1 简介
随着现代工业的快速发展,传统的仓储方式已不能满足生产和流通的需要,而自动化立体仓库已得到越来越多的应用.当前许多仓储作业管理仍在沿袭多年的习惯及经验来放置货品,既浪费了存储间,又使得仓库的工作效率低下.因而仓储货位优化这一概念便在这种背景下应运而生.面对成千上万的货位,立体仓库仓储系统的货位优化已成为提高仓库存取效率,降低仓储成本的关键因素. 本文以第三方物流A公司仓储中心的立体仓库为研究对象,结合国内外对仓储货位优化方面的研究成果,分析公司所存在的主要问题及现状对其立体仓库中货物的存储位置进行优化.论文通过MATLAB遗传算法工具箱中的相关优化函数,设计了一种算法编程简单,运算速度快,又不失一般性的货位优化求解方法.同时对优化结果进行MATLAB三维模型仿真,使优化效果更佳.在实际运用过程中,基于遗传算法的MATLAB优化求解可以有效地对优化问题进行求解.这种算法思路清晰,运算结果收敛速度快,可以在较短的时间内获得一个令人满意的近似全局最优解.避免了由于仓库规模大,处理货物多,求解计算时间成级数增长的问题.从而为现代仓储中心的货位优化提供一种新的思路,并总结出了一种运算简便,速度快,实际操作性强的货位优化求解方法.
货架为了保证仓库作业的效率,实现对零部件的合理管理,除了基本的储存策略,还需要制定合理的货位分配策略。其目的是在保证安全生产的基础上,尽量提高立体仓库的存储效率和服务效率。常用的自动化立体仓库货位优化原则包括改进的先进先出、上轻下重、分巷道存放、货物相关性、货位分区和最短路线等策略。这些优化原则即相互矛盾又相互竞争,根据汽车零部件仓储服务的特点,本文将依据零部件周转率和货架的稳定性原则来确立优化目标:
(1)周转率原则:周转率是一定时期内主营业务成本与平均存货余额的比率,反映了零部件周转的速度,将周转率高的零部件储存在离出库口较近的位置,可以有效缩短拣选作业的行进路径,以达到减少拣选作业耗费,缩短拣选作业时间的目的,并最终实现仓库作业效率的提高。
(2)货架稳定性原则:任何一个货架,它的承重量都是有限的,所以零部件上架时要根据货架的实际的承受能力合理的放置零部件。存储零部件时遵循“货架承重均匀,上轻下重”的原则,即较轻的零部件存放在较高的货位,较重的零部件存放在较低的货位,使货架的重心能够降低,保证货架的稳定性。另一方面,零部件的重量一般应当分散分配在货架的不同位置,避免某一处因集中存放较重零部件而造成货架受力不均匀。
2 部分代码
%Increment PID Controller
clear all;
close all;
ts=0.001;
sys=tf(350,[1,45,1]);
dsys=c2d(sys,ts,'z');
[num,den]=tfdata(dsys,'v');
u_1=0.0;u_2=0.0;u_3=0.0;
y_1=0;y_2=0;y_3=0;
x=[0,0,0]';
error_1=0;
error_2=0;
for k=1:1:1000
time(k)=k*ts;
rin(k)=1.0;
kp=5;
ki=0.1;
kd=15;
du(k)=kp*x(1)+kd*x(2)+ki*x(3);
u(k)=u_1+du(k);
if u(k)>=10
u(k)=10;
end
if u(k)<=-10
u(k)=-10;
end
yout(k)=-den(2)*y_1-den(3)*y_2+num(2)*u_1+num(3)*u_2;
error=rin(k)-yout(k);
u_3=u_2;u_2=u_1;u_1=u(k);
y_3=y_2;y_2=y_1;y_1=yout(k);
x(1)=error-error_1; %Calculating P
x(2)=error-2*error_1+error_2; %Calculating D
x(3)=error;%Calculating I
error_2=error_1;
error_1=error;
end
plot(time,rin,'b',time,yout,'r');
xlabel('time(s)');ylabel('rin,yout');
3 仿真结果
4 参考文献
[1]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, .
博主简介:擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真,相关matlab代码问题可私信交流。
部分理论引用网络文献,若有侵权联系博主删除。
如果觉得《【货位优化】基于遗传算法实现仓库货位优化问题含Matlab源码》对你有帮助,请点赞、收藏,并留下你的观点哦!