Design of dynamic scheduling strategy for metering equipment in warehouse environment based on intelligent algorithm
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the operation of storage system, improper scheduling of shuttle and hoist will waste resources and affect the picking efficiency, so it is of great significance to optimize the operation scheduling of storage system.Based on queuing theory, this paper constructs a queuing model of ring RGV system and proposes queuing model assumptions of hoist system to analyze the reasonableness of storage layout.The operation activity scheduling mechanism is designed to execute the warehousing activities strictly in accordance with the established operation order.Agree on the ring track RGV operation rules, calculate the distance between any two points on the track, and ensure the shortest distance of the warehousing operation.Merge the shortest operation path and the shuttle car operation equilibrium rules to construct a dynamic scheduling decision model.Through the storage resources in and out of storage management and scheduling module, improve the measuring equipment intelligent storage system, apply the system to the actual storage operations, analyze the operational efficiency.After the implementation of the strategy proposed in this paper, the optimal scheduling result is 36min, the execution time of different types of work is different, and the operation time of equipment J1-J4 is 15min, 23min, 17min, 34min respectively.The pickup execution efficiency of the strategy used in this paper is improved by 66.38%, and the pickup efficiency is improved by 10% when the number of equipment is less than 300 pieces.The scheduling strategy proposed in this paper has a higher priority when facing a small number of devices.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle