多层穿梭车系统输送机缓存长度建模及优化方法与流程

本公开涉及一种多层穿梭车系统输送机缓存长度建模及优化方法。

背景技术：

随着物流行业智能化、自动化水平的显著提高，多层穿梭车储分一体化系统在电商及制造行业得到了广泛应用。该系统在出入库作业时，为防止作业中断，提高订单拣选效率，在提升机与人工拣选站台的交接段设置了一定长度的输送机用于缓存出入库的料箱。

输送机缓存主要是用于暂存出库待拣选的料箱，减少设备之间相互等待的时间。发明人在研究过程中发现，在实际作业中料箱到达输送机缓存的速度受品项存放位置及任务调度等因素影响，是一个离散的随机过程。在这种情况下，如果输送机缓存过长，超出最大出库效率下的理论缓存量，则导致设备会占用过多的空间，造成资源浪费；如果输送机缓存过短，不满足最大出库效率下的理论缓存量，则导致短时间内料箱得不到及时补充时，出现缺货现象，影响拣货效率。综上分析，输送机缓存合理的长度对整个系统的拣货效率的提高至关重要。

目前，对于提高多层穿梭车系统(以下简称多穿系统)拣货效率的研究主要集中在储位优化及任务调度优化方面。现有储位优化及选缓存长度优化方法有：(1)对多穿系统进行建模优化方法，采用蚁群聚类对储位进行优化，同时应用遗传算法对任务调度进行优化，从而提高系统效。(2)通过货物相似性计算，构建聚类模型，并应用启发式算法求解最优储位，从而平衡拣货人员工作量，提高拣货效率。(3)提出多层穿梭车仓储系统任务调度模型，通过遗传算法研究并行取货、串行出库策略下系统效率。(4)通过研究订单聚类分配策略来提高系统效率，提出四种改进k-means聚类算法并结合真实订单数据进行验证分析，对四种聚类算法优化效率进行排序。(5)采用soqn方法建模，并用降解法求解分析多自动小车任务切换情况下系统的性能。(6)自动卷烟分拣系统中拣选补货缓存长度进行建模优化，采用启发式聚类算法对品项储位进行优化，缩短货物出库时间，从而减少缓存长度，提高拣选效率。

综上所述，在多层穿梭车系统中，如何优化输送设备尺寸的适应性，仍是待解决的技术问题。

技术实现要素：

为了克服上述现有技术的不足，本公开提供了一种多层穿梭车系统输送机缓存长度建模及优化方法，通过对输送机缓存作业过程及多层穿梭车系统的详细分析，建立输送机缓存长度模型并进行优化，为多层穿梭车系统合理设计提供理论依据。

本公开所采用的技术方案是：

一种多层穿梭车系统输送机缓存长度建模方法，该方法包括分别建立输送机缓存输入输出平衡模型、料箱平均出库时间模型以及输送机缓存长度模型；其中：

所述输送机缓存输入输出平衡模型为：

其中，β为0到t时间段内的任意时刻；τ为从第一个货物进入到出库缓存段到离开出库缓存段的时间；l(t)为t时刻压缩密度达到最大压缩密度的长度。

所述料箱平均出库时间模型为：

其中，为穿梭车的平均等待时间，为提升机的平均等待时间；表示穿梭车单向水平运动时间，表示提升机单向垂直运动时间。

当输送机缓存料箱未满，整个拣货输送过程中一直处于不饱和状态，则输送机缓存长度模型为：

其中，i(β)为输送机缓存的输入量，d(β)为在β时刻的输送机缓存的压缩密度。

当输送机缓存能到达最大密度时，则输送机缓存长度模型为：

输送机缓存长度的最小临界值为：

其中，t0为一个订单的平均出库时间；λ为订单任务到达率；l0为输送机缓存最小临界值；vl为输送机的驱动速度；μm为人工拣货速度服从分布函数。

一种多层穿梭车系统输送机缓存长度优化方法，该方法包括以下步骤：

利用品项出库任务完成时刻平均差值，建立品项相关性矩阵；

采用改进k-means算法对品项进行聚类，形成多个储区；

根据相似储区排列组合原则，建立储区总量矩阵及储区相关性矩阵；

对储区内部品项按照出库量大小进行排序，将出库量大的品项存放于距离每层首列最近的储位上，确定品项最优储位。

通过上述技术方案，本公开的有益效果是：

(1)本公开以多层穿梭车系统中输送机缓存为研究对象，对输送机的料箱输送过程进行分析，建立基于输送机缓存的输入输出平衡模型，并提出输送机缓存满足分拣作业的临界条件与最优条件并进行了证明。

