CN117474441B - 一种基于智慧物流大数据的无人仓库进出路径管理方法 - Google Patents
一种基于智慧物流大数据的无人仓库进出路径管理方法 Download PDFInfo
- Publication number
- CN117474441B CN117474441B CN202311815514.8A CN202311815514A CN117474441B CN 117474441 B CN117474441 B CN 117474441B CN 202311815514 A CN202311815514 A CN 202311815514A CN 117474441 B CN117474441 B CN 117474441B
- Authority
- CN
- China
- Prior art keywords
- time
- real
- unmanned warehouse
- warehouse
- unmanned
- 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.)
- Active
Links
- 238000007726 management method Methods 0.000 title claims abstract description 34
- 238000012545 processing Methods 0.000 claims abstract description 60
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 230000000903 blocking effect Effects 0.000 claims description 9
- 230000007306 turnover Effects 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 3
- 239000000725 suspension Substances 0.000 claims 2
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Game Theory and Decision Science (AREA)
Abstract
本发明涉及无人仓库进出路径管理领域，尤其涉及一种基于智慧物流大数据的无人仓库进出路径管理方法，包括：S1、基于智慧物流大数据获取无人仓库实时运行状态；S2、利用所述无人仓库实时运行状态建立无人仓库进出路径动态模型；S3、根据所述无人仓库进出路径动态模型完成无人仓库进出路径管理，通过无人仓库路径多级规划处理验证，从两个方面对其进行考虑，既保证仓库整体运行正常，又在仓库内各路径处理中高效规划，提升无人仓库运行效率，减少人工监控带来的成本。
Description
技术领域
本发明涉及无人仓库进出路径管理领域，具体涉及一种基于智慧物流大数据的无人仓库进出路径管理方法。
背景技术
大数据已广泛应用于社会生产和生活的各个领域，从最初的互联网应用，不断走向物流、医疗、金融等各领域。就物流行业来看，物流各个环节如运输、仓储、装卸、搬运、包装等，都会产生大量的数据。相关智慧物流大数据也随之产生，它是指在物流活动过程中，开展如供给、需求等物流服务时产生的各种相关数据。同时随着自动化技术、计算机技术和人工智能技术的不断发展，过去将货物堆积在地面的存储方式已被取代，立体货架成为仓储的一大亮点。自动化仓储的特点是存储量大，货物存取效率高。然而传统无人仓库路径规划方案中仍需要工作人员进行监控，同时对无人仓库实时运行状态进行监测，为了进一步提升无人仓库的运行效率，降低人工成本及出错概率，亟需一种切实可行的无人仓库高效自循环监控方案。
发明内容
针对现有技术的不足，本发明提供了一种基于智慧物流大数据的无人仓库进出路径管理方法，通过对无人仓库路径的主要监控规划，集合无人仓库内各运行数据，建立了高效循环实时监测方法。
为实现上述目的，本发明提供了一种基于智慧物流大数据的无人仓库进出路径管理方法，包括：
S1、基于智慧物流大数据获取无人仓库实时运行状态；
S2、利用所述无人仓库实时运行状态建立无人仓库进出路径动态模型；
S3、根据所述无人仓库进出路径动态模型完成无人仓库进出路径管理。
优选的，所述基于智慧物流大数据获取无人仓库实时运行状态包括：
