基于穿梭车的密集存储系统吞吐量优化分析

阚世奇 尹世琛

北京起重运输机械设计研究院有限公司 北京 100007

摘 要：随着自动化技术及物联网技术的飞速发展，穿梭车在自动化密集存储系统中应用越来越广泛。文中根据单层作业的多层穿梭车系统的工作模式，提出了最近邻点法对存取订单序列进行匹配，比较使用算法前后对系统吞吐量的影响，以仿真实验的方式进行了数据分析。实验证明，使用最近邻点法后的穿梭车系统订单存取时间大大缩短，提高了系统的吞吐量。

关键词：物流；密集存储系统；穿梭车；最近邻点法

中图分类号：TP301.6 文献标识码：A 文章编号：1001-0785（2019）11-0049-05

Abstract: With the rapid development of automation technology and IoT technology, shuttle vehicles are used in automated dense

storage systems more and more widely. According to the operating mode of the multi-layer shuttle vehicle system with single-layer operation, in this paper, the nearest neighbor method is put forward to match the access order sequence, and comparisons of the influence on the system cargo handling capacity before and after using the algorithm are carried out, and the data is analyzed through simulation experiments. Experiment results show that the order access time of shuttle vehicle system using nearest neighbor method is greatly shortened and the system cargo handling capacity is levelled up.

Keywords: logistics; dense storage system; shuttle vehicle; nearest neighbor method

0 引言

堆垛机广泛用于传统自动化立体仓库系统中用于取放货物，可节省劳动力成本,提高存储空间效率。然而其柔性不强，当堆垛机出现故障只能停机检修，而且单次作业只能取放1~4个单元货物。近年来，市场需求迅速变化，小定单、大批量、短交付周期成为市场主流，基于穿梭车的自动存储系统逐渐发展起来。

针对堆垛机自动化立体仓库系统，Bozer和 White

[1]

业的多层穿梭车存储系统，每层配备一台穿梭车，使用随机存储策略，分别计算了单指令循环和双指令循环下箱式提升机及穿梭车在系统中执行任务所用时间的理论分析表达式，最后用仿真分析的方法验证其理论的准确对系统吞吐率、性。同时,Borovinšek [4]在该理论基础上，总投资成本、能耗进行了分析计算，采用NSGA-II算法对多目标问题进行优化，得出最优解。

付晓锋[5]将系统作业流程进行建模，利用Jackson排队网络，根据物资存取作业需求给出系统的设备编配最小方案和优化方案，并基于模糊控制理论对托盘物资上下架任务进行分配。

目前的文献主要关注随机存储策略下对系统吞吐量的分析，关于穿梭车动态货位问题研究较少，需要一种算法来减少穿梭车在巷道中的运行时间，提高系统的吞吐量。本文在Lerher模型上进行了改进，针对单层作业的多层穿梭车存储系统组成，分析研究穿梭车在执行双

研究了货物在随机存储策略下，根据堆垛机在货架中的运行方式，分别推导了堆垛机执行单指令循环（简单作业模式）和双指令循环（复合作业模式）下系统的吞吐量。Lee[2]等人对堆垛机作业中的存取订单序列进行匹配，降低了堆垛机的行走时间，奠定了研究物流自动化系统吞吐量的基础。

在堆垛机理论研究基础上，Lerher[3]展示了单层作

引　用　格　式阚世奇,尹世琛.基于穿梭车的密集存储系统吞吐量优化分析[J]. 起重运输机械，2019（11）：49-52.2019年第11期 /

49

分析研究ANALYSIS RESEARCH

指令循环下存取订单匹配策略对系统吞吐量的影响，并用仿真分析的方法验证了该理论的准确性。

1 系统组成

单层作业的多层穿梭车存储系统主要由穿梭车、货架、箱式提升机、中间辊道台、输送线等设备组成。其中穿梭车及箱式提升机为密集存储系统的关键设备，承担料箱的出入库工作。箱式提升机通常由单立柱及其双侧载货台组成，一侧用于入库作业，另一侧用于出库作业。穿梭车在单个巷道中往复运动，负责将巷道两侧货架料箱的存入或取出，穿梭车充电点一般位于货架端部，穿梭车在待机时间段返回充电点进行充电。系统示意图如图1所示。

图1 单层作业的多层穿梭车存储系统

2 穿梭车行走时间

穿梭车在取存货过程中，速度状态按照是否达到其额定最大运行速度分为两种情况，如图2所示。设穿梭车额定最大运行速度为 ，加速度为 ，运行至目标位置所用时间为t，巷道长度为L，穿梭车运行至巷道末端所用时间记为Tx，货叉单次取/放货时间记为 。

图2 速度时间曲线图

综合以上两种情况下，穿梭车运行时间t所行走的距离

/ 2019年第11期

则穿梭车在水平方向行走距离的累计分布函数（CDF）为

当穿梭车执行单指令循环时，以取货（出库）为例，穿梭车从充电点出发，运行至取货点停稳后，货叉伸出将货架中的料箱取回至穿梭车上，穿梭车返回至充电点，货叉伸出将料箱放置在中间辊道台，中间辊道台将料箱输送至箱式提升机载货台，最后将货物运送至输送线出货。

穿梭车执行双指令循环时，穿梭车从充电点出发，将料箱运送至货架存货点并放置在货架中，再运行至货

架取货点取回放置于货架中的货物，最后返回充电点，将料箱放置在中间辊道台，中间辊道台将料箱输送至箱

式提升机载货台，最后将货物运送至输送线出货。

在随机存取模式下执行单命令循环时，根据累计分布函数求解到达存/取货点所用时间的期望值

则穿梭车执行单指令循环所用时间期望值为

当执行双指令循环时，穿梭车从货架存货点运行至取货点所用时间累计概率分布函数(CDF)为[3]

则穿梭车从货架存货点运行至取货点所用时间的期

望值

50

穿梭车执行双命令循环所用时间期望值

3 最近邻点法

当穿梭车执行双指令循环时，理论上可以通过将存订单与取订单进行匹配来减小 ，缩短订单执行时间，提高穿梭车吞吐量。

存订单中的料箱经输送线运送至提升机，再到达穿梭车，此过程中遵循先到先服务原则，取订单仅是保存在自动化仓储管理系统(WMS)中的指令，可以通过存订单与取订单的匹配来缩短E2的值，从而提高系统的吞吐量。假设执行存指令时，货架剩余可存储空间数量为m，

总集合为S，选择n个取订单作为一组，集合为R。分别将两个集合中的每一个元素进行匹配分析，最近邻点法算法如下：

WhileR≠0

Step1：穿梭车从充电点出发，从两个集合中挑选 ， ，满足r与s的距离值最小。

Step2：穿梭车在货架s位置处存入货物，在货架r处取出待出库货物

Step3：集合R=R-{r}Step4：集合S=S-{s}+{r}Return

通过分析可知，假设穿梭车在存货点至取货点的运动过程中，给定k个随机距离的行走时间，其中，最小值Tk是一个随机变量，运行时间t小于等于Tk的概率

则其概率密度函数(PDF)

的期望值

ANALYSIS RESEARCH分析研究需要计算对应m个可存储空间数量及n个取订单序列穿梭车执行双命令循环在存货点与取货点所用时间

的期望值。假设执行最后一次双指令循环时，需要做m次位置比较求得距离最小值；在执行倒数第二次指令时，需要执行m+1次位置比较；则执行第一次指令时需要做m+n―1次位置比较，如图3所示。

图3 位置比较次数示意图

综上所述应用最近邻点法计算得到存货点至取货点之间运行时间的期望值

则执行双命令循环所用时间

穿梭车利用率可提高

对应的单位时间内穿梭车吞吐量可提高

由最近邻点法定义可知，当m=1，n=1时， 。

4 数据分析

根据市场上各生产厂提供的穿梭车参数，选取常见

速度、加速度参数进行分析， ,

。穿梭车取放货时间 ，料箱尺寸为600 mm×400 mm×225 mm，货架中存储单元尺寸为600 mm×500 mm×350 mm。货架形式参考文献[3]中的4种规格，计算穿梭车复合指令行走时间并进行分析对比，见表1。

2019年第11期 /

51

分析研究ANALYSIS RESEARCH

表1 货架规格表

货架规格存储单元数量/个货架长度/ma33483.5b22456c16842d11228由图中数据分析可知，随着货架可存储空间数量m值的增加，行走时间E(D)减少速度较快，而随着订单序列值n的增加，行走时间E(D)减小速度相对较慢。以

L1=83.5为例，当m=3，n=1时，穿梭车利用率提高了

10%，而当m=1，n=8时，穿梭车利用率仅提高10%。以上结论可以解释为，随着m、n不断增大，E(D)值逐渐趋于稳定，这是因为E2 趋近于0所致。

在Matlab语言环境下，对穿梭车行走时间进行仿真，应用最近邻点法，计算不同货架长度、不同m、n值对穿梭车执行复合命令行走时间的影响，结果如图4所示。

图4 仿真数据图

在理想状态下，E =0，即穿梭车存取货物分别2位于货架巷道两侧的相同列。此种情况下4种货架参数中单位时间内穿梭车吞吐量分别可提高25.09%、22.80%、21.22%和18.66%。定义使用最近邻点法使穿梭车吞吐量提高10%即为表现出色，以本文4种货架参数仿真数据可知，选取适当的m、n值

即可使穿梭车吞吐量提高10%以上。

5 结束语

针对单层作业多层穿梭车密集存储系统，提出了最近邻点法算法，分析计算4种不同货架形式、不同m及n参数下穿梭车的行走时间，仿真结果表明，最近邻点法降低了系统中穿梭车复合指令下的行走时间，提高了穿梭车的吞吐量。同时货架中可存储空间数量m值对最近邻点法中穿梭车利用率影响较大，密集存储系统中的库存水平不可过高，否则将影响整个系统的吞吐量。

52

/ 2019年第11期

ANALYSIS RESEARCH分析研究伸缩溜筒下料仿真分析及其结构优化

邱俊霖 胡吉全 李 郁

武汉理工大学物流工程学院 武汉 430063

摘 要 ：针对块状颗粒在伸缩溜筒下料过程中的破碎问题，运用离散元Hertz-Mindlin with bonding粘结接触理论，建立煤炭颗粒破碎模型，基于岩石破碎的能量学说，采用虚拟标定法确定粘结参数。根据离散元仿真研究煤炭颗粒在伸缩溜筒中的输送及破碎情况，对伸缩溜筒系统提出结构优化建议。结果表明，改进后的伸缩溜筒系统能够有效降低下料过程中的块煤破碎情况，降低运输折损。关键词：伸缩溜筒；颗粒破碎；离散元；粘接模型；结构优化

中图分类号：TH237 文献标识码：A 文章编号：1001-0785（2019）11-0053-06

Abstract: In order to solve the crushing problem of massive particles during the blanking of telescopic chute, by using the discrete

element Hertz-Mindlin with bonding contact theory, a coal particle crushing model is established. The bonding parameters are determined by using virtual calibration on the basis of rock crushing energy theory. According to the discrete element simulation, the transportation and crushing of coal particles in the telescopic chute are studied, and the structural optimization solution for the telescopic chute system are proposed. Results show that the improved telescopic chute system can effectively reduce the lump coal crushing during blanking and lower the transportation damage.

Keywords: telescopic chute; particle crushing; discrete element; bonding model; structure optimization

0 引言

煤炭在运输过程中因冲击、碰撞、摩擦等原因会造成破碎，导致块煤转变成小块碎煤或末煤，降低其经济价值。因此，研究煤炭在运输过程中的破碎原理并采用相关技术手段降低运输过程中的折损具有实际意义。国内外有很多关于煤炭输送及破碎的研究，江红祥等

[1]

究了冲击速度对煤岩破碎能量、粒度分布的影响，建立了煤岩冲击破碎断裂耗能的计算表达式；Can E. Öze等[2]对特殊煤种进行了非优先破碎试验，研究粒度、密度和能量对破碎煤粒尺寸分布的影响；冯兴波等[3]根据岩石颗粒破碎时的分形特征，采用Sammis破碎准则，建立了基于分维模型的岩石颗粒破碎准则；刘志刚等[4]利

研

参考文献

[1] Bozer Y A, White J A. Travel-time models for automated storage/retrieval systems[J]. IIE transactions, 1984, 16(4): 329-338.

[2] Lee H F, Schaefer S K. Sequencing methods for automated storage and retrieval systems with dedicated storage[J]. Computers & Industrial Engineering, 1997, 32(2): 351-362.[3] Lerher T, Ekren B Y, Dukic G, et al. Travel time model for shuttle-based storage and retrieval systems[J]. The International Journal of Advanced Manufacturing Technology, 2015, 78

引　用　格　式 (9-12): 1 705-1 725.

[4] Borovinšek M, Ekren B Y, Burinskienė A, et al. Multi- objective optimisation model of shuttle-based storage and retrieval system[J]. Transport, 2017, 32(2): 120-137.[5] 付晓锋，俞汉生，朱从民.四向穿梭式自动化密集存储系 统的设计与控制[M]. 北京：机械工业出版社，2018.作 者：阚世奇

电子邮箱：kanshiqi0108@126.com收稿日期：2019-03-21

邱俊霖,胡吉全,李郁.伸缩溜筒下料仿真分析及其结构优化 [J]. 起重运输机械，2019（11）：53-58.2019年第11期 /

53