本发明涉及紧致化仓储货物存储技术领域，特别涉及一种紧致化机器人自动存取系统货物合箱方法。
背景技术：
随着移动互联网的迅猛发展，客户需求的多样性和爆发式增长以及不断缩短的产品有效生命周期，传统自动化存取系统逐渐难以适应市场，适用于新零售和电商企业的新型紧致化机器人存取系统正在兴起。该系统具有节省仓库面积、设计柔性高、可灵活扩展、订单处理准确率高等特点。
与传统自动化立体仓库不同，该系统不必留有巷道空间，而是由一列列形状规格相同的料箱叠加码放形成的高密度存储区。机器人在网格货架的顶部沿x-y方向移动，配合提升机抓取和释放料箱，拣选其中货物。若待拣选货物所在料箱不位于货架顶层，而是位于堆栈的较深层次，则机器人需要进行翻箱。由于该系统中独特的货架形式和货物拣选方式，料箱的存储策略决定了所需的存储空间和系统运行效率，因此研究相关内容具有重要意义。
2015年以前，针对仓储系统的货物存储策略研究主要围绕存储区域内的随机存储和分类存储展开，而对于最小存储单元，如自动化立体仓库中同一列货架不同层上托盘货物的摆放规则，紧致化仓储系统中同一堆栈中不同料箱内货物的摆放规则并没有研究。2015年以后，随着紧致化仓储系统的逐步推广应用，针对单元存储料箱内货物存储方式的指定存储策略与共同存储策略被提出。现有研究发现，二者之间存在着效率与成本的矛盾，指定存储策略虽然系统订单处理时间短，运行效率高，但随着企业产品数量和规模的增加，企业需要设置更多的存储空间，花费更多的存储成本，因此在实际运作过程中，更多企业会选择共同存储策略。如何设计一种共同存储策略下的货物存储方式，使得共同存储策略的订单处理时间减小，寻求企业存储效率与存储成本的平衡，是目前急需解决的问题。
技术实现要素：
为了克服上述现有技术的不足，本发明的目的在于提供一种紧致化机器人自动存取系统货物合箱方法，能够减少该系统在货物共同存储策略下处理订单的时间。
为了实现上述目的，本发明采用的技术方案是：
一种紧致化机器人自动存取系统货物合箱方法，包括以下步骤；
1)根据紧致化机器人自动存取系统的作业流程和目前共同存储策略下造成订单处理时间长的原因，以机器人拣货过程中行走总距离最短为目标函数，建立基于货物关联规则的合箱模型；
2)考虑到步骤1)所建立的数学模型对于需求频率大的货物应该优先放在距离网格货架顶层最近且距离工作站最近地方的要求，设计料箱的分配规则；
3)使用智能算法进行货物存储方式的优化求解，确定货物最优存储位置。
所述步骤1)中分析系统作业流程以及造成共同存储策略下订单处理时间长的原因，包括以下三步；
第一步；系统接收客户订单，为其分配处在空闲状态的机器人，机器人接收订单指令后，从待位点行走至目标料箱处，若料箱不位于货架顶层，则机器人进行翻箱操作；
第二步；机器人携带目标料箱送至距离最近的工作站，由拣选人员从中选取需要的商品；
第三步；工作站操作完成交换料箱，机器人携带存储料箱到指定的存储位置。
所述料箱的存放方式可以分成指定存储和共同存储两种；
指定存储是“一位一货”，即每个料箱中只存放一种货物，料箱堆码形成堆栈，每个堆栈中也只存放一种货物；
共同存储是“一位多货”，每个料箱中存放的货物种类数大于1，每个堆栈中存放多种货物。
所述步骤1)中基于货物关联规则的合箱模型具体为：
假设考虑的货物合箱策略为初始状态下货物货位分配，即还未发生拣选作业，仓库为空的情况，货物分配中要考虑的主要因素为以下四个方面：
(a)货物相关性；顾客经常一起购买货物a和货物b，则将货物a和b放在一个料箱中；
(b)货物的需求频率；指某一时期内某种货物被重复购买的次数占购买货物总数的比率，不同货物的客户需求率不同，将需求频率高的货物放在最合理的位置，同时根据需求频率设置仓储数量；
(c)料箱的容量限制；该系统中的料箱有固定的尺寸标准，一个料箱中容纳的所有货物体积不能超过限定值；
