CN113743876B - 一种用于核电装备的数字孪生无人仓库管理系统 - Google Patents
一种用于核电装备的数字孪生无人仓库管理系统 Download PDFInfo
- Publication number
- CN113743876B CN113743876B CN202111088836.8A CN202111088836A CN113743876B CN 113743876 B CN113743876 B CN 113743876B CN 202111088836 A CN202111088836 A CN 202111088836A CN 113743876 B CN113743876 B CN 113743876B
- Authority
- CN
- China
- Prior art keywords
- data
- entity
- warehouse
- digital twin
- unmanned warehouse
- 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
- 238000003860 storage Methods 0.000 claims abstract description 66
- 230000008447 perception Effects 0.000 claims abstract description 4
- 230000000875 corresponding effect Effects 0.000 claims description 69
- 238000004088 simulation Methods 0.000 claims description 55
- 238000000034 method Methods 0.000 claims description 31
- 238000013507 mapping Methods 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 16
- 230000009471 action Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 238000003062 neural network model Methods 0.000 claims description 12
- 238000005457 optimization Methods 0.000 claims description 12
- 238000007621 cluster analysis Methods 0.000 claims description 7
- 230000006872 improvement Effects 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 238000012546 transfer Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 238000003326 Quality management system Methods 0.000 claims description 2
- 210000000349 chromosome Anatomy 0.000 claims description 2
- 230000004069 differentiation Effects 0.000 claims description 2
- 239000012636 effector Substances 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims description 2
- 230000035772 mutation Effects 0.000 claims description 2
- 230000007306 turnover Effects 0.000 claims description 2
- 230000009191 jumping Effects 0.000 claims 1
- 238000007726 management method Methods 0.000 description 38
