CN110070317B - 一种基于装备制造商诊断能力的物流中心优化调度方法 - Google Patents
一种基于装备制造商诊断能力的物流中心优化调度方法 Download PDFInfo
- Publication number
- CN110070317B CN110070317B CN201910257555.7A CN201910257555A CN110070317B CN 110070317 B CN110070317 B CN 110070317B CN 201910257555 A CN201910257555 A CN 201910257555A CN 110070317 B CN110070317 B CN 110070317B
- Authority
- CN
- China
- Prior art keywords
- logistics
- center
- fault
- equipment
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于装备制造商诊断能力的物流中心优化调度方法,涉及制造商云计算数据中心、物联网终端监控系统、基于监控终端和交互系统的云数据库、用户交互界面,以及GPS、车辆交互系统。本发明基于智能物联网终端监控系统实时监测和采集区域内多家物流中心智能物流装备的运行状况数据,通过制造商云计算数据中心分析各智能物流装备的故障概率。在智能物流装备故障风险预知情境下,若存在故障风险高于设定阈值的情况,制造商云计算数据中心依据各类数据分析结果进行决策,并及时将决策结果反馈给区域各物流中心和运输车辆,通过多物流中心协同优化调度,转移故障物流中心智能物流装备故障风险,降低物流中心运营成本,保障供应链运营效率。
Description
技术领域
本发明涉及制造业服务化领域,具体涉及一种基于装备制造商诊断能力的物流中心优化调度方法。
背景技术
随着市场经济的高速发展,社会需求发生剧烈的变化。一方面,制造企业的市场竞争环境愈演愈烈,竞争方式正在向全面服务化趋势发展;另一方面,客户的产品需求正在不断增加,期望获得更多元化的产品种类、更高标准的产品性能以及更全面的产品服务。在激烈的竞争环境中,传统制造企业的单纯产品销售模式已经无法满足消费者日益多样化的产品需求,迫使企业向服务化模式转型,努力缔造现代化的创新服务模式,以满足客户需求、创造竞争优势、提高产品技术含量和个性化水平等多方面的发展需求。
在物流领域,智能物流装备制造商也面临着传统制造业相同的困境。在技术方面,随着物联网、大数据分析、人工智能等技术的深入应用,我国智能物流装备制造业的发展增速显著高于机械工业水平,很多智能物流装备的生产制造和设计都已达到国际领先水平。在行业发展现状上,随着我国物流产业的高速发展,吸引更多的传统机械制造企业投入物流装备制造领域,物流装备市场竞争者的不断涌现压缩原有制造商的市场份额。随着物流产业结构日益向着专业化、规模化发展格局的形成,促使物流企业不断提升智能物流装备的各项性能要求,从而导致智能物流装备的生产工艺难度和维护成本不断加大,进一步压缩智能物流装备制造商的利润空间。智能物流装备制造商急需寻求一种有效的服务化策略,以摆脱困境,促进转型发展。
随着我国物流产业的高速发展,物流规模的不断扩大以及时效性要求的不断提高,物流系统管理、规划和运营的复杂性和不确定性也不断增加,使我国物流系统运营风险的种类更加多样化、影响程度更大。以我国大型物流中心物流系统故障风险为例,现代智能物流系统将计算机管理信息技术同机械驱动装置、电气控制装置等先进技术融为一体,逐步走向智能化、自动化道路。现代物流系统的高、精、尖虽然极大提高了我国物流服务的质量和效率,显著降低了物流运营成本,促进物流产业的发展,但同时也使智能物流系统故障发生频率日渐增多,故障复杂程度不断加大,维修维护时间不断拉长,极大影响了整个供应链运营的稳定性,甚至可能导致整个供应链发生停滞,给整个供应链带来巨大的风险危害。
发明内容
发明目的:本发明的目的在于解决现有的智能物流系统故障发生频率日渐增多,故障复杂程度不断加大,维修维护时间不断拉长,极大影响整个供应链运营的稳定性,甚至可能导致整个供应链发生停滞,给整个供应链带来巨大风险危害的问题。
技术方案:为解决上述问题,本发明提供以下技术方案:
一种基于装备制造商诊断能力的物流中心优化调度方法,利用物联网终端监控系统、车辆交互系统、用户交互界面,将制造商、区域各物流中心和运输车辆多个主体相互衔接,并通过制造商云计算数据中心将三方连接成一个智能化服务网络,完成基于制造商服务能力的智能物流装备故障诊断流程、运营风险评估及决策分析流程、多物流中心协同优化调度流程。
以制造商云计算数据中心为核心,进行数据整合分析及智能决策;利用物联网终端监控系统采集智能物流装备运行状态数据;利用车辆交互系统及GPS实时获取车辆装载信息和位置信息并反馈决策结果;利用用户交互界面衔接制造商与物流中心,实现制造商与物流中心实时信息交互和决策传递。
进一步地,所述云计算数据中心,是由智能物流装备制造商建立,为下游客户—物流中心提供智能物流装备故障诊断和智能决策服务的大数据整合分析计算中心;
所述物联网终端监控系统以物联网技术为基础,通过智能终端实时采集智能物流装备运行状态数据,包括装备的运行速率、振动频率、振幅、运行温度、裂纹等,实时传输到云数据库;
所述车辆交互系统装配在运输车辆上,由驾驶员进行操作并反馈车辆运行状态信息和车辆装载信息,同时可以实现各车辆间、车辆与物流中心之间的信息交互;
所述用户交互界面是指向制造商和物流中心反馈决策结果、决策依据,并接收决策反馈,实现制造商与物流中心、区域各物流中心的实时交互;
物联网终端监控系统实时采集制造商供应给下游区域各物流中心智能物流装备的运行数据,并上传到云数据库,云计算数据中心获取物流装备状态信息进行整合分析,诊断其故障风险概率,并综合分析对物流中心运营效益的影响;若检测结果显示某一物流中心存在显著的智能物流装备故障风险,云计算数据中心将综合获取区域各物流中心的运营数据和即将运达各物流中心车辆的装载信息、车辆的位置信息进行设备故障风险转移决策分析,并将决策结果反馈给区域各物流中心和即将运达故障物流中心的运输车辆;运输车辆基于多物流中心优化调度决策,在区域内多家物流中心间调拨其装载的待分拣货量,直至返回故障物流中心。
进一步地,所述基于制造商服务能力的智能装备故障诊断流程包括以下步骤:
(1.1)基于智能物联网技术的终端监控系统实时获取智能物流装备的运行数据,包括设备的运转速率、振幅、振动频率、运行、裂纹等数据,实时上传至云数据库;
(1.2)云计算数据中心实时整合获取的物流装备数据,比较分析历史数据与实时数据的差异,并整合计算智能物流装备故障概率,可能的故障发生时点和故障易发部件;
(1.3)云计算数据中心将决策分析的结果上传至云数据库;
(1.4)云数据库将决策结果通过交互界面反馈给区域物流中心和制造商,指导物流中心风险防范和制造商工艺改进。
进一步地,所述基于制造商服务能力的运营风险评估及决策分析流程包括以下步骤:
(2.1)区域物流中心基于数据库反馈的智能物流装备故障分析结果,授权云数据库获取该区域物流中心的实时运营数据,包括预计待分拣货量、车辆预计到达时间及车辆装载数据;
(2.2)云计算数据中心基于区域物流中心运营数据,结合智能分拣装备故障预知情况,综合评估各物流中心的故障风险,核算故障风险损失,并将数据上传至云数据库;
(2.3)云计算数据中心结合区域各物流中心的运营数据和智能物流装备故障风险,结合车辆到达状态,基于供应链视角分析设计故障风险转移策略,并上传策略集至云数据库;
(2.4)云数据库通过用户交互界面反馈策略集,供决策者选择。决策者确定最终决策方案,并将结果反馈至云数据库;
(2.5)云数据库获取最终决策结果,并将最终决策结果传递给决策中涉及的各参与方,包括区域其他物流中心、即将到达的运输车辆等。
进一步地,所述基于制造商服务能力的多物流中心协同优化调度流程包括以下步骤:
(3.1)阶段一:故障发生前
(3.1.1)即将运达故障物流中心的车辆通过车辆交互系统接收云数据反馈的决策结果;部分或全部车辆将按照决策路径调整原定运输计划,将其转载的货量转移到区域其他物流中心进行处理,实时反馈交货信息和车辆状态至云数据库,并最后返回故障物流中心;
(3.1.2)区域其他物流中心接收故障物流中心车辆运达的待处理货物,并将相关信息反馈到云数据库;
(3.1.3)云数据库接收车辆反馈信息及区域物流中心反馈的信息,进行核对确认,并核算各主体间的利益关系,并将最终结果反馈给故障物流中心,完成该阶段的货物转移和利益分配;
(3.2)阶段二:故障发生后
(3.2.1)故障发生后,物联网终端监控系统实时获取故障发生时点前智能物流装备的运行状况数据,上传至云数据库;
(3.2.2)云计算物流中心获取物流装备故障前瞬时数据,分析定位故障点和故障复杂度,同时连接智能物流装备制造商专家库,制定维修计划,并经云数据库、用户交互界面反馈给故障物流中心;
(3.2.3)同时,基于维修计划及区域各物流中心运营数据,制定保障供应链正常运营的货物调度策略,通过故障物流中心自有车辆将未完成分拣的货物调度到区域内其他物流中心处理,并最终返回故障物流中心;
(3.2.4)区域其他物流中心接收故障物流中心自有车辆运达的待处理货物,并将相关信息反馈到云数据库;
(3.2.5)云数据库接收车辆反馈信息及区域物流中心反馈信息,进行核对确认,核算各主体间的利益关系,并将最终结果反馈给故障物流中心,完成该阶段的货物调度和利益分配。