(d)料箱的重量限制；该系统中的料箱有35kg的承重要求，箱内货物重量之和不能够超过这一标准；
其目标函数是使关联货物被分配到的料箱间的距离、需求最高货物到货架顶层距离以及需求最高货物到工作站的水平距离之和最小化，故此时的目标函数为：
模型的约束条件：
式(2)确保在分配过程中，考虑到每种货物至少被分配到一个料箱中，其中k指待分配货物种类数；式(3)表示由于系统中的每个料箱容量都有限制且货物的存放不是紧密存储，因此设定料箱实际利用率为pr，已经分配货物的体积加上将要分配的货物体积，不能超过料箱容积和其实际利用率的乘积；式(4)表示由于系统中的每个料箱都有最大载重量限制，因此待分配货物重量加上已分配货物重量之和不能超过料箱最大载重量；式(5)表示待分配货物数量与其货物总数之间的比例应近似等于货物的需求频率；
其中，ckk'表示基于关联规则挖掘算法计算出的历史订单中货物k和k′之间的关联度；dkk'表示已分配货物k和待分配货物k′即将被分配位置之间的距离；xki为决策变量，指货物k是否分配到料箱i(0-1变量)；supk表示基于关联规则挖掘算法计算出的货物k的支持度(代表货物需求频率)；di表示料箱所在位置距离网格货架最顶层的距离；yi表示料箱所在位置距离工作站的水平距离；pr表示料箱实际利用率；k表示待分配货物种类数；nki表示已分配到料箱i的商品k的数量；nk'i表示待分配到料箱i的商品k的数量；vk表示商品k的体积；vk'表示商品k'的体积；vi表示料箱i的容积；wk表示商品k的重量；wk'表示商品k'的重量；li表示料箱i的最大载重量；q表示待分配的所有商品总数。
所述步骤2)料箱的分配规则规定了货品分配到料箱的顺序，为不同层之间由上至下，先分配距离网格顶部最近的层，同层之间按照距离工作站的远近进行分配。
所述步骤3)中优化求解的方法为apriori关联规则挖掘算法和混沌种子优化算法。使用apriori关联规则挖掘算法，挖掘历史订单中货物的关联关系，得到步骤1)所述模型的公式(1)中的关联度参数。将结果输入混沌种子优化算法中，得到使得步骤1)中所建模型的目标函数值最小的货物合箱存储结果。
所述apriori关联规则挖掘算法中最小支持度minsup为0.003，最小置信度minconf为0.5。
本发明的有益效果：
本发明为紧致化机器人自动存取系统中货物存储方法，该货物存储方法通过分析系统在共同存储策略下处理订单时间长的原因，结合系统的实际作业流程，以机器人拣货过程中行走总距离最短为目标函数，建立基于货物关联规则的合箱模型，设计料箱的分配规则，并利用apriori关联规则挖掘算法和混沌种子优化算法进行优化求解，从而确定货物最优存储位置。货物合箱后，共同存储策略下系统订单处理时间显著缩短，可以明显节约时间成本，节约能源，使紧致化机器人自动存取系统高效率、高密度、高利用率等优点得到充分发挥，为仓储品类繁多但仓储面积有限企业的货物存储提供解决方案。
附图说明
图1为系统顶层作业流程图。
图2为机器人翻箱示意图。
图3为系统顶层料箱的分配顺序。
图4为算法流程图。
图5为模型求解结果。
具体实施方式
下面结合附图对本发明作进一步详细说明。
本发明提供的紧致化机器人自动存取系统货物合箱方法，具体按照以下步骤实施：
步骤1以机器人拣货过程中行走总距离最短为目标函数，建立基于货物关联规则的合箱模型；
1.1分析系统作业流程以及造成共同存储策略下订单处理时间长的原因；
参见图1，本发明设计如下系统的作业流程，主要分为三步：系统接收客户订单，为其分配处在空闲状态的机器人，机器人接收订单指令后，从待位点行走至目标料箱处，若料箱不位于货架顶层，则机器人进行翻箱操作；机器人携带目标料箱送至距离最近的工作站，由拣选人员从中选取需要的商品；工作站操作完成交换料箱，机器人携带存储料箱到指定的存储位置。
货物的存放方式可以分成指定存储和共同存储两种，指定存储是“一位一货”，即每个料箱中只存放一种货物，料箱堆码形成堆栈，每个堆栈中也只存放一种货物；共同存储是“一位多货”，每个料箱中存放的货物种类数大于1，每个堆栈中存放多种货物。分析共同存储策略相比指定存储策略系统中订单处理时间长的原因发现，主要是由于共同存储策略下产生的翻箱时间导致。在指定存储策略中，由于一个堆栈内存放的是相同货物，因此机器人每次只需从堆栈顶端抓取目标料箱，而在共同存储策略中，若目标料箱位于堆栈的较深层次，则机器人需要先将上面的三个阻挡料箱全部移除，再抓取目标料箱。图2中假设目标料箱位于含有h个料箱的堆栈中的第i层(从上往下，i＝1,2,…,h)，机器人需要将目标料箱上的i-1层阻碍料箱移到相邻堆栈中。与此同时，由于机器人在货架上移动的速度确定，因此机器人拣货过程的行走总距离也会影响系统订单处理时间。
1.2建立货物合箱的数学模型
假设考虑的货物合箱策略为初始状态下货物货位分配，即还未发生拣选作业，仓库为空的情况。货物分配中要考虑的主要因素为以下四个方面：
(a)货物相关性。顾客经常一起购买货物a和货物b，则将货物a和b放在一个料箱中，可以有效减少搬运料箱的次数。
(b)货物的需求频率。指某一时期内某种货物被重复购买的次数占购买货物总数的比率，不同货物的客户需求率不同，如日用百货品的需求率远大于奢侈品。将需求频率高的货物放在最合理的位置，同时根据需求频率设置仓储数量，可以节约拣选时间，减少仓储区域面积浪费。
(c)料箱的容量限制。该系统中的料箱有固定的尺寸标准，即一个料箱中容纳的所有货物体积不能超过限定值。除此之外，货物装在箱内不会将箱内空间充分利用，因此还要考虑料箱的实际利用率。
(d)料箱的重量限制。该系统中的料箱有35kg的承重要求，箱内货物重量之和不能够超过这一标准。
建立合箱模型的目的是为了减少共同存储策略下系统订单处理时间，提高拣选效率，通过货物的合理放置，减少单次订单的拣选距离。其目标函数是使关联货物被分配到的料箱间的距离、需求最高货物到货架顶层距离以及需求最高货物到工作站的水平距离之和最小化，故此时的目标函数为：
模型的约束条件：
式(2)确保在分配过程中，考虑到每种货物至少被分配到一个料箱中，其中k指待分配货物种类数；式(3)表示由于系统中的每个料箱容量都有限制且货物的存放不是紧密存储，因此设定料箱实际利用率为pr，已经分配货物的体积加上将要分配的货物体积，不能超过料箱容积和其实际利用率的乘积；式(4)表示由于系统中的每个料箱都有最大载重量限制，因此待分配货物重量加上已分配货物重量之和不能超过料箱最大载重量；式(5)表示待分配货物数量与其货物总数之间的比例应近似等于货物的需求频率(即货物支持度)，这是因为若存储某种货物数量过高而需求频率较低，会造成浪费，反之，又会造成频繁补货。
步骤2设计料箱的分配规则；
为了保证模型中对于需求频率大的货物应该优先放在距离网格货架顶层最近且距离工作站最近地方的要求，设计料箱的分配规则，将需求频率从高到低的货物的放置顺序与料箱的分配顺序一一对应。料箱的分配规则为不同层之间由上至下，先分配距离网格顶部最近的层，同层之间按照距离工作站的远近进行分配，图3中数字1-35即为同层间料箱的分配顺序。图中相同颜色的格子代表到工作站单位距离相同的料箱，相同颜色内料箱的分配顺序又与料箱的单位宽度与长度的大小有关。如分配顺序为2、3、4的三个料箱到工作站均为2个单位距离，其中2号料箱为2个沿宽度方向单位长度，3和4料箱为1个沿长度方向1个沿宽度方向的单位长度，而autostore系统中料箱的尺寸为长649mm，宽449mm，因此优先分配2号，其余层按照同样方法。这样的分配方式保证了高需求货物(高周转率料箱)都集中在货架顶部且靠近工作站处，同时让其分属不同堆栈，减少机器人拥堵和等待时间。
步骤3使用智能算法确定货物最优存储位置；
本发明设计基于apriori和混沌种子优化算法的复合优化算法(apriorichaoticbeanoptimizationalgorithmacboa)运用python进行仿真分析，算法分为两个阶段，一是用apriori关联规则挖掘算法实现对货物间关联规则的挖掘，二是将apriori算法的结果输入混沌种子优化算法中，求解货物的合箱结果。选取实例进行分析研究，其中系统运行参数和算法参数设置见表1。具体步骤如下：
第一步：输入历史订单数据，设定阈值minsup和minconf；第二步：运行apriori算法，挖掘货物与货物(货物集合)之间的关联度conf，产生所有关联规则集合rule-set；第三步：输入待合箱货物信息，初始化种群和相关参数，包括种子个数、父种个数n、最大迭代次数maxgen；第四步：将所有货物按支持度sup大小排序，设定所有料箱的分配顺序；第五步：从待分配货物集合k中抽取支持度sup最大的货物i，按照设置好的料箱分配规则进行依此分配；第六步：判断是否有货物i'和货物i关联。如果有，则进行第七步：从所有关联规则集合中找到关联度最大的货物i'，构成关联货物集合s，从待分配货物集合中删除i和i'，从关联规则集合rule-set中删除该条规则。如果没有货物i'和货物i关联，则进行第八步：将货物暂存到集合u中；第九步：把所有不包含关联规则的货物以sup值从大到小重新进行排序，形成集合s'。与此同时，判断待分配货物集合是否为空，如果是则进行第十步，如果否则返回第五步循环；第十步：遍历关联货物集合s和不包含关联规则的独立型货物集合s'；第十一步：输入货物的重量、体积信息；第十二步：将货物集合进行合箱，判断此时料箱是否达到承重和体积限制，如果达到则输出合箱结果，如果未达到则再次循环向箱内添加货物集合。以上步骤可以用图4的算法流程图来表示。
3000张订单数据(包含28722条货物购买数据，15000种不同sku的货物，品类涵盖食品、药品、个护和运动四个方面)，共挖掘到货物间的关联规则126条见表2，得到客户订单中货物的合箱结果见表3。
将优化程序重复运行50次，模型求解结果见图5，说明，基于订单关联规则的合箱模型算法设计合理，算法的稳定性较好，鲁棒性强。
将合箱存储策略与其他四种常见存储策略：共同存储策略下的分区存储、共同存储策略下的随机存储、指定存储策略下的随机存储和指定存储策略下的分区存储的仿真结果进行对比，共设置四个实验评价指标，实验结果见表4。合箱存储相比另外四种存储方式的改进百分比见表5。分析发现，本发明的合箱存储相较于共同分区存储和共同随机存储能够分别降低订单平均处理时间7.55％和39.27％。说明，合箱模型对于缩短共同存储策略下订单处理时间有较好效果。
表1.数值实验参数设置表
表2货物关联规则(部分)
表3合箱结果
表4.四种存储策略比较的实验结果
表5.合箱存储相较于另外四种存储方式改进值
1.一种紧致化机器人自动存取系统货物合箱方法，其特征在于，包括以下步骤；
1)根据紧致化机器人自动存取系统的作业流程和目前共同存储策略下造成订单处理时间长的原因，以机器人拣货过程中行走总距离最短为目标函数，建立基于货物关联规则的合箱模型；
2)考虑到步骤1)所建立的数学模型对于需求频率大的货物应该优先放在距离网格货架顶层最近且距离工作站最近地方的要求，设计料箱的分配规则；
3)使用智能算法进行货物存储方式的优化求解，确定货物最优存储位置。
2.根据权利要求1所述的一种紧致化机器人自动存取系统货物合箱方法，其特征在于，所述步骤1)中分析系统作业流程以及造成共同存储策略下订单处理时间长的原因，包括以下三步；
第一步；系统接收客户订单，为其分配处在空闲状态的机器人，机器人接收订单指令后，从待位点行走至目标料箱处，若料箱不位于货架顶层，则机器人进行翻箱操作；
第二步；机器人携带目标料箱送至距离最近的工作站，由拣选人员从中选取需要的商品；
第三步；工作站操作完成交换料箱，机器人携带存储料箱到指定的存储位置。
3.根据权利要求2所述的一种紧致化机器人自动存取系统货物合箱方法，其特征在于，所述料箱的存放方式可以分成指定存储和共同存储两种；
指定存储是“一位一货”，即每个料箱中只存放一种货物，料箱堆码形成堆栈，每个堆栈中也只存放一种货物；
共同存储是“一位多货”，每个料箱中存放的货物种类数大于1，每个堆栈中存放多种货物。
4.根据权利要求1所述的一种紧致化机器人自动存取系统货物合箱方法，其特征在于，所述步骤1)中基于货物关联规则的合箱模型具体为：
假设考虑的货物合箱策略为初始状态下货物货位分配，即还未发生拣选作业，仓库为空的情况，货物分配中要考虑的主要因素为以下四个方面：
(a)货物相关性；顾客经常一起购买货物a和货物b，则将货物a和b放在一个料箱中；
(b)货物的需求频率；指某一时期内某种货物被重复购买的次数占购买货物总数的比率，不同货物的客户需求率不同，将需求频率高的货物放在最合理的位置，同时根据需求频率设置仓储数量；
(c)料箱的容量限制；该系统中的料箱有固定的尺寸标准，一个料箱中容纳的所有货物体积不能超过限定值；
(d)料箱的重量限制；该系统中的料箱有35kg的承重要求，箱内货物重量之和不能够超过这一标准；
其目标函数是使关联货物被分配到的料箱间的距离、需求最高货物到货架顶层距离以及需求最高货物到工作站的水平距离之和最小化，故此时的目标函数为：
模型的约束条件：
式(2)确保在分配过程中，考虑到每种货物至少被分配到一个料箱中，其中k指待分配货物种类数；式(3)表示由于系统中的每个料箱容量都有限制且货物的存放不是紧密存储，因此设定料箱实际利用率为pr，已经分配货物的体积加上将要分配的货物体积，不能超过料箱容积和其实际利用率的乘积；式(4)表示由于系统中的每个料箱都有最大载重量限制，因此待分配货物重量加上已分配货物重量之和不能超过料箱最大载重量；式(5)表示待分配货物数量与其货物总数之间的比例应近似等于货物的需求频率；
其中，ckk'表示基于关联规则挖掘算法计算出的历史订单中货物k和k′之间的关联度；dkk'表示已分配货物k和待分配货物k′即将被分配位置之间的距离；xki为决策变量，指货物k是否分配到料箱i(0-1变量)；supk表示基于关联规则挖掘算法计算出的货物k的支持度(代表货物需求频率)；di表示料箱所在位置距离网格货架最顶层的距离；yi表示料箱所在位置距离工作站的水平距离；pr表示料箱实际利用率；k表示待分配货物种类数；nki表示已分配到料箱i的商品k的数量；nk'i表示待分配到料箱i的商品k的数量；vk表示商品k的体积；vk'表示商品k'的体积；vi表示料箱i的容积；wk表示商品k的重量；wk'表示商品k'的重量；li表示料箱i的最大载重量；q表示待分配的所有商品总数。
5.根据权利要求1所述的一种紧致化机器人自动存取系统货物合箱方法，其特征在于，所述步骤2)料箱的分配规则规定了货品分配到料箱的顺序，为不同层之间由上至下，先分配距离网格顶部最近的层，同层之间按照距离工作站的远近进行分配。
6.根据权利要求1所述的一种紧致化机器人自动存取系统货物合箱方法，其特征在于，所述步骤3)中优化求解的方法为apriori关联规则挖掘算法和混沌种子优化算法，使用apriori关联规则挖掘算法，挖掘历史订单中货物的关联关系，得到步骤1)所述模型的公式(1)中的关联度参数，将结果输入混沌种子优化算法中，得到使得步骤1)中所建模型的目标函数值最小的货物合箱存储结果。
7.根据权利要求6所述的一种紧致化机器人自动存取系统货物合箱方法，其特征在于，所述apriori关联规则挖掘算法中最小支持度minsup为0.003，最小置信度minconf为0.5。
技术总结