- 238000005516 engineering process Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000011800 void material Substances 0.000 description 1
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
- G06F18/23—Clustering techniques
-
- 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
- G06N3/045—Combinations of networks
-
- 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
- G06N3/08—Learning methods
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Warehouses Or Storage Devices (AREA)
Abstract
本发明涉及一种用于核电装备的数字孪生无人仓库管理系统,包括:感知层模块,用于获取目标无人仓库各个实体的质量运行数据;数据层模块,用于存储目标无人仓库各个实体的质量运行数据,以及货物订单数据和任务数据;数字孪生仓储模块,用于模拟目标无人仓库的运作,包括分别与目标无人仓库的各个实体相对应的实体孪生模型;服务层模块,用于根据目标无人仓库各个实体的质量运行数据以及货物订单数据和任务数据生成模拟运作数据;然后不断优化所述数字孪生仓储模块的模拟运作流程,并生成对应的优化配置数据;最后基于所述优化配置数据实现目标无人仓库的管理和决策。本发明中的无人仓库管理系统能够有效管理核电装备无人仓库。
Description
技术领域
本发明涉及核电装备仓储管理技术领域,具体涉及一种用于核电装备的数字孪生无人仓库管理系统。
背景技术
仓储是指通过仓库对物资进行储存、保管以及仓库相关储存活动的总称。它随着物资储存的产生而产生,又随着生产力的发展而发展。仓储是商品流通的重要环节之一,也是物流活动的重要支柱。随着消费者消费能力的不断提高和消费需求的多样化,使得产品的生产出现偏向定制化、个性化的趋势,这种趋势就使得生产出来的产品越来越多样化,种类多、数量大的产品对仓储提出了更高的要求。
针对现有仓储管理系统工作效率低的问题,公开号为CN112990820A的中国专利公开了《一种基于数字孪生的仓库管理系统》,其包括:货架、信息采集模块、服务器、本地终端、货架数字孪生体;统信息采集模块设置在统货架上,信息采集模块与统服务器连接,统货架数字孪生体设置在统本地终端中,本地终端与统服务器连接,信息采集模块采集的信息通过服务器同步到本地终端,并显示在货架数字孪生体的对应货位处。该现有方案中基于数字孪生的仓储管理系统,根据仓储货架实际物理实体建立了货架数字孪生体模型,将信息采集模块布置在货架中,使货架的三维数字模型存储状态能够直观的显示在本地终端上,便于仓储管理人员能够清晰地掌握仓储货架的整体情况。
但是,上述现有方案中的数字孪生仓储管理系统主要应用于传统的仓库,而申请人想设计一种用于核电装备仓储的新型仓库。在核电装备建造过程中,从核电装备的仓储管控方面体现出如下的质量管理问题:材料的质量信息多源、质量参数多维难以全面采集与控制、设备在运行过程中的状态难以实时监控、仓储质量管理的效率低下。同时,核电装备大多采用无人仓库进行存储和管理,无人仓库相比传统的仓库具有人力成本低、人员安全隐患少、货物破损风险低等优势。无人仓库中包括货物、货架、叉车、自动导引运输车(AGV)、托盘、各种机器人等实体(设备)。然而,现有的数字孪生仓储管理系统仅能够管理货架本身及货物的信息,而难以对其他相关实体的进行管理,导致其应用于核电装备无人仓库时的管理效果不好。因此,如何设计一种能够有效管理核电装备无人仓库的数字孪生无人仓管理信息系统是亟需解决的技术问题。
发明内容
针对上述现有技术的不足,本发明所要解决的技术问题是:如何提供一种能够有效管理核电装备无人仓库的数字孪生无人仓管理信息系统,从而能够提升核电装备无人仓库的信息管理效果。
为了解决上述技术问题,本发明采用了如下的技术方案:
一种用于核电装备的数字孪生无人仓库管理系统,包括:
感知层模块,用于获取目标无人仓库各个实体的质量运行数据;
数据层模块,用于存储目标无人仓库各个实体的质量运行数据,以及货物订单数据和任务数据;
数字孪生仓储模块,用于模拟目标无人仓库的运作,包括分别与目标无人仓库的各个实体相对应的实体孪生模型;
服务层模块,用于根据目标无人仓库各个实体的质量运行数据以及货物订单数据和任务数据生成模拟运作数据来驱动所述数字孪生仓储模块进行模拟运作;然后不断优化所述数字孪生仓储模块的模拟运作流程,并生成对应的优化配置数据;最后基于所述优化配置数据实现目标无人仓库的管理和决策。
优选的,所述感知层模块包括用于获取目标无人仓库的货物、货架、叉车、自动导引运输车、托盘和各种机器人质量运行数据的感知设备。
优选的,所述数据层模块包括用于存储目标无人仓库实体相关数据、实际运作流程数据的本地数据库,用于存储各个实体的质量运行数据、模拟运作数据的实时数据库,以及用于存储货物订单数据、任务数据、实体孪生模型的系统数据库。
优选的,构建所述数字孪生仓储模块时,包括以下步骤:
S101:构建与目标无人仓库的各个实体相对应的实体孪生模型;
S102:构建与所述数据层模块进行数据交互的数据服务模块;
S103:基于所述数据服务模块以及目标无人仓库的实际运作流程生成对应的事件信息;然后创建事件信息与对应实体孪生模型的关联关系作为实体到实体孪生模型的映射,进而得到对应的数字孪生仓储模块。
优选的,步骤S101中,首先编辑对应实体的类别和属性;然后基于实体的类别和属性建立对应实体的多维模型;其中,对于可移动的实体,设置其多维模型为可移动的动画对象并编辑对应的动作路径,再关联对应的组件动画以形成一个完整的动作;最后对所述多维模型进行轻量化处理以得到对应实体的实体孪生模型。
优选的,步骤S102中,所述数据服务模块用于连接实时数据库、本地数据库和系统数据库并能够调用对应的数据来构建数字孪生仓储模块;同时,还能够调用实时数据库的模拟运作数据来驱动所述数字孪生仓储模块进行模拟运作。
优选的,步骤S103中,具体包括如下步骤:
基于无人仓库的实际运作流程生成对应的事件信息,并对事件信息进行编码;
进行实体孪生模型的初始化,即创建事件信息与对应实体孪生模型的关联关系;
在本地数据库中创建触发映射表,然后调用系统数据库中的指定数据结合对应的触发映射表实现可移动实体的实时动作模拟;
数据服务模块按照一定的时间间隔循环地从实时数据库调用实体的质量运行数据,以实现目标无人仓库的还原和监控,进而得到对应的数字孪生仓储模块。
优选的,所述服务层模块通过如下步骤优化模拟运作流程:
S201:基于货物订单数据、任务数据、实体的质量运行数据以及对应的历史数据进行预测生成模拟运作流程所需数据,并基于模拟运作流程所需数据驱动所述数字孪生仓储模块进行模拟运作;
S202:在所述数字孪生仓储模块模拟运作过程中,通过聚类分析方法对模拟运作的资源效率进行分析并运用多目标差分进化算法对模拟运作流程的实体属性参数进行优化;
S203:将优化后的模拟运作流程与优化前对比得到对应的优化配置数据,并将优化得到的优化配置数据反馈至数据服务模块进行矢量迭代,不断优化所述数字孪生仓储模块及其模拟运作流程,以提供能够优化资源效率的管理和决策。
优选的,步骤S201中,通过BP神经网络模型预测模拟运作流程的数据:将货物订单数据、任务数据、实体的质量运行数据以及对应的历史数据输入将经过训练的BP神经网络模型中,所述BP神经网络模型输出对应的模拟运作流程数据;
训练所述BP神经网络模型时,通相关系数R2表示模型的训练效果,R2代表着实际值和预测值的相关性,越接近1则说明实际值和预测值的拟合程度高,模型的训练预测效果越好。
优选的,步骤S202中:
在所述数字孪生仓储模块模拟运作过程中,首先获取自动导引运输车、拣货机器人、理货机器人以及叉车的质量运行数据;然后进行聚类分析找出待优化的质量运行数据以及对应的优化方向;再利用双目标差分进化算法不断寻优调整相关参数并驱动所述数字孪生仓储模块继续模拟运作;同时,对可用的货架数量、库存状态和订单需求进行相应更新,为每批次到达的货物找到合适的位置,以得到对应的优化配置数据;优化配置数据包括订单的调度优化、验收时间的减少、收发正确率的提高、货物完好率的提高。
本发明中的数字孪生无人仓库管理系统与现有技术相比,具有如下有益效果:
在本发明中,数字孪生仓储模块包括分别与目标无人仓库的各个实体相对应的实体孪生模型,使得数字孪生仓储模块能够映射无人仓库各个实体的运作,即能够适用于核电装备无人仓库的管理,拓展了数字孪生技术在核电装备无人仓库资源质量管理阶段的应用,从而能够提升核电装备无人仓库的信息管理效果。同时,通过获取各个实体的质量运行数据以及货物订单数据和任务数据驱动数字孪生仓储模块进行模拟运作的方式,能够很好的映射核电装备无人仓库的实际运作,进而能够实现核电装备无人仓库的透明管控与仿真决策支持。此外,通过不断优化数字孪生仓储模块模拟运作流程的方式,能够对核电装备无人仓库的实际运作进行优化、管理和决策,从而能够进一步提升核电装备无人仓库的信息管理效果。
附图说明
为了使发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步的详细描述,其中:
图1为实施例中无人仓库管理系统的网络结构图;
图2为实施例中数字孪生仓储模块的网状图;
图3为实施例中数字孪生仓储模块的映射逻辑图。
具体实施方式
下面通过具体实施方式进一步详细的说明:
实施例:
本实施例中公开了一种用于核电装备的数字孪生无人仓库管理系统。
如图1所示,一种用于核电装备的数字孪生无人仓库管理系统,包括:
感知层模块,用于获取目标无人仓库各个实体的质量运行数据。具体的,感知层模块包括用于获取目标无人仓库的货物、货架、叉车、自动导引运输车、托盘和各种机器人质量运行数据的感知设备。具体包括:用于获取货物订单信息、质量信息和流通过程状态的传感设备,用于获取货架库存信息数据、出库/入库信息和仓储状态的传感设备,用于获取叉车空间位置数据、移载动作信号和叉车状态的传感设备,用于获取自动导引运输车(AGV)空间位置数据、移载动作信号和AGV状态的传感设备,用于获取托盘调度信息、货物分配信息和流通周转信息的传感设备,以及用于获取各种机器人关节驱动数据、末端执行器动作信号和机器人状态的传感设备。各个传感设备可选择通过5G网络、无线传感网络、以太网连接已经定义好的I/O接口,与数据层模块通信。
数据层模块,用于存储目标无人仓库各个实体的质量运行数据,以及货物订单数据和任务数据。具体的,数据层模块包括用于存储目标无人仓库实体相关数据、实际运作流程数据的本地数据库,用于存储各个实体的质量运行数据、模拟运作数据的实时数据库,以及用于存储货物订单数据、任务数据、实体孪生模型的系统数据库。本地数据库还存储有仓库布局数据、逻辑数据、触发映射表、初始化规则表、扫描点映射表、配置文件等数据;实时数据库还存储有仓库信号、质检数据、实体位置数据、展示数据、仓储库位数据等数据;系统数据库还包括质量规格书、质量管理体系、模型库、动作库、订单信息、用户个人信息表等数据。
数字孪生仓储模块,用于模拟目标无人仓库的运作,包括分别与目标无人仓库的各个实体相对应的实体孪生模型。具体的,如图2和图3所示,数字孪生仓储模块能够对目标无人仓库实际的出入库流程、理货流程、存储过程以及拣货流程及订单接收流程进行模拟运行和实时映射,使得实体孪生模型能够体现实体之间的有效组合,从而完成整个目标无人仓库流程的有效运转,实现目标无人仓库的相关业务流程。
服务层模块,用于根据目标无人仓库各个实体的质量运行数据以及货物订单数据和任务数据生成模拟运作数据来驱动数字孪生仓储模块进行模拟运作;然后不断优化数字孪生仓储模块的模拟运作流程,并生成对应的优化配置数据;最后基于优化配置数据实现目标无人仓库的管理和决策。
核电装备无人仓库的实际运行流程:供应商的货物达到后,首先由叉车卸货至收货区并存放到托盘上,接着由AGV运载至理货区由理货机器人理货;然后扫描入库上传信息到LES系统,并在无人仓库中心的控制系统显示货位信息;接着由AGV运载至暂存区暂存,AGV接收货位信息后运载至对应的货架储存。当取货的订单到达后,LES系统发出指令,AGV小车根据指示到相应的存储区域取货并运输到拣货区,在拣货机器人拣货后由AGV运送至发货区暂存;当达到订单数量后由叉车转运到发货区发货。
在本发明中,数字孪生仓储模块包括分别与目标无人仓库的各个实体相对应的实体孪生模型,使得数字孪生仓储模块能够映射无人仓库各个实体的运作,即能够适用于核电装备无人仓库的管理,拓展了数字孪生技术在核电装备无人仓库资源质量管理阶段的应用,从而能够提升核电装备无人仓库的信息管理效果。同时,通过获取各个实体的质量运行数据以及货物订单数据和任务数据驱动数字孪生仓储模块进行模拟运作的方式,能够很好的映射核电装备无人仓库的实际运作,进而能够实现核电装备无人仓库的透明管控与仿真决策支持。此外,通过不断优化数字孪生仓储模块模拟运作流程的方式,能够对核电装备无人仓库的实际运作进行优化、管理和决策,从而能够进一步提升核电装备无人仓库的信息管理效果。