(2)本公开建立开环排队网络，通过分析计算输送机缓存输入流量分布，建立了输送机缓存长度模型，为多层穿梭车系统的规划提供设计依据。

(3)本公开在多层穿梭车系统中，品项储位分配是影响料箱出库速度关键因素之一，因此设计了k-means算法对品项进行聚类，得到确定的储区，并按照一定的优化规则对储区及储区内部进行货位优化，降低系统出库时间，从而缩短输送机缓存长度。

(4)本公开提出的基于k-means的储位优化方法可减少输送机缓存长度12％左右，从而证明了输送机缓存长度模型的可行性及品项分配优化方法的优越性。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本申请，并不构成对本公开的不当限定。

图1是根据一种或多种实施方式的多层穿梭车系统作业模型示意图；

图2是根据一种或多种实施方式的不同输送机缓存长度示意图；

图3是根据一种或多种实施方式的多层穿梭车系统输送机缓存长度建模方法流程图；

图4是根据一种或多种实施方式的输送机缓存输入输出示意图；

图5是根据一种或多种实施方式的在输出端未出现货物积压现象示意图；

图6是根据一种或多种实施方式的多层穿梭车系统出库作业流程示意图；

图7是根据一种或多种实施方式的多层穿梭车系统开环排队网络模型图；

图8是根据一种或多种实施方式的设备运动曲线图；

图9是根据一种或多种实施方式的多层穿梭车系统输送机缓存长度优化方法流程图。

图10是根据一种或多种实施方式的三条输送缓存长度随时间变化图。

具体实施方式

下面结合附图与实施例对本公开作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本公开使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

一种或多种实施例提供一种多层穿梭车系统输送机缓存长度建模方法及优化方法，为提高多层穿梭车系统作业效率、降低输送设备的投入成本，在对多层穿梭车系统出库作业流程进行深入分析的基础上，建立输送机缓存输入输出平衡模型；在输送机缓存满足分拣作业正常运行的情况下，提出该缓存长度的最优条件及临界条件。运用开环排队网络建模方法对料箱出库作业流程进行分析，建立料箱平均出库时间模型，并根据料箱出库作业流量分布与人工拣选效率的关系，建立输送机缓存长度的优化模型；为缩短料箱平均出库时间，利用k-means聚类算法和储区排列规则对储位优化，进一步降低输送机缓存长度。仿真结果显示，优化后的品项分配与随机分配相比，补货缓存长度减少约12％。

在多层穿梭车系统中，每层均由穿梭车进行料箱的存取和水平运输，然后交接给提升机，再由提升机进行料箱垂直运输，最终交接到输送机输入端，输送机将料箱运输到人工拣货站台进行拣选，如图1所示。在多层穿梭车系统中，穿梭车并行取货与提升机串行运输高效配合，提高了整个系统的拣货效率。

在多穿系统进行出库作业时，订单拣选系统应准确高效的将料箱出库，供人工拣选。为防止拣选中断，应用了输送机缓存暂存待拣选的料箱。由于，储位分布及任务调度的影响，出库任务下达后，穿梭车和提升机配合输送料箱的过程中会存在设备间等待，所以料箱到达输送机入口的过程是一个离散的随机过程。在料箱到达输送机缓存的时间是随机的情况下，如果输送机缓存长度设计不合理则会出现以下三种问题，如图2所示。

如果输送机缓存长度过短，则会出现补货不及时，导致拣货人员空闲，降低拣货效率，如图2中(a)所示。如果输送机缓存长度过长，则会出现输送机缓存不满的情况，从成本投入和空间利用角度看，造成设备投入和空间资源的浪费，如图2中(b)所示。如果软件上设定的理论缓存量大于缓存的实际存放量，即缓存在饱和状态下，仍发出多穿系统出库指令，则由于人工繁忙且输送机缓存无空位，导致提升机占用，料箱得不到及时交接，发生出库任务堵塞的情况，如图2中(c)所示，从而降低了系统拣选效率。

综上所述，料箱到达输送机缓存的速度、输送机缓存的长度(或存放料箱的件数)对人工拣货作业正常运转起着重要作用。理论缓存量的设定须与输送机缓存实际可存放量保持一致，以确保在满足各拣货站台正常作业的状况下，提升机与输送机正常交接，不影响其它料箱的正常出库作业，提高整个多穿系统的分拣效率。

