同城58网 科技 基于多Agent的四向穿梭车调度优化技术与应用

基于多Agent的四向穿梭车调度优化技术与应用

文|李岱东 金桂根 余荣洋 王国莉 黎建强 王佳

摘 要:如何提升智能密集仓储系统中四向穿梭车的出入库效率,本文提出了一种基于多Agent的多车调度优化技术和方法,并以JX物流中心项目为例构建优化模型,通过项目运行实际数据的验证,实现基于多Agent的单层单车、单层多车、多层多车的协同调度优化,可以有效提高智能密集库的出入库效率,对四向穿梭车系统的开发和应用有较好的实践意义。

关键词四向穿梭车、调度优化、多Agent、效率

一、序言

电子商务和智能制造发展助推了智能仓储技术的创新,针对生产物流品规少、批量大的特点,以及仓储空间高效利用的因素,以货架穿梭车为存取设备的智能密集仓储技术近年来发展迅猛。货架穿梭车是一种以货架轨道导向的存取和搬运设备,通过传感器、编码器及伺服控制等技术,精确定位各个输入、输出及存储工位,通过计算机调度管理系统,接收物料后进行自动往复穿梭搬运,并通过垂直提升机实现换层作业。托盘货架穿梭车一般指四向穿梭车和子母穿梭车,其中四向穿梭车将子母穿梭车合二为一,可在主道、子道运行,实现多层多车协同并行作业模式,为智能物流存储系统提供新的解决方案,是传统巷道堆垛机立体存储模式之外的重要智能仓储创新模式。但智能密集仓储系统的缺点是不能较好地实现物料的先进先出,出入库效率相对较低,穿梭车调度系统的策略和算法显得尤为重要,而多Agent系统的自治性、反应性和主动性特点能更好地适应密集仓储的多车调度效率问题。

四向穿梭车系统是依靠系统内的穿梭车辆和提升机结构相互配合完成多车多层出入库任务,利用提升机与穿梭车本身配置相互通信,在通过计算机软件操作系统、仓库管理系统完成换层及出入库作业,相比堆垛机出入库系统减少了巷道通道,很大程度提高了存储空间的利用率。密集仓储系统一般每层均放置一台四向穿梭车,可最大限度提高系统响应时间,从而增加系统的吞吐量,减少平均出入库时间;但实际运营中可能会出现多台穿梭车利用率不均,进而导致巷道堵塞,出入库效率大打折扣,因此多车协同调度优化技术显得迫切和重要。

采用Agent人工智能理论的调度系统通过Agent智能行为和Agent个体之间的协商可以让调度系统变得高速和高效。本文通过分析四向穿梭车密集存储结构和特征,构建了基于多Agent技术的四向穿梭车密集仓储调度优化模型,并将多Agent合作求解技术应用到调度策略中,取得了较好的优化效果。

二、密集仓储四向穿梭车结构模型

多Agent系统结构通常包括以下三种类型:集中式、分布式和混合式。在分布式结构当中,每个Agent的状态是相对相等的,充分发挥每个Agent的自治性和协商性。不同的任务调度环节对应不同的作业流程,根据系统这一特点,建立基于多Agent的密集仓储四向穿梭车结构模型,如图1所示,其中包含了各类别Agent之间的信息交互过程以及各Agent的主要功能,在订单进入系统当中后,向出入库系统发出订单需求信息,再根据订单货品类型等信息分配给各个仓储货架Agent,再由仓储系统调度穿梭车以及提升机,共同调度协作,完成最终的出入库订单任务。

根据分析系统的运作机制,将整个结构模型MAS(Multi-Agent System)分解为信息层、控制层、通讯层以及执行层,各Agent功能如下:

信息层Agent位于本系统中第一级别,负责整个系统中的信息采集、信息处理,同时主要负责协调规范下一级别控制层的各种Agent的行为,即订单管理Agent、出入库管理Agent和仓储管理Agent。虽然每个控制层的Agent各自都具有自治性,但当这一级Agent之间产生竞争冲突时,由上级Agent来解决。

控制层Agent主要负责系统中的各项任务的分配,例如订单分配、穿梭车及提升机的调度和货位分配等一系列具体任务,控制层Agent对于各自所管辖的范围内的资源和任务,具有自主性和独立性,同时也需要调节执行层各Agent之间的行为。

