黃錦鈿

（廣東工業(yè)大學(xué)機(jī)電工程學(xué)院，廣東 廣州510006；深圳市廣晟德科技發(fā)展有限公司，廣東 深圳518000；韓山師范學(xué)院物理與電子工程學(xué)院，廣東 潮州521000）

立體倉(cāng)庫(kù)結(jié)合AGV小車(chē)已在物流公司和制造企業(yè)廣泛應(yīng)用。立體倉(cāng)庫(kù)貨位優(yōu)化是最近一年來(lái)學(xué)者的研究熱點(diǎn)。文獻(xiàn)[1]和文獻(xiàn)[2]都考慮貨架穩(wěn)定性和出入庫(kù)效率的多目標(biāo)優(yōu)化，并各自提出了基于模擬退火遺傳算法進(jìn)行求解。文獻(xiàn)[4]以出入庫(kù)效率為調(diào)度目標(biāo)，采用匈牙利法進(jìn)行求解。文獻(xiàn)[5]構(gòu)建了以提高貨架穩(wěn)定性和減少訂單挑選距離為目標(biāo)的貨位優(yōu)化模型，并運(yùn)用FP-tree算法挖掘貨物間的關(guān)聯(lián)規(guī)則存儲(chǔ)貨物。文獻(xiàn)[6]以產(chǎn)品出入庫(kù)效率、貨架重心和產(chǎn)品聚集度為目標(biāo)，并分別提出了改進(jìn)混合跳蛙算法和帶有精英保留策略的快速非支配多目標(biāo)優(yōu)化算法。

目前針對(duì)貨位優(yōu)化的研究主要以貨架穩(wěn)定性和出入庫(kù)效率為優(yōu)化目標(biāo)。雖然可以自動(dòng)計(jì)算得到可行貨位，然而往往與操作員習(xí)慣上的理想貨位還存在差距。利用基于機(jī)器學(xué)習(xí)的人工智能方法，可以自動(dòng)選取得到比較符合操作員要求的貨位。另外，在貨物的出入庫(kù)過(guò)程中，往往會(huì)存在很多突發(fā)狀況，例如緊急優(yōu)先出入庫(kù)任務(wù)的出現(xiàn)，預(yù)先分配給AGV小車(chē)的運(yùn)輸計(jì)劃將會(huì)被打擾，需要建立一套柔性魯棒性強(qiáng)的調(diào)度方法來(lái)應(yīng)對(duì)緊急任務(wù)。

1 問(wèn)題描述

基于目前立體倉(cāng)庫(kù)廣泛采用的貨架和AGV小車(chē)配置方式。立體倉(cāng)庫(kù)的特點(diǎn)和功能需求可以總結(jié)為以下五方面：①倉(cāng)庫(kù)中有多排多層貨架，每層有多個(gè)貨位，貨位有多種長(zhǎng)寬高各不相同的規(guī)格，每個(gè)貨位只能存放一個(gè)棧板；②有多種不同長(zhǎng)寬的棧板，棧板的高度由棧板存放的貨物決定；③只要貨位空間足夠容納棧板，每個(gè)貨位可以存放的貨物類(lèi)型沒(méi)有限制，然而各種貨物通常有習(xí)慣存放位置；④車(chē)間有多輛AGV小車(chē)，AGV小車(chē)自帶導(dǎo)航系統(tǒng)，能自動(dòng)搬運(yùn)貨物棧板到指定貨位；⑤倉(cāng)庫(kù)存在緊急出入庫(kù)任務(wù)，AGV小車(chē)需要優(yōu)先響應(yīng)緊急任務(wù)。

2 新增入庫(kù)流程

當(dāng)出現(xiàn)需要新增入庫(kù)的棧板，將自動(dòng)分配貨位并放入運(yùn)輸任務(wù)池堆棧中。新增入庫(kù)任務(wù)流程如圖1所示，通過(guò)傳感器自動(dòng)檢測(cè)棧板的長(zhǎng)寬高，作為新增入庫(kù)參數(shù)，也可以通過(guò)手動(dòng)添加該參數(shù)，并輸入貨物類(lèi)型。當(dāng)前所有貨位的使用狀態(tài)可以從數(shù)據(jù)庫(kù)讀取獲得，將這些參數(shù)一起輸入到?jīng)Q策模型中，能自動(dòng)獲得推薦貨位。

