【技術實現步驟摘要】
本專利技術涉及物流倉儲，具體涉及基于數字孿生的訂單預測揀選出庫方法、裝置及存儲介質。
技術介紹
1、物流倉儲系統是生產型企業場內物流的重要組成部分，通常由輸送線、穿梭車、堆垛機、立體倉庫、agv、管理系統、調度系統組成。近年來隨著倉儲物流行業的迅速發展，其自動化水平越來越高，倉儲物流系統的供應商可根據客戶需求，提供定制化的解決方案。
2、揀選，也稱貨到人揀選系統，在倉儲物流系統中指的是人不動，商品自動輸送設備傳輸至人的面前，供人挑選；通常，揀選系統包括入庫和出庫兩個流程。
3、入庫流程：人工將商品碼放在料箱(或托盤)中，并在管理系統中將商品信息(包括品種、數量等信息)與料箱進行綁定中，放置在輸送線上，輸送線將料箱運送至自動化立體倉庫的庫端輸送機上，由堆垛機叉取料箱，存放在自動化立體倉庫中。
4、出庫流程：根據出庫訂單，堆垛機將裝有所需商品的料箱從自動化立體倉庫中取出，運送至庫端輸送機，再由輸送系統運送至工人面前。工人根據系統(條屏、電腦)提示的商品種類及其所需數量，從料箱中取出相應數量的商品。
5、電商配送中心是一個典型的物流倉儲系統，尤其是每逢“雙十一”這類網絡購物訂單特別多的日子，如何提高揀選效率是電商配送中心關注的重點。
6、當前采用的揀選策略都是基于已經生成的訂單，即一個訂單在生成之后，首先要根據其商品組成，安排對應的貨物出庫，這種方法的缺陷是：從貨物出庫進入輸送線，再到流轉至揀選工位需要的時間較長，導致一個訂單的出庫分揀時間較長，不利于商家提升競爭力；尤其在“
技術實現思路
1、有鑒于此，本專利技術的目的在于提供基于數字孿生的訂單預測揀選出庫方法、裝置及存儲介質，以解決現有技術中，商品出庫時間滯后，訂單處理時間較長的問題。
2、根據本專利技術實施例的第一方面，提供基于數字孿生的訂單預測揀選出庫方法，所述方法包括：
3、基于實際倉儲揀選系統的組成設備以及工藝流程構建倉儲揀選系統的數字孿生模型；
4、獲取實際倉儲揀選系統一段時間內的實際生產數據，將所述實際生產數據輸入到所述數字孿生模型中，獲取原始揀選策略下，每個揀選訂單的第一平均完成時長；
5、獲取實際倉儲揀選系統待預測時刻前的預設歷史時間段內的實際產生的訂單數據，將所述預設歷史時間段內的實際產生的訂單數據輸入到預訓練好的lstm預測模型中，所述預訓練好的lstm預測模型輸出待預測時刻的預測訂單數據；
6、將所述待預測時刻的預測訂單數據添加到剩余訂單數據中，記錄每個待預測時刻的實際訂單數據，若實際訂單數據新產生了預測訂單數據中未包含的訂單數據，將所述預測訂單數據中未包含的訂單數據添加到剩余訂單數據中；
7、將添加預測訂單數據后的實際訂單數據輸入到所述數字孿生模型中，獲取改進揀選策略下，每個揀選訂單的第二平均完成時長；
8、設置多個預測比例系數，分別獲取多組第一平均完成時長以及第二平均完成時長，基于多組第一平均完成時長、第二平均完成時長以及多個預測比例系數獲取添加預測訂單后的系統性能提升指標；
9、選擇多個預測比例系數中對應的系統性能提升指標最高的預測比例系數作為最終預測比例系數；
10、在實際倉儲揀選系統中，在各個離散時刻通過預訓練好的lstm模型預測得到的訂單數據經過所述最終預測比例系數加權后輸出最終預測訂單，將所述最終預測訂單添加到當前出庫計劃中。
11、優選地，
12、所述基于實際倉儲揀選系統的組成設備以及工藝流程構建倉儲揀選系統的數字孿生模型包括：
13、獲取倉儲揀選系統的設備組成以及工藝流程信息；
14、所述設備組成以及工藝流程信息包括：商品信息、倉庫容量信息、輸送線信息、物料運輸邏輯、揀選工位信息、設備信息以及歷史運行數據；
15、所述商品信息包括：商品類型、數量以及位置；
16、所述倉庫容量信息包括：貨架以及存儲單元；
17、所述輸送線信息包括：輸送線運輸速度以及容量；
18、所述揀選工位信息包括：揀選工位的數量以及工作效率；
19、所述數字孿生模型包括：
20、幾何模型：用于表示立體倉庫、輸送線、揀選工位以及商品的外觀形狀、尺寸大小及結構關系；
21、物理模型：用于表示設備的受力變化、力學耦合特性以及溫度耦合特性；
22、行為模型：用于表示設備在運行過程中的運動狀態及動作關系；
23、規則模型：用于表示設備的約束條件和運動范圍；
24、所述幾何模型應用autodesk?3ds?max軟件進行等比例建模以及貼圖渲染還原；所述物理模型應用ansys軟件進行仿真模擬計算；所述行為模型和規則模型在unity3d環境下進行規則設定；
25、所述倉儲揀選系統的數字孿生模型通過所述歷史運行數據進行驅動。
26、優選地，
27、所述在各個離散時刻通過預訓練好的lstm模型預測得到的訂單數據經過所述最終預測比例系數加權后輸出最終預測訂單包括：
28、獲取各個離散時刻，預訓練好的lstm模型預測得到的各類訂單數量經過最終預測比例系數加權的訂單數據，將加權后的訂單數據與預設的訂單數據臨界值進行比較；
29、若加權后的訂單數據小于或等于預設的訂單數據臨界值，則將加權后的訂單數據作為最終預測訂單；
30、若加權后的訂單數據大于預設的訂單數據臨界值，則將加權后的訂單數據乘以預設的臨界比例系數，直到訂單數據小于或等于預設的訂單數據臨界值。
31、優選地，
32、所述預設的訂單數據臨界值包括：
33、在所述倉儲揀選系統的數字孿生模型的虛擬立體倉庫中生成待出庫貨物；
34、根據物料運輸邏輯安排貨物依次出庫，在貨物出庫趨于穩定的時間段內，獲取該時間段內數字孿生模擬中所有揀選工位處理的訂單總數，將該訂單總數作為訂單數量臨界值。
35、優選地，
36、所述選擇多個預測比例系數中對應的系統性能提升指標最高的預測比例系數作為最終預測比例系數包括：
37、獲取預訓練好的lstm預測模型輸出的待預測時刻的預測訂單數據，將每個待預測時刻的預測訂單數據分別乘以多個預測比例系數，得到多個加權預測訂單數據；
38、將每個加權預測訂單數據分別添加到實際訂單數據中，得到多個加權實際訂單數據；
39、將所述多個加權實際訂單數據分別輸入到所述數字孿生模型中，獲取不同預測比例系數下的每個揀選訂單的第二平均完成時長；
40、根據不同預測比例系數下的每個揀選訂單的第二平均完成時長以及第一平均完成時長分別計算不同預測比例系數下的系統性能提升指標本文檔來自技高網...
【技術保護點】
1.基于數字孿生的訂單預測揀選出庫方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，
3.根據權利要求2所述的方法，其特征在于，
4.根據權利要求3所述的方法，其特征在于，
5.根據權利要求4所述的方法，其特征在于，
6.根據權利要求5所述的方法，其特征在于，還包括：
7.根據權利要求1所述的方法，其特征在于，
8.基于數字孿生的訂單預測揀選出庫裝置，其特征在于，所述裝置包括：
9.一種存儲介質，其特征在于，所述存儲介質存儲有計算機程序，所述計算機程序被主控器執行時，實現如權利要求1-7任一項所述的基于數字孿生的訂單預測揀選出庫方法中的各個步驟。
【技術特征摘要】
1.基于數字孿生的訂單預測揀選出庫方法，其特征在于，所述方法包括：
2.根據權利要求1所述的方法，其特征在于，
3.根據權利要求2所述的方法，其特征在于，
4.根據權利要求3所述的方法，其特征在于，
5.根據權利要求4所述的方法，其特征在于，
6.根據權利要求5所述的方法，其特...
【專利技術屬性】
技術研發人員：王勇，楊驍，王唯鑒，呂宗喆，陳晗卿，
申請(專利權)人：北自所北京科技發展股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。