有益效果:本发明与现有技术相比:
一种基于装备制造商诊断能力的物流中心优化调度方法,通过物联网终端智能诊断智能物流装备运行状况,及时反馈给制造商,一方面,有利于智能物流装备制造商及时改进生产工艺、提高创新能力;另一方面,借助智能物流装备制造商预知诊断能力,以有效的事前控制防范物流中心故障风险,保证供应链整体效益。通过区域多物流中心协同优化调度,充分利用区域内可用的剩余物流资源,提高区域物流中心的资源利用率。同时,通过最优调度决策,降低故障物流中心的风险转移成本,降低风险损失。本发明有利于促进整个区域物流中心效益的提升,提高智能物流装备制造商的竞争优势,促进其服务化转型发展,实现多方共赢。
附图说明
图1为本发明的整体框架示意图;
图2为本发明中多物流中心协同优化调度框架图;
图3为第一阶段车辆转移示意图;
图4为第二阶段车辆调度示意图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
一种基于装备制造商诊断能力的物流中心优化调度方法,利用物联网终端监控系统、车辆交互系统、用户交互界面,将制造商、区域各物流中心和运输车辆多个主体相互衔接,并通过制造商云计算数据中心将三方连接成一个智能化服务网络,完成基于制造商服务能力的智能物流装备故障诊断流程、运营风险评估及决策分析流程、多物流中心协同优化调度流程。
以制造商云计算数据中心为核心,进行数据整合分析及智能决策;利用物联网终端监控系统采集智能物流装备运行状态数据;利用车辆交互系统及GPS实时获取车辆装载信息和位置信息并反馈决策结果;利用用户交互界面衔接制造商与物流中心,实现制造商与物流中心实时信息交互和决策传递。
云计算数据中心,是由智能物流装备制造商建立,为下游客户—物流中心提供智能物流装备故障诊断和智能决策服务的大数据整合分析计算中心;
物联网终端监控系统以物联网技术为基础,通过智能终端实时采集智能物流装备运行状态数据,包括装备的运行速率、振动频率、振幅、运行温度、裂纹等,实时传输到云数据库;
车辆交互系统装配在运输车辆上,由驾驶员进行操作并反馈车辆运行状态信息和车辆装载信息,同时可以实现各车辆间、车辆与物流中心之间的信息交互;
用户交互界面是指向制造商和物流中心反馈决策结果、决策依据,并接收决策反馈,实现制造商与物流中心、区域各物流中心的实时交互;
物联网终端监控系统实时采集制造商供应给下游区域各物流中心智能物流装备的运行数据,并上传到云数据库,云计算数据中心获取物流装备状态信息进行整合分析,诊断其故障风险概率,并综合分析对物流中心运营效益的影响;若检测结果显示某一物流中心存在显著的智能物流装备故障风险,云计算数据中心将综合获取区域各物流中心的运营数据和即将运达各物流中心车辆的装载信息、车辆的位置信息进行设备故障风险转移决策分析,并将决策结果反馈给区域各物流中心和即将运达故障物流中心的运输车辆;运输车辆基于多物流中心优化调度决策,在区域内多家物流中心间调拨其装载的待分拣货量,直至返回故障物流中心。
基于制造商服务能力的智能装备故障诊断流程包括以下步骤:
基于智能物联网技术的终端监控系统实时获取智能物流装备的运行数据,包括设备的运转速率、振幅、振动频率、运行、裂纹等数据,实时上传至云数据库;
云计算数据中心实时整合获取的物流装备数据,比较分析历史数据与实时数据的差异,并整合计算智能物流装备故障概率,可能的故障发生时点和故障易发部件;
云计算数据中心将决策分析的结果上传至云数据库;
云数据库将决策结果通过交互界面反馈给区域物流中心和制造商,指导物流中心风险防范和制造商工艺改进。
实施例
如图1所示,本发明涉及智能物流装备制造商云计算数据中心、物联网终端监控系统、基于监控终端和交互系统的云数据库、用户交互界面,以及GPS、车辆交互系统,包括基于制造商服务能力的智能物流装备故障诊断流程、运营风险评估及决策分析流程、多物流中心协同优化调度流程。
云数据库通过物联网终端监控系统、车辆交互系统、GPS实时采集区域内物流中心、智能物流装备、运输车辆的状态信息,分别建立智能物流装备运行数据库、物流中心运营数据库、车辆实时信息数据库。云计算数据中心实时获取各数据库中数据,整合分析智能物流装备的运行状况、预测故障概率和故障时点,并将预测结果通过用户交互界面传递给制造商和物流中心管理者,提高智能物流装备故障风险防范能力。
区域物流中心基于数据库反馈的智能物流装备故障分析结果,授权云数据库获取该区域物流中心的实时运营数据,包括预计待分拣货量、车辆预计到达时间及车辆装载数据等。云计算数据中心基于区域物流中心运营数据,结合智能分拣装备故障预知情况,综合评估各物流中心的故障风险,核算故障风险损失,并将数据上传至云数据库。云计算数据中心结合区域各物流中心的运营数据和智能物流装备故障风险,结合车辆的到达状态,基于供应链视角分析设计故障风险转移策略,并上传策略集至云数据库。云数据库通过用户交互界面反馈策略集,供决策者选择。决策者确定最终决策方案,并将结果反馈至云数据库。云数据库获取最终决策结果,将最终决策结果传递给决策中涉及的各参与方,包括区域其他物流中心、即将到达的运输车辆等。
