CN112258125B - 一种基于欧罗仓的多物料动态协同管理系统及方法 - Google Patents
一种基于欧罗仓的多物料动态协同管理系统及方法 Download PDFInfo
- Publication number
- CN112258125B CN112258125B CN202011228979.XA CN202011228979A CN112258125B CN 112258125 B CN112258125 B CN 112258125B CN 202011228979 A CN202011228979 A CN 202011228979A CN 112258125 B CN112258125 B CN 112258125B
- Authority
- CN
- China
- Prior art keywords
- information
- euro
- bin
- materials
- discharging
- 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
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- 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
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0605—Supply or demand aggregation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Tourism & Hospitality (AREA)
- Biophysics (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Filling Or Emptying Of Bunkers, Hoppers, And Tanks (AREA)
Abstract
本发明涉及一种基于欧罗仓的多物料动态协同管理系统及方法,该系统包括:物料需求预测模块,用于获取物料需求信息;物料存储管理模块,用于同步获取欧罗仓内的物料存储信息,存放位置包括最高料位和最低料位;物料采购补给模块,用于根据物料存储信息和物料需求信息获取物料补给信息;物料动态分配模块,用于根据物料需求信息和物料存储信息获取物料出仓信息;物料协同管理模块,包括显示单元、存储单元和控制单元,控制单元根据物料出仓信息控制欧罗仓进行物料出仓,并根据物料补给信息控制欧罗仓进行物料补给。与现有技术相比,本发明具有自动化水平高、卸料精度高以及物料补给及时等优点。
Description
技术领域
本发明涉及一种物料管理技术,尤其是涉及一种基于欧罗仓的多物料动态协同管理系统及方法。
背景技术
目前国内工业厂商通常采用工业筒仓存储煤、水泥、食盐、食糖等散装物料,筒仓相比于房式仓,能够缩短物料的装卸流程,降低运行和维修费用,消除繁重的袋装作业,有利于机械化和自动化作业。但目前筒仓中存放的物料有两个作业面,即上端面为堆料面,下端面为出料面,在实际运行时是上进下出,同时物料入仓时筒仓采用抛堆的方式,物料下落高度大,易引发扬尘,底层物料所受冲击力大,容易损坏底层物料,引发物料的粘接,无法依靠自身重力从筒仓底部输出,同时筒仓壁所受冲击力也很大。另外,对于需要以多种物料为原料进行配比后加工的制造工厂而言,物料种类多,且每种物料的量少,不足以占满整个筒仓,筒仓建造成本高,若将多种物料叠放在筒仓内,筒仓内近似盲盒,其内部存储物料的具体位置与数据,无法通过简单的料位计来获得,便造成了对于存储不同的物料时,无法准确地掌握得知各类物料的存量以及出料的详细情况。
现有技术也给出了一些解决方案,中国专利CN201510572380.0提出了一种大直径筒仓所储物料不同料层自动控制系统及方法,所述的料层自动控制系统包括储料筒仓的防混料系统、储料筒仓的自动布料系统、电子计量皮带秤和自动配料系统,主要适用于以大直径筒仓作为散装生产原材料储配一体式仓储方式,从而使不同产地或不同批次的同种原材料在筒仓中形成明显的料层。能保证大直径筒仓中的不同产地或者不同批次的同种原材料料层分明,有效的区分开物料的层次,更有助于生产原材料的细化管理,降低生产成本,提高企业的经济效益。
