1.一种基于物联网技术的车间智能配送器模型，其特征在于建模过程如下：S1：确定决策目标

通过使用平均配送速度、装箱运载率、车辆路径行驶距离和配送过程中的总时间损失作为决策目标，将配送中的总时间损失减少到最少，为物料配送提供系统优化的配送策略；

在车间物流配送中获取相应的参数信息，在周转仓库出口处，流水线各工位处和成品仓库的入口处分别安装读写器，电子标签分别安装在盛装小件物料的周转箱、大件物料和成品上，实现车间物料唯一标识，每一种物料的信息均包含在其电子标签中，利用RFID技术快速准确识别物料；根据物联网设备读取生产现场的工位数据，主要包括工位编号、所需物料编号、所需物料数量的工位数据，然后生成工位需求并按物料最晚送达时间的先后顺序输入至当前需求列表中；

其中，在车间物流配送中,通过物联网设备获取相应的参数，并将参数符号定义如下：L——周转箱的长

WA——周转箱的宽

H——周转箱的高

G——周转箱的最大载重量

N——物料种类数

K——工位数

W——叉车数

GW——每辆车最大载重

P——产线生产节拍，应根据产线实际情况测出Tmin——当前线边库存余量所能保证生产线正常运行的最小时间n——物流配送员

m——物流设备数

TS——当前配送任务数

vi——物料配送员的平均配送速度(1≤i≤n,且i∈Z)vj——物流设备的运行速度(1≤j≤m,且j∈Z)vij——物料配送员i搭配物流设备j的工作能力bi——配送员i所能完成的最大配送任务数Sts——系统为当前配送任务ts所选择的配送路径距离l——物料

k——工位

w——叉车

u——配送次序

ll——第l类物料的长(1≤l≤N,且l∈Z)wl——第l类物料的宽(1≤l≤N,且l∈Z)hl——第l类物料的高(1≤l≤N,且l∈Z)gl——第l类物料重量(1≤l≤N,且l∈Z)ql——第l类物料数量(1≤l≤N,且l∈Z)numl——第l类物料装入周转箱中的数量(1≤l≤N且l∈Z,0≤numl≤ql且numl∈Z)BWPl——第l类物料的重心高度(1≤l≤N,且l∈Z)dkk'——工位k到工位k'的距离mk——第k个工位所需物料总重

BTkl——工位k所要求配送物料l的时间段硬时间窗的最早时间LTkl——物料l到达工位k的最晚时间RTkl——工位k发送物料l需求指令的时间点ILkl——工位k当前线边物料l的库存数量TLkl——配送物料l至工位k的具体数量rkl——物料l在工位k中的消耗速率SSkl——物料l在工位k的安全库存tkw——叉车w到达配送工位k时的耗时[k]——配送任务清单中第k个工位，k＝0,1,2,…K；

——物料配送员在第u次配送中，物料l到达所需工位的时间——物料配送员在第u次配送中，离开物料l所在工位的时间，当l＝0时，该变量表示物料配送员在周转仓开始装载物料的时间TS(l)——物料l在周转仓中的装载时间Tu(l)——物料l在所需工位的卸载时间Tkk’(u)——物料配送员在第u次配送中从工位k到工位k'的耗时，当k＝0且k'＝0时表示物料配送员正位于周转仓Pk(t)：t时刻物料配送至工位k处的时间损失函数值常数λ(0≤λ≤1)

常数k1、k2、k3(k1+k2+k3＝1且k1、k2、k3∈[0,1])；

S2：车间智能配送器模型需满足如下约束条件：

1、统一物流容器，配送过程中使用相同尺寸的周转箱；

2、将不同形状、规格的物料简化标记成符合其尺寸的最小长方体形；

3、周转仓的位置确定，并配备有足够的叉车数量以配送物料；

4、周转仓的物料充足且能满足所有工位的生产需求；

5、若所有的叉车速度确定且相同，则叉车所能行驶的最大距离无限大；

6、由于叉车速度相同，在满足工位物料需求的前提下，若叉车行进的路程最短，则配送所花费时间最短，即总成本最低；

S3：车间智能配送器模型建立过程中的运算公式及模型集成车间智能配送器模型建立过程中的运算公式如下：S.T.

vij＝λvi+(1‑λ)vj    (10)F＝k1CR+k2WR+k3CG    (14)k1+k2+k3＝1且k1、k2、k3∈[0,1] (18)BTkl≤tkw≤LTkl(k＝1,2,…,K)    (24)上述运算公式中，式(1)表示多指标综合评价法的综合评价指数的运算公式；

表达式(2)表示多指标综合评价法的权重的运算公式；

表达式(3)表示各指标无量纲化标准值的标准差的运算公式；

约束(4)限制了权重的取值范围的运算公式；

表达式(5)至(8)分别表示完成当前配送任务消耗时间，综合装箱的空间利用率、重量装载率及整体重心位置的指标，配送路径长度，一次配送的总时间损失四个指标的运算公式；

表达式(9)表示完成当前配送任务消耗时间的计算方法；

表达式(10)表示当前物流人员搭配物流设备的工作能力的计算方法；

约束(11)表示是否指派物流配送员完成任务；

约束(12)表示任意一个配送任务仅有一位物料配送员完成；

约束(13)表示物料配送员承担的配送任务最多不超过其自身工作能力上限；

表达式(14)指出了综合装箱空间利用率、重量装载率及整体重心位置的指标的计算方法；

表达式(15)至(17)分别给出了表达装箱空间利用率、重量装载率及整体重心位置的函数的计算方法；

约束公式(18)限制了常数权重的取值范围；

表达式(19)指出了配送路径长度的计算方法；

约束公式(20)表示每条配送路线上所有工位对物料的需求总量不超过叉车的承载能力；

约束公式(21)表示每个工位的物料由且仅由一辆叉车配送；

约束(22)表示每辆叉车需要从周转仓发车；

约束(23)表示叉车完成配送任务后需要返回周转仓；

约束公式(24)表示叉车将物料送达工位的时间满足时间窗的要求；

表达式(25)指出了叉车到达配送工位时耗时的计算方法；

表达式(26)指出了工位k所要求配送物料l时间段的硬时间窗的最早时间；

表达式(27)指出了物料l到达工位k的最晚时间；

表达式(28)指出了物料l在工位k的安全库存；

集成模型应考虑装箱过程中，物料装箱顺序应与物料卸载顺序相反；由于配送中各个目标函数目标不同，通过多指标综合评价的方法将各个目标函数部分整合集成；对指标进行无量纲化处理，确定权数，最后完成车间智能配送器模型的集成，由此将上述公式(1)～(28)进行整合集成，得到一次配送的总时间损失的计算方法如下式所示：所述模型的求解算法为：先设立四个优先规则，列出物流运输设备状态的信息，并建立可供调用的物流运输设备和物料配送员列表、工位需求列表、物料配送列表、周转箱可装载什么类型物料列表的信息来支撑遗传算法的求解，然后使用遗传算法作为主算法求解车间智能配送器模型；

使用遗传算法作为主算法求解车间智能配送器模型中，通过车间配送器模型算法求解的过程如下：

1)编码与解码，在多种编码方式的基础上采用多部分编码方式，将基因分成四部分编码，编码的基因使用整数：第一部分为物料配送员的编号，第二部分为物流运输设备编号，第三部分为工位配送顺序，第四部分为物料配送员的出发时间；

2)适应度函数评价，取车间智能配送模型目标函数的倒数作为其适应度函数：

3)基本操作中的选择采用轮盘赌方式，轮盘赌在算法中的计算如下：式(a)是计算单个染色体的适应值，式(b)是计算当代群体中所有个体的适应值总和，式(c)是计算单个染色体的选择概率，式(d)是计算累计概率，产生随机数r∈[0,1]，若r∈k[Qk‑1,Qk]，则选择个体x，k∈(1,2,3…pop_size)；

基本操作中的交叉将染色体分为三部分进行，第一部分为配送员编号及物流运输设备编号；第二部分为工位配送顺序，第三部分为物料配送员出发时间，变异操作同理分为三部分，通过上述操作得到新的子代，最后通过不断地选择和迭代得到最优的完整物流配送方案。

2.如权利要求1所述的一种基于物联网技术的车间智能配送器模型，其特征在于所述四个优先规则如下：

1、首先，当且仅当物流设备的当前剩余容量能完全装载所需配送工位的所有所需物料时才考虑其他约束；

2、第二，满足模型的时间窗约束，保证物料在合适的时间段内送达所需工位；

3、第三，满足模型的最短路径约束，在满足时间约束的前提下物流设备按照最短路径将物料送达所需工位；

4、最后，若某工位因适合配送的时间段与其他工位需求时间段差异较大，或当前物流运输设备不适合装载其所需物料等原因在当前批次无法满足配送需求，则将其配送需求自动列入下一配送批次中。

3.如权利要求1所述的一种基于物联网技术的车间智能配送器模型，其特征在于所述物流运输设备状态的信息如下：(1)指派状态，即是否被指派；

(2)装载状态，即是否完成装载；

(3)出发状态，即是否出发进行配送；

(4)配送状态，即是否满足配送列表的工位需求。