交互和通讯Agent主要负责各Agent之间的信息交互,以达到减少各Agent之间耦合性。各Agent之间通讯是基于通信断言机制来进行交互和传输。

执行层是具体执行任务的各种Agent,在接收到控制层Agent下达的任务时,各执行层Agent对于任务进行竞争,最终由获得任务的Agent完成任务并反馈结果。

各Agent类型及功能见表1。

在多Agent密集仓储穿梭车系统中,Agent之间的交互主要体现在订单管理Agent与出入库月台Agent、出入库月台Agent与仓储货架Agent、仓储货架Agent与穿梭车提升机Agent以及多穿梭车Agent与提升机Agent之间。各类Agent之间以招投标方式实现任务分配和相互协作执行任务。因此在系统中各Agent之间的协调调度步骤主要有以下三步:

(1)任务派发环节:招标环节采用广播招标,基于多Agent的密集仓储四向穿梭车模型中执行功能相同的Agent,其数据库、知识库以及状态都不同且在实时变化,为确保系统运行最优化,招标者Agent 将标书实时发送至每个投标者Agent,即每个投标者Agent都将接收到招标者Agent发出的招标信息,再根据自身情况判断是否发起投标。

(2)任务请求环节:投标者在接到任务消息时,会检查自身能力,首先检查是任务缓冲池的剩余容量,是否可以接收新的作业任务,其次判断是否符合完成任务的基本要求,最后判断是否能在规定时间窗内完成任务所需要求。若满足以上条件,多Agent系统将会制作标书送至投标Agent,投标Agent接受任务后将任务加入任务缓冲池,并按合同执行任务,最终对结果进行反馈。

(3)执行评价:针对招标投标环节所反馈的数据信息,对该任务完成程度进行评价。

三、项目案例及优化模型构建

JX物流中心是以智能密集仓储为中心,集快速处理客户订单和配送功能为一体的现代化物流项目,完成物料准确快速的存储、复核、集货、发运等业务。智能密集仓储系统包括四向穿梭车、提升机、货架、出入库站台及计算机调度管理系统,平面布局如图2所示。

(1)存储货位数:5000货位(6层货架);

(3)存储物料规格(SKU):30个;

(4)入库流量:满足生产线3000件/天的产能,满足500件/小时的入库流量;

(5)出库流量:满足每天发货大箱10000件/天,有效工作时间按6小时计算;

(6)设备配置:4台货架穿梭车,2台提升机。

根据四向穿梭车MAS模型,建立基于多Agent的密集存储四向穿梭车调度模型,如图3所示,其协调调度管理策略及机制如图4所示。

通过对计算机系统数据进行预处理及设置后,对连续时间、储位进行数据分析,得到系统运行基础数据。

(1)货架梭车在进行出入库作业时,一动作周期具体分解为:接货(升降)-换轨-匀加速直线运动-匀速直线运动-匀减速直线运动-放货(升降);

(2)换轨时间5S、升降时间6S;

(3)在进行换轨时,只需要子道向主道询问路径(通讯时间4S);

(4)T实际=T总=t升降+n*t换轨+t直线+

t通讯;

(5)系统要求到达70PL/h(4台车)的流量,按照均分原则,每层物料间隔时间为4PL/min;

(6)针对多车模型,在主道只能一辆小车通过,当前车离开主道后,后车可以即刻进行。

在实际任务主导下,因要达到

T实际=T总,四向穿梭车在直线道上速度未知,进行多次数据校验,对平均速度进行参数化设置,使单车单循环的作业时间近似等于实际时间,在允许误差到达2%以下,得到可行性参数。

(1)单车任务出入库调度

在进行单任务出入库任务时,存在多个穿梭车以及多台提升机竞争同一任务的情况,这种情况下的入库过程采用分布式控制的方式,控制决策由控制层的各Agent之间相互通讯协调来实现,对于单任务出入库来说,存在于一个最优选的穿梭车以及提升机选择,因此要对于各执行层Agent进行指标评价,主要指标有:穿梭车到出入库站台的时间,穿梭车预计完成任务的时间,穿梭车的排队任务指标,穿梭车的健康指标,穿梭车的利用率等。各子Agent需要互相协商,根据指标公式计算出自身能力值,同时对该任务进行竞标,随后由控制层Agent进行决策并分配任务,能力计算如下。

式中:C(t)表示各子Agent的总能力值,ha (t)表示健康指标,T(Lxy,Le)、T(Le,Lij)采用时间计算各子Agent完成任务的能力,A表示当前子Agent是否空闲,空闲为1,否则为0。

(2)多车任务出入库调度

在进行多任务出入库任务时,采用集中控制方式,各子Agent将自己的能力转化为参数递交给调度系统中,随后采用改进的匈牙利算法,将所有完成任务的子Agent的能力指标参数构成一个代价矩阵,随后通过匈牙利算法对矩阵进行转换,最终得到一个简化矩阵,最终矩阵中为1的元素代表任务分配给这些子Agent。

STEP1 输入效率矩阵,并且每行中减去最小元素;

STEP2 从每列中减去该列最小元素;

STEP3 每行中只有一个0,则对该0进行标记,对于标记所在列进行划线,依次划线;

STEP4 每列中只有一个0,对该0进行标记,对于标记所在行划线,依次划线;

STEP5 矩阵中是否还存在未划线的0,若存在则转到STEP6,否则STEP8;

STEP6 是否存在有0的闭回路,若不存在则转到STEP3,否则STEP7;

STEP7 顺回路方向每一个间隔的0进行标记,对标记所在行列划线,随后转到STEP8;

STEP8 是否每一行都有被标记的0,都存在则转到STEP10,否则STEP9;

STEP9 找出未被直线覆盖的最小元素k,做成新矩阵bij=aij-ui-vj,转到STEP2;

STEP10 对应的1为最优分配解。

四、基于多Agent的调度优化结果分析

四向穿梭车运行基础数据如表2所示,基于多Agent的四向穿梭车调度优化模型及策略在JX物流中心的应用,优化前和优化后系统运行数据如表3、表4所示。

从运行数据来看,双车能力比单车能力提升了65%左右的效率,且对比系统优化前运行数据来看,出入库可提高约30%的效率。

案例项目中,为使四向穿梭车的利用率进一步提高,达到预期的优化目标,结合以上优化调度技术,优化辅助措施如下:

增设空车返回路径,使路径长度缩短,减少所用时间,提升出入库效率。

若入库来料不均衡,会导致某层小车一直处于停滞等待状态,导致出入库效率降低,应在入库前端进行来料预处理,尽可能实现SKU混合入库。

根据对物料托盘批次数和系统数据进行分析,对占比较高的物料批次进行区域规划存储,如2/3区划分为区域模数。

五、结论

将Agent技术与密集仓储四向穿梭车系统相结合,将系统中的各项流程及设备映射成为相应的Agent模块,并对这些Agent模块设计相应的行为和功能,通过各Agent之间的协商机制,可以使智能Agent融入仓储调度系统,可以提高系统的整体能力,同时可以使系统能够灵活处理各种突发事件,减少异常事件对于系统整体效率的影响,使系统灵活鲁棒性更强。

实现智能密集仓储系统中多台四向穿梭车运行调度的竞合博弈,多台穿梭车智能体学会彼此合作和相互竞争,相互协同完成存取货、行走搬运的出入库任务;使用多Agent的数学算法和逻辑找到多车物流调度、动态路径规划的最优解,实现系统运筹优化。

END

宣传推广

本文来自网络,不代表本站立场,转载请注明出处:https:

Agent,调度,技术,控制,出入库,系统,仓储,任务,应用,智能,Agent,穿梭车,提升机,系统,任务

同城58网后续将为您提供丰富、全面的关于Agent,调度,技术,控制,出入库,系统,仓储,任务,应用,智能,Agent,穿梭车,提升机,系统,任务内容,让您第一时间了解到关于Agent,调度,技术,控制,出入库,系统,仓储,任务,应用,智能,Agent,穿梭车,提升机,系统,任务的热门信息。小编将持续从百度新闻、搜狗百科、微博热搜、知乎热门问答以及部分合作站点渠道收集和补充完善信息。