具体实施过程中,构建数字孪生仓储模块时,包括以下步骤:
S101:构建与目标无人仓库的各个实体相对应的实体孪生模型。具体的,首先编辑对应实体的类别和属性;然后基于实体的类别和属性建立对应实体的多维模型;其中,对于可移动的实体,设置其多维模型为可移动的动画对象并编辑对应的动作路径,再关联对应的组件动画以形成一个完整的动作;最后对多维模型进行轻量化处理以得到对应实体的实体孪生模型。
S102:构建与数据层模块进行数据交互的数据服务模块;数据服务模块用于连接实时数据库、本地数据库和系统数据库并能够调用对应的数据来构建数字孪生仓储模块;同时,还能够调用实时数据库的模拟运作数据来驱动数字孪生仓储模块进行模拟运作。模型首先通过XML接口模块访问XML配置文件读取本地数据库和实时数据库地址信息,然后利用ODBC接口模块连接本地维护的静态建模数据,并通过OWL-S技术调用以OWL方式建置的本体模型的知识本体,自动快速建立数字孪生模型,之后可选择性地通过数据库接口模块周期性地按照时间戳访问实时数据库的规则数据,并对本地数据库和系统数据库的数据进行解析,以数字孪生模型为载体快速目标还原无人仓库状态。
S103:基于数据服务模块以及目标无人仓库的实际运作流程生成对应的事件信息;然后创建事件信息与对应实体孪生模型的关联关系作为实体到实体孪生模型的映射,进而得到对应的数字孪生仓储模块。
具体包括如下步骤:
基于无人仓库的实际运作流程生成对应的事件信息,并对事件信息进行编码;
进行实体孪生模型的初始化,即创建事件信息与对应实体孪生模型的关联关系。以AGV移动到固定位置为例:需要记录信号ID、AGV对象ID、触发事件;使用Servlet工具进行初始化匹配,在Servlet初始化时,将调用init(ServletConfig)方法,并为其传递为一个ServletConfig对象,该对象称为Servlet配置对象。使用该对象可获得Servlet初始化参数、Servlet名称、 ServletContext对象等,在Servlet中要得到ServletConfig接口对象有两种方法:
1)使用Servlet的getServletConfigO方法,即ServletConfig config =getServletConfig( );
2)覆盖Servlet的init(ServletConfig config)方法,即public void init(ServletConfig config){super.init(config);//必须调用超类的init0方法,this.config = config。
其中,Web服务器匹配URL的规则如下:
1)将请求的URL与配置的URL映射进行精确匹配,如成功则调用该servlet,否则转到2;
2)试着匹配最长的前缀,然后调用相关servlet;
3)如果找不到相应的匹配,则使用根目录默认匹配的Servlet或者默认的页面。
当请求的URL最后有扩展名时,则servlet容器会试着匹配处理这个扩展名的servlet。
在本地数据库中创建触发映射表,然后调用系统数据库中的指定数据结合对应的触发映射表实现可移动实体的实时动作模拟;
数据服务模块按照一定的时间间隔循环地从实时数据库调用实体的质量运行数据,以实现目标无人仓库的还原和监控,进而得到对应的数字孪生仓储模块。在此基础上进行超实时仿真运行,用于无人仓库的调度计划风险评估与优化等,并开发相应系统人机交互界面,从而辅助决策支持;通过本体建模技术使孪生模型与物理实体在空间位置、几何尺寸、运动特性等方面具有相同的属性和功能;利用数据服务模块建立模型的内部与外部的控制接口,实现模型与三类数据库的数据交互;最后根据实时映射规则使数字孪生模型能够实现实体要素之间的有效组合,从而完成出入库流程、理货流程、存储过程、拣货流程及订单接收流程的有效运转,实现无人仓库整体的业务流程。
在本发明中,构建的数字孪生仓储模块能够有效映射核电装备无人仓库的实际运作,使得能够实现核电装备无人仓库的透明管控与仿真决策支持。同时,基于数字孪生仓储模块模拟运作优化运作流程的方式,能够快速还原核电装备无人仓库的运作状态,从而能够更好的对核电装备无人仓库的实际运作流程进行优化,即能够提升核电装备无人仓库的信息管理效果。