但该专利存在以下问题:
该专利通过电子秤计量下料的累积量,即该筒仓的出料量,经过进料量与出料量的统计来判断当前筒仓所出的料层为哪个产地或者为哪个批次的物料,尽管采用多个下料口也无法保证各个料层保持平整,同时在出料时可能会跟其它料层掺杂,在储藏不同种类的物料时误差大,同时由于不同的物料的密度不同,无法判断筒仓目前的可用空间。
目前工厂在进行配料时,均是人工控制物料出仓,自动化程度低,同时由于无法准确得知各个种类物料的存储量,无法及时进行补给。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于欧罗仓的多物料动态协同管理系统及方法,自动化水平高,卸料精度高,补给及时。
本发明的目的可以通过以下技术方案来实现:
一种基于欧罗仓的多物料动态协同管理系统,所述的欧罗仓内分层存储有若干种类的物料,以水平层的方式累计存储,所述的系统包括物料需求预测模块、物料存储管理模块、物料采购补给模块、物料动态分配模块和物料协同管理模块;
所述的物料需求预测模块用于获取物料需求信息,该物料需求信息包括各种类物料的需求时间和需求量;
所述的物料存储管理模块用于同步获取欧罗仓内的物料存储信息,该物料存储信息包括欧罗仓内物料的种类、存放位置和重量,所述的存放位置包括最高料位和最低料位;
所述的物料采购补给模块用于根据物料存储信息和物料需求信息获取物料补给信息,该物料补给信息包括需采购物料的种类和重量;
所述的物料动态分配模块用于根据物料需求信息和物料存储信息获取物料出仓信息,所述的物料出仓信息包括欧罗仓出仓的物料的种类和重量;
所述的物料协同管理模块包括显示单元、存储单元和控制单元,所述的显示单元和存储单元分别用于显示和存储物料需求信息、物料存储信息、物料补给信息和物料出仓信息,所述的控制单元根据物料出仓信息控制欧罗仓进行物料出仓,并根据物料补给信息控制欧罗仓进行物料补给。
进一步地,所述的物料存储管理模块包括高度检测单元、进料检测单元、出料检测单元和信息存储单元;
所述的高度检测单元用于检测欧罗仓内物料的料位;所述的物料存储管理模块根据欧罗仓内物料的料位求得物料的存放位置;
所述的进料检测单元用于检测入仓的物料的重量,所述的物料存储管理模块根据入仓的物料的重量获取各种物料的重量;
所述的出料检测单元用于检测出仓的物料的重量,当出仓的物料的重量达到所需物料的重量时控制单元控制欧罗仓停止出仓。
所述的信息存储单元用于存储欧罗仓内各种类物料的存放位置和重量。
进一步地,所述的物料需求预测模块拟合关于终产物的第一变量参数跟物料的第二变量参数的变量曲线拟合模型,所述的第二变量参数包括物料的重量和配料比,所述的物料需求预测模块将预测时间输入训练好的LSTM模型,获得预测的第一变量参数,然后根据预测的第一变量参数通过变量曲线拟合模型获得第二变量参数,根据预测时间和第二变量参数获得物料需求信息,可提前预测物料需求信息,确保物料补给的及时性,保证工作的连续性;
所述的训练过程为:
所述的物料需求预测模块以终产物的第一变量参数的历史时序数据为训练集对LSTM模型进行训练。
进一步地,所述的欧罗仓的数量为多个,所述的物料动态分配模块包括分配强化学习单元和物料分配仿真单元;
所述的分配强化学习单元将物料需求信息输入训练好的强化学习模型,获得各个欧罗仓所需出仓的物料的种类和重量;
所述的物料分配仿真单元用于通过仿真软件,根据物料存储信息以及物料需求信息对物料出仓进行仿真,获得满足物料需求信息的出仓方案,所述的出仓方案包括出仓完成时长以及各个欧罗仓所出仓的物料的重量占比,所述的物料分配仿真单元以出仓方案的历史数据为训练集,以出仓完成时长最短为目标对强化学习模型进行训练,当物料量大需要用到多个欧罗仓时,多个欧罗仓可协同进行物料的出仓,操作简便,提高效率,配料精度高。
一种基于欧罗仓的多物料动态协同管理方法,所述的欧罗仓内分层存储有若干种类的物料,所述的方法具体为:
获取物料需求信息,该物料需求信息包括各种类物料的需求量;
同步获取欧罗仓内的物料存储信息,该物料存储信息包括欧罗仓内物料的种类、存放位置和重量,所述的存放位置包括物料的最高料位和最低料位;
根据物料存储信息和物料需求信息获取物料补给信息,该物料补给信息包括需采购物料的种类和重量;
根据物料需求信息和物料存储信息获取物料出仓信息,所述的物料出仓信息包括欧罗仓出仓的物料的种类和重量;