请参阅附图3，本实施例提出的多层穿梭车系统输送机缓存长度建模方法包括以下步骤：

s101，对多层穿梭车系统拣货作业流程进行深入分析，建立输送机缓存输入输出平衡模型，并给出缓存长度的最优条件和临界条件。

s101-1，对多层穿梭车系统拣货作业流程进行深入分析，建立输送机缓存输入输出平衡模型。

在本实施例中，仅考虑料箱的出库作业，针对单一拣选站台的补货输送设备，其输入输出如图4所示。输入为料箱从提升机进入输送机缓存的过程，设输入流量为i(t)；假设不考虑回库阻塞的情况，输出为料箱被拣选完毕回库的过程，设输出流量为o(t)，设实际输送机的驱动速度为vl，长度为l。料箱的分拣受人工拣选速度的影响，是一个离散的随机过程，设人工拣选速度服从分布函数φ(t)。

可以得出，当输入流量大于输出流量时，即在i(t)-o(t)>0的状况下，料箱从输送机输出端开始产生挤压，假设料箱压缩的最大密度为dmax。用l(t)表示t时刻压缩密度达到dmax的长度，其前面的压缩密度用dl(t)表示。

根据料箱在输送机缓存上的输送作业过程可知，输送机的实际输出流量可表示为：

o(t)＝min(φ(t),vl×d0(t))(1)

其中，φ(t)为人工拣选速度服从分布函数；vl为输送机的驱动速度；d0(t)为未达到最大压缩密度时的一般压缩密度。

将输送机缓存中的料箱密度dl(t)表示如下:

其中，i(t)为多层穿梭车系统的输入流量；o(t)为多层穿梭车系统的输出流量；vl为输送机的驱动速度；l为输送机的长度；dmax为料箱压缩的最大密度。

由于在正常的料箱分拣作业过程中，输送机缓存的输入输出处于平衡状态，则得出输送机缓存输入输出平衡模型如下：

其中，β为0到t时间段内的任意时刻；τ为从第一个货物进入到出库缓存段到离开出库缓存段的时间；l(t)为t时刻压缩密度达到dmax的长度。

s101-2，在输送机缓存满足分拣作业正常运行的情况下，给出缓存长度的最优条件及临界条件。

输送机缓存的作业过程从第一次输入流量大于零开始统计，结束于所有的料箱拣选完成，设整个输送缓存作业时间周期为t，在本实施例中，讨论分析τ≤t≤t-τ时间段中的作业过程。

在输送机缓存的作业过程中，给出的该缓存长度的最优条件及临界条件为：

(1)假设料箱的长度为ω，输送缓存在任意τ≤t≤t-τ时刻，人工处于空闲状态且φ(t)>0时，满足分拣作业的最优条件是l(t)＝ω。

当φ(t)>0时，表示拣选站台有拣货需求，若l(t)<ω，则表示在输出端未出现货物积压现象，如图5所示。

针对输送机上的料箱k1进行分析，k1在t-τ+a/vl时刻进入输送机，a表示货物距离拣货人员的距离，当φ(t)>0时表示有拣货需求，而o(t+a/vl)＝0，因此在a/vl时间段内，人工处于空闲状态，拣选作业停止进行。

(2)在t(τ<t≤t)时刻，拣选人员连续拣选的临界条件是d0(t)≥φ(t)/vl。

假设当d0(t)<φ(t)/vl时，拣选工作可连续进行,即d0(t)×vl<φ(t)，由式o(t)＝min(φ(t),vl×d0(t))可知，o(t)＝vl×d0(t)，即o(t)<φ(t)。由此可得，当拣选站台有拣选需求时，料箱不能正常到达，与拣选人员连续拣选矛盾，故假设不成立。由此可知，整个输送缓存的过程必须满足如下约束

d0(t)>0(τ<t≤t)(4)

