CN104102989A - 一种基于射频识别的仓储异常管理系统及仓储异常检测方法 - Google Patents

Abstract

一种基于射频识别的仓储异常管理系统及仓储异常检测方法，仓储异常管理系统包括货物数据采集子系统、仓储异常检测子系统和服务器。仓储异常检测方法包含货物异常检测方法和节点异常检测方法。能够利用RFID技术实现对货物信息的采集，对仓储作业过程中的仓储异常的实时检测、统计和预警，进而实现对仓储异常的管理；实现对仓储异常的量化处理，并向信息查询服务器发出系统监控消息，触发相应动作。还可对仓储中常见的仓储异常进行分类分级，仓库管理人员可以通过web对系统进行访问，实现仓储异常的处理和通报。能根据异常级别实现对相关的仓储异常的及时高效处理，提高仓储作业效率，减少因货物丢失、损坏以及库内流通异常造成的经济损失。

Description

一种基于射频识别的仓储异常管理系统及仓储异常检测方法

技术领域

本发明涉及一种仓储异常管理系统及仓储异常检测方法，尤其是涉及一种基于射频识别的仓储异常管理系统及仓储异常检测方法。

背景技术

仓储作业异常，是指仓储作业过程中，作业数据与正常作业状态下数据偏离较大，表现为与作业状态参数集合中的其他数据不一致。有些偏离或不一致很难直接发现，而是隐藏于作业数据集合中。例如，对于传统仓储管理中的物品种类、规格、运输路径等，通常是显而易见的。但是对于这些数据背后隐藏的信息，例如物品存放位置是否正确、实际数量与目标值是否一致、物品入库时间与出库时间是否符合要求、库存是否满足要求、运输路径是否严格按照设定路线进行等情况，系统却常常无法直接进行管理。这样容易造成异常状态扩散，形成仓储作业异常，严重影响物品安全和仓储作业效率，大大增加物流成本和服务质量，甚至造成整个物流供应链瘫痪。

随着信息技术的发展，条形码技术、EDI(Electronic DataInterchange)技术、RFID(Radio Frequency Identification)技术、仓储管理信息系统等已经越来越多应用在仓储管理中。其中，RFID技术在物流管理领域的应用越来越广泛。RFID技术是一种非接触式的自动识别技术，它通过射频信号自动识别目标对象，并获取相关数据。但RFID获取的原始数据比较单一，这样就造成语义的简单性。

随着RFID技术的发展，国内外对RFID技术在仓储中的应用研究已经越来越多，主要是在对基于RFID仓储管理作业流程的研究和基于RFID的仓储管理信息系统的研究。中国专利CN 202533996 U，公开日2012年11月14日，公开了一种RFID仓储管理系统。该系统利用RFID电子标签实现对仓库货物的入库、出库、盘点和库位调整等信息的管理。但是该系统并未对仓库物品的异常作业管理等进行优化，其管理水平仍较低。因此，亟需一种基于射频识别的仓储异常管理系统及仓储异常检测方法，从而实现对仓储作业异常的高效管理。

发明内容

本发明的目的是提供一种基于射频识别技术的仓储异常管理系统，能够在仓储作业中完成货物信息的采集与仓储异常的实时检测。

为了实现上述目的，本发明的技术方案为：包括货物数据采集子系统、仓储异常检测子系统和服务器。

货物数据采集子系统包括RFID电子标签卡、阅读器或无线手持终端。RFID电子标签卡装设在托盘或者货物外包装上，其带有货物或托盘的信息和身份识别的唯一ID码。阅读器分别安装在所有的货物出入口处、每条输送线、每台搬运设备和每排货架的出入口处。阅读器配置唯一的ID码，该ID码代表阅读器的唯一位置，通过无线方式经无线AP和网络交换机接入到网络服务器中。

仓储异常检测子系统包括异常检测模块、异常处理模块、预警模块、历史查询模块和系统管理模块。异常检测模块对采集到数据库中的相关数据信息进行异常检测，通过预警模块显示出仓储管理是否出现异常。若异常产生，则通过系统的异常处理模块对相应的异常情况进行处理，并在此过程中将相关的历史数据导入到相对应的数据库中。通过对历史数据的定期查询，可获取仓储异常的历史数据，从而对仓储管理达到更好的效益。系统管理模块用于实现对系统的管理。

服务器包括数据库服务器和网络服务器，通过网络交换机与计算机连接。数据库服务器用于保存阅读器或无线手持终端采集的RFID电子标签卡的信息，并调用异常检测子系统中异常检测计算方法实现对信息的处理，同时对信息进行保存。网络服务器用于仓库管理员通过web对系统进行访问，实现异常事件的处理和通报。

本发明的另一个目的是提供一种使用上述的仓储异常管理系统的异常仓储检测方法，能够实时检测仓储作业的异常状态并对异常状态进行分析处理。

为了实现上述目的，本发明的技术方案为：包含仓储作业的货物异常检测方法和节点异常检测方法。不仅根据相应处理规则对仓储异常进行定性分析，而且根据计算方法将异常情况进行量化处理。

货物异常检测方法针对的是仓储中物品的时间异常、位置异常、数量异常、库存异常和运输路径异常，其中数量、时间和库存属于非固定变量，位置和运输路径属于固定变量。货物异常检测方法针对固定量和非固定量制订两种不同的异常规则和计算方法，从而实现对仓储中货物的异常检测，包含以下步骤：

A.对获取的数量、时间和库存等非固定量数据的处理步骤如下：

A1：当货物出入库时，经过出入库口的阅读器所记录的时间，与出入库单所提供的时间差以及实际出入库的时间差，分别按照出入库时间异常和库存时间预警异常范围进行分析。

A2：根据仓库的具体情况设定库存的上下限，盘点作业后，利用RFID采集的数量信息，按照库存异常范围进行分析。

A3：根据货物出入库以及在库货物的实际数量与出入库单以及在库上的货物数量信息作比较，按照货物数量信息异常检测方法进行分析。

B.对获取的位置和运输路径等固定量数据的处理步骤如下：

B1：在盘点过程中，所获得的货物的实际位置与系统中货物所显示的位置作比较，按照货物位置信息异常检测方法进行分析。

B2：根据仓库的具体情况，在仓库中设定多个运输路径节点，将货物在仓库中的实际运输路径与设定的路径作比较，按照货物路径异常检测方法进行分析。

仓储作业中的节点是指货物在运输过程中经过的一系列时间序列和物理位置。节点异常检测针对的是仓储作业货物所处节点的异常情况，节点异常检测方法包含以下步骤：

C1：利用A1、A2、A3得到的货物固定量异常信息，计算出货物的固定量异常状态。

C2：利用B1、B2得到的货物非固定量异常信息，计算出货物的非固定量异常状态。

C3：利用C1、C2得到的货物固定量异常状态和非固定量异常状态，计算出货物的异常状态。

C4：利用C3得到的货物的异常状态，计算出各货物在不同节点的异常状态。

本发明的有益之处在于：能够利用RFID技术实现对货物信息的采集，对仓储作业过程中的异常事件的实时检测、统计和预警，进而实现对异常事件的管理；实现对异常事件的量化处理，并向信息查询服务器发出系统监控消息，触发相应动作。还对仓储中常见的异常事件进行分类分级，仓库管理人员可以通过web对系统进行访问，实现异常事件的处理和通报。能根据异常级别实现对相关的仓储异常事件的及时高效处理，能提高仓储作业效率，减少因货物丢失、损坏以及库内流通异常造成的经济损失。

附图说明

图1为本发明的系统结构框图。

图2为本发明的作业流程图。

图3为本发明的检测方法数学模型流程图。

具体实施方式

结合附图，对本发明的具体实施方式进一步说明。

如图1所示，一种基于射频识别技术的仓储异常管理系统，包括货物数据采集子系统、仓储异常检测子系统和服务器。

本实施例的货物数据采集子系统包括RFID电子标签卡、阅读器或无线手持终端。RFID电子标签卡装设在托盘或者货物外包装上，其带有货物或托盘的信息和身份识别的唯一ID码。阅读器分别安装在所有的货物出入口处、每条输送线、每台搬运设备和每排货架的出入口处。阅读器配置唯一的ID码，该ID码代表阅读器的唯一位置，通过无线方式经无线AP和网络交换机接入到网络服务器中。在货物经过各阅读器时，读取货物标签上的相关信息，通过无线方式将读取的信息采集到系统的数据库服务器中。阅读器的数量根据输送线条数、搬运设备和货架个数确定。