通过显示界面显示和存储物料需求信息、物料存储信息、物料补给信息和物料出仓信息,根据物料出仓信息控制欧罗仓进行物料出仓。
进一步地,实时检测欧罗仓内物料的料位、入仓的物料的重量、出仓的物料的重量,并存储欧罗仓内各种类物料的存放位置和重量。
进一步地,拟合关于终产物的第一变量参数跟物料的第二变量参数的变量曲线拟合模型,所述的第二变量参数包括物料的重量和配料比将预测时间输入训练好的LSTM模型,获得预测的第一变量参数,然后根据预测的第一变量参数通过变量曲线拟合模型获得第二变量参数,根据预测时间和第二变量参数获得物料需求信息,可提前预测物料需求信息,确保物料补给的及时性,保证工作的连续性;
所述的训练过程为:
以终产物的第一变量参数的历史时序数据为训练集对LSTM模型进行训练。
进一步地,所述的欧罗仓的数量为多个,所述的物料出仓信息的获取过程包括分配强化学习步骤和物料分配仿真步骤;
所述的分配强化学习步骤具体为:
将物料需求信息输入训练好的强化学习模型,获得各个欧罗仓所需出仓的物料的种类和重量;
所述的物料分配仿真步骤具体为:通过仿真软件,根据物料存储信息以及物料需求信息对物料出仓进行仿真,获得满足物料需求信息的出仓方案,所述的出仓方案包括出仓完成时长以及各个欧罗仓所出仓的物料的重量占比,以出仓方案的历史数据为训练集,以出仓完成时长最短为目标对强化学习模型进行训练,当物料量大需要用到多个欧罗仓时,多个欧罗仓可协同进行物料的出仓,操作简便,提高效率,配料精度高。
与现有技术相比,本发明具有以如下有益效果:
(1)本发明在欧罗仓内分层存储有若干种类的物料,通过检测欧罗仓物料的最表层高度,并记录各类物料的最高料位和最低料位,即可判断各类物料的存放位置,便于控制所需物料的出仓,物料需求预测模块获取物料需求信息,物料存储管理模块同步获取欧罗仓内的物料存储信息,物料采购补给模块根据物料存储信息和物料需求信息获取物料补给信息,显示单元可显示物料需求信息、物料存储信息、物料补给信息和物料出仓信息,工作人员可在所需物料量不足时及时补充物料,控制单元根据物料出仓信息控制欧罗仓进行物料自动出仓,自动化水平高,且卸料的精度高;
(2)本发明拟合关于终产物的第一变量参数跟物料的第二变量参数的变量曲线拟合模型,将预测时间输入训练好的LSTM模型,获得预测的第一变量参数,然后根据预测的第一变量参数通过变量曲线拟合模型获得第二变量参数,根据预测时间和第二变量参数获得物料需求信息,以终产物的第一变量参数的历史时序数据为训练集,并利用该训练集对LSTM模型进行训练,可提前预测物料需求信息,确保物料补给的及时性,保证工作的连续性;
(3)本发明采用多个欧罗仓,通过仿真软件,根据物料存储信息以及物料需求信息对物料出仓进行仿真,获得满足物料需求信息的出仓方案,以出仓方案的历史数据为训练集,以出仓完成时长最短为目标对强化学习模型进行训练,再将物料需求信息输入训练好的强化学习模型,获得各个欧罗仓所需出仓的物料的种类和重量,当物料量大需要用到多个欧罗仓时,多个欧罗仓可协同进行物料的出仓,进行精准掺混,操作简便,提高效率,配料精度高。
附图说明
图1为多物料动态协同管理系统结构示意图;
图2为欧罗仓示意图;
图中标号说明:
1.旋转栈桥,2.钢丝绳卷扬机构,3.螺旋输送机,4.料位计,5.活化给料机,6.伸缩落料管。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图2,欧罗仓内分层存储有若干种类的物料,欧罗仓包括筒仓、旋转栈桥1、钢丝绳卷扬机构2、螺旋输送机3、伸缩落料管6和活化给料机5,旋转栈桥1设置在筒仓的顶部,旋转栈桥1通过钢丝绳卷扬机构2与螺旋输送机3连接,伸缩落料管6固定在筒仓的中心轴位置上,活化给料机5设置在筒仓底部,通过输送带和卸货设备将物料从筒仓顶部灌入伸缩落料管6,通过第一称重装置测得入仓的物料重量,物料经过伸缩落料管6后落在螺旋输送机3上,钢丝绳卷扬机构2上设有料位计4,用于检测最表层的物料高度;
物料进仓时活化给料机5关闭,旋转栈桥1通过钢丝绳卷扬机构2带动螺旋输送机3旋转和升降,落在螺旋输送机3上的物料由下至上依次堆叠,物料出仓时活化给料机5开启,物料从筒仓底部下陷,形成一个漏斗状的下陷通道,旋转栈桥1通过钢丝绳卷扬机构2带动螺旋输送机3旋转和升降,螺旋输送机3将最表层的物料运送至下陷通道处,沿着下陷通道落入活化给料机5内,活化给料机5上设有第二称重装置,测得出仓的物料重量,实现物料的后进先出。