在整个料箱出库拣选过程中，若输送缓存未影响拣选的正常作业，且一直存在l(t)<l,则表示输送机缓存长度过大，为降低设备投入成本，应适当减少输送机缓存长度。

s102，采用开环排队网络对料箱出库作业流程进行分析，建立料箱平均出库时间模型。

为便于对系统料箱出库作业的分析计算，本实施例根据多层穿梭车系统的运行环境，首先做如下假设：

(1)该系统服从随机存取策略。

(2)穿梭车服从首列待命位策略。

(3)穿梭车、提升机服务遵循first-come-first-serviced(fcfs)原则。

(4)为防止争箱现象的发生，设料箱与品项一一对应，且料箱存储数量足够，避免在分拣的同时进行补货任务。

(5)穿梭车、提升机每次仅可装载一个料箱，且设备运行不受载重影响，速度恒定。

系统料箱的出库作业流程如图6所示。系统首先将出库指令发给对应货层的穿梭车，穿梭车按照存取规则水平运动到相应出库货位，叉取料箱，运输到首列与提升机完成料箱交接，最后由提升机将料箱运到对应的i/o站台，完成出库任务。

具体地，所述步骤102中，采用开环排队网络建模方法对料箱出库作业流程进行分析，建立料箱平均出库时间模型，其具体实现方式如下：

s102-1，建立开环排队网络，并对其进行求解，得到开环排队网络中各级服务系统的平均等待时间。

在分析输送机缓存最优长度时，需计算输送机缓存的输入流量分布，即针对多层穿梭车系统，依据订单结构，计算每个待拣料箱到达输送机缓存入口时的平均出库时间to。

在多层穿梭车系统中，通过建立开环排队网络，计算每个服务机构的平均队列长度和平均等待时间，设任务到达率为λ，设备服务率为μ，则可建立如图7所示开环排队网络，网络中包括穿梭车服务系统和提升机服务系统。

根据bolch提出的《排队网络和马尔可夫链：建模和性能评估》中求解方法求解此开环排队网络，得到各排队网络子系统的队列长度用qn,r(r＝1,2,…,h；n＝s1,s2,…sh)表示，最后根据利特尔求解公式求出每个服务节点的平均等待时间。

穿梭车的平均等待时间为：

其中，为穿梭车系统中第i层第j列的订单任务到达率；为穿梭车系统中第i层第j列设备服务率。

提升机的平均等待时间为：

其中，qn,r为提升机服务系统的队列长度；为穿梭车系统中第i层第j列的订单任务到达率；h为穿梭车系统共有h层货架，即提升机的最大提升层数。

s102-2，建立料箱平均出库时间模型。

从订单任务下达到料箱被送到输送机缓存入口的时间等于每个设备对料箱的平均作业时间及各个设备互相等待时间之和，设表示各级服务系统中“顾客”等待服务机构的平均等待时间，表示每个设备的平均服务时间。则料箱平均出库时间模型可表示为：

其中，为穿梭车的平均等待时间，为提升机的平均等待时间；表示穿梭车作业时间，表示提升机作业时间。

对于多层穿梭车系统而言，穿梭车的作业时间由穿梭车水平运动时间及搂取、卸载料箱的时间组成，可表示为：

其中，表示穿梭车单向水平运动时间，tp为搂取、卸载料箱的时间。

同理可得，提升机的作业时间由垂直运动时间及搂取、卸载料箱的时间组成，可表示为：

其中，表示提升机单向垂直运动时间，tp为搂取、卸载料箱的时间。

在考虑运动特性的前提下，对设备运动时间进行分析，设ε、σ分别为单个存储货位的宽度、高度，vs、vl分别表示穿梭车最大行驶速度、提升机最大行驶速度；as、al分别表示穿梭车加速度、提升机加速度；tp表示设备搂取、卸载料箱的时间。则根据上述假设条件中穿梭车停靠点策略，在出库状态下，穿梭车每完成一次任务都停靠在该层首列，设备的运动曲线如图8所示。

图8中，y表示穿梭车到达货位的运行时间，根据运动学公式，假设第i个出库货位坐标为(hi,ai)，则：

穿梭车单向水平运动时间为：

提升机单向垂直运动时间为：

s103，根据料箱出库作业流量分布与人工拣选效率的关系，建立输送机缓存长度模型。

拣选人员在输送机末端进行拣选，根据人因工程，货架设置在拣选工作台设置同一侧，且工作台高度合理，拣选人员单位时间拣货数量基本固定且一致。除特别情况，大部分时间输送作业连续且分拣作业正常，人工拣选效率服从一般分布φ(t)。

对于多层穿梭车系统而言，能连续进行拣选作业的基本条件是当一个料箱拣选完成之后，有新的料箱到达人工拣货台。假设人工拣货服从μm的一般分布，下面分别从补货能力和分拣能力两方面对输送机缓存长度进行建模。

(1)当输送机缓存料箱未满，即货物密度dl(t)<dmax时，料箱会继续从多穿系统中出库，直到输送机上缓存的料箱达到最大密度。

假设输送机缓存长度较大，在整个拣货输送过程中一直处于不饱和状态，即多穿系统的出库能力无法满足拣选站台的拣货能力，则根据多穿系统出库能力建立输送机缓存长度模型为：

其中，i(β)为输送机缓存的输入量，时间分布服从式(7)；d(β)为在β时刻的输送机缓存的压缩密度。

(2)当输送机缓存能到达最大密度时，表示该周期输送机缓存已满。

人工拣选一个料箱，多穿系统才能出一个料箱，为使分拣作业连续进行，不出现缺货现象，则输送机缓存长度模型为：

输送机缓存长度的最小临界值为：

其中，t0为一个订单的平均出库时间；λ为订单任务到达率；vl为输送机的驱动速度；μm为人工拣货速度服从分布函数。

由于第n个品项的位置不确定，为保证整个拣货周期的正常运行，需计算所有满足缓存密度为dmax的时间点，假设有c个满足条件的时间点，则对应输送机长度的临界值为

同时，输送机缓存必须满足整件存放的原则，假设l′为计算所得的最优输送机长度的临界值，则实际补货缓存的长度为：

本实施例还提出一种多层穿梭车系统输送机缓存长度优化方法，利用k-means聚类算法和储区排列规则对品项储位优化，可以降低输送机缓存长度。

由上述提出的输送机缓存长度优化模型可知，在不改变多层穿梭车系统设备投入、不提高设备机械性能的前提下，可通过减少料箱到达输送机入口的时间来减少输送机缓存长度，本实施例通过优化品项储位的方法来减少此时间，从而达到缩短输送机缓存长度的目的。

品项在多穿系统中的存放规则对穿梭车及提升机的整体行走距离有较大影响，从而使料箱到达输送机的时间不同，影响了输送机缓存长度。传统立库在单指令循环模式下只能顺序完成取货任务，为了缩短出库时间，一般将品项基于重量和周转率进行分类存放。但对于多层穿梭车系统而言，该系统具有穿梭车并行取货、提升机串行出库的特点，所以为充分发挥该系统的存取优势，在进行储位优化的时，本实施例根据货物相关性原则，通过k-means聚类算法来确定多个储区，然后按照相似储区分层分布的原则对储区进行排列组合，同时储区内部按照品项出库量大小进行排序，最终确定品项最优储位，提高系统整体出库效率，减少输送机缓存长度。

请参阅附图9，本实施例提出的多层穿梭车系统输送机缓存长度优化方法包括以下步骤：

s201，采用k-means聚类算法对品项进行聚类，确定多个储区。

所述步骤201的具体实现方式如下：

s201-1，利用品项出库任务完成时刻平均差值，建立品项相关性矩阵。

出库任务完成时间平均差值越小的品项，出库相关性越强，分析时越应该放在一个簇中，具体步骤如下：

(1)设s是n个待进行聚类分析的品项集合，s＝{1,2,3,...,j+1,...,n}，对于任意两个品项si和sj，其出库数量分别qi和qj，其出库任务到达的时刻序列和假设qi<qj，则两两品项出库时刻差平均差值为：

(2)按照出库品项总数n，构建n×n品项相关性矩阵。

s201-1，采用改进k-means算法进行聚类，形成多个储区。

k-means聚类算法，是基于固定的品项相关性矩阵的储位分配策略，将品项间的相关值看作聚类分析算法中品项间的“距离”，替换了聚类分析时常用的欧式距离、曼哈顿距离等。

首先确定合适的k个聚类参考点作为临时的聚类中心，然后根据品项相关性矩阵，找出与这几个聚类中心距离最短的品项，并分配到合适的k个簇中。计算每个簇的重或均值，作为新的聚类中心，再重新计算其他各品项到这个聚类中心的距离，然后把各个品项加入到离它最近的聚类中心的簇中，重新形成k个簇。重复迭代，直到k个簇的均值不再变化，得到k个储区。

s202，按照相似储区排列组合的原则对储区进行排列组合，同时对储区内部品项按照出库量大小进行排序，最终确定品项最优储位。

所述步骤202的具体实现方式如下：

s202-1，根据开环排队网络的分析结果，将经过聚类优化得到的储区，按照如下原则进行排列组合：

(1)总出库量越大的储区越靠近i/o点。

(2)储区间相似度高的两储区，按照垂直方向排列，能够有效利用多层穿梭车系统并行取货特性，减少等待时间。

(3)储区间的总出库量差值越小的两个储区，需按对角线方向排列，其中出库量高的储区放在低层，使提升机空闲时间更短。

根据上述原则，建立储区总量矩阵及储区相关性矩阵。

该储区总量值θw为该储区单位时间的所有品项总出库数，从而建立储区总量矩阵g^total为：

g^total[θ1θ2θw…θm](18)

其中，θi为储区i总量值。

当多个品项分配到同一储区后，将储区中所有品项的均值作为一个新的品项，由此可计算得到各中心点的距离，即储区相关性值，建立储区相关性矩阵。通过所建立的储区总量矩阵及储区相关性矩阵，依次利用上述的三个储区排列组合原则，实现储区整体优化。

s202-2，对储区内部品项排序处理。

具体地，对储区内部品项按照出库量大小进行排序，将出库量大的品项存放于距离每层首列近的储位上，确定品项最优储位。

经过储位优化之后，提升机等待时间可最小化到忽略，并且通过相似货物分层分布后，能够极大提高穿梭车利用率，防止了较短时间内多辆穿梭车同时申请提升机调度的情况，使穿梭车等待时间也最小化。

假设优化后，提升机正常作业且等待时间忽略不计；每出库m个料箱，出现一次穿梭车等待，则优化后的料箱平均出库时间可表示为：

一种或多种实施方式还提出了对多层穿梭车系统输送机缓存长度建模方法及优化方法的实例仿真，具体如下：

本实例数据来源于一汽物流有限公司实际出库任务中随机一天的出库单信息。使用matlab软件进行编程求解。该多穿系统共有三个巷道，存放102个品项，平均每个巷道出库34个品项，即ni＝34(i＝1,2,3)，设输送机缓存初始长度为4m，任务到达率λ＝12(箱/min)，人工拣货效率为μm＝10(箱/min)，作业周期t＝480min，其设备参数及特性见表1。

表1多层穿梭车系统设备参数及特性

按照基于k-means聚类的储位优化方法进行品项优化分配，然后分别计算三条分拣站台对应的输送机缓存长度在优化前后的临界值通过计算可得，三条输送机缓存线达到最大密度时的临界长度与对应时间点的关系图，如图10所示。通过储位优化后的输送线缓存长度明显减小且长度变化趋于平稳。

下面分别对三条输送机第一次达到最大密度的时间、达到最大密度的次数及补货缓存临界长度进行分析。

三条输送机第一次达到缓存最大密度的时间点与储位优化前后关系如表2所示，从表2中可以看出，经过储位优化后，每条输送机第一次达到缓存最大密度的时间均有明显减少，说明在大致相等出库量的情况下，品项经过储位优化，料箱到达输送机缓存的速度明显提高。

表2输送机第一次达到最大密度的时间点min

三条分拣线达到最大密度的次数与品项分配之间的关系如表3所示，从表3可以得出，经过储位优化后的输送机缓存达到最大密度的次数明显增多。说明优化后的品项储位与多穿系统的出库任务相关性更强，提高了输送机输入效率。

表3输送机缓存达到最大密度的次数

经过计算得到的三条分输送机缓存长度临界值与实际值如表4所示，可以得出优化后的品项分配方法由于提高了料箱的到达速度，从而降低了输送机缓存长度。

表4输送机缓存长度m

综上所述，经过基于k-means聚类的储位优化后的输送机缓存长度比随机储位分配分别平均减少12.5％，12.5％，11.1％，从而证明了输送机缓存长度建模的有效性及基于k-means聚类储位优化的优越性。

本实施例以多层穿梭车系统中输送机缓存为研究对象，对输送机的料箱输送过程进行分析，建立基于输送机缓存的输入输出平衡模型，并提出输送机缓存满足分拣作业的临界条件与最优条件并进行了证明。

本实施例建立开环排队网络，通过分析计算输送机缓存输入流量分布，建立了输送机缓存长度优化模型，为多层穿梭车系统的规划提供设计依据。

本实施例在多层穿梭车系统中，品项储位分配是影响料箱出库速度关键因素之一，因此设计了k-means算法对品项进行聚类，得到确定的储区，并按照一定的优化规则对储区及储区内部进行货位优化，降低系统出库时间，从而缩短输送机缓存长度。

通过实例验证，基于k-means的储位优化方法可减少输送机缓存长度12％左右，从而证明了输送机缓存长度模型的可行性及品项分配优化方法的优越性。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。