基于智慧物流大数据获取无人仓库的实时进出路径数据；
利用所述无人仓库的实时进出路径数据得到无人仓库的实时进出库数据；
利用所述无人仓库的实时进出路径数据与无人仓库的实时进出库数据作为无人仓库实时运行状态。
进一步的，利用所述无人仓库的实时进出路径数据得到无人仓库的实时进出库数据包括：
根据所述无人仓库的实时进出路径数据获取无人仓库的无人车实时运行状态；
根据所述无人仓库的无人车实时运行状态得到无人仓库的实时进出库流量状态；
利用所述无人仓库的实时进出库流量状态作为无人仓库的实时进出库数据；
其中，所述无人车实时运行状态包括使用状态与停用状态。
进一步的，利用所述无人仓库实时运行状态建立无人仓库进出路径动态模型包括：
S2-1、利用所述无人仓库实时运行状态的实时进出路径数据建立无人仓库进出路径规划模型；
S2-2、利用所述无人仓库实时运行状态的实时进出库数据建立无人仓库进出流量规划模型；
S2-3、利用所述无人仓库进出路径规划模型与无人仓库进出流量规划模型作为无人仓库进出路径动态模型。
进一步的，利用所述无人仓库实时运行状态的实时进出路径数据建立无人仓库进出路径规划模型包括：
S2-1-1、利用当前时刻作为无人仓库进出路径规划模型的标准时刻t；
S2-1-2、判断标准时刻t对应无人仓库实时运行状态的实时进出路径数据是否存在路径冲突，若是，则将存在路径冲突的实时进出路径数据进行协调处理，否则，执行S2-1-3；
S2-1-3、判断t+1时刻对应无人仓库实时运行状态的实时进出路径数据是否存在路径冲突，若是，则利用t+2时刻作为更新的t+1时刻，并返回S2-1-2，否则，保留当前实时进出路径数据作为无人仓库进出路径规划模型输出；
其中，所述路径冲突为无人车运行存在碰撞情况。
进一步的，所述将存在路径冲突的实时进出路径数据进行协调处理包括：
S2-1-2-1、分别获取所述存在路径冲突的实时进出路径数据对应进出状态作为路径冲突协调起点；
S2-1-2-2、判断所述路径冲突协调起点对应实时进出路径数据的进出状态是否一致，若是，则执行S2-1-2-3，否则，直接执行S2-1-2-4；
S2-1-2-3、判断所述路径冲突协调起点对应实时进出路径数据的路径起始时刻是否一致，若是，则执行S2-1-2-4，否则，利用后置路径起始时刻对应实时进出路径数据进行延后处理，并返回S2-1-2；
S2-1-2-4、判断所述路径冲突协调起点对应实时进出路径数据的已行驶路径是否一致，若是，则直接执行S2-1-3，否则，利用已行驶相对较短路径进行延后处理，并返回S2-1-2；
其中，所述进出状态包括进库状态与出库状态，延后处理为路径暂停避让。
进一步的，利用所述无人仓库实时运行状态的实时进出库数据建立无人仓库进出流量规划模型包括：
S2-2-1、判断当前时刻无人仓库进行协调处理的次数是否大于1，若是，则执行S2-2-2，否则，利用所述无人仓库实时运行状态的实时进出库数据作为进出流量协调数据建立无人仓库进出流量规划模型；
S2-2-2、判断所述无人仓库进行协调处理对应闭塞时间是否异常，若是，则获取所述闭塞时间异常对应协调处理的实时进出路径数据作为进出流量非协调数据，并执行S2-2-3，否则，对无人仓库进行协调处理的实时进出路径数据进行时序排列得到进出流量协调数据建立无人仓库进出流量规划模型；
S2-2-3、根据所述进出流量非协调数据进行整体性调整处理得到无人仓库整体性调整处理结果；
S2-2-4、判断所述无人仓库整体性调整处理结果是否正常，若是，则返回S2-2-2，否则，利用当前时刻作为更新标准时刻t，并返回S2-1-1；
其中，所述闭塞时间异常为延后处理对无人仓库实时运行状态的准时性造成干扰。
进一步的，根据所述进出流量非协调数据进行整体性调整处理得到无人仓库整体性调整处理结果包括：
S2-2-3-1、获取所述进出流量非协调数据对应实时进出路径数据的运行时刻作为进出流量非协调数据比对时刻；
S2-2-3-2、判断所述进出流量非协调数据比对时刻是否存在相邻时刻，若是，则执行S2-2-3-3，否则，所述无人仓库整体性调整处理结果为异常，并执行S2-2-4；
S2-2-3-3、判断所述进出流量非协调数据的进出状态是否一致，若是，则所述无人仓库整体性调整处理结果为异常，并执行S2-2-4，否则，所述无人仓库整体性调整处理结果为正常，并执行S2-2-4；
其中，所述相邻时刻为各进出流量非协调数据比对时刻的相邻前后时刻。
进一步的，根据所述无人仓库进出路径动态模型完成无人仓库进出路径管理包括：
S3-1、判断所述无人仓库进出路径动态模型的无人仓库进出路径规划模型与无人仓库进出流量规划模型是否相互对应，若是，则执行S3-2，否则，返回S2-2-1；
S3-2、判断无人仓库进出流量规划模型的更新次数是否大于1，若是，则S3-3，否则，直接完成无人仓库进出路径管理；
S3-3、判断当前时刻无人仓库运行是否存在异常，若是，则执行S3-4，否则，完成无人仓库进出路径管理；
S3-4、判断所述无人仓库运行存在异常是否对应延后处理，若是，则完成无人仓库进出路径管理，否则，输出无人仓库进出路径动态模型的无人仓库进出路径规划模型完成无人仓库进出路径管理；
其中，所述无人仓库进出路径规划模型与无人仓库进出流量规划模型相互对应为无人仓库进出路径规划模型的实时进出库数据与无人仓库进出流量规划模型的进出流量协调数据相互对应，所述更新次数为S2-2-1的执行次数。
与最接近的现有技术相比，本发明具有的有益效果：
通过无人仓库路径多级规划处理验证，从两个方面对其进行考虑，既保证仓库整体运行正常，又在仓库内各路径处理中高效规划，提升无人仓库运行效率，减少人工监控带来的成本，同时方案可根据实际操作进行灵活调整，对于无人仓库路径管理时长、输出目标等均可灵活操作。
附图说明
图1是本发明提供的一种基于智慧物流大数据的无人仓库进出路径管理方法的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚，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它实施例，都属于本发明保护的范围。
实施例1：本发明提供了一种基于智慧物流大数据的无人仓库进出路径管理方法，如图1所示，包括：
S1、基于智慧物流大数据获取无人仓库实时运行状态；
S2、利用所述无人仓库实时运行状态建立无人仓库进出路径动态模型；
S3、根据所述无人仓库进出路径动态模型完成无人仓库进出路径管理。
S1具体包括：
S1-1、基于智慧物流大数据获取无人仓库的实时进出路径数据；
S1-2、利用所述无人仓库的实时进出路径数据得到无人仓库的实时进出库数据；
S1-3、利用所述无人仓库的实时进出路径数据与无人仓库的实时进出库数据作为无人仓库实时运行状态。
S1-2具体包括：
S1-2-1、根据所述无人仓库的实时进出路径数据获取无人仓库的无人车实时运行状态；
S1-2-2、根据所述无人仓库的无人车实时运行状态得到无人仓库的实时进出库流量状态；
S1-2-3、利用所述无人仓库的实时进出库流量状态作为无人仓库的实时进出库数据；
其中，所述无人车实时运行状态包括使用状态与停用状态。
S2具体包括：
S2-1、利用所述无人仓库实时运行状态的实时进出路径数据建立无人仓库进出路径规划模型；
S2-2、利用所述无人仓库实时运行状态的实时进出库数据建立无人仓库进出流量规划模型；
S2-3、利用所述无人仓库进出路径规划模型与无人仓库进出流量规划模型作为无人仓库进出路径动态模型。
S2-1具体包括：
S2-1-1、利用当前时刻作为无人仓库进出路径规划模型的标准时刻t；
S2-1-2、判断标准时刻t对应无人仓库实时运行状态的实时进出路径数据是否存在路径冲突，若是，则将存在路径冲突的实时进出路径数据进行协调处理，否则，执行S2-1-3；
S2-1-3、判断t+1时刻对应无人仓库实时运行状态的实时进出路径数据是否存在路径冲突，若是，则利用t+2时刻作为更新的t+1时刻，并返回S2-1-2，否则，保留当前实时进出路径数据作为无人仓库进出路径规划模型输出；
其中，所述路径冲突为无人车运行存在碰撞情况。
S2-1-2具体包括：
S2-1-2-1、分别获取所述存在路径冲突的实时进出路径数据对应进出状态作为路径冲突协调起点；
S2-1-2-2、判断所述路径冲突协调起点对应实时进出路径数据的进出状态是否一致，若是，则执行S2-1-2-3，否则，直接执行S2-1-2-4；
S2-1-2-3、判断所述路径冲突协调起点对应实时进出路径数据的路径起始时刻是否一致，若是，则执行S2-1-2-4，否则，利用后置路径起始时刻对应实时进出路径数据进行延后处理，并返回S2-1-2；
S2-1-2-4、判断所述路径冲突协调起点对应实时进出路径数据的已行驶路径是否一致，若是，则直接执行S2-1-3，否则，利用已行驶相对较短路径进行延后处理，并返回S2-1-2；
其中，所述进出状态包括进库状态与出库状态，延后处理为路径暂停避让。
本实施例中，一种基于智慧物流大数据的无人仓库进出路径管理方法，所述路径冲突协调起点作为抽象化概念，利用其进出状态作为步骤节点，进而引出后续处理方案。
S2-2具体包括：
S2-2-1、判断当前时刻无人仓库进行协调处理的次数是否大于1，若是，则执行S2-2-2，否则，利用所述无人仓库实时运行状态的实时进出库数据作为进出流量协调数据建立无人仓库进出流量规划模型；
S2-2-2、判断所述无人仓库进行协调处理对应闭塞时间是否异常，若是，则获取所述闭塞时间异常对应协调处理的实时进出路径数据作为进出流量非协调数据，并执行S2-2-3，否则，对无人仓库进行协调处理的实时进出路径数据进行时序排列得到进出流量协调数据建立无人仓库进出流量规划模型；
S2-2-3、根据所述进出流量非协调数据进行整体性调整处理得到无人仓库整体性调整处理结果；
S2-2-4、判断所述无人仓库整体性调整处理结果是否正常，若是，则返回S2-2-2，否则，利用当前时刻作为更新标准时刻t，并返回S2-1-1；
其中，所述闭塞时间异常为延后处理对无人仓库实时运行状态的准时性造成干扰。
S2-2-3具体包括：
S2-2-3-1、获取所述进出流量非协调数据对应实时进出路径数据的运行时刻作为进出流量非协调数据比对时刻；
S2-2-3-2、判断所述进出流量非协调数据比对时刻是否存在相邻时刻，若是，则执行S2-2-3-3，否则，所述无人仓库整体性调整处理结果为异常，并执行S2-2-4；
S2-2-3-3、判断所述进出流量非协调数据的进出状态是否一致，若是，则所述无人仓库整体性调整处理结果为异常，并执行S2-2-4，否则，所述无人仓库整体性调整处理结果为正常，并执行S2-2-4；
其中，所述相邻时刻为各进出流量非协调数据比对时刻的相邻前后时刻。
S3具体包括：
S3-1、判断所述无人仓库进出路径动态模型的无人仓库进出路径规划模型与无人仓库进出流量规划模型是否相互对应，若是，则执行S3-2，否则，返回S2-2-1；
S3-2、判断无人仓库进出流量规划模型的更新次数是否大于1，若是，则S3-3，否则，直接完成无人仓库进出路径管理；
S3-3、判断当前时刻无人仓库运行是否存在异常，若是，则执行S3-4，否则，完成无人仓库进出路径管理；
S3-4、判断所述无人仓库运行存在异常是否对应延后处理，若是，则完成无人仓库进出路径管理，否则，输出无人仓库进出路径动态模型的无人仓库进出路径规划模型完成无人仓库进出路径管理；
其中，所述无人仓库进出路径规划模型与无人仓库进出流量规划模型相互对应为无人仓库进出路径规划模型的实时进出库数据与无人仓库进出流量规划模型的进出流量协调数据相互对应，所述更新次数为S2-2-1的执行次数。
本实施例中，一种基于智慧物流大数据的无人仓库进出路径管理方法，S3的整体设计思路为对前序各路径规划及相关流量模型建立进行再次验证，考虑到路径建立为已存在路径的结合，因此利用其作为基准对方案整体进行验证。
本实施例中，一种基于智慧物流大数据的无人仓库进出路径管理方法，在实际运行中仓库内数据还存在仓库出入库堵塞、货品摆放等仓内情况异常、出库物品错误，因此在最终路径管理方案完成时，还需要对仓库整体运行进行判断，以确认路径规划没有对其实际运行造成干扰。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明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（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本申请实施例的方法、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、专用计算机、嵌入式处理机或其他可编程数据处理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设备上，使得在计算机或其他可编程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。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
Claims (2)
1.一种基于智慧物流大数据的无人仓库进出路径管理方法，其特征在于，包括：
S1、基于智慧物流大数据获取无人仓库实时运行状态；