实施例1
一种基于欧罗仓的多物料动态协同管理系统,如图1,欧罗仓内分层存储有若干种类的物料,欧罗仓的数量为多个,系统包括物料需求预测模块、物料存储管理模块、物料采购补给模块、物料动态分配模块和物料协同管理模块;
物料需求预测模块用于获取物料需求信息,该物料需求信息包括各种类物料的需求量;
物料存储管理模块用于同步获取欧罗仓内的物料存储信息,该物料存储信息包括欧罗仓内物料的种类、存放位置和重量,存放位置包括最高料位和最低料位;
物料采购补给模块用于根据物料存储信息和物料需求信息获取物料补给信息,该物料补给信息包括需采购物料的种类和重量;
物料动态分配模块用于根据物料需求信息和物料存储信息获取物料出仓信息,物料出仓信息包括欧罗仓出仓的物料的种类和重量;
物料协同管理模块包括显示单元、存储单元和控制单元,显示单元和存储单元分别用于显示和存储物料需求信息、物料存储信息、物料补给信息和物料出仓信息,控制单元根据物料出仓信息控制活化给料机5进行物料出仓,并根据物料补给信息控制活化给料机5进行物料补给。
物料存储管理模块包括高度检测单元、进料检测单元、出料检测单元和信息存储单元;
高度检测单元用于通过料位计4检测欧罗仓内物料的料位;
进料检测单元用于通过第一称重装置检测入仓的物料的重量;
出料检测单元用于通过第二称重装置检测出仓的物料的重量;
信息存储单元用于存储欧罗仓内各种类物料的存放位置和重量。
物料需求预测模块拟合关于终产物的第一变量参数跟物料的第二变量参数的变量曲线拟合模型,第二变量参数包括物料的重量和配料比,物料需求预测模块将预测时间输入训练好的LSTM模型,获得预测的第一变量参数,然后根据预测的第一变量参数通过变量曲线拟合模型获得第二变量参数,根据预测时间和第二变量参数获得物料需求信息;
训练过程为:
物料需求预测模块以终产物的第一变量参数的历史时序数据为训练集对LSTM模型进行训练。
物料动态分配模块包括分配强化学习单元和物料分配仿真单元;
分配强化学习单元将物料需求信息输入训练好的强化学习模型,获得各个欧罗仓所需出仓的物料的种类和重量;
物料分配仿真单元用于通过仿真软件,根据物料存储信息以及物料需求信息对物料出仓进行仿真,获得满足物料需求信息的出仓方案,出仓方案包括出仓完成时长以及各个欧罗仓所出仓的物料的重量占比,物料分配仿真单元以出仓方案的历史数据为训练集,以出仓完成时长最短为目标对强化学习模型进行训练。
实施例2
与实施例1对应的一种基于欧罗仓的多物料动态协同管理方法,欧罗仓内分层存储有若干种类的物料,欧罗仓的数量为多个,方法具体为:
获取物料需求信息,该物料需求信息包括各种类物料的需求量;
同步获取欧罗仓内的物料存储信息,该物料存储信息包括欧罗仓内物料的种类、存放位置和重量,存放位置包括物料的最高料位和最低料位;
根据物料存储信息和物料需求信息获取物料补给信息,该物料补给信息包括需采购物料的种类和重量;
根据物料需求信息和物料存储信息获取物料出仓信息,物料出仓信息包括欧罗仓出仓的物料的种类和重量;
通过显示界面显示和存储物料需求信息、物料存储信息、物料补给信息和物料出仓信息,根据物料出仓信息控制欧罗仓进行物料出仓,并根据物料补给信息控制活化给料机5进行物料补给。
实时检测欧罗仓内物料的料位、入仓的物料的重量、出仓的物料的重量,并存储欧罗仓内各种类物料的存放位置和重量。
如图2,欧罗仓内从下至上依次存储有M1、M2、M3和M4共4种物料,4种物料的交界位置高度从上至下依次为H3、H2和H1,H4为M4的最高料位,M1、M2、M3和M4的重量分别为T4、T3、T2和T1。
欧罗仓进行物料出仓时,M4首先出仓,料位计4实时检测最表层的物料高度New_H逐渐下降,当New_H介于H4和H3之间时,实时更新M4的最高料位,当M4完全出仓时通过显示界面提示M4已全部出仓,此时New_H介于H3和H2之间,若继续出仓,则实时更新M3的最高料位,M2和M1同理,反之,欧罗仓进行物料入仓时同理。
拟合关于终产物的第一变量参数跟物料的第二变量参数的变量曲线拟合模型,第二变量参数包括物料的重量和配料比将预测时间输入训练好的LSTM模型,获得预测的第一变量参数,然后根据预测的第一变量参数通过变量曲线拟合模型获得第二变量参数,根据预测时间和第二变量参数获得物料需求信息;
训练过程为:
以终产物的第一变量参数的历史时序数据为训练集对LSTM模型进行训练。