圖1 新增入庫(kù)任務(wù)流程圖

3 獲取機(jī)器學(xué)習(xí)決策模型的方法

首先，采集記錄每次選倉(cāng)時(shí)所有倉(cāng)位的狀態(tài)，作為機(jī)器學(xué)習(xí)的特征參數(shù)。

在數(shù)據(jù)庫(kù)中增設(shè)一個(gè)儲(chǔ)存當(dāng)前所有貨位狀態(tài)的字段，每次選取貨位時(shí)，當(dāng)前各個(gè)貨位的狀態(tài)分別以0表示可用和1表示已占用，所有貨位的狀態(tài)組成二進(jìn)制編碼儲(chǔ)存到該字段中，并保存當(dāng)前棧板的長(zhǎng)寬高、貨物類(lèi)型信息和被選中的貨位位置信息。經(jīng)過(guò)上萬(wàn)次貨位選取，即在數(shù)據(jù)庫(kù)中保存上萬(wàn)條記錄作為歷史基礎(chǔ)數(shù)據(jù)。

其次，選取特征參數(shù)和標(biāo)簽并作預(yù)處理。

因?yàn)闄C(jī)器學(xué)習(xí)的支持向量機(jī)和隨機(jī)森林算法只能識(shí)別二進(jìn)制基礎(chǔ)數(shù)據(jù)參數(shù)，因此讀取數(shù)據(jù)庫(kù)的數(shù)據(jù)后需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理。對(duì)棧板的長(zhǎng)寬高數(shù)據(jù)和貨物類(lèi)型進(jìn)行one-hot編碼，將長(zhǎng)寬高的數(shù)值和貨物類(lèi)型轉(zhuǎn)換為二進(jìn)制參數(shù)向量。同時(shí)將貨位狀態(tài)的二進(jìn)制編碼轉(zhuǎn)換為參數(shù)向量，并將被選中的貨位信息作為標(biāo)簽量。

最后，訓(xùn)練對(duì)比預(yù)測(cè)準(zhǔn)確率，得到?jīng)Q策模型。

對(duì)歷史基礎(chǔ)數(shù)據(jù)經(jīng)過(guò)上述預(yù)處理之后，將數(shù)據(jù)平均分成五等份，其中四等份作為訓(xùn)練數(shù)據(jù)，剩下一等份作為測(cè)試數(shù)據(jù)，這五等份分別輪流作為訓(xùn)練和測(cè)試數(shù)據(jù)，分別輸入到典型的支持向量機(jī)和隨機(jī)森林算法中，經(jīng)過(guò)五輪訓(xùn)練運(yùn)算求準(zhǔn)確率的平均值。將平均準(zhǔn)確率最高的預(yù)測(cè)模型作為自動(dòng)選取貨位的決策模型。

4 AGV小車(chē)調(diào)度機(jī)制

通過(guò)機(jī)器學(xué)習(xí)決策模型得到推薦貨位之后，操作員可以根據(jù)偏好將存放位置進(jìn)行修改并選擇每條出入庫(kù)任務(wù)的優(yōu)先級(jí)。確定棧板存放的貨位之后，不需要立即主動(dòng)呼叫AGV小車(chē)前來(lái)搬運(yùn)，而是先將棧板放進(jìn)出入庫(kù)輸運(yùn)任務(wù)池堆棧中，系統(tǒng)按優(yōu)先級(jí)將出入庫(kù)任務(wù)進(jìn)行排序。

AGV小車(chē)執(zhí)行任務(wù)流程如圖2所示，AGV小車(chē)在每次執(zhí)行完當(dāng)前任務(wù)后，將主動(dòng)讀取運(yùn)輸任務(wù)池堆棧中的信息。如果堆棧中信息為空，則AGV小車(chē)轉(zhuǎn)到待機(jī)狀態(tài)；否則，讀取并執(zhí)行任務(wù)池堆棧中排在最前面的優(yōu)先任務(wù)，同時(shí)刪除任務(wù)池中該條任務(wù)。

圖2 AGV小車(chē)執(zhí)行任務(wù)流程圖

當(dāng)任務(wù)池有了新任務(wù)，而AGV小車(chē)處于待機(jī)狀態(tài)，此時(shí)操作員可主動(dòng)呼叫喚醒AGV小車(chē)。與每次選定貨位后就指派AGV小車(chē)搬運(yùn)的方式相比，在有緊急件插入等突發(fā)狀況時(shí)，本文所提的柔性魯棒運(yùn)輸調(diào)度機(jī)制能顯示出巨大優(yōu)越性。

5 結(jié)束語(yǔ)

經(jīng)過(guò)機(jī)器學(xué)習(xí)得到?jīng)Q策模型，將決策模型嵌入到立體倉(cāng)庫(kù)管理軟件中，結(jié)合當(dāng)前倉(cāng)庫(kù)的狀態(tài)信息，可以自動(dòng)獲得符合貨物存放習(xí)慣的貨位。將出入庫(kù)任務(wù)按優(yōu)先級(jí)排序放在堆棧中，讓AGV小車(chē)主動(dòng)提取運(yùn)輸任務(wù)，可以使多輛AGV小車(chē)協(xié)調(diào)工作，快速響應(yīng)優(yōu)先運(yùn)輸任務(wù)并使計(jì)劃與執(zhí)行完全一致。