一种结合EIQ-ABC和FP-growth的钢材存储布局方法技术

本发明专利技术涉及一种结合EIQ

【技术实现步骤摘要】
一种结合EIQ
‑
ABC和FP
‑
growth的钢材存储布局方法


[0001]本专利技术涉及仓库存储优化领域，特别地涉及一种结合EIQ
‑
ABC和FP
‑
growth的钢材存储布局方法。

技术介绍

[0002]近年来，随着钢铁交易量的大幅度增加以及钢铁品种在交易中呈现多元化的形式，钢铁物流园仓储不足和排场混乱问题也日益严重，而仓配系统在物流供应链中是不容忽视的一个重要环节。
[0003]钢铁物流的产品具有体积大、质量大和移动笨重的特点，因此在仓储、搬运、配送、信息处理时都需要专门的方法和技术。此外，钢铁产品种类繁多，码放规则也不尽相同，这些问题都容易造成取货作业量的增加，从而导致出库车辆在货场中的流转时间过长，影响物流园区作业效率。
[0004]然而，目前钢铁物流园区因仓位设置、堆场布局不合理的原因造成的货场车辆排长队问题屡见不鲜。因此如何科学合理地优化钢铁物流园区的仓位布局，促进园区内各项物流活动地高效运作成为急需解决的问题。
[0005]中国专利申请号为：CN201810930069.2，名称为：一种面向仓储的板材零部件动态货位优化方法。该专利技术公开了动态货位优化方法
的一种面向仓储的板材零部件动态货位优化方法，主要考虑存储货物自身属性和周转率两大因素，设定仿真数学模型的优化目标，建立多目标优化模型，最终目标是为了降低货物出入库时间。根据对仓库的仓储管理现状分析，先设定合理的约束变量，再将最终优化目标量化处理，最后得到优化后的储位设计方案从而提高仓储作业效率的目的。由于钢材物品具有质量大，移垛不方便的特点，因此该专利技术作为一种板材零部件动态货位优化方法，却不适用于钢材仓储的优化。
[0006]中国专利申请号为：CN201911332599.8，名称为：基于NSGA
‑
II的自动化仓储货位分配优化方法。该专利技术首先结合货物信息，采用ABC分类分析方法进行货物分类；其次确定自动化仓储货位分配方法的优化目标和约束条件，建立有约束的多目标优化问题数学模型，最后采取基于NSGA
‑
II的优化算法对该模型进行求解，获得最优的Pareto解集，并根据自动化仓储空间实际具体情况分配优化权重获得唯一的非支配解为最优解。但是专利技术适用于中小型自动化仓储如智能快递柜、智能售货机、自助存取柜，不适合钢材这种大件货物的存储优化。