物料出仓信息的获取过程包括分配强化学习步骤和物料分配仿真步骤;
分配强化学习步骤具体为:
将物料需求信息输入训练好的强化学习模型,获得各个欧罗仓所需出仓的物料的种类和重量;
物料分配仿真步骤具体为:通过仿真软件,根据物料存储信息以及物料需求信息对物料出仓进行仿真,获得满足物料需求信息的出仓方案,出仓方案包括出仓完成时长以及各个欧罗仓所出仓的物料的重量占比,以出仓方案的历史数据为训练集,以出仓完成时长最短为目标对强化学习模型进行训练。
实施例1和实施例2提出了一种基于欧罗仓的多物料动态协同管理系统及方法,通过多个欧罗仓分层存储若干种类物料,可在所需物料量不足时及时补充物料,根据所需物料的种类和重量自动出仓,自动化水平高,精度高;综合变量曲线拟合模型和LSTM模型预测物料需求信息,确保物料补给的及时性,保证工作的连续性;通过仿真软件获得满足物料需求信息的出仓方案,以出仓方案的历史数据为训练集,以出仓完成时长最短为目标对强化学习模型进行训练,再将物料需求信息输入训练好的强化学习模型,获得各个欧罗仓所需出仓的物料的种类和重量,提高工作效率,配料精度高。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (6)
1.一种基于欧罗仓的多物料动态协同管理系统,其特征在于,所述的欧罗仓内分层存储有若干种类的物料,所述的系统包括:
物料需求预测模块,用于获取物料需求信息,该物料需求信息包括各种类物料的需求量;
物料存储管理模块,用于同步获取欧罗仓内的物料存储信息,该物料存储信息包括欧罗仓内物料的种类、存放位置和重量,所述的存放位置包括最高料位和最低料位;
物料采购补给模块,用于根据物料存储信息和物料需求信息获取物料补给信息,该物料补给信息包括需采购物料的种类和重量;
物料动态分配模块,用于根据物料需求信息和物料存储信息获取物料出仓信息,所述的物料出仓信息包括欧罗仓出仓的物料的种类和重量;
物料协同管理模块,包括显示单元、存储单元和控制单元,所述的显示单元和存储单元分别用于显示和存储物料需求信息、物料存储信息、物料补给信息和物料出仓信息,所述的控制单元根据物料出仓信息控制欧罗仓进行物料出仓,并根据物料补给信息控制欧罗仓进行物料补给;
所述的欧罗仓的数量为多个;
所述的物料动态分配模块包括分配强化学习单元和物料分配仿真单元;
所述的分配强化学习单元将物料需求信息输入训练好的强化学习模型,获得各个欧罗仓所需出仓的物料的种类和重量;
所述的物料分配仿真单元用于通过仿真软件,根据物料存储信息以及物料需求信息对物料出仓进行仿真,获得满足物料需求信息的出仓方案,所述的出仓方案包括出仓完成时长以及各个欧罗仓所出仓的物料的重量占比,所述的物料分配仿真单元以出仓方案的历史数据为训练集,以出仓完成时长最短为目标对强化学习模型进行训练。
2.根据权利要求1所述的一种基于欧罗仓的多物料动态协同管理系统,其特征在于,所述的物料存储管理模块包括高度检测单元、进料检测单元、出料检测单元和信息存储单元;
所述的高度检测单元用于检测欧罗仓内物料的料位;
所述的进料检测单元用于检测入仓的物料的重量;
所述的出料检测单元用于检测出仓的物料的重量;
所述的信息存储单元用于存储欧罗仓内各种类物料的存放位置和重量。
3.根据权利要求1所述的一种基于欧罗仓的多物料动态协同管理系统,其特征在于,所述的物料需求预测模块拟合关于终产物的第一变量参数跟物料的第二变量参数的变量曲线拟合模型,所述的第二变量参数包括物料的种类和重量,所述的物料需求预测模块将预测时间输入训练好的LSTM模型,获得预测的第一变量参数,然后根据预测的第一变量参数通过变量曲线拟合模型获得第二变量参数,根据预测时间和第二变量参数获得物料需求信息;
所述的训练过程为:
所述的物料需求预测模块以终产物的第一变量参数的历史时序数据为训练集对LSTM模型进行训练。
4.一种基于欧罗仓的多物料动态协同管理方法,其特征在于,所述的欧罗仓内分层存储有若干种类的物料,所述的方法具体为:
获取物料需求信息,该物料需求信息包括各种类物料的需求量;
同步获取欧罗仓内的物料存储信息,该物料存储信息包括欧罗仓内物料的种类、存放位置和重量,所述的存放位置包括最高料位和最低料位;
根据物料存储信息和物料需求信息获取物料补给信息,该物料补给信息包括需采购物料的种类和重量;
