近年来随着物流仓储行业的迅速发展,精益仓储对自动化、数字化及智能化提出了更高的要求。为了降低运营成本,密集仓储应运而生并得到了广泛运用,其具备占地面积小、作业规模大、设备种类多、设备数量多及任务并行等特点,但这也给自动化仓储作业优化与调度带来了新的挑战。作业优化包括作业顺序优化、货位优化等环节,其中,货位决策优化是仓储作业过程中重要的工作之一,极大程度地影响着作业效率及成本,而传统的货位决策大多依赖于仓储管理人员的经验,具有一定的盲目性。其次,一般情况下密集仓储作业满足“先来先做”的要求,作业流程的执行具有事件响应特性,在多任务、高并发及异构设备多的仓储环境下,作业约束复杂,事先分配仓储设备资源及路径规划的算法,无法及时准确地调度仓储设备,异构多设备的协同调度也愈发困难。因此,利用互联网及人工智能进行科学合理的仓储货位优化及设备调度,对提升作业质量与效率具有重要意义。课题的主要研究内容如下:(1)密集仓储作业优化与调度分析建模针对密集仓储作业优化与调度问题,进行了仓储作业过程需求分析,剖析了货位优化及设备调度在作业流程中的触发及作用机制。给出了基于事件驱动的货位优化与多设备协同调度问题框架描述,考虑托盘使用状态、库存情况及动态货位可行域等复杂约束条件,进行了货位优化问题描述,并将调度问题分解为作业活动事件调度、环轨及穿梭RGV资源调度两部分。通过仓储作业数据流、功能流分析,设计密集仓储货位优化及设备调度系统功能结构。基于E-R图分析货架、货位、托盘、物料、设备、作业及事件等实体的关键属性,建立关系数据库及对象关系映射模型,为货位优化及设备调度问题的求解提供模型及数据访问基础。(2)提出了响应动态约束的仓储货位优化模型及算法针对密集仓储动态货位优化问题,考虑库存、货位可行域、托盘使用情况等动态约束条件,以货架稳定性、作业均衡及作业路径最短为目标,构建了货位多目标优化数学模型,设计了基于差分进化(DE)的动态货位决策优化算法。为了克服算法参数选择的盲目性,采取变异系数、交叉率自适应进化策略,提高算法在大规模作业下的搜索与勘探能力。使用货位随机数编码,根据实时货位可行域进行个体解码,以响应动态货位约束条件。为了获得满足实际应用的最优解,提出了基于层次分析的Pareto解评价方法,从而获得多批作业货位持续优化的目标权重,并研究了多目标权重对货位持续优化能力的影响规律,为仓储货位决策提供合理方案。多批作业算法试验结果表明,所提算法效果显著优于多目标简单加权算法,能够有效应用于动态货位决策与优化。(3)提出了一种密集仓储多设备协同调度方法仓储作业由多种搬运设备协作完成,在多任务、高并发、设备种类多等环境下,针对环形轨道RGV、输送机、提升机、穿梭车等异构设备协同调度问题,给出了一种面向密集仓储的多设备协同调度方法。基于排队论,对密集仓储平台设备配置及布局进行了调度瓶颈分析,避免因布局不合理引起的设备资源利用率低、作业响应能力差等问题。提出了基于事件规则驱动的多设备实时调度模型,以准确及时地控制异构设备执行作业,使业务流程按步骤进行。针对搬运RGV的交通调度问题,提出基于“队尾最近”的环轨RGV选择分配、避免环轨RGV追尾堵塞等算法。为提高库内穿梭车的并行作业效率,提出以作业均衡及作业路径为目标的穿梭车调度算法。试验应用结果表明,所提方法作业执行总时间短、设备堵塞次数少,能够有效解决异构、同构设备间的动态调度问题。(4)基于Web的密集仓储货位优化及多设备调度系统实现课题受上海市科学技术委员会科研计划项目(17DZ2283800)及松江区重点领域示范应用项目(2018-01)资助。以企业密集仓储实际作业为平台,基于面向服务的架构(SOA),根据以上研究工作,利用ASP.Net Core、Web API、MVC及SQL Server等技术,设计智能化作业优化与调度微服务,并开发Web应用程序,实现分布式仓储作业优化与调度Web可视化。设计系统Web应用接口,实现与仓储管控系统的集成,并在企业进行现场测试与应用。应用结果表明,系统能够有效解决密集仓储作业优化与调度问题。综上所述,所提方法在仓储Web管理与监控系统中得到了实现与应用,应用效果显著,为合理科学地进行货位优化及调度提供了智能化手段,为进一步的研究提供了技术基础。