CN111056258B - 一种智能调整传送带的方法和装置 - Google Patents
一种智能调整传送带的方法和装置 Download PDFInfo
- Publication number
- CN111056258B CN111056258B CN201911139642.9A CN201911139642A CN111056258B CN 111056258 B CN111056258 B CN 111056258B CN 201911139642 A CN201911139642 A CN 201911139642A CN 111056258 B CN111056258 B CN 111056258B
- Authority
- CN
- China
- Prior art keywords
- conveyor belt
- cargo
- operator
- environmental data
- vehicle
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
Abstract
本发明公开了一种智能调整传送带的方法,包括:在满足触发条件时收集环境数据,所述环境数据包括至少以下信息之一:车辆信息、货物信息、操作员信息和传送带信息;根据所述环境数据,确定传送带运行推荐参数;根据所确定的传送带运行推荐参数,调整传送带运行。本发明还公开了一种智能调整传送带的装置。
Description
技术领域
本发明涉及物流智能化领域,尤其涉及一种智能调整传送带的方法和装置。
背景技术
近年来,随着网购人数的不断增加,中国快递物流行业呈现突飞猛进的发展,如何为快递行业实现赋能,提升整体的运输配送效率是很多快递公司当前的主要问题。传送带主要用于各大快递公司的分拨中心、营业部等大型集散地的传送设备,帮助企业实现自动化传送、分拣等,但传统的传送带速度不能根据实际的场景进行智能调速变速,例如:车辆的到达情况、各岗位人员的忙碌情况以及货物的实际体积等,导致在实际运输场景中出现操作人员过渡闲置和过渡忙碌等现象,极易出现操作行为不规范,缺乏资源的合理分配,严重影响了流水线的作业效率。
而现有技术方案中,虽然传送带相关参数是可以调节的,但是,基本方式是人工判断,调节目标并不科学明确,经常导致需要反复尝试;同时一般手工调整的方式,导致多个分段无法协调\协同一致,严重影响的调整效果。因此,急需要一种新一代的“智能调速传送带”,帮助企业平衡各制约因素的影响,提升整体的流水作业效率,保障作业的有序进行。
发明内容
鉴于各大物流企业在货场仓库中相关设备人员的管理控制方案存在诸多不足,智能化自动化程度较低的现状,本发明提供一种智能调整传送带的方法和装置,改进了物流企业货场中传送带运行速度调整的智能化、自动化程度。
提供一种智能调整传送带的方法,其特征在于,包括:
在满足触发条件时收集环境数据,所述环境数据包括至少以下信息之一:车辆信息、货物信息、操作员信息和传送带信息;
根据所述环境数据,确定传送带运行推荐参数;
根据所确定的传送带运行推荐参数,调整传送带运行。
可选地,其中,所述车辆信息包括车辆编号,和至少以下信息之一:车辆位置、车辆载重、车辆装载空间、车辆进入货场的时间、车辆最晚要求离场时间、车辆允许滞留时间、当前装载状态、车辆离场时间;
所述货物信息包括货物编号,和至少以下信息之一:货物位置、货物重量、货物形状、货物体积、货物进场时间、货物允许滞留时间、来货地址、目的地址、货场内目标位置、货物离场时间;
所述操作员信息包括操作员编号、操作员位置、当前忙碌指数,和至少以下信息之一:操作员上班时间、下班时间、平均处理速度;
所述传送带信息包括传送带编号、起点位置、终点位置和至少以下信息之一:是否故障、当前传送速度、当前负载状态、当前是否有货物积压、当前倾斜角度。
可选地,其中,所述根据所述环境数据,确定传送带运行推荐参数,包括:
将所述环境数据输入训练好的传送带运行速度输出模型,得到所述传送带运行推荐参数。
可选地,其中,所述环境数据根据预先建立的货场知识图谱确定,所述货场知识图谱包括以下实体:车辆、货物、操作员和传送带;所述货场知识图谱,还包括:所述车辆、所述货物、所述操作员和所述传输带的相关属性,所述实体之间的关系以及所述属性之间的关系。
可选地,其中,训练传送带运行速度输出模型,包括:选择传送带运行速度输出模型;
利用已建立的环境数据样本库训练所选定的传送带运行速度输出模型;其中,已建立的环境数据样本库中至少包括某时间段货场整体运行效率高时对应的环境数据。
可选地,其中,所述传送带运行参数包括:运行速度或倾斜角度。
可选地,其中,所述操作员的当前忙碌指数,根据以下方式之一确定:
根据所述操作员所在位置的传送带运行速度来确定该操作员当前忙碌指数;
根据所述操作员所在位置的传送带当前是否有货物积压来确定该操作员当前忙碌指数;
根据所述操作员的工作视频进行智能识别,确定该操作员当前忙碌指数。
可选地,其中,所述根据所确定的传送带运行推荐参数,调整传送带运行,包括:
根据所确定的传送带运行推荐参数,发送有关所述传送带运行推荐参数和当前实际运行情况的提示信息给操作员,等待所述操作员确认传送带运行参数后,再根据所确认的传送带运行参数调整传送带的运行;
或者,当设置为自动调整模式时,根据所确定的传送带运行推荐参数和当前传送带实际的运行参数,自动调整对应的传送带运行参数运行。
可选地,其中,所述满足触发条件时收集环境数据,包括:根据预设时间计划自动收集所述环境数据;
或者,预设的事件发生时触发收集所述环境数据;
或者,根据操作员的指令启动收集所述环境数据。
还提供一种智能调整传送带的装置,其特征在于,包括:
收集模块,设置为在满足触发条件时收集环境数据,所述环境数据包括至少以下信息之一:车辆信息、货物信息、操作员信息和传送带信息;
参数推荐模块,设置为根据所述环境数据,确定传送带运行推荐参数;
调整模块,设置为根据所确定的传送带运行推荐参数,调整传送带运行。
可选地,其中,所述参数推荐模块,设置为将所述环境数据输入训练好的传送带运行速度输出模型,得到所述传送带运行推荐参数;所述环境数据根据预先建立的货场知识图谱确定,所述货场知识图谱包括以下实体:车辆、货物、操作员和传送带;所述货场知识图谱,还包括:所述车辆、所述货物、所述操作员和所述传输带的相关属性,所述实体之间的关系以及所述属性之间的关系。
附图说明
图1为本发明中涉及的业务场景示意图;
图2为本发明实施例一提供的一种智能调整传送带的方法;
图3为本发明实施例二提供的一种智能调整传送带的方法;
图4为本发明实施例二中提供的一种知识图谱建立过程;
图5为本发明实施例二中提供的一种操作员忙碌指数视频识别过程;
图6为本发明实施例三提供的一种智能调整传送带的装置结构图;
图7为本发明实施例二中货场知识图谱的示例。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图及具体实施例对本发明作进一步的详细描述。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
首先,本领域相关定义说明如下,但不限于下述各具体情况:
知识图谱:是结构化的语义知识库,用于以符号形式描述物理世界中的概念及其相互关系,其基本组成单位是“实体—关系—实体”三元组,以及实体及其相关属性—值对,实体间通过关系相互联结,构成网状的知识结构。知识图谱就是展示知识发展过程与属性联系的一系列不同图形,再加以相应的可视化手段把这一系列图形表示的这些知识实体与知识实体或者知识实体与知识属性之间的联系展示出来。知识图谱的本质就是一种网状知识库,它是由一个个知识三元组组成。
机器学习:是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。相关领域的机器学习从学习策略的角度分为:模拟人脑的机器学习和采用数学方法的机器学习。其中采用数学的机器学习主要有统计机器学习,是基于对数据的初步认识以及学习目的的分析,选择合适的数学模型,拟定参数,并输入样本数据,依据一定的策略,运用合适的学习算法对模型进行训练,最后运用训练好的模型对数据进行分析预测。
IOT技术:IOT(Internet of Things)物联网技术,是指通过各种信息传感器、射频识别技术、全球定位系统、红外感应器、激光扫描器等各种装置与技术,实时采集任何需要监控、连接、互动的物体或过程,采集其声、光、热、电、力学、化学、生物、位置等各种需要的信息,通过各类可能的网络接入,实现物与物、物与人的泛在连接,实现对物品和过程的智能化感知、识别和管理。物联网是一个基于互联网、传统电信网等的信息承载体,它让所有能够被独立寻址的普通物理对象形成互联互通的网络。
本发明中涉及的相关术语\概念说明如下,但不限于下述各具体情况:
车辆:本发明中涉及的车辆包括:进入货场进行货物卸载的车辆和/或进入货场进行货物装载的车辆;以及货场内部进行货物转运的车辆。
传送带:本发明中涉及的传送带包括:连接卸载点、装载点、以及其他操作岗位之间的一段或多段传送带。
操作员:本发明中涉及的操作员指货场中各个岗位的工作人员,如:卸货员、装货员、分拣员、安全质检员、入库员、出库员等等;不限于以上举例的类型。
货物:本发明中涉及的是场中相关的货物,例如,包括:进场的货物、待运输的货物、货场内暂存的货物、传送带上传送的货物、操作员具体操作的货物;可以是每个独立的货物,也可以是多个零散货物打包在一起组合起来的一个集合货物。
本发明所述方案应用于如图1所示的货场环境。货场中有卸货区、装货区、传送带、智能摄像头、智能称、分拣台等基础设施,涉及往来车辆、货物、操作员等业务参与对象。
实施例一
如图2所示,本实施例提供一种智能调整传送带的方法,包括:
步骤201,在满足触发条件时收集环境数据,所述环境数据包括至少以下信息之一:车辆信息、货物信息、操作员信息和传送带信息;
步骤202,根据所述环境数据,确定传送带运行推荐参数;
步骤203,根据所确定的传送带运行推荐参数,调整传送带运行。
可选地,所述车辆信息包括车辆编号,和至少以下信息之一:车辆位置、车辆载重、车辆装载空间、车辆进入货场的时间、车辆最晚要求离场时间、车辆允许滞留时间、当前装载状态、车辆离场时间;
所述货物信息包括货物编号,和至少以下信息之一:货物位置、货物重量、货物形状、货物体积、货物进场时间、货物允许滞留时间、来货地址、目的地址、货场内目标位置、货物离场时间;
所述操作员信息包括操作员编号、操作员位置、当前忙碌指数,和至少以下信息之一:操作员上班时间、下班时间、平均处理速度;
所述传送带信息包括传送带编号、起点位置、终点位置和至少以下信息之一:是否故障、当前传送速度、当前负载状态、当前是否有货物积压、当前倾斜角度。
可选地,所述根据所述环境数据,确定传送带运行推荐参数,包括:
将所述环境数据输入训练好的传送带运行速度输出模型,得到所述传送带运行推荐参数。
可选地,需要收集的环境数据根据预先建立的货场知识图谱确定,所述货场知识图谱,包括以下实体:车辆、货物、操作员和传送带;所述货场知识图谱,还包括:所述车辆、所述货物、所述操作员和所述传输带的相关属性、所述实体之间的关系以及所述属性之间的关系。
可选地,所述传送带运行参数包括:运行速度或倾斜角度。
可选地,所述操作员的当前忙碌指数,根据以下方式之一确定:
根据所述操作员所在位置的传送带运行速度来确定该操作员当前忙碌指数;
根据所述操作员所在位置的传送带当前是否有货物积压来确定该操作员当前忙碌指数;
根据针对所述操作员的工作视频进行智能识别,确定该操作员当前忙碌指数。
可选地,所述根据所确定的传送带运行推荐参数,调整传送带运行,包括:
根据所确定的传送带运行推荐参数,发送有关所述传送带运行推荐参数和当前实际运行情况的提示信息给操作员,等待所述操作员确认传送带运行参数后,再根据所确认的传送带运行参数调整传送带的运行;
或者,当设置为自动调整模式时,根据所确定的传送带运行推荐参数和当前传送带的实际运行情况,自动调整对应的传送带运行参数运行。
可选地,所述满足触发条件时收集环境数据,包括:根据预设时间计划自动收集所述环境数据;
或者,预设的事件发生时触发收集所述环境数据;
或者,根据操作员的指令启动收集所述环境数据。
实施例二
如图3所示,本实施例提供一种智能调整传送带的方法,包括:
步骤301,在满足触发条件时收集环境数据,所述环境数据包括:车辆信息、货物信息、操作员信息和传送带信息。
步骤302,根据所述环境数据,确定传送带运行推荐参数,包括:将所述环境数据输入训练好的传送带运行速度输出模型,得到所述传送带运行推荐参数。
步骤303,根据所述传送带运行推荐参数,调整传送带运行。
其中,所述车辆信息包括车辆编号,和至少以下信息之一:车辆位置、车辆载重、车辆装载空间、车辆进入货场的时间、车辆最晚要求离场时间、车辆允许滞留时间、当前装载状态、车辆离场时间;
所述货物信息包括货物编号,和至少以下信息之一:货物位置、货物重量、货物形状、货物体积、货物进场时间、货物允许滞留时间、来货地址、目的地址、货场内目标位置、货物离场时间;
所述操作员信息包括操作员编号、操作员位置、当前忙碌指数,和至少以下信息之一:操作员上班时间、下班时间、平均处理速度;
所述传送带信息包括传送带编号、起点位置、终点位置和至少以下信息之一:是否故障、当前传送速度、当前负载状态、当前是否有货物积压、当前倾斜角度。
其中,步骤301中的触发条件包括:预设的周期性数据收集时间点的到达;或者,按照预设的非周期性的收集时间计划执行;
或者,步骤301中的触发条件包括:预设的事件的发生,当前货场中车辆数量达到某一阀值1,和/或,当前货场中货物堆积数量达到某一阀值2等。具体的预设事件可以由货场操作员根据实际情况具体设定,不限于上述举例内容;
或者,步骤301中的触发条件包括:操作员手工启动收集环境数据。
其中,需要收集的环境数据是根据预先建立的货场知识图谱来确定。
所述预先建立的货场知识图谱是根据图4所示的过程建立,包括:
1、分析确定货场中影响\制约传送带运行的数据类型,包括结构化数据和非结构化数据;
2、信息抽取,针对其中的半结构化数据和非结构化数据进行至少以下操作之一:属性抽取、关系抽取或实体抽取;
3、知识融合,基于第三方知识库,对其中的结构化数据进行知识融合,并与抽取后的数据一并进行指代消解/实体消歧;
4、知识加工,基于知识融合的结果进行知识推理、本体抽取和质量评估,最终建立货场的知识图谱。
其中,训练传送带运行速度输出模型是一个机器学习的过程,是指基于环境数据的样本库,所述运行速度输出模型的自我优化,是模型代码层面的逻辑运行。机器学习目的一方面是为了根据不同的环境数据输入判别怎样的传送带的运行参数最适合;另一方面则是不断优化模型及环境数据样本库,使输出的运行推荐参数更加准确。
其中,判断怎样的传送带运行参数最合适,是根据已建立的环境数据样本库,结合输入的环境数据来判断。
可选地,在确定传送带运行推荐参数后与实际运行情况相比较,将不断变化的环境数据所对应的最优运行参数方案,不断添加到所述环境数据样本库中,当下次再出现近似环境数据时,则按照环境数据样本库的记载,得出运行推荐参数。
可选地,预先建立的货场知识图谱示例如图7所示,体现了货场中传送带、车辆、货物、操作员的各种属性和他们之间的关系。
其中,所述传送带的属性包括传送带编号、起点位置、终点位置和至少以下之一:是否故障、当前传送速度、当前倾斜角度、当前负载状态、当前是否有货物积压、当前倾斜角度;
所述车辆的属性包括车辆编号,和至少以下之一:车辆位置、车辆载重、车辆装载空间、车辆进入货场的时间、车辆最晚要求离场时间、车辆允许滞留时间、当前装载状态;
所述货物的属性包括货物编号,和至少以下之一:货物位置、货物重量、货物形状、货物体积、货物进场时间、货物允许滞留时间、来货地址、目的地址、货场内目标位置;
所述操作员属性包括操作员编号、操作员位置、当前忙碌指数,和至少以下之一:操作员上班时间、下班时间、平均处理速度。
可选地,训练传送带运行速度输出模型,包括:
首先,选择传送带运行速度输出模型,例如,可以选择以下之一的分类模型:随机森林模型(random forest)、GBDT(Gradient Boosting Decision Tree,梯度提升决策树)模型、XGboost(Extreme Gradient Boosting)模型、Adaboost模型或SVM(Support VectorMachines支持向量机)模型。
接着,利用已建立的环境数据样本库训练所选定的传送带运行速度输出模型;其中,已建立的环境数据样本库中至少包括某时间段货场整体运行效率高时对应的环境数据。
可选地,所述货场整体运行效率的判断依据包括:装/卸车完成时长、操作员忙碌指数变化平稳度、传送带运行速度变化平稳度、和\或货物积压指数等。具体可以由货场管理员确定,不限定于所举例的方面。
可选地,环境数据样本库的建立包括:货场管理员根据经验,判断某时间段内货场整体运行效率高时,手工选定该时间段内的环境数据作为样本加入环境数据样本库;
可选地,环境数据样本库的建立还包括,在执行步骤302的过程中,根据所述货场整体运行效率的判断依据,当某段时间内货场整体运行效率达到预设的效率高对应的门限时,自动将该时段内的环境数据加入环境数据样本库。
步骤302中确定的传送带运行推荐参数,包括:运行速度;可以根据所确定的运行速度加快传送带运行或者减小传送带运行;
或者,所述运行推荐参数,包括:传送带倾斜角度;可以根据所确定的传送带倾斜角度,将传送带的倾斜角度调大或者调小;
或者,所述运行推荐参数包括:运行速度和传送带倾斜角度。
如果当前货场中包括多段传送带,则传送带运行参数包括每一段各自的传送带运行推荐参数。
步骤303中,如果当前货场中包括多段传输带,则根据每一段的传送带运行推荐参数的情况,调整每一段传送带的运行;或者,选择部分传送带进行调整。
可选地,其中,操作员的当前忙碌指数可以根据以下方式之一确定:
根据所述操作员所在位置的传送带运行速度来确定该操作员当前忙碌指数。设定不同的忙碌指数对应的传送带运行速度范围,根据操作员所在位置的传送带运行速度所归属的范围,确定该操作员当前忙碌指数。例如,传送带速度100米/分钟,忙碌指数为5;传送带速度80米/分钟,忙碌指数为4;传送带速度50米/分钟,忙碌指数为3;传送带速度30米/分钟,忙碌指数为2;传送带速度10米/分钟,忙碌指数为1;传送带速度0米/分钟,忙碌指数为0。具体对应关系可以根据每个货场或物流企业的要求自行确定,不限于上述示例。
根据所述操作员所在位置的传送带当前是否有货物积压来确定该操作员当前忙碌指数。如果所述操作员所在位置的传送带当前有货物积压,根据积压的数量或比例来确定忙碌指数。例如,积压量超过40%则忙碌指数加2,如果超过20%则忙碌指数加2,如果20%以内则忙碌指数不变;当无货物积压时忙碌指数不变或恢复初始状态。具体对应关系可以根据每个货场或物流企业的要求自行确定,不限于上述示例。
根据针对所述操作员的工作视频进行智能识别,确定该操作员当前忙碌指数,包括:根据所述操作员位置的摄像头拍摄操作员的工作视频,利用图像识别技术,依据已有的操作员行为样本库,确定该操作员的当前的忙碌指数。
可选地,对操作员的工作视频进行智能识别,包括:
首先,事先建立操作员行为样本库,对操作员的行为、操作速度进行定义并记录到样本库;
接着,根据如图5所示的过程进行训练和识别,最终确定操作员的忙碌指数:
1:输入监控视频流;
2:对监控视频流中的少量样本进行标注;
3:将标注后样本和监控视频流进行视频预处理;包括视频片段截取和图片帧节化;
4:将预处理后数据输入操作员行为识别模型,确定识别结果;包括:依据所述操作员样本库进行特征提取后,识别操作员忙碌状态,确定操作员忙碌指数;同时,将识别结果输入所述操作员行为识别模型进行验证,验证正确的情况下,将对应的视频数据及其标注内容加入所述操作员行为样本库。
可选地,根据针对所述操作员的工作视频进行智能识别,确定该操作员当前忙碌指数还可以采用其他方案,如其他第三方视频识别方案,不限于上述图5所示方案。
可选地,其中,所述货物的体积,可以通过图像识别或红外线扫描的方式确定所述货物的体积。
可选地,步骤303中,根据所确定的传送带运行推荐参数,调整传送带运行,包括:
设置为自动调整,确定所述传送带运行推荐参数后,根据当前传送带的实际运行参数,自动调整对应的传送带运行参数;例如,当推荐速度大于实际运行速度时,自动加快相关传送带运行;或者,当推荐速度大于实际运行速度一定预设比例时,自动加快相关传送带运行速度达到推荐速度;或者,当推荐速度小于实际运行速度的一定比例时,自动减小相关传送带运行速度达到推荐速度;等待。具体自动调整规则可以预先设置。
或者,设置为确认模式,发送有关所述传送带运行推荐参数和当前实际运行情况的提示信息给操作员,待操作员确认后,再根据所确认的传送带运行参数调整传送带的运行。
其中,操作员可以对接收到的传送带运行推荐参数进行修改后,再确认;或者,操作员可以只对部分段的传送带运行推荐参数进行确认;或者,当传送带运行推荐参数包括多于一个的情况下,操作员可以只对部分参数进行确认。具体确认方式和选项可以由各个货场自行确定,不限于上述示例。
可选地,步骤302执行的同时还进行所述传送带运行速度输出模型的持续训练,当相同的环境数据的输入传送带运行速度输出模型,所得到的传送带运行推荐参数和实际运行参数一致时,所对应的车辆装车/卸载完成时长更短,或所述操作员忙碌指数变化更平稳,则表明所述传送带运行速度输出模型已进行了对应进行了自我优化和学习。
实施例三
如图6所示,本实施例提供一种智能调整传送带的装置60,包括:
收集模块601,设置为在满足触发条件时收集环境数据,所述环境数据包括至少以下信息之一:车辆信息、货物信息、操作员信息和传送带信息;
参数推荐模块602,设置为根据所述环境数据,确定传送带运行推荐参数;
调整模块603,设置为根据所确定的传送带运行推荐参数,调整传送带运行。
可选地,所述参数推荐模块602设置为,将所述环境数据输入训练好的传送带运行速度输出模型,得到所述传送带运行推荐参数。
其中,需要收集的环境数据根据预先建立的货场知识图谱确定,所述货场知识图谱,包括以下实体:车辆、货物、操作员和传送带;所述货场知识图谱,还包括:所述车辆、所述货物、所述操作员和所述传输带的相关属性,所述实体之间的关系以及所述属性之间的关系。
可选地,所述车辆信息包括车辆编号,和至少以下信息之一:车辆位置、车辆载重、车辆装载空间、车辆进入货场的时间、车辆最晚要求离场时间、车辆允许滞留时间、当前装载状态、车辆离场时间;
所述货物信息包括货物编号,和至少以下信息之一:货物位置、货物重量、货物形状、货物体积、货物进场时间、货物允许滞留时间、来货地址、目的地址、货场内目标位置、货物离场时间;
所述操作员信息包括操作员编号、操作员位置、当前忙碌指数,和至少以下信息之一:操作员上班时间、下班时间、平均处理速度;
所述传送带信息包括传送带编号、起点位置、终点位置和至少以下信息之一:是否故障、当前传送速度、当前负载状态、当前是否有货物积压、当前倾斜角度。
可选地,所述传送带运行参数包括:运行速度或倾斜角度。
可选地,所述装置还包括操作员忙碌指数检测模块604,设置为根据所述操作员所在位置的传送带运行速度来确定该操作员当前忙碌指数;
或者,所述操作员忙碌指数检测模块604,设置根据所述操作员所在位置的传送带当前是否有货物积压来确定该操作员当前忙碌指数;
可选地,所述装置还包括操作员视频检测模块605,设置为由所述操作员忙碌指数检测模块604调用,对所述操作员的工作视频进行智能识别,确定该操作员当前忙碌指数。
可选地,所述装置还包括通知模块606,设置为根据所确定的传送带运行推荐参数,发送有关所述传送带运行推荐参数和当前实际运行情况的提示信息给操作员,等待所述操作员确认传送带运行参数后,再将所确认的传送待参数发送给所述调整模块603,由调整模块603根据所确认的传送带运行参数调整传送带的运行;
或者,调整模块603还设置为,当设置为自动调整模式时,根据所确定的传送带运行推荐参数和当前传送带的实际运行情况,自动调整对应的传送带运行参数运行。
可选地,所述收集模块601还设置为:根据预设时间计划自动收集所述环境数据;
或者,预设的事件发生时触发收集所述环境数据;
或者,根据操作员的指令启动收集所述环境数据。
本发明提供的一种智能调整传送带的方法和装置,采用物联网(IOT技术)结合机器学习和知识图谱技术,收集环境数据,智能化控制传送带运行参数,使得传送带的运行状态与当前货场的车辆装载\卸载状态、货物状态、操作员状态相匹配,大幅度提高货场整体流水作业效率,减少车辆滞留,提升车辆满载率,减少货物滞留,提高不同岗位操作员的工作效率,保障了货场整体运转的有序性和高效性。
本领域普通技术人员可以理解上述实施例的全部或部分步骤可以使用计算机程序流程来实现,所述计算机程序可以存储于一计算机可读存储介质中,所述计算机程序在相应的硬件平台上(如系统、设备、装置、器件等)执行,在执行时,包括方法实施例的步骤之一或其组合。
可选地,上述实施例的全部或部分步骤也可以使用集成电路来实现,这些步骤可以被分别制作成一个个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
上述实施例中的各装置/功能模块/功能单元可以采用通用的计算装置来实现,它们可以集中在单个的计算装置上,也可以分布在多个计算装置所组成的网络上。
上述实施例中的各装置/功能模块/功能单元以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。上述提到的计算机可读取存储介质可以是只读存储器,磁盘或光盘等。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求所述的保护范围为准。
Claims (7)
1.一种智能调整传送带的方法,其特征在于,包括:
在满足触发条件时收集环境数据,所述环境数据包括至少以下信息之一:车辆信息、货物信息、操作员信息和传送带信息;
根据所述环境数据,确定传送带运行推荐参数;
根据所确定的传送带运行推荐参数,调整传送带运行;
其中,所述根据所述环境数据,确定传送带运行推荐参数,包括:
将所述环境数据输入训练好的传送带运行速度输出模型,得到所述传送带运行推荐参数;所述传送带运行推荐参数包括:运行速度或倾斜角度;
所述环境数据根据预先建立的货场知识图谱确定,所述货场知识图谱包括以下实体:车辆、货物、操作员和传送带;所述货场知识图谱,还包括:所述车辆、所述货物、所述操作员和所述传送带的相关属性,所述实体之间的关系以及所述属性之间的关系。
2.根据权利要求1所述的方法,其特征在于,
其中,所述车辆信息包括车辆编号,和至少以下信息之一:车辆位置、车辆载重、车辆装载空间、车辆进入货场的时间、车辆最晚要求离场时间、车辆允许滞留时间、当前装载状态、车辆离场时间;
所述货物信息包括货物编号,和至少以下信息之一:货物位置、货物重量、货物形状、货物体积、货物进场时间、货物允许滞留时间、来货地址、目的地址、货场内目标位置、货物离场时间;
所述操作员信息包括操作员编号、操作员位置、当前忙碌指数,和至少以下信息之一:操作员上班时间、下班时间、平均处理速度;
所述传送带信息包括传送带编号、起点位置、终点位置和至少以下信息之一:是否故障、当前传送速度、当前负载状态、当前是否有货物积压、当前倾斜角度。
3.根据权利要求1或2所述的方法,其特征在于,
其中,训练传送带运行速度输出模型,包括:选择传送带运行速度输出模型;
利用已建立的环境数据样本库训练所选定的传送带运行速度输出模型;其中,已建立的环境数据样本库中至少包括某时间段货场整体运行效率高时对应的环境数据。
4.根据权利要求2所述的方法,其特征在于,
其中,所述操作员的当前忙碌指数,根据以下方式之一确定:
根据所述操作员所在位置的传送带运行速度来确定该操作员当前忙碌指数;
根据所述操作员所在位置的传送带当前是否有货物积压来确定该操作员当前忙碌指数;
根据所述操作员的工作视频进行智能识别,确定该操作员当前忙碌指数。
5.根据权利要求1所述的方法,其特征在于,
其中,所述根据所确定的传送带运行推荐参数,调整传送带运行,包括:
根据所确定的传送带运行推荐参数,发送有关所述传送带运行推荐参数和当前实际运行情况的提示信息给操作员,等待所述操作员确认传送带运行参数后,再根据所确认的传送带运行参数调整传送带的运行;
或者,当设置为自动调整模式时,根据所确定的传送带运行推荐参数和当前传送带实际的运行参数,自动调整对应的传送带运行参数运行。
6.根据权利要求1所述的方法,其特征在于,
其中,所述满足触发条件时收集环境数据,包括:根据预设时间计划自动收集所述环境数据;
或者,预设的事件发生时触发收集所述环境数据;
或者,根据操作员的指令启动收集所述环境数据。
7.一种智能调整传送带的装置,其特征在于,包括:
收集模块,设置为在满足触发条件时收集环境数据,所述环境数据包括至少以下信息之一:车辆信息、货物信息、操作员信息和传送带信息;
参数推荐模块,设置为根据所述环境数据,确定传送带运行推荐参数;
调整模块,设置为根据所确定的传送带运行推荐参数,调整传送带运行;
其中,所述参数推荐模块根据所述环境数据,确定传送带运行推荐参数,包括:将所述环境数据输入训练好的传送带运行速度输出模型,得到所述传送带运行推荐参数;所述传送带运行推荐参数包括:运行速度或倾斜角度;
所述环境数据根据预先建立的货场知识图谱确定,所述货场知识图谱包括以下实体:车辆、货物、操作员和传送带;所述货场知识图谱,还包括:所述车辆、所述货物、所述操作员和所述传送带的相关属性,所述实体之间的关系以及所述属性之间的关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911139642.9A CN111056258B (zh) | 2019-11-20 | 2019-11-20 | 一种智能调整传送带的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911139642.9A CN111056258B (zh) | 2019-11-20 | 2019-11-20 | 一种智能调整传送带的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111056258A CN111056258A (zh) | 2020-04-24 |
CN111056258B true CN111056258B (zh) | 2021-08-10 |
Family
ID=70298542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911139642.9A Active CN111056258B (zh) | 2019-11-20 | 2019-11-20 | 一种智能调整传送带的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111056258B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11685605B2 (en) * | 2020-05-14 | 2023-06-27 | Intelligrated Headquarters, Llc | Reinforcement learning based conveyoring control |
CN112191537A (zh) * | 2020-10-20 | 2021-01-08 | 戴昊霖 | 一种基于人工智能的物流包裹分拣系统 |
CN113911767B (zh) * | 2021-09-26 | 2023-10-27 | 浪潮通用软件有限公司 | 一种基于界面操作的点包机装车方法及设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4335764C2 (de) * | 1993-10-20 | 2003-12-24 | Saurer Gmbh & Co Kg | Vorrichtung zum geordneten Abräumen von Kreuzspulen von einem entlang einer Kreuzspulen herstellenden Maschine verlaufenden Förderband |
CN101281391A (zh) * | 2007-04-06 | 2008-10-08 | 村田机械株式会社 | 输送装置 |
CN103544589A (zh) * | 2013-10-31 | 2014-01-29 | 深圳市华傲数据技术有限公司 | 一种基于云平台物流智能送货方法及系统 |
CN105668172A (zh) * | 2016-04-05 | 2016-06-15 | 广东汇利兴精工科技有限公司 | 一种用于极端环境下的物流自动传输系统及其传输方法 |
CN107150892A (zh) * | 2017-07-14 | 2017-09-12 | 天津工业大学 | 基于以太网的带式输送机监控系统的监控终端 |
CN108025438A (zh) * | 2015-09-21 | 2018-05-11 | 亚马逊技术股份有限公司 | 联网的机器人操纵器 |
CN108609362A (zh) * | 2018-05-03 | 2018-10-02 | 安徽江淮汽车集团股份有限公司 | 一种线边物料配送系统及方法 |
CN110053941A (zh) * | 2019-05-27 | 2019-07-26 | 大连海事大学 | 一种基于速度检测的带式输送机托辊异常状态监测系统及方法 |
CN110077804A (zh) * | 2019-04-16 | 2019-08-02 | 上海云统信息科技有限公司 | 一种散料装车系统 |
CN110188198A (zh) * | 2019-05-13 | 2019-08-30 | 北京一览群智数据科技有限责任公司 | 一种基于知识图谱的反欺诈方法及装置 |
-
2019
- 2019-11-20 CN CN201911139642.9A patent/CN111056258B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4335764C2 (de) * | 1993-10-20 | 2003-12-24 | Saurer Gmbh & Co Kg | Vorrichtung zum geordneten Abräumen von Kreuzspulen von einem entlang einer Kreuzspulen herstellenden Maschine verlaufenden Förderband |
CN101281391A (zh) * | 2007-04-06 | 2008-10-08 | 村田机械株式会社 | 输送装置 |
CN103544589A (zh) * | 2013-10-31 | 2014-01-29 | 深圳市华傲数据技术有限公司 | 一种基于云平台物流智能送货方法及系统 |
CN108025438A (zh) * | 2015-09-21 | 2018-05-11 | 亚马逊技术股份有限公司 | 联网的机器人操纵器 |
CN105668172A (zh) * | 2016-04-05 | 2016-06-15 | 广东汇利兴精工科技有限公司 | 一种用于极端环境下的物流自动传输系统及其传输方法 |
CN107150892A (zh) * | 2017-07-14 | 2017-09-12 | 天津工业大学 | 基于以太网的带式输送机监控系统的监控终端 |
CN108609362A (zh) * | 2018-05-03 | 2018-10-02 | 安徽江淮汽车集团股份有限公司 | 一种线边物料配送系统及方法 |
CN110077804A (zh) * | 2019-04-16 | 2019-08-02 | 上海云统信息科技有限公司 | 一种散料装车系统 |
CN110188198A (zh) * | 2019-05-13 | 2019-08-30 | 北京一览群智数据科技有限责任公司 | 一种基于知识图谱的反欺诈方法及装置 |
CN110053941A (zh) * | 2019-05-27 | 2019-07-26 | 大连海事大学 | 一种基于速度检测的带式输送机托辊异常状态监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111056258A (zh) | 2020-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111056258B (zh) | 一种智能调整传送带的方法和装置 | |
Göçmen et al. | The transition to industry 4.0 in one of the Turkish logistics company | |
CN113392760A (zh) | 一种基于视频的不停航施工不安全行为识别的系统及方法 | |
CN112487794B (zh) | 行业分类方法、装置、终端设备及存储介质 | |
CN114331284A (zh) | 一种基于云计算的智能仓储服务管理系统 | |
CN114726654B (zh) | 应对云计算网络攻击的数据分析方法及服务器 | |
CN114297935A (zh) | 基于数字孪生的机场航站楼离港优化运行仿真系统及方法 | |
CN110516714A (zh) | 一种特征预测方法、系统及引擎 | |
Zhou et al. | A data-driven business intelligence system for large-scale semi-automated logistics facilities | |
CN115169855A (zh) | 一种基于数字孪生车间混合数据集的不安全状态检测方法 | |
US20220019842A1 (en) | Systematic disposal, classification and dynamic procurement of recyclable resin | |
CN110929032A (zh) | 一种软件系统的用户需求处理系统及处理方法 | |
CN112756265A (zh) | 物品分拣异常检测方法、装置工控设备及存储介质 | |
CN112278647A (zh) | 智能垃圾分类系统及其实现方法 | |
CN116308679A (zh) | 供应链异常订单处理方法、装置、设备及存储介质 | |
CN116188842A (zh) | 基于轻量化对抗增强的强噪环境下物流违规操作检测方法 | |
CN109858829A (zh) | 一种基于区块链的隐患事故预警方法 | |
KR102619659B1 (ko) | 택배화물 취급 자동화를 위한 화물정보 인식 장치 및 방법 | |
CN114155424A (zh) | 一种仓库货物管理方法、装置、电子设备及可读存储介质 | |
Liu et al. | Queuing Strategy Optimization with Restricted Service Resources | |
Trush et al. | Mask Mode Monitoring Systems Using IT Technologies | |
Karpagam et al. | Leveraging CNN Deep Learning Model for Smart Parking | |
CN117455346B (zh) | 一种用于药品仓储中心的包装追踪方法及系统 | |
CN116976605B (zh) | 一种基于大数据的数据运营系统 | |
CN115841312B (zh) | 用于企业管理文件数据实时采集分析系统及其采集终端 |
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 |