根据物料需求信息和物料存储信息获取物料出仓信息,所述的物料出仓信息包括欧罗仓出仓的物料的种类和重量;
通过显示界面显示和存储物料需求信息、物料存储信息、物料补给信息和物料出仓信息,根据物料出仓信息控制欧罗仓进行物料出仓,根据物料补给信息控制欧罗仓进行物料补给;
所述的欧罗仓的数量为多个;
所述的物料出仓信息的获取过程包括分配强化学习步骤和物料分配仿真步骤;
所述的分配强化学习步骤具体为:
将物料需求信息输入训练好的强化学习模型,获得各个欧罗仓所需出仓的物料的种类和重量;
所述的物料分配仿真步骤具体为:通过仿真软件,根据物料存储信息以及物料需求信息对物料出仓进行仿真,获得满足物料需求信息的出仓方案,所述的出仓方案包括出仓完成时长以及各个欧罗仓所出仓的物料的重量占比,以出仓方案的历史数据为训练集,以出仓完成时长最短为目标对强化学习模型进行训练。
5.根据权利要求4所述的一种基于欧罗仓的多物料动态协同管理方法,其特征在于,实时检测欧罗仓内物料的料位、入仓的物料的重量、出仓的物料的重量,并存储欧罗仓内各种类物料的存放位置和重量。
6.根据权利要求4所述的一种基于欧罗仓的多物料动态协同管理方法,其特征在于,拟合关于终产物的第一变量参数跟物料的第二变量参数的变量曲线拟合模型,所述的第二变量参数包括物料的种类和重量,将预测时间输入训练好的LSTM模型,获得预测的第一变量参数,然后根据预测的第一变量参数通过变量曲线拟合模型获得第二变量参数,根据预测时间和第二变量参数获得物料需求信息;
所述的训练过程为:
以终产物的第一变量参数的历史时序数据为训练集对LSTM模型进行训练。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011228979.XA CN112258125B (zh) | 2020-11-06 | 2020-11-06 | 一种基于欧罗仓的多物料动态协同管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011228979.XA CN112258125B (zh) | 2020-11-06 | 2020-11-06 | 一种基于欧罗仓的多物料动态协同管理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112258125A CN112258125A (zh) | 2021-01-22 |
CN112258125B true CN112258125B (zh) | 2023-05-09 |
Family
ID=74265080
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011228979.XA Active CN112258125B (zh) | 2020-11-06 | 2020-11-06 | 一种基于欧罗仓的多物料动态协同管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112258125B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113291743B (zh) * | 2021-05-31 | 2022-08-05 | 华能国际电力股份有限公司上海石洞口第一电厂 | 一种欧罗仓进出料控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496099A (zh) * | 2011-12-08 | 2012-06-13 | 重庆市电力公司 | 实时仿真仓储物资管理系统 |
CN104123591A (zh) * | 2014-07-14 | 2014-10-29 | 上海师范大学 | 基于智能网格分类和模糊神经网络的天然气负荷预测方法 |
CN105584852A (zh) * | 2015-09-10 | 2016-05-18 | 北京金日新事业技术有限公司 | 一种大直径筒仓所储物料不同料层自动控制系统及方法 |
CN110378510A (zh) * | 2019-05-30 | 2019-10-25 | 国网浙江绍兴市上虞区供电有限公司 | 一种基于时间序列和层次聚合的配网物资需求预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8042736B2 (en) * | 2008-04-23 | 2011-10-25 | Engineering Consultants Group, Inc. | Tracking and properties control system for bulk materials |
-
2020
- 2020-11-06 CN CN202011228979.XA patent/CN112258125B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102496099A (zh) * | 2011-12-08 | 2012-06-13 | 重庆市电力公司 | 实时仿真仓储物资管理系统 |
CN104123591A (zh) * | 2014-07-14 | 2014-10-29 | 上海师范大学 | 基于智能网格分类和模糊神经网络的天然气负荷预测方法 |
CN105584852A (zh) * | 2015-09-10 | 2016-05-18 | 北京金日新事业技术有限公司 | 一种大直径筒仓所储物料不同料层自动控制系统及方法 |
CN110378510A (zh) * | 2019-05-30 | 2019-10-25 | 国网浙江绍兴市上虞区供电有限公司 | 一种基于时间序列和层次聚合的配网物资需求预测方法 |
Non-Patent Citations (1)
Title |
---|
欧罗仓系统及其技术方案介绍;王胜平;《电力勘测设计》;20180731;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112258125A (zh) | 2021-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107215520B (zh) | 拆零货物和小商品的智能分拣配送方法的系统 | |
CN102923329A (zh) | 被包装物充填装置及方法 | |
CN101700811B (zh) | 光电控制的工业测重装置 | |
CN101476931B (zh) | 多功用皮带秤动态全性能试验系统 | |
CN104494852B (zh) | 一种细粉状物料自动称重包装装置及其方法 | |
CN105197263A (zh) | 一种填充机及其填充工艺 | |
CN204831491U (zh) | 一种基于输送机型的分段式高精度计量秤 | |
CN112258125B (zh) | 一种基于欧罗仓的多物料动态协同管理系统及方法 | |
CN204777739U (zh) | 一种多粉料组分自动配料设备 | |
CN106672643B (zh) | 一种散料堆场自动出库系统 | |
US20150175286A2 (en) | Device for providing consumable materials | |
CN113968492B (zh) | 一种需求量驱动的散装物料智能输送方法 | |
CN207280581U (zh) | 一种顶装煤焦炉余煤计量装置 | |
CN205707424U (zh) | 自动上料的定量包装秤 | |
CN101592515B (zh) | 码头物料趸船计量系统 | |
CN208868356U (zh) | 一种智能罐头鱼分装工作站 | |
CN206500048U (zh) | 一种立式配肥机 | |
CN211562834U (zh) | 一种多种粉料自动上料及自动配比混合系统 | |
CN109335745A (zh) | 一种连续动态称重的汽车装车站和方法 | |
CN205469926U (zh) | 一种用于尼龙材料的计量装置 | |
CN116040352A (zh) | 装车控制方法、装置、系统和计算机设备 | |
CN108750718A (zh) | 一种旋转三斗式快速定量装车方法 | |
CN111409882B (zh) | 组合式自动取重方法、装置和设备 | |
CN202784899U (zh) | 高精度称量台车 | |
CN211366254U (zh) | 一种散装饲料自动计量仓储设备 |
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 |