本实施例的仓储异常检测子系统包括异常检测模块、异常处理模块、预警模块、历史查询模块和系统管理模块。异常检测模块对采集到数据库中的相关数据信息进行异常检测，通过预警模块显示出仓储管理是否出现异常。若异常产生，则通过系统的异常处理模块对相应的异常情况进行处理，并在此过程中将相关的历史数据导入到相对应的数据库中。通过对历史数据的定期查询，可获取仓储异常的历史数据，从而对仓储管理达到更好的效益。系统管理模块用于实现对系统的管理。

本实施例的服务器包括数据库服务器和网络服务器，通过网络交换机与计算机连接。数据库服务器用于保存阅读器或无线手持终端采集的RFID电子标签卡的信息，并调用异常检测子系统中实现对信息的处理，同时对信息进行保存。网络服务器用于仓库管理员通过web对系统进行访问，实现异常事件的处理和通报。

如图2所示，一种基于射频识别技术的仓储异常管理系统的作业流程，包括货物的出入库、上架、移库和盘点。在仓储作业各环节实现信息采集与异常状态计算。

本实施例中，当货物经过仓储的入库口时，入库口的读写器读取包装箱上电子标签信息，该读写器分布在入库口两侧，从各个方位发射和返回电磁波，读写器通过无线AP与数据库服务器连接，传送标签信息。读写器读取的RFID原始数据的一般格式为(EPC，ReaderID，Time)，其中RFID标签的数据信息EPC编码是最重要的信息，实现了对物品的唯一标识；ReaderID是阅读器的编号，表示该阅读器的IP地址；Time表示的是阅读器扫描到标签的时间。每次读取都会产生一组RFID原始数据信息。

本实施例中，货物入库时，装有读写器的搬运设备(或人)通过读取标签信息，确认货物输送路线后将货物搬运到指定输送线。货物到达指定输送线读写区域时，输送线读写器将货位信息、货物重量、读取时间等写入标签并分配货位。货物到达库内提升机、堆垛机等搬运设备时，搬运设备读写器读取货位信息、读取时间等信息。货物到达货位后读取货物信息，上架完成。所述的搬运设备的读写器信息通过无线网络与服务器连接，将货物入库信息记录到系统中。

货物在出库时，整个过程与入库过程相反。

货物盘点时，用无线手持终端扫描货物，读取标签信息。

货物在进行仓储作业时，可以随时接收来自系统的异常检测命令进行仓储作业异常检测。本实施例的检测方法是：整个出入库过程中，对读取的RFID原始信息进行处理，满足规则的信息被检测出来，并触发相应的报警和对异常事件的处理。本实施例的仓储管理异常事件主要包括：出入库时间异常、库存异常、货物数量异常(丢失等)、运输路径异常、位置异常。

如图3所示，一种基于射频识别的仓储异常检测方法。本实施例针对仓储中物品的非固定变量集X＝[x₁,x₂,...,x_I-1,x_I]和固定变量集Y＝[y₁,y₂,...,y_J-1,y_J]，制定两种不同的异常规则和计算方法。通过这两种计算方法的有机结合，实现对仓储异常作业的检测。

一种使用基于射频识别技术的仓储异常管理系统的异常检测方法，包含仓储作业的货物异常检测方法和节点异常检测方法。货物异常检测方法包含以下步骤：

A.货物异常检测方法对获取的数量、时间和库存等非固定量数据的处理步骤如下：

A1：当货物出入库时，经过出入库口的阅读器所记录的时间，与出入库单所提供的时间差以及实际出入库的时间差，分别按照出入库时间异常和库存时间预警异常范围进行分析。

A2：根据仓库的具体情况设定库存的上下限，盘点作业后，利用RFID采集的数量信息，按照库存异常范围进行分析。

A3：根据货物出入库以及在库货物的实际数量与出入库单以及在库上的货物数量信息作比较，按照货物数量信息异常检测方法进行分析。

B.货物异常检测方法对获取的位置和运输路径等固定量数据的处理步骤如下：

B1：在盘点过程中，所获得的货物的实际位置与系统中货物所显示的位置作比较，按照货物位置信息异常检测方法进行分析。

B2：根据仓库的具体情况，在仓库中设定多个运输路径节点，将货物在仓库中的实际运输路径与设定的路径作比较，按照货物路径异常检测方法进行分析。、

节点异常检测方法包含以下步骤：

C1：利用A1、A2、A3得到的货物固定量异常信息，计算出货物的固定量异常状态。

C2：利用B1、B2得到的货物非固定量异常信息，计算出货物的非固定量异常状态。

C3：利用C1、C2得到的货物固定量异常状态和非固定量异常状态，计算出货物的异常状态。

C4：利用C3得到的货物的异常状态，计算出各货物在不同节点的异常状态。

本实施例中，对于非固定变量集X＝[x₁,x₂,...,x_I-1,x_I]，如果实际值超过设定安全值的1.5倍，则说明异常发生；对于固定变量集Y＝[y₁,y₂,...,y_J-1,y_J]，如果实际值与目标值不一致，则异常发生。

本实施例对于非固定变量的异常计算方法为：

$d_p\left(x\right)=\left\{\begin{array}{cc}\left|\frac{x-s}{s}\right|,& 0\&le;x<1.5s\\ 1,& x\&GreaterEqual;1.5s\end{array}\right.---\left(1\right)$

式1中：s为设定安全值，x为实际值。d_p(x)的变化范围是0到1，表示变量x的偏差大小，偏差的大小与货物发生异常的可能性成正比。如果d_p(x)的值为1，表示异常发生。

每一个非固定变量x都有自己的偏差，所有非固定量的偏差组成一个集合A＝[D_p(x₁),D_p(x₂),...,D_p(x_I-1),D_p(x_I)]，集合A中第i个元素可以通过公式2计算得到：

$D_p\left(x_i\right)=\left\{\begin{array}{cc}|b_i{x}_i-1|,& 0\&le;x<1.5s\\ 1& x\&GreaterEqual;1.5s\end{array}\right.---\left(2\right)$

式2中，s_i为第i种货物的安全值。

本实施例中所有非固定量的偏差变化率(即方差)反映偏差变化的程度，可以由公式3计算得到：

${{\mathrm{\&delta;}}^2}_{m,\mathrm{nf}}=\frac{1}{I}\underset{i=1}{\overset{I}{\mathrm{\&Sigma;}}}{(D_p\left(x_i\right)-\stackrel{\&OverBar;}{D_p\left(x_i\right)})}^2---\left(3\right)$

本实施例对于固定变量的异常计算方法为：

$d\left(y\right)=\left\{\begin{array}{c}1,y_{\mathrm{act}}\&NotEqual;y_{\mathrm{sch}}\\ 0,y_{\mathrm{act}}=y_{\mathrm{sch}}\end{array}\right.---\left(4\right)$

式4中，y_act表示货物的实际值，y_sch表示货物的设定值。固定量的偏差值只有0和1两种。当实际值与设定值一致时，表示货物正常；当两者不相等时，表示货物异常。

固定变量的偏差值可以组成一个时间序列。本实施例中，货物沿着运输路径会经过一系列的节点，在每个节点的偏差值可以通过公式4计算得来。在W时刻的偏差程度可以通过前W时刻的偏差求和得到。根据时间序列可以将固定变量y的所有偏差值组成一个时间序列[d₁(y),d₂(y),...,d_W-1(y),d_W(y)]。每个固定变量都有自己的偏差，所有的固定变量的集合组成一个矩阵[D_p(y₁),D_p(y₂),…,D_p(y_j-1),D_p(y_j)]，其中任意一个D_P(y)由公式5计算得到：

$D_p\left(y\right)=\left\{\begin{array}{c}\underset{r=1}{\overset{W-1}{\mathrm{\&Sigma;}}}{d}_r\left(y\right)+1,y_{\mathrm{act}}\left(W\right)\&NotEqual;y_{\mathrm{sch}}\left(W\right)\\ \underset{r=1}{\overset{W-1}{\mathrm{\&Sigma;}}}{d}_r\left(y\right)+0,y_{\mathrm{act}}\left(W\right)=y_{\mathrm{sch}}\left(W\right)\end{array}\right.---\left(5\right)$

本实施例将所有非固定变量的偏差中的最大值定义为D_m,max，所有固定变量的偏差的总和定义为D_m,s。这两个值反映了货物m的偏差程度，由公式6、7计算得到：

D_m,max＝Max[D_p(x_i)]   (6)

$D_{m,s}=\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{D}_p\left(y_j\right)---\left(7\right)$

本实施例将D_m,max和D_m,s这两个偏差的总和称为货物m的偏差D_m，由公式8、9计算得到：

D_m＝D_m,max+D_m,s   (8)

$D_m=\mathrm{Max}\left[D_p\left(x_i\right)\right]+\underset{j=1}{\overset{J}{\mathrm{\&Sigma;}}}{D}_p\left(y_j\right)---\left(9\right)$

利用公式(8)、(9)计算每种货物的偏差，本实施例将反映每个节点的最大的货物偏差称为节点偏差，表达式为：

D_node＝Max[D_m] 1≤m≤M₁   (10)

如果参量偏差或货物偏差或节点偏差超过1，异常检测子系统确定异常已经发生。偏差值越大，说明异常发生的越多。如果偏差小于1，反映异常发生的可能性。对于一种货物，如果它的非固定参量的偏差平均值或变化率越大，说明发生异常的可能性越大。因此，本实施例的该种算法可以用来检测异常的发生，并通过计算和记录参量偏差或货物偏差或节点偏差，从而定位异常发生的位置。

在异常检测算法确定的基础上，异常检测子系统开始接收来自RFID所采集到的相关信息(如时间、数量、位置、库存、运输路径等)，利用本实施例的计算方法计算出货物多维参量各个偏差D_m从而得到节点偏差D_node。通过节点偏差判断是否异常发生。若异常发生，再根据各个参量下的货物偏差判断异常等级，从而进行异常报警。若异常不发生，根据偏差变化率判断异常即将发生的可能性。

Claims (2)

1.一种基于射频识别的仓储异常管理系统，其特征在于：包括货物数据采集子系统、仓储异常检测子系统和服务器；

所述货物数据采集子系统包括RFID电子标签卡、阅读器或无线手持终端；RFID电子标签卡装设在托盘或者货物外包装上，其带有货物或托盘的信息和身份识别的唯一ID码；阅读器分别安装在所有的货物出入口处、每条输送线、每台搬运设备和每排货架的出入口处；阅读器配置唯一的ID码，该ID码代表阅读器的唯一位置，通过无线方式经无线AP和网络交换机接入到网络服务器中；

所述仓储异常检测子系统包括异常检测模块、异常处理模块、预警模块、历史查询模块和系统管理模块；异常检测模块对采集到数据库中的相关数据信息进行异常检测，通过预警模块显示出仓储管理是否出现异常；若异常产生，则通过系统的异常处理模块对相应的异常情况进行处理，并在此过程中将相关的历史数据导入到相对应的数据库中；通过对历史数据的定期查询，可获取仓储异常的历史数据，从而对仓储管理达到更好的效益；系统管理模块用于实现对系统的管理；

服务器包括数据库服务器和网络服务器，通过网络交换机与计算机连接；数据库服务器用于保存阅读器或无线手持终端采集的RFID电子标签卡的信息，并调用异常检测子系统中异常检测计算方法实现对信息的处理，同时对信息进行保存；网络服务器用于仓库管理员通过web对系统进行访问，实现异常事件的处理和通报。

2.一种使用上述基于射频识别的仓储异常管理系统的仓储异常检测方法，其特征在于：包含仓储作业的货物异常检测方法和节点异常检测方法；

货物异常检测方法包含以下步骤：

A．对获取的数量、时间和库存等非固定量数据的处理步骤如下：

A1：当货物出入库时，经过出入库口的阅读器所记录的时间，与出入库单所提供的时间差以及实际出入库的时间差，分别按照出入库时间异常和库存时间预警异常范围进行分析；

A2：根据仓库的具体情况设定库存的上下限，盘点作业后，利用RFID采集的数量信息，按照库存异常范围进行分析；

A3：根据货物出入库以及在库货物的实际数量与出入库单以及在库上的货物数量信息作比较，按照货物数量信息异常检测方法进行分析；

B．对获取的位置和运输路径等固定量数据的处理步骤如下：

B1：在盘点过程中，所获得的货物的实际位置与系统中货物所显示的位置作比较，按照货物位置信息异常检测方法进行分析；

B2：根据仓库的具体情况，在仓库中设定多个运输路径节点，将货物在仓库中的实际运输路径与设定的路径作比较，按照货物路径异常检测方法进行分析；

节点异常检测方法包含以下步骤：

C1：利用A1、A2、A3得到的货物固定量异常信息，计算出货物的固定量异常状态；

C2：利用B1、B2得到的货物非固定量异常信息，计算出货物的非固定量异常状态；

C3：利用C1、C2得到的货物固定量异常状态和非固定量异常状态，计算出货物的异常状态；

C4：利用C3得到的货物的异常状态，计算出各货物在不同节点的异常状态。