S1-1、基于智慧物流大数据获取无人仓库的实时进出路径数据；
S1-2、利用所述无人仓库的实时进出路径数据得到无人仓库的实时进出库数据；
S1-3、利用所述无人仓库的实时进出路径数据与无人仓库的实时进出库数据作为无人仓库实时运行状态；
S2、利用所述无人仓库实时运行状态建立无人仓库进出路径动态模型；
S2-1、利用所述无人仓库实时运行状态的实时进出路径数据建立无人仓库进出路径规划模型；
S2-1-1、利用当前时刻作为无人仓库进出路径规划模型的标准时刻t；
S2-1-2、判断标准时刻t对应无人仓库实时运行状态的实时进出路径数据是否存在路径冲突，若是，则将存在路径冲突的实时进出路径数据进行协调处理，否则，执行S2-1-3；
S2-1-2-1、分别获取所述存在路径冲突的实时进出路径数据对应进出状态作为路径冲突协调起点；
S2-1-2-2、判断所述路径冲突协调起点对应实时进出路径数据的进出状态是否一致，若是，则执行S2-1-2-3，否则，直接执行S2-1-2-4；
S2-1-2-3、判断所述路径冲突协调起点对应实时进出路径数据的路径起始时刻是否一致，若是，则执行S2-1-2-4，否则，利用后置路径起始时刻对应实时进出路径数据进行延后处理，并返回S2-1-2；
S2-1-2-4、判断所述路径冲突协调起点对应实时进出路径数据的已行驶路径是否一致，若是，则直接执行S2-1-3，否则，利用已行驶相对较短路径进行延后处理，并返回S2-1-2；
其中，所述进出状态包括进库状态与出库状态，延后处理为路径暂停避让；
S2-1-3、判断t+1时刻对应无人仓库实时运行状态的实时进出路径数据是否存在路径冲突，若是，则利用t+2时刻作为更新的t+1时刻，并返回S2-1-2，否则，保留当前实时进出路径数据作为无人仓库进出路径规划模型输出；
其中，所述路径冲突为无人车运行存在碰撞情况；
S2-2、利用所述无人仓库实时运行状态的实时进出库数据建立无人仓库进出流量规划模型；
S2-2-1、判断当前时刻无人仓库进行协调处理的次数是否大于1，若是，则执行S2-2-2，否则，利用所述无人仓库实时运行状态的实时进出库数据作为进出流量协调数据建立无人仓库进出流量规划模型；
S2-2-2、判断所述无人仓库进行协调处理对应闭塞时间是否异常，若是，则获取所述闭塞时间异常对应协调处理的实时进出路径数据作为进出流量非协调数据，并执行S2-2-3，否则，对无人仓库进行协调处理的实时进出路径数据进行时序排列得到进出流量协调数据建立无人仓库进出流量规划模型；
S2-2-3、根据所述进出流量非协调数据进行整体性调整处理得到无人仓库整体性调整处理结果；
S2-2-3-1、获取所述进出流量非协调数据对应实时进出路径数据的运行时刻作为进出流量非协调数据比对时刻；
S2-2-3-2、判断所述进出流量非协调数据比对时刻是否存在相邻时刻，若是，则执行S2-2-3-3，否则，所述无人仓库整体性调整处理结果为异常，并执行S2-2-4；
S2-2-3-3、判断所述进出流量非协调数据的进出状态是否一致，若是，则所述无人仓库整体性调整处理结果为异常，并执行S2-2-4，否则，所述无人仓库整体性调整处理结果为正常，并执行S2-2-4；
其中，所述相邻时刻为各进出流量非协调数据比对时刻的相邻前后时刻；
S2-2-4、判断所述无人仓库整体性调整处理结果是否正常，若是，则返回S2-2-2，否则，利用当前时刻作为更新标准时刻t，并返回S2-1-1；
其中，所述闭塞时间异常为延后处理对无人仓库实时运行状态的准时性造成干扰；
S2-3、利用所述无人仓库进出路径规划模型与无人仓库进出流量规划模型作为无人仓库进出路径动态模型；
S3、根据所述无人仓库进出路径动态模型完成无人仓库进出路径管理；
S3-1、判断所述无人仓库进出路径动态模型的无人仓库进出路径规划模型与无人仓库进出流量规划模型是否相互对应，若是，则执行S3-2，否则，返回S2-2-1；
S3-2、判断无人仓库进出流量规划模型的更新次数是否大于1，若是，则执行S3-3，否则，直接完成无人仓库进出路径管理；
S3-3、判断当前时刻无人仓库运行是否存在异常，若是，则执行S3-4，否则，完成无人仓库进出路径管理；
S3-4、判断所述无人仓库运行存在异常是否对应延后处理，若是，则完成无人仓库进出路径管理，否则，输出无人仓库进出路径动态模型的无人仓库进出路径规划模型完成无人仓库进出路径管理；
其中，所述无人仓库进出路径规划模型与无人仓库进出流量规划模型相互对应为无人仓库进出路径规划模型的实时进出库数据与无人仓库进出流量规划模型的进出流量协调数据相互对应，所述更新次数为S2-2-1的执行次数。
2.如权利要求1所述的一种基于智慧物流大数据的无人仓库进出路径管理方法，其特征在于，利用所述无人仓库的实时进出路径数据得到无人仓库的实时进出库数据包括：
根据所述无人仓库的实时进出路径数据获取无人仓库的无人车实时运行状态；
根据所述无人仓库的无人车实时运行状态得到无人仓库的实时进出库流量状态；
利用所述无人仓库的实时进出库流量状态作为无人仓库的实时进出库数据；
其中，所述无人车实时运行状态包括使用状态与停用状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311815514.8A CN117474441B (zh) | 2023-12-27 | 2023-12-27 | 一种基于智慧物流大数据的无人仓库进出路径管理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311815514.8A CN117474441B (zh) | 2023-12-27 | 2023-12-27 | 一种基于智慧物流大数据的无人仓库进出路径管理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117474441A CN117474441A (zh) | 2024-01-30 |
| CN117474441B true CN117474441B (zh) | 2024-03-15 |
Family
ID=89640026
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311815514.8A Active CN117474441B (zh) | 2023-12-27 | 2023-12-27 | 一种基于智慧物流大数据的无人仓库进出路径管理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117474441B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115437382A (zh) * | 2022-09-29 | 2022-12-06 | 长安大学 | 一种用于无人仓库的多agv路径规划方法、***及设备介质 |
| CN115963838A (zh) * | 2023-01-10 | 2023-04-14 | 北京航空航天大学 | 一种高效的物流机器人集群路径规划方法 |
| CN116203959A (zh) * | 2023-02-24 | 2023-06-02 | 济南大学 | 基于hac算法的机器人路径规划方法及*** |
| CN116957300A (zh) * | 2023-09-19 | 2023-10-27 | 天津万事达物流装备有限公司 | 一种基于无人仓库穿梭车的物流数据管理方法及*** |
| CN116976542A (zh) * | 2023-09-22 | 2023-10-31 | 天津万事达物流装备有限公司 | 一种用于物流自动分拣路径的优化方法及*** |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106971244A (zh) * | 2017-03-30 | 2017-07-21 | 华为技术有限公司 | 一种物流路径规划方法及设备 |
-
2023
- 2023-12-27 CN CN202311815514.8A patent/CN117474441B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115437382A (zh) * | 2022-09-29 | 2022-12-06 | 长安大学 | 一种用于无人仓库的多agv路径规划方法、***及设备介质 |
| CN115963838A (zh) * | 2023-01-10 | 2023-04-14 | 北京航空航天大学 | 一种高效的物流机器人集群路径规划方法 |
| CN116203959A (zh) * | 2023-02-24 | 2023-06-02 | 济南大学 | 基于hac算法的机器人路径规划方法及*** |
| CN116957300A (zh) * | 2023-09-19 | 2023-10-27 | 天津万事达物流装备有限公司 | 一种基于无人仓库穿梭车的物流数据管理方法及*** |
| CN116976542A (zh) * | 2023-09-22 | 2023-10-31 | 天津万事达物流装备有限公司 | 一种用于物流自动分拣路径的优化方法及*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117474441A (zh) | 2024-01-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108491253A (zh) | 一种计算任务处理方法以及边缘计算设备 | |
| CN114399227A (zh) | 一种基于数字孪生的生产调度方法、装置及计算机设备 | |
| CN105467953A (zh) | 一种面向工业大数据的知识表示及其自动化应用方法 | |
| CN115619082B (zh) | 一种人机协同混流装配线平衡问题的解决方法和装置 | |
| CN116957300B (zh) | 一种基于无人仓库穿梭车的物流数据管理方法及*** | |
| CN108509284A (zh) | 一种应用于函数式编程的树状模型任务管理*** | |
| Bauer et al. | Characterization of autonomous production by a stage model | |
| TWI796017B (zh) | 自動導引車調度方法、電子裝置及電腦可讀儲存媒體 | |
| CN116976542B (zh) | 一种用于物流自动分拣路径的优化方法及*** | |
| CN117474441B (zh) | 一种基于智慧物流大数据的无人仓库进出路径管理方法 | |
| CN117786542A (zh) | 一种用于多源数据的多级实时分析处理方法 | |
| Wang et al. | Study on scheduling and path planning problems of multi-AGVs based on a heuristic algorithm in intelligent manufacturing workshop | |
| Xu et al. | Optimization of multi-stage production scheduling of automated production | |
| CN114049011A (zh) | 生产排程方法及装置 | |
| CN114693036A (zh) | 基于知识图谱的建筑***的智慧化管理方法、装置及介质 | |
| CN113052553A (zh) | 一种汽车同步器齿毂生产线的mes***管控方法及*** | |
| CN116414094A (zh) | 一种焊接装配智能调度方法及*** | |
| CN117451115B (zh) | 一种用于分拣输送***的实时状态监测方法 | |
| CN111487962B (zh) | 一种应用于仓储环境下多机器人路径快速规划方法 | |
| Castillo-Salazar et al. | Computational study for workforce scheduling and routing problems | |
| CN113850448A (zh) | 一种用于备件的消耗和调度的管理方法和*** | |
| Dao et al. | Optimisation of assembly scheduling in VCIM systems using genetic algorithm | |
| CN112613830A (zh) | 一种物资储备中心选址方法 | |
| Govindaiah et al. | Applying Reinforcement Learning to Plan Manufacturing Material Handling Part 2: Experimentation and Results | |
| CN117010671B (zh) | 基于区块链的分布式柔性车间调度方法和装置 |
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 |