如图2和图3所示,即将运达故障物流中心的车辆通过车辆交互系统接收云数据反馈的决策结果。部分或全部车辆将按照决策路径调整原定运输计划,将其转载的货物转移到区域其他物流中心进行处理,实时反馈交货信息和车辆状态信息至云数据库,并最后返回故障物流中心。区域其他物流中心接收故障物流中心车辆运达的待处理货物,并将相关信息反馈到云数据库。云数据库接收车辆反馈信息及区域物流中心反馈的信息,进行核对确认,核算各主体间的利益关系,并将最终结果反馈给故障物流中心,完成该阶段的货物转移和利益分配。
如图2和图4所示,若物流中心智能物流装备发生故障,物联网终端监控系统实时获取故障发生时点前智能物流装备的运行数据,上传至云数据库。云计算物流中心获取物流装备故障前瞬时数据,分析定位故障点和故障复杂度,同时连接智能物流装备制造商专家库,制定维修计划,并经云数据库、用户交互界面反馈给故障物流中心。同时,基于维修计划及区域各物流中心运营数据,制定保障供应链正常运营的货物调度策略,通过故障物流中心自有车辆将未完成的货量调度到区域物流中心处理,并最终返回故障物流中心。区域其他物流中心接收故障物流中心自有车辆运达的待处理货物,并将相关信息反馈到云数据库。云数据库接收车辆反馈信息及区域物流中心反馈信息,进行核对确认,核算各主体间的利益关系,并将最终结果反馈给故障物流中心,完成该阶段的货物调度和利益分配。
Claims (4)
1.一种基于装备制造商诊断能力的物流中心优化调度方法,其特征在于:利用物联网终端监控系统、车辆交互系统、用户交互界面,将制造商、区域各物流中心和运输车辆多个主体相互衔接,并通过制造商云计算数据中心将三方连接成一个智能化服务网络,完成基于制造商服务能力的智能物流装备故障诊断流程、运营风险评估及决策分析流程、多物流中心协同优化调度流程;
所述云计算数据中心,是由智能物流装备制造商建立,为下游客户物流中心提供智能物流装备故障诊断和智能决策服务的大数据整合分析计算中心;
所述物联网终端监控系统以物联网技术为基础,通过智能终端实时采集智能物流装备运行状态数据,包括装备的运行速率、振动频率、振幅、运行温度、裂纹等,实时传输到云数据库;
所述车辆交互系统装配在运输车辆上,由驾驶员进行操作并反馈车辆运行状态信息和车辆装载信息,同时可以实现各车辆间、车辆与物流中心之间的信息交互;
所述用户交互界面是指向制造商和物流中心反馈决策结果、决策依据,并接收决策反馈,实现制造商与物流中心、区域各物流中心的实时交互;
所述物联网终端监控系统实时采集制造商供应给下游区域各物流中心智能物流装备的运行数据,并上传到云数据库,云计算数据中心获取物流装备状态信息进行整合分析,诊断其故障风险概率,并综合分析对物流中心运营效益的影响;若检测结果显示某一物流中心存在显著的智能物流装备故障风险,云计算数据中心将综合获取区域各物流中心的运营数据和即将运达各物流中心车辆的装载信息、车辆的位置信息进行设备故障风险转移决策分析,并将决策结果反馈给区域各物流中心和即将运达故障物流中心的运输车辆;运输车辆基于多物流中心优化调度决策,在区域内多家物流中心间调拨其装载的待分拣货量,直至返回故障物流中心。
2.根据权利要求1所述的基于装备制造商诊断能力的物流中心优化调度方法,其特征在于:所述基于制造商服务能力的智能装备故障诊断流程包括以下步骤:
(1.1)基于智能物联网技术的终端监控系统实时获取智能物流装备的运行数据,包括设备的运转速率、振幅、振动频率、运行、裂纹等数据,实时上传至云数据库;
(1.2)云计算数据中心实时整合获取的物流装备数据,比较分析历史数据与实时数据的差异,并整合计算智能物流装备故障概率,可能的故障发生时点和故障易发部件;
(1.3)云计算数据中心将决策分析的结果上传至云数据库;
(1.4)云数据库将决策结果通过交互界面反馈给区域物流中心和制造商,指导物流中心风险防范和制造商工艺改进。
3.根据权利要求1所述的基于装备制造商诊断能力的物流中心优化调度方法,其特征在于:所述基于制造商服务能力的运营风险评估及决策分析流程包括以下步骤:
(2.1)区域物流中心基于数据库反馈的智能物流装备故障分析结果,授权云数据库获取该区域物流中心的实时运营数据,包括预计待分拣货量、车辆预计到达时间及车辆装载数据;
(2.2)云计算数据中心基于区域物流中心运营数据,结合智能分拣装备故障预知情况,综合评估各物流中心的故障风险,核算故障风险损失,并将数据上传至云数据库;
(2.3)云计算数据中心结合区域各物流中心的运营数据和智能物流装备故障风险,结合车辆到达状态,基于供应链视角分析设计故障风险转移策略,并上传策略集至云数据库;
(2.4)云数据库通过用户交互界面反馈策略集,供决策者选择;决策者确定最终决策方案,并将结果反馈至云数据库;
(2.5)云数据库获取最终决策结果,并将最终决策结果传递给决策中涉及的各参与方,包括区域其他物流中心、即将到达的运输车辆等。
4.根据权利要求1所述的基于装备制造商诊断能力的物流中心优化调度方法,其特征在于:所述基于制造商服务能力的多物流中心协同优化调度流程包括以下步骤:
(3.1)阶段一:故障发生前
(3.1.1)即将运达故障物流中心的车辆通过车辆交互系统接收云数据反馈的决策结果;部分或全部车辆将按照决策路径调整原定运输计划,将其转载的货量转移到区域其他物流中心进行处理,实时反馈交货信息和车辆状态至云数据库,并最后返回故障物流中心;
(3.1.2)区域其他物流中心接收故障物流中心车辆运达的待处理货物,并将相关信息反馈到云数据库;
(3.1.3)云数据库接收车辆反馈信息及区域物流中心反馈的信息,进行核对确认,并核算各主体间的利益关系,并将最终结果反馈给故障物流中心,完成该阶段的货物转移和利益分配;
(3.2)阶段二:故障发生后
(3.2.1)故障发生后,物联网终端监控系统实时获取故障发生时点前智能物流装备的运行状况数据,上传至云数据库;
(3.2.2)云计算物流中心获取物流装备故障前瞬时数据,分析定位故障点和故障复杂度,同时连接智能物流装备制造商专家库,制定维修计划,并经云数据库、用户交互界面反馈给故障物流中心;
(3.2.3)同时,基于维修计划及区域各物流中心运营数据,制定保障供应链正常运营的货物调度策略,通过故障物流中心自有车辆将未完成分拣的货物调度到区域内其他物流中心处理,并最终返回故障物流中心;
(3.2.4)区域其他物流中心接收故障物流中心自有车辆运达的待处理货物,并将相关信息反馈到云数据库;
(3.2.5)云数据库接收车辆反馈信息及区域物流中心反馈信息,进行核对确认,核算各主体间的利益关系,并将最终结果反馈给故障物流中心,完成该阶段的货物调度和利益分配。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910257555.7A CN110070317B (zh) | 2019-04-01 | 2019-04-01 | 一种基于装备制造商诊断能力的物流中心优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910257555.7A CN110070317B (zh) | 2019-04-01 | 2019-04-01 | 一种基于装备制造商诊断能力的物流中心优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110070317A CN110070317A (zh) | 2019-07-30 |
CN110070317B true CN110070317B (zh) | 2023-01-31 |
Family
ID=67366841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910257555.7A Active CN110070317B (zh) | 2019-04-01 | 2019-04-01 | 一种基于装备制造商诊断能力的物流中心优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110070317B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220092492A1 (en) * | 2020-09-21 | 2022-03-24 | International Business Machines Corporation | Temporal and spatial supply chain risk analysis |
CN114928568B (zh) * | 2022-06-16 | 2023-06-09 | 中国联合网络通信集团有限公司 | 一种路由路径选择方法、装置及计算机可读存储介质 |
CN115946132B (zh) * | 2023-03-15 | 2023-05-30 | 江西丹巴赫机器人股份有限公司 | 一种智能密集库与物流机器人系统及其故障监测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133467A (zh) * | 2014-07-30 | 2014-11-05 | 浪潮集团有限公司 | 一种基于云计算的obds远程故障诊断恢复系统 |
CN105427055A (zh) * | 2015-12-15 | 2016-03-23 | 北京中科云集科技有限公司 | 基于互联网+工业4.0智能制造管理的方法及系统 |
-
2019
- 2019-04-01 CN CN201910257555.7A patent/CN110070317B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104133467A (zh) * | 2014-07-30 | 2014-11-05 | 浪潮集团有限公司 | 一种基于云计算的obds远程故障诊断恢复系统 |
CN105427055A (zh) * | 2015-12-15 | 2016-03-23 | 北京中科云集科技有限公司 | 基于互联网+工业4.0智能制造管理的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110070317A (zh) | 2019-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110070317B (zh) | 一种基于装备制造商诊断能力的物流中心优化调度方法 | |
Faccio | The impact of production mix variations and models varieties on the parts-feeding policy selection in a JIT assembly system | |
CN113177761B (zh) | 一种考虑时效性的电商仓储智能排产预警系统 | |
Rahman et al. | An integrated approach for line balancing and AGV scheduling towards smart assembly systems | |
CN109917770A (zh) | 一种大型结构件自动化生产线智能管控系统 | |
CN111242414B (zh) | 一种应用于钢铁行业炼钢-连铸流程的计划调度系统 | |
CN109079497A (zh) | 工程机械总装生产线在线感知与柔性装配系统 | |
CN109976320A (zh) | 一种基于时间窗在线修正的多agv路径规划方法 | |
CN112699524B (zh) | 应用于特钢厂高速工具钢炼钢流程的仿真优化调度模型 | |
CN108510227A (zh) | 一种基于机器学习的车载物流配送实时规划系统 | |
CN105243442A (zh) | 基于产能供应链的库存优化管理信息模型 | |
CN111882215A (zh) | 一种含有agv的个性化定制柔性作业车间调度方法 | |
CN114995301A (zh) | 一种基于分派规则的产线分布式调度方法及系统 | |
CN111861313A (zh) | 一种基于5g网络的物流智能配送方法 | |
CN114936783B (zh) | 一种基于mmddpg算法的rgv小车调度方法及系统 | |
CN110264057A (zh) | 一种车站协同调度方法及系统 | |
CN108196541A (zh) | 自动导向小车调度方法 | |
CN115115194A (zh) | 一种自动化立体仓库的作业任务调度方法及系统 | |
CN116400651A (zh) | 智慧工厂数字孪生平台的多agv协同调度方法及装置 | |
Peng et al. | Scheduling Just‐in‐Time Transport Vehicles to Feed Parts for Mixed Model Assembly Lines | |
CN117236818A (zh) | 一种电商服务的物流管理系统 | |
CN116934044A (zh) | 基于mom系统的产品生产调度方法 | |
CN106600194A (zh) | 一种门体自动化生产与配送系统及其方法 | |
CN110371633A (zh) | 一种自动化物流系统 | |
Ma et al. | Multi-objective production scheduling optimization and management control system of complex aerospace components: a review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |