(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210828985.1 (22)申请日 2022.07.15 (71)申请人 南京邮电大 学 地址 210012 江苏省南京市栖霞区文苑路9 号 (72)发明人 亓晋　张玲燕　孙雁飞　许斌　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 邵斌 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/08(2012.01) G16H 40/20(2018.01) (54)发明名称 一种医药仓库货位分配方法 (57)摘要 本发明公开了医药仓储技术领域的一种医 药仓库货位分配方法， 包括： 获取待入库货物的 属性信息和医药仓库的分区布置信息； 将待入库 货物分配至医药仓库对应的分区内； 针对分配至 医药仓库的每个 分区内的货物， 通过求解第一批 次多目标货位优化模型获得第一批次货物仓储 位置分配结果； 以第一批次货物仓储位置分配结 果为约束， 通过求解第二批次多目标货位优化模 型获得第二批次货物的货位分配结果； 其中， 第 一批次多目标货位优化模型以货物周转率、 货物 相关性以及货架稳定性为优化目标； 第二批次多 目标货位优化模 型以货架稳定性、 货架负载均衡 度、 巷道负载均衡度为优化目标。 本发明解决了 在医药订单量小但单多的情况下， 容易造成拣货 拥堵的问题。 权利要求书4页 说明书11页 附图3页 CN 115115256 A 2022.09.27 CN 115115256 A 1.一种医药仓库货位分配方法， 其特 征是， 包括： 获取待入库货物的属性信息和医药仓库的分区布置信息； 根据待入库货物的属性信息中的存储特性将待入库货物分配至医药仓库对应的分区 内； 针对分配至 医药仓库的每个分区内的货物， 通过求解第 一批次多目标货位优化模型获 得第一批次货物仓储位置分配结果； 以第一批次货物仓储位置分配结果为约束， 通过求解第 二批次多目标货位优化模型获 得第二批次货物的货位分配结果； 其中， 所述第一批次多目标货位优化模型是以货物周转率、 货物相关性以及货架稳定 性为优化 目标而构建获取 的； 所述第二批次多目标货位优化模型是以货架稳定性、 货架负 载均衡度、 巷道负载均衡度为优化目标而构建获取的。 2.根据权利要求1所述的医药仓库货位分配方法， 其特征是， 所述待入库货物的属性信 息除包括存储特性外， 还包括： 待入库货物的品种、 规格、 原产地、 规格包装、 批次； 其中， 所 述存储特性包括常温存放、 冷藏、 恒温和恒湿。 3.根据权利要求1所述的医药仓库货位分配方法， 其特征是， 所述第 一批次多目标货位 优化模型的构建方法包括： 分别以货物周转 率、 货物相关性以及货架稳定性 为优化目标， 构建对应的目标函数； 分别为货物周转率目标函数、 货物相关性目标函数以及货架稳定性目标函数赋予权重 β1， β2， β3， β1+β2+β3＝1； 根据货物周转率目标函数、 货物相关性目标函数以及货架稳定性目标函数及各目标函 数的权重构建第一批次多目标货位优化模型； 其中， 所述货物周转 率目标优化 函数为： 其中， F1为基于货物周转率构造的目标优化函数， z为货物所在仓库第z排货架位置坐 标， x、 y为货架长度、 高度的位置坐标； a为货物所在仓库的货架总排数， c为货物所在仓库的 每排货架总夹层数， b为货物所在仓库的每层 货架总格眼数； tx， y， z为拣选机器从待出库货物 货位(z， x， y)运行到货架出入口的时间， vx、 vy分别为拣货机器在一个巷道中的水平运行速 度和垂直运行速度， vz为拣货机器在巷道间运行速度； qz， x， y为货位(z， x， y)上货物 的周转 率， 当(z， x， y)货位上没有货物时， qz， x， y＝0； L、 H、 D为 单位货位的长度、 高度和两个相邻巷道 之间的距离； 所述货物相关性目标优化 函数为： 其中， F2为总的货物相关性目标优化函数， Φ表示预设的社区数值， F ′i为第i个社区子权　利　要　求　书 1/4 页 2 CN 115115256 A 2图中货物的相关性目标优化 函数； 所述货架稳定性目标优化 函数为： 其中， F3为货架稳定性目标优化函数， Wz， x， y为放置到货位(z， x， y)的货物的单位重量， nz， x， y为放置到货位(z， x， y)的货物数量。 4.根据权利要求3所述的医药仓库货位分配方法， 其特征是， 货物相关性目标优化函数 的构建方法包括： 利用社区发现算法实现医药货物的集群划分， 实现同一社区内货物属性的强相关性， 不同社区间货物的弱相关性； 根据移动机器人履行系统， 系统内药品的历史订单数据将每个货物之间的相关性映射 成无向图； 将货物样本mi看作无向图的一个节点vi， 由此可以得无向图的节点集V＝{v1， v2，…， vN}， 其中下标N表示共有N类药品； 建立医药货物的特征向量， 包括药品功效、 有效期 和批号， 每个节点由属性特征{ui1，…， uiT}表示， 属性特征由药品货物初入库时通过光学字 符识别技术对药品包装上 的信息进行识别获得； 同时标准化各个维度分量， 使得各个维度 分别满足标准正态分布； 定义无向图的边集为E， 权重矩阵为W， 矩阵中元素wij表示节点vi与 vj存在货物相关性的大小， 其取值的计算方法为： 其中， oi表示货物mi是否存在于订单o， 若存在于订单o， 则oi＝1， 否则为O； O表示历史订 单集； 为货物mi和货物mj同时出现在一个订 单中的订单数量占总订单的比重， 表示货物mi和货物mj属性的相似度差异； α、 β 为参数校正因子， 使权重wij 保持在大于阈值τ 的范围内， 如果计算得到边的权重小于阈值τ， 将该边权重设置为0， 即在 无向图将关联两个节点的此边去掉； 若无向图中存在独立节点， 则将其从无向图中删除； 考虑到不同药物具有不同的药物性质， 易与其他特殊类型的药物发生反应， 影响药品 的药性， 在 模型建立时将相互发生反应的两个医药货物对应的节点之 间边的权重 设置为0， 即在无向图中将此边去掉； 利用Louvain算法对无向图进行社区划分， 直到形成的社区数量达到预设的社区子图 集合数值； 基于上述生成的社区子图集合S＝{s1， s2，…， sΦ}， 其中每个子集由相关性较大的货物 集的下标 组成， 下标Φ表示预设的社区数值， 以社区子图中度最大的节点为中心货物， 将其 集合中其他货物就近放置在集合中心货物附近， 则单个社区子图集合中货物相关性目标优 化函数为：权　利　要　求　书 2/4 页 3 CN 115115256 A 3