技术实现思路

[0007]本专利技术的目的在于解决钢铁物流园目前存在的储位布局不合理问题，提供一种结合EIQ
‑
ABC和FP
‑
growth的钢材存储布局方法，通过结合EIQ
‑
ABC和FP
‑
growth分析法，对钢材物流园出库数据从IQ、IK两个指标进行分析,结合ABC分析法按不同类型钢材的出货重要程度划分为ABC三个类别。接着通过FP
‑
growth算法挖掘ABC各类中高出货频率的钢材组合，为ABC每一类钢材的具体堆垛布局提供参考依据，从而达到优化钢铁物流园货位的目的。
[0008]为实现上述目的，本专利技术的技术方案是：一种结合EIQ
‑
ABC和FP
‑
growth的钢材存储布局方法，包括如下步骤：
[0009]首先，实现钢材的EIQ
‑
ABC分析：
[0010]1)计算各种钢材的IQ值，并降序排列得到钢材IQ集合{IQ1,IQ2,...,IQ
n
}，IQ代表每种钢材的订货质量，n为钢材种类数；
[0011]2)根据IQ集合，依次计算对应单种钢材的质量占全体钢材质量的百分比，形成一个质量百分比集合，依次累加各钢材的质量百分比形成质量累计百分比集合IQ
‑
rate；
[0012]3)实现IQ
‑
ABC钢材分类：根据ABC分类法原则，将IQ
‑
rate区间在[0,60％]所对应的钢材定义为QA类，区间在(60％,85％]所对应的钢材定义为QB类，区间在(85％,100％]的钢材定义为QC类；
[0013]4)统计各种类钢材IK值，并按降序排列得到钢材的IK集合{IK1,IK2,...,IK
n
}，IK代表每个单品的订货次数；
[0014]5)根据排序后的IK集合，依次计算对应单种钢材的出货频数占全体钢材总出货频数的百分比，形成一个频数百分比集合，依次累加各钢材的频数百分比形成频数累计百分比集合IK
‑
rate；
[0015]6)实现IK
‑
ABC钢材分类：根据ABC分类法原则，将累计出货频数百分比区间在[0,60％]所对应的商品分定义为KA类，区间在(60％,85％]所对应的商品定义为KB类，区间在(85％,100％]的定义为KC类；
[0016]7)进行IQ
‑
IK交叉分析：对各钢材的IQ、IK进行分析，判断各钢材的IQ、IK变化是否基本趋于一致；
[0017]8)确定EIQ
‑
ABC分类结果：根据IQ
‑
IK交叉分析，综合IQ
‑
ABC和IK
‑
ABC的分类结果并确定各钢材最终的ABC分类结果；
[0018]接着运用FP
‑
growth算法挖掘ABC各类中高频率出货的钢材组合：
[0019]9)建立一个钢材出货记录的数据库，订单单号作为标识符TID，一个销售单号记为一个事务T，同一单号下不同类型钢材记为不同项，所有事务的集合为D；
[0020]10)设置最小支持度min_sup，min_sup为一个阈值，第一次扫描事务集D，统计各钢材项的支持度count_x，支持度指该种钢材在D中出现的次数；过滤事务集D，记count_x≥min_sup的钢材项并记为频繁项并保留，反之剔除，然后对事务T里的频繁项按支持度降序排列得到D
*
；
[0021]11)构建FP_tree：首先创建根节点null，接着对事务集D
*
进行第二次扫描，每读入一个事务T时，创建标记为其对应种类钢材的节点，然后形成根节点null到各钢材节点的路径，直到每个事务都映射到FP_tree的一条路径，读入所有事务后形成完整FP_tree；
[0022]12)构建钢材项条件模式基：对于第i种钢材，寻找其在FP_tree中的节点位置，沿着根节点的方向所遍历的项的组合定义为该钢材项的一个条件模式基，汇总所以路径得到各钢材项的条件模式基组合，记为集合U
i
；
[0023]13)构建钢材项条件FP_tree：对于钢材项i，使用条件模式基作为输入数据，重复10)
‑
11)步骤，读入条件模式基U
ij
，然后形成根节点null到各钢材节点的路径，直到每个条件模式基都映射到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合EIQ
‑
ABC和FP
‑
growth的钢材存储布局方法，其特征在于，包括如下步骤：首先，实现钢材的EIQ
‑
ABC分析：1)计算各种钢材的IQ值，并降序排列得到钢材IQ集合{IQ1,IQ2,...,IQ
n
}，IQ代表每种钢材的订货质量，n为钢材种类数；2)根据IQ集合，依次计算对应单种钢材的质量占全体钢材质量的百分比，形成一个质量百分比集合，依次累加各钢材的质量百分比形成质量累计百分比集合IQ
‑
rate；3)实现IQ
‑
ABC钢材分类：根据ABC分类法原则，将IQ
‑
rate区间在[0,60％]所对应的钢材定义为QA类，区间在(60％,85％]所对应的钢材定义为QB类，区间在(85％,100％]的钢材定义为QC类；4)统计各种类钢材IK值，并按降序排列得到钢材的IK集合{IK1,IK2,...,IK
n
}，IK代表每个单品的订货次数；5)根据排序后的IK集合，依次计算对应单种钢材的出货频数占全体钢材总出货频数的百分比，形成一个频数百分比集合，依次累加各钢材的频数百分比形成频数累计百分比集合IK
‑
rate；6)实现IK
‑
ABC钢材分类：根据ABC分类法原则，将累计出货频数百分比区间在[0,60％]所对应的商品分定义为KA类，区间在(60％,85％]所对应的商品定义为KB类，区间在(85％,100％]的定义为KC类；7)进行IQ
‑
IK交叉分析：对各钢材的IQ、IK进行分析，判断各钢材的IQ、IK变化是否基本趋于一致；8)确定EIQ
‑
ABC分类结果：根据IQ
‑
IK交叉分析，综合IQ
‑
ABC和IK
‑
ABC的分类结果并确定各钢材最终的ABC分类结果；接着运用FP
‑
grow...

【专利技术属性】
技术研发人员：夏玉雄，徐哲壮，林敏辉，王榕，黎立璋，陈伯瑜，张庆东，陈康，郭凌欢，
申请(专利权)人：福建三钢闽光股份有限公司，
类型：发明
国别省市：