、垛位货物量、垛位货量等。
在实际应用中,定义的参数值以及计算出的匹配分值在垛位选择评定函数得到使用。
S2:根据预处理的选垛数据构建垛位选择评定函数求解获取选垛结果;
在实际应用中,所述垛位选择评定函数为:
其中参数包括:第i艘船是否选择第j个垛位aij∈{0,1},选择时值为1,未选择时值为0;
第k艘船在第1个道上分配的货物量zkl≥0;
第s个垛位可以使用的货物量yards;
船舶的个数n;
第i艘船在第j个垛位的匹配分值Scoreij;
第i个船只所需要的货物量SizeNeedi;
垛位的个数m;
BDQ的个数r;
在实际应用中,以上参数均在步骤S1选垛数据参数评定中得到定义。
同时,需满足的垛位条件有:
意义在于:垛位的个数为q,条件1为每个垛位只分配给一个船只;条件2为每个船只能够分配到的垛位数不能超过w;条件3为分配给每一艘船的垛位容纳的货物量要大于等于需要的货物量;条件4为第i艘船的第一个BDQ的分配量,如果超出给出的推荐货物量就会罚分;条件5为第i艘船的第s个BDQ使用时间要小于等于可用时间。
在实际应用中,上述函数的含义就是在每一个BDQ上分配到自己理想的质量的情况下,且需要分配的质量不能离需要的质量距离太远的情况下的分值最高。
在实际应用中,采用分支界定法与割平面法相结合的方法对垛位选择评定函数求解,解出使垛位选择评定函数分值最高且满足垛位条件的aij的值,即具体的船只垛位选择结果
在实际应用中,分支界定法与割平面法相结合的方法具体为:
方案1(采用分支界定法)包括如下步骤:
S(a)1、将原问题改写成(混合整)线性规划问题的标准型式。初始化最优解,并先不考虑整数限制,解相应的线性规划的解,求得分支界定法的上界与下届。
S(a)2、如果上述结果得到的是整数解,则结束讨论,该整数解就是我们要的最优解。如果是非整数解,对原问题进行分支处理,采用线性松弛的办法求得对应分支的上下界。
S(a)3、判断新的分支是否满足条件,不满足则剪枝,满足的条件下如果分支得到的上界和下界没有高于上一步的上界和下界,则对该分支剪枝,否则不剪枝。
S(a)4、对所有的变量遍历S(a)3,直到所有的枝叶都被剪完。
方案2(割平面法)包括如下步骤:
S(b)1、将原问题改写成(混合整)线性规划问题的标准型式。增加松弛变量,并得到(LP)的初始单纯形表与最优单纯形表。初始化最优解,并先不考虑整数限制,解相应的线性规划的解。
S(b)2、如果上述结果得到的是整数解,则结束讨论,该整数解就是我们要的最优解。如果是非整数解,我们引入割平面,任选一个不为整数的分量,将最优单纯形表中该行的系数整数与小数分解,并以该行为源行,作割平面方程。
S(b)3、将所得的割平面方程作为一个新的约束条件置于最优单纯形表中(同时增加一个单位列向量),用对偶单纯形法求出新的最优解,解决方式如同S(b)1。
在实际应用中,两种解决方案S(a)与S(b)可同时并行计算,互不干扰,大大提高了计算速率。
在实际应用中,对垛位选择评定函数求解为aij的值,如果aij的值为1即代表第i艘船选择第j个垛位,如果aij的值为0即代表第i艘船不选择第j个垛位,由此解出了船只的具体垛位选择方案,初步给出了可行性解,大大减少了成垛顺序的种类可能性。
在实际应用中,解出的aij可行性解为船只的可行选垛方案,在下一步中对这些可行选垛方案进行遍历,获取具体的成垛顺序。
S3:根据选垛结果构建成垛顺序评定函数求解获取成垛顺序;
在实际应用中,成垛顺序具体为船只什么时间到什么时间到哪个垛位作业。
在实际应用中,所述成垛顺序评定函数为:
yij≥M*yi1 j=13,…,18
其中参数包括:第i艘船第j个BDQ在平均剩余质量的条件下给出的推荐货物量BDQccupyij;
第i艘船第j个BDQ可用时间BDQtimeij;
第i艘船的到达时间Tistart;
第i艘船的离开时间Tistart;
第i艘船的货量mi;
成垛顺序符号:
第i艘船的0-1参数yij∈{0,1},1≤j≤12;
第i艘船的连续变量yij,13≤j≤18;
第i艘船的起始变量yij,19≤j≤24,指的是第i艘船假设有3个BDQ可供使用且互相不能同时使用,BDQ1的工作时间为[yi19,yi20],BDQ2的工作时间为[yi21,yi22],BDQ3的工作时间为[yi23,yi24]。
在实际应用中,得到垛位选择结果后,即得到了每条船舶对应垛位的位置,通过遍历所有成垛作业顺序的方法对成垛顺序评定函数求解,获取最佳成垛顺序结果。
在实际应用中,成垛顺序评定函数为线性规划问题,对函数求解就是对该线性规划问题求解。
在实际应用中,根据步骤S2得到了可行的垛位选择的结果,在这一步进行验证是否满足这些线性规划问题的条件。例如S2得到了50个可能的解(按照最优降序),那么在这一步,对每一个解,进行垛位顺序安排。
例如第一个解是两艘船的货物选择了3个垛位,第一艘船1个垛位(a),第二艘船2个垛位(b1,b2),验证(a,b1,b2)顺序,带入线性规划条件中是否可行,可行,那么结束。如果不行我们验证(a,b2,b1)顺序是否可行,可行结束,不可行继续验证;遍历所有的顺序可能,如果都不行,那么找到50个解的第二项,继续验证,直到找到可行解。
S4:根据成垛顺序进行垛位选择。
在实际应用中,找到最优的成垛顺序后,船只按照该顺序进行成垛作业,可以达到最佳的成垛效果。
一种散货码头堆场垛位的智能选择方法实施例二
如图2所示,一种堆场垛位的智能选择方法包括以下步骤:
S1:获取选垛数据并进行预处理;
在实际应用中,所述选垛数据包括船舶信息、船舶货物信息、码头信息和天气信息。
在实际应用中,船舶信息,包括船舶抵锚时间、船舶装卸货物名称、船舶预计到达泊位时间、船舶预计开工时间、预计完工时间、船舶吃水深度等;
船舶货物信息,包括船舶货物的货量信息、货类信息、货物的水分信息、货物的品味信息、密度信息、货物的预计出库时间等;
码头信息,包括泊位的深度、堆场距离泊位的长度、堆场的堆存成本、堆场的垛位的是否被占用信息、堆场当前及未来预计作业信息、堆场的每一个垛位的货物货类信息等;
天气信息,包括是否下雨、是否起雾、是否刮风等。
在实际应用中,所述码头上包括BDQ,所述BDQ指从船舶停靠的泊位到库场垛位的传送带,每条BDQ只能同时供一条船舶使用。
在实际应用中,一BDQ被一个船舶使用,那么该传送带上的对应区域是不能给其他的船舶使用,一直持续到该船舶的货物全部运送完毕。所以必须要在使用之前评估某一条BDQ是否要分配给该船舶使用,这个就是成垛顺序,好的成垛顺序可以很好的避开传送带的冲突时间,更好的使用场地的垛位。
在实际应用中,所述选垛数据进行预处理具体为:根据选垛数据定义参数值;根据船舶信息、船舶货物信息、码头信息、天气信息以及人工赋予或***给出的权值,评出货物与垛位的匹配分值。
在实际应用中,定义的参数值包括船只货物量、船只数量、垛位货物量、垛位货量等。
在实际应用中,定义的参数值以及计算出的匹配分值在垛位选择评定函数得到使用。
S2:根据预处理的选垛数据构建垛位选择评定函数求解获取选垛结果;
在实际应用中,所述垛位选择评定函数为:
其中参数包括:第i艘船是否选择第j个垛位aij∈{0,1},选择时值为1,未选择时值为0;
第k艘船在第1个道上分配的货物量zkl≥0;
第s个垛位可以使用的货物量yards;
船舶的个数n;
第i艘船在第j个垛位的匹配分值Scoreij;
第i个船只所需要的货物量SizeNeedi;
垛位的个数m;
BDQ的个数r;
在实际应用中,以上参数均在步骤S1选垛数据参数评定中得到定义或计算。
同时,需满足的垛位条件有:
意义在于:垛位的个数为q,条件1为每个垛位只分配给一个船只;条件2为每个船只能够分配到的垛位数不能超过w;条件3为分配给每一艘船的垛位容纳的货物量要大于等于需要的货物量;条件4为第i艘船的第一个BDQ的分配量,如果超出给出的推荐货物量就会罚分;条件5为第i艘船的第s个BDQ使用时间要小于等于可用时间。
在实际应用中,上述函数的含义就是在每一个BDQ上分配到自己理想的质量的情况下,且需要分配的质量不能离需要的质量距离太远的情况下的分值最高。
在实际应用中,采用分支界定法与割平面法相结合的方法对垛位选择评定函数求解,解出使垛位选择评定函数分值最高且满足垛位条件的aij的值,即具体的船只垛位选择结果
在实际应用中,分支界定法与割平面法相结合的方法具体为:
方案1(采用分支界定法)包括如下步骤:
S(a)1、将原问题改写成(混合整)线性规划问题的标准型式。初始化最优解,并先不考虑整数限制,解相应的线性规划的解,求得分支界定法的上界与下届。
S(a)2、如果上述结果得到的是整数解,则结束讨论,该整数解就是我们要的最优解。如果是非整数解,对原问题进行分支处理,采用线性松弛的办法求得对应分支的上下界。
S(a)3、判断新的分支是否满足条件,不满足则剪枝,满足的条件下如果分支得到的上界和下界没有高于上一步的上界和下界,则对该分支剪枝,否则不剪枝。
S(a)4、对所有的变量遍历S(a)3,直到所有的枝叶都被剪完。
方案2(割平面法)包括如下步骤:
S(b)1、将原问题改写成(混合整)线性规划问题的标准型式。增加松弛变量,并得到(LP)的初始单纯形表与最优单纯形表。初始化最优解,并先不考虑整数限制,解相应的线性规划的解。
S(b)2、如果上述结果得到的是整数解,则结束讨论,该整数解就是我们要的最优解。如果是非整数解,我们引入割平面,任选一个不为整数的分量,将最优单纯形表中该行的系数整数与小数分解,并以该行为源行,作割平面方程。
S(b)3、将所得的割平面方程作为一个新的约束条件置于最优单纯形表中(同时增加一个单位列向量),用对偶单纯形法求出新的最优解,解决方式如同S(b)1。
在实际应用中,两种解决方案S(a)与S(b)可同时并行计算,互不干扰,大大提高了计算速率。
在实际应用中,对垛位选择评定函数求解为aij的值,如果aij的值为1即代表第i艘船选择第j个垛位,如果aij的值为0即代表第i艘船不选择第j个垛位,由此解出了船只的具体垛位选择方案,初步给出了可行性解,大大减少了成垛顺序的种类可能性。
在实际应用中,解出的aij可行性解为船只的可行选垛方案,在下一步中对这些可行选垛方案进行遍历,获取具体的成垛顺序。
S3:根据选垛结果构建成垛顺序评定函数求解获取成垛顺序;
在实际应用中,成垛顺序具体为船只什么时间到什么时间到哪个垛位作业。
在实际应用中,所述成垛顺序评定函数为:
yij≥M*yi1 j=13,…,18
其中参数包括:第i艘船第j个BDQ在平均剩余质量的条件下给出的推荐货物量BDQccupyij;
第i艘船第j个BDQ可用时间BDQtimeij;
第i艘船的到达时间Tistart;
第i艘船的离开时间Tistart;
第i艘船的货量mi;
成垛顺序符号:
第i艘船的0-1参数yij∈{0,1},1≤j≤12;
第i艘船的连续变量yij,13≤j≤18;
第i艘船的起始变量yij,19≤j≤24,指的是第i艘船假设有3个BDQ可供使用且互相不能同时使用,BDQ1的工作时间为[yi19,yi20],BDQ2的工作时间为[yi21,yi22],BDQ3的工作时间为[yi23,yi24]。
在实际应用中,得到垛位选择结果后,即得到了每条船舶对应垛位的位置,通过遍历所有成垛作业顺序的方法对成垛顺序评定函数求解,获取最佳成垛顺序结果。
在实际应用中,成垛顺序评定函数为线性规划问题,对函数求解就是对该线性规划问题求解。
在实际应用中,根据步骤S2得到了可行的垛位选择的结果,在这一步进行验证是否满足这些线性规划问题的条件。例如S2得到了50个可能的解(按照最优降序),那么在这一步,对每一个解,进行垛位顺序安排。
例如第一个解是两艘船的货物选择了3个垛位,第一艘船1个垛位(a),第二艘船2个垛位(b1,b2),验证(a,b1,b2)顺序,带入线性规划条件中是否可行,可行,那么结束。如果不行我们验证(a,b2,b1)顺序是否可行,可行结束,不可行继续验证;遍历所有的顺序可能,如果都不行,那么找到50个解的第二项,继续验证,直到找到可行解。
S4:根据成垛顺序进行垛位选择;
在实际应用中,找到最优的成垛顺序后,船只按照该顺序进行成垛作业,可以达到最佳的成垛效果。
S5:将成垛顺序结果保存在数据库,通过统计器形成数据统计模块。
在实际应用中,形成数据统计模块有利于之后的成垛顺序效果分析。
一种散货码头堆场垛位的智能选择***实施例
如图3所示,一种散货码头堆场垛位的智能选择***,所述堆场垛位的智能选择方法***包括:
用户模块,包括数据输入器和参数修改器,数据输入器用于输入选垛数据,参数修改器用于调整数据参数;
计算模块,包括垛位选择器和成垛顺序器,垛位选择器构建垛位选择评定函数获取选垛结果,成垛顺序器构建成垛顺序评定函数获取成垛顺序;
垛位选择模块,用于根据成垛顺序进行垛位选择。
在实际应用中,还包括数据统计模块,包括数据库和统计器,数据库接收计算模块的数据,统计器对数据进行统计分析。
在实际应用中,用户模块、计算模块和数据统计模块之间两两互连,可相互传递数据。
本发明实施的优点:本发明所述的一种散货码头堆场垛位的智能选择方法及***,所述方法包括:获取选垛数据并进行预处理;根据预处理的选垛数据构建垛位选择评定函数求解获取选垛结果;根据选垛结果构建成垛顺序评定函数求解获取成垛顺序;根据成垛顺序进行垛位选择。所述***包括:用户模块;计算模块;垛位选择模块;数据统计模块。对垛位选择和成垛顺序进行了自动的计算,计算结果依据人工的经验积累与数据的沉淀,负责选择垛位的计划人员无需多年工作经验和专业能力,有效降低企业成本,该方法将自动计算出科学合理的计划方案,提升港口调度部门的业务水平,使港口向智慧化方向发展。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本领域技术的技术人员在本发明公开的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种散货码头堆场垛位的智能选择方法,其特征在于,所述堆场垛位的智能选择方法包括以下步骤:
获取选垛数据并进行预处理;
根据预处理的选垛数据构建垛位选择评定函数求解获取选垛结果;
根据选垛结果构建成垛顺序评定函数求解获取成垛顺序;
根据成垛顺序进行垛位选择。
2.根据权利要求1所述的散货码头堆场垛位的智能选择方法,其特征在于,所述选垛数据包括船舶信息、船舶货物信息、码头信息和天气信息。
3.根据权利要求2所述的散货码头堆场垛位的智能选择方法,其特征在于,所述选垛数据进行预处理具体为:根据选垛数据定义参数值;根据船舶信息、船舶货物信息、码头信息、天气信息以及人工赋予或***给出的权值,评出货物与垛位的匹配分值。
4.根据权利要求1所述的散货码头堆场垛位的智能选择方法,其特征在于,所述码头上包括BDQ,所述BDQ指从船舶停靠的泊位到库场垛位的传送带,每条BDQ只能同时供一条船舶使用。
5.根据权利要求1所述的散货码头堆场垛位的智能选择方法,其特征在于,所述垛位选择评定函数为:
其中参数包括:第i艘船是否选择第j个垛位aij∈{0,1},选择时值为1,未选择时值为0;
第k艘船在第1个道上分配的货物量zkl≥0;
第s个垛位可以使用的货物量yards;
船舶的个数n;
第i艘船在第j个垛位的匹配分值Scoreij;
第i个船只所需要的货物量SizeNeedi;
垛位的个数m;
BDQ的个数r;
同时,需满足的垛位条件有:
意义在于:垛位的个数为q,条件1为每个垛位只分配给一个船只;条件2为每个船只能够分配到的垛位数不能超过w;条件3为分配给每一艘船的垛位容纳的货物量要大于等于需要的货物量;条件4为第i艘船的第一个BDQ的分配量,如果超出给出的推荐货物量就会罚分;条件5为第i艘船的第s个BDQ使用时间要小于等于可用时间。
6.根据权利要求5所述的散货码头堆场垛位的智能选择方法,其特征在于,采用分支界定法与割平面法相结合的方法对垛位选择评定函数求解,解出使垛位选择评定函数分值最高且满足垛位条件的所有aij的值,即具体的船只选垛结果。
7.根据权利要求1所述的散货码头堆场垛位的智能选择方法,其特征在于,所述成垛顺序评定函数为:
yij≥M*yi1 j=13,…,18
其中参数包括:第i艘船第j个BDQ在平均剩余质量的条件下给出的推荐货物量BDQccupyij;
第i艘船第j个BDQ可用时间NDQtimeij;
第i艘船的到达时间Tistart;
第i艘船的离开时间Tistart;
第i艘船的货量mi;
成垛顺序符号:
第i艘船的0-1参数yij∈{0,1},1≤j≤12;
第i艘船的连续变量yij,13≤j≤18;
第i艘船的起始变量yij,19≤j≤24,指的是第i艘船假设有3个BDQ可供使用且互相不能同时使用,BDQ1的工作时间为[yi19,yi20],BDQ2的工作时间为[yi21,yi22],BDQ3的工作时间为[yi23,yi24]。
8.根据权利要求7所述的散货码头堆场垛位的智能选择方法,其特征在于,得到选垛结果后,即得到了每条船舶对应垛位的位置,通过遍历所有成垛作业顺序的方法对成垛顺序评定函数求解,获取最佳成垛顺序。
9.根据权利要求1至8之一所述的散货码头堆场垛位的智能选择方法,其特征在于,还包括以下步骤:将成垛顺序结果保存在数据库,通过统计器形成数据统计模块。
10.一种散货码头堆场垛位的智能选择***,其特征在于,所述堆场垛位的智能选择方法***包括:
用户模块,包括数据输入器和参数修改器,数据输入器用于输入选垛数据,参数修改器用于调整数据参数;
计算模块,包括垛位选择器和成垛顺序器,垛位选择器构建垛位选择评定函数获取选垛结果,成垛顺序器构建成垛顺序评定函数获取成垛顺序;
垛位选择模块,用于根据成垛顺序进行垛位选择。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011063403.2A CN112249583B (zh) | 2020-09-30 | 2020-09-30 | 一种散货码头堆场垛位的智能选择方法及*** |
AU2021104978A AU2021104978A4 (en) | 2020-09-30 | 2021-08-05 | Method and system for intelligently selecting stack of storage yard at bulk cargo wharf |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011063403.2A CN112249583B (zh) | 2020-09-30 | 2020-09-30 | 一种散货码头堆场垛位的智能选择方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112249583A true CN112249583A (zh) | 2021-01-22 |
CN112249583B CN112249583B (zh) | 2022-10-14 |
Family
ID=74233753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011063403.2A Active CN112249583B (zh) | 2020-09-30 | 2020-09-30 | 一种散货码头堆场垛位的智能选择方法及*** |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112249583B (zh) |
AU (1) | AU2021104978A4 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113173428A (zh) * | 2021-03-15 | 2021-07-27 | 青岛港董家口矿石码头有限公司 | 一种基于知识推理的散货码头堆场规划利用方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004139451A (ja) * | 2002-10-18 | 2004-05-13 | Sumitomo Heavy Ind Ltd | 作業管理方法、作業管理装置、作業管理プログラム及び記録媒体 |
CN106203915A (zh) * | 2016-07-11 | 2016-12-07 | 北京交通大学 | 基于物联网的散杂货管理*** |
CN106815707A (zh) * | 2017-01-24 | 2017-06-09 | 大连大学 | 一种散杂货港口堆场智能调度***和方法 |
CN107688909A (zh) * | 2017-09-07 | 2018-02-13 | 上海振华重工(集团)股份有限公司 | 一种基于遗传算法的自动化堆场调度方法和*** |
CN109871571A (zh) * | 2018-12-27 | 2019-06-11 | 浙江工业大学 | 一种码头资源配置及船舶队长精准计算方法 |
CN110782160A (zh) * | 2019-10-24 | 2020-02-11 | 中交水运规划设计院有限公司 | 船舶泊位分配方法、***及装置 |
-
2020
- 2020-09-30 CN CN202011063403.2A patent/CN112249583B/zh active Active
-
2021
- 2021-08-05 AU AU2021104978A patent/AU2021104978A4/en not_active Ceased
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004139451A (ja) * | 2002-10-18 | 2004-05-13 | Sumitomo Heavy Ind Ltd | 作業管理方法、作業管理装置、作業管理プログラム及び記録媒体 |
CN106203915A (zh) * | 2016-07-11 | 2016-12-07 | 北京交通大学 | 基于物联网的散杂货管理*** |
CN106815707A (zh) * | 2017-01-24 | 2017-06-09 | 大连大学 | 一种散杂货港口堆场智能调度***和方法 |
CN107688909A (zh) * | 2017-09-07 | 2018-02-13 | 上海振华重工(集团)股份有限公司 | 一种基于遗传算法的自动化堆场调度方法和*** |
CN109871571A (zh) * | 2018-12-27 | 2019-06-11 | 浙江工业大学 | 一种码头资源配置及船舶队长精准计算方法 |
CN110782160A (zh) * | 2019-10-24 | 2020-02-11 | 中交水运规划设计院有限公司 | 船舶泊位分配方法、***及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113173428A (zh) * | 2021-03-15 | 2021-07-27 | 青岛港董家口矿石码头有限公司 | 一种基于知识推理的散货码头堆场规划利用方法 |
CN113173428B (zh) * | 2021-03-15 | 2022-08-05 | 青岛港董家口矿石码头有限公司 | 一种基于知识推理的散货码头堆场规划利用方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112249583B (zh) | 2022-10-14 |
AU2021104978A4 (en) | 2021-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sadjadi et al. | A new mathematical modeling and a genetic algorithm search for milk run problem (an auto industry supply chain case study) | |
Daganzo | The crane scheduling problem | |
Kim et al. | Deriving decision rules to locate export containers in container yards | |
Sauri et al. | Space allocating strategies for improving import yard performance at marine terminals | |
CN112249583B (zh) | 一种散货码头堆场垛位的智能选择方法及*** | |
Chambers et al. | The cutting stock problem in the flat glass industry--selection of stock sizes | |
Ambrosino et al. | A MIP heuristic for multi port stowage planning | |
CN113240234B (zh) | 煤炭港口装船设备分配与船舶交通组织协调优化方法 | |
CN111178591A (zh) | 基于大数据的冷链物流产品冷藏运输质量优化管理*** | |
CN103632234A (zh) | 一种网络型lng产业链综合预测调度方法 | |
CN116151497A (zh) | 一种带有取送货的多隔间车辆路径规划方法及*** | |
Seyedi et al. | Truck scheduling in a cross-docking terminal by using novel robust heuristics | |
Le et al. | DCA for solving the scheduling of lifting vehicle in an automated port container terminal | |
CN113689076B (zh) | 基于核心作业线提升船舶装卸作业效率的方法 | |
CN110482095B (zh) | 一种有利于减少拣货和分拣总路程的拣货上架方法及装置 | |
CN114418486A (zh) | 一种并行接力拣选的波次规划方法 | |
US6785662B1 (en) | Refinery scheduling of incoming crude oil using a genetic algorithm | |
CN115759646A (zh) | 海运时间不确定下多工厂生产调度的多目标优化方法 | |
Palmowski et al. | An application of dynamic programming to assign pressing tanks at wineries | |
JPH07182419A (ja) | 購買情報システム、売り手系端末および買い手系端末 | |
Touil et al. | Possibilistic programming approach for production and distribution problem in milk supply chain | |
CN115860161A (zh) | 一种进场集装箱选位方法、装置及可读介质 | |
Stern et al. | The selection and scheduling of textile orders with due dates | |
Polat et al. | Modelling and solving the milk collection problem with realistic constraints | |
CN116542488B (zh) | 一种基于人工智能的港口调度方法和*** |
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 |