具体实施过程中,服务层模块通过如下步骤优化模拟运作流程:
S201:基于货物订单数据、任务数据、实体的质量运行数据以及对应的历史数据进行预测生成模拟运作流程所需数据,并基于模拟运作流程所需数据驱动数字孪生仓储模块进行模拟运作。具体的,通过BP神经网络模型预测模拟运作流程:将货物订单数据、任务数据、实体的质量运行数据以及对应的历史数据输入将经过训练的BP神经网络模型中,BP神经网络模型输出对应的模拟运作流程所需参数;训练BP神经网络模型时,通相关系数R2表示模型的训练效果,R2代表着实际值和预测值的相关性,越接近1则说明实际值和预测值的拟合程度高,模型的训练预测效果越好。
S202:在数字孪生仓储模块模拟运作过程中,通过聚类分析方法对模拟运作的资源效率进行分析并运用多目标差分进化算法对模拟运作流程的实体属性参数进行优化。
具体的,在数字孪生仓储模块模拟运作过程中,首先获取自动导引运输车、拣货机器人、理货机器人以及叉车的质量运行数据;然后进行聚类分析找出待优化的质量运行数据以及对应的优化方向;再利用双目标差分进化算法不断寻优调整相关参数并驱动数字孪生仓储模块继续模拟运作;同时,对可用的货架数量、库存状态和订单需求进行相应更新,为每批次到达的货物找到合适的位置,以得到对应的优化配置数据;优化配置数据包括订单的调度优化、验收时间的减少、收发正确率的提高、货物完好率的提高。
算法流程:
1)根据货架数量信息和库存状态使用双目变差分进化方法初始化种群;
2)通过将运输的最短距离和运输的成本作为双优化目标,并考虑货物相容性原则、集中堆放和货架尺寸约束,计算个体的适应度;
3)以当前最优个体为下一代进化目标,经过相关变异和交叉操作改变染色体的编码,形成下一代种群;
4)重复操作直到满足优化准则跳出,其中一个个体就是一个方案。
S203:将优化后的模拟运作流程与优化前对比得到对应的优化配置数据,并将优化得到的优化配置数据反馈至数据服务模块进行矢量迭代,不断优化数字孪生仓储模块及其模拟运作流程,以提供能够优化资源效率的管理和决策。
优化后的优化配置数据,通过数字孪生模型的通讯接口返回到数据服务模块对应的表格中,接着通过数据传输反馈到服务层的终端。可以根据可视化的显示界面查看优化后的模型和相关参数,更加科学合理地管理无人仓库的质量资源。
在本发明中,通过数据分析优化的技术方法,即BP神经网络、聚类分析方法、双目标差分进化算法结合的方式,能够有效的对数字孪生仓储模块的模拟运作流程进行优化,进而能够快速还原核电装备无人仓库的运作状态,从而能够更好的对核电装备无人仓库的实际运作流程进行优化,即能够提升核电装备无人仓库的信息管理效果。
需要说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管通过参照本发明的优选实施例已经对本发明进行了描述,但本领域的普通技术人员应当理解,可以在形式上和细节上对其作出各种各样的改变,而不偏离所附权利要求书所限定的本发明的精神和范围。同时,实施例中公知的具体结构及特性等常识在此未作过多描述。最后,本发明要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (7)
1.一种用于核电装备的数字孪生无人仓库管理系统,其特征在于,包括:
感知层模块,用于获取目标无人仓库各个实体的质量运行数据;
感知层模块包括用于获取货物订单信息、质量信息和流通过程状态的传感设备,用于获取货架库存信息数据、出库/入库信息和仓储状态的传感设备,用于获取叉车空间位置数据、移载动作信号和叉车状态的传感设备,用于获取AGV空间位置数据、移载动作信号和AGV状态的传感设备,用于获取托盘调度信息、货物分配信息和流通周转信息的传感设备,以及用于获取各种机器人关节驱动数据、末端执行器动作信号和机器人状态的传感设备;
数据层模块,用于存储目标无人仓库各个实体的质量运行数据,以及货物订单数据和任务数据;
所述数据层模块包括用于存储目标无人仓库实体相关数据、实际运作流程数据的本地数据库,用于存储各个实体的质量运行数据、模拟运作数据的实时数据库,以及用于存储货物订单数据、任务数据、实体孪生模型的系统数据库;
本地数据库还存储有仓库布局数据、逻辑数据、触发映射表、初始化规则表、扫描点映射表和/或配置文件;实时数据库还存储有仓库信号、质检数据、实体位置数据、展示数据和/或仓储库位数据;系统数据库还存储有质量规格书、质量管理体系、模型库、动作库、订单信息和/或用户个人信息表;
数字孪生仓储模块,用于模拟目标无人仓库的运作,包括分别与目标无人仓库的各个实体相对应的实体孪生模型;
构建所述数字孪生仓储模块时,包括以下步骤:
S101:构建与目标无人仓库的各个实体相对应的实体孪生模型;
S102:构建与所述数据层模块进行数据交互的数据服务模块;
S103:基于所述数据服务模块以及目标无人仓库的实际运作流程生成对应的事件信息;然后创建事件信息与对应实体孪生模型的关联关系作为实体到实体孪生模型的映射,进而得到对应的数字孪生仓储模块;
服务层模块,用于根据目标无人仓库各个实体的质量运行数据以及货物订单数据和任务数据生成模拟运作数据来驱动所述数字孪生仓储模块进行模拟运作;然后不断优化所述数字孪生仓储模块的模拟运作流程,并生成对应的优化配置数据;最后基于所述优化配置数据实现目标无人仓库的管理和决策;
所述服务层模块通过如下步骤优化模拟运作流程:
S201:基于货物订单数据、任务数据、实体的质量运行数据以及对应的历史数据进行预测生成模拟运作流程所需数据,并基于模拟运作流程所需数据驱动所述数字孪生仓储模块进行模拟运作;
S202:在所述数字孪生仓储模块模拟运作过程中,通过聚类分析方法对模拟运作的资源效率进行分析并运用多目标差分进化算法对模拟运作流程的实体属性参数进行优化;
多目标差分进化算法的处理步骤如下:
根据货架数量信息和库存状态使用双目变差分进化方法初始化种群;
通过将运输的最短距离和运输的成本作为双优化目标,并考虑货物相容性原则、集中堆放和货架尺寸约束,计算个体的适应度;
以当前最优个体为下一代进化目标,经过相关变异和交叉操作改变染色体的编码,形成下一代种群;
重复操作直到满足优化准则跳出,其中一个个体就是一个方案;
S203:将优化后的模拟运作流程与优化前对比得到对应的优化配置数据,并将优化得到的优化配置数据反馈至数据服务模块进行矢量迭代,不断优化所述数字孪生仓储模块及其模拟运作流程,以提供能够优化资源效率的管理和决策。
2.如权利要求1所述的用于核电装备的数字孪生无人仓库管理系统,其特征在于:所述感知层模块包括用于获取目标无人仓库的货物、货架、叉车、自动导引运输车、托盘和各种机器人质量运行数据的感知设备。
3.如权利要求1所述的用于核电装备的数字孪生无人仓库管理系统,其特征在于:步骤S101中,首先编辑对应实体的类别和属性;然后基于实体的类别和属性建立对应实体的多维模型;其中,对于可移动的实体,设置其多维模型为可移动的动画对象并编辑对应的动作路径,再关联对应的组件动画以形成一个完整的动作;最后对所述多维模型进行轻量化处理以得到对应实体的实体孪生模型。
4.如权利要求1所述的用于核电装备的数字孪生无人仓库管理系统,其特征在于:步骤S102中,所述数据服务模块用于连接实时数据库、本地数据库和系统数据库并能够调用对应的数据来构建数字孪生仓储模块;同时,还能够调用实时数据库的模拟运作数据来驱动所述数字孪生仓储模块进行模拟运作。
5.如权利要求1所述的用于核电装备的数字孪生无人仓库管理系统,其特征在于,步骤S103中,具体包括如下步骤:
基于无人仓库的实际运作流程生成对应的事件信息,并对事件信息进行编码;
进行实体孪生模型的初始化,即创建事件信息与对应实体孪生模型的关联关系;
在本地数据库中创建触发映射表,然后调用系统数据库中的指定数据结合对应的触发映射表实现可移动实体的实时动作模拟;
数据服务模块按照一定的时间间隔循环地从实时数据库调用实体的质量运行数据,以实现目标无人仓库的还原和监控,进而得到对应的数字孪生仓储模块。
6.如权利要求1所述的用于核电装备的数字孪生无人仓库管理系统,其特征在于,步骤S201中,通过BP神经网络模型预测模拟运作流程的数据:将货物订单数据、任务数据、实体的质量运行数据以及对应的历史数据输入将经过训练的BP神经网络模型中,所述BP神经网络模型输出对应的模拟运作流程数据;
训练所述BP神经网络模型时,通相关系数R2表示模型的训练效果,R2代表着实际值和预测值的相关性,越接近1则说明实际值和预测值的拟合程度高,模型的训练预测效果越好。
7.如权利要求1所述的用于核电装备的数字孪生无人仓库管理系统,其特征在于,步骤S202中:
在所述数字孪生仓储模块模拟运作过程中,首先获取自动导引运输车、拣货机器人、理货机器人以及叉车的质量运行数据;然后进行聚类分析找出待优化的质量运行数据以及对应的优化方向;再利用双目标差分进化算法不断寻优调整相关参数并驱动所述数字孪生仓储模块继续模拟运作;同时,对可用的货架数量、库存状态和订单需求进行相应更新,为每批次到达的货物找到合适的位置,以得到对应的优化配置数据;优化配置数据包括订单的调度优化、验收时间的减少、收发正确率的提高、货物完好率的提高。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111088836.8A CN113743876B (zh) | 2021-09-16 | 2021-09-16 | 一种用于核电装备的数字孪生无人仓库管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111088836.8A CN113743876B (zh) | 2021-09-16 | 2021-09-16 | 一种用于核电装备的数字孪生无人仓库管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113743876A CN113743876A (zh) | 2021-12-03 |
CN113743876B true CN113743876B (zh) | 2024-05-31 |
Family
ID=78739397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111088836.8A Active CN113743876B (zh) | 2021-09-16 | 2021-09-16 | 一种用于核电装备的数字孪生无人仓库管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113743876B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114757111B (zh) * | 2022-06-16 | 2022-08-23 | 四川观想科技股份有限公司 | 一种基于数字孪生技术的智能装备健康管理方法 |
CN115619309B (zh) * | 2022-09-22 | 2023-06-16 | 深圳市兆航物流有限公司 | 一种基于数字孪生的物流中心信息平台系统 |
DE102022131101A1 (de) * | 2022-11-24 | 2024-05-29 | SSI Schäfer IT Solutions GmbH | Lager- und Kommissioniersystem mit optimiertem Materialfluss |
CN115933672B (zh) * | 2022-12-19 | 2023-08-29 | 广东鉴面智能科技有限公司 | 一种无人卸料小车综合管理系统 |
CN115660509B (zh) * | 2022-12-26 | 2023-06-27 | 沈阳创新设计研究院有限公司 | 一种基于数字孪生技术的工厂建造管控方法及系统 |
CN116502785B (zh) * | 2023-06-30 | 2024-01-16 | 深圳市渐近线科技有限公司 | 仓储物流智能管理方法、装置、设备及存储介质 |
CN117331358A (zh) * | 2023-10-27 | 2024-01-02 | 沧州信安保销毁设备有限公司 | 仓库物料上料控制系统 |
CN117333114B (zh) * | 2023-11-30 | 2024-04-02 | 广州欧派集成家居有限公司 | 一种家居产品智能化分拣储存管理系统及管理方法 |
CN118313536B (zh) * | 2024-06-11 | 2024-08-23 | 天津万事达物流装备有限公司 | 基于数字孪生智能仓储的agv路径优化方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919388A (zh) * | 2019-03-15 | 2019-06-21 | 江苏师范大学 | 基于指数型归一化的多目标铁路物流中心功能区布局方法 |
CN112330246A (zh) * | 2020-10-30 | 2021-02-05 | 深圳越海全球供应链有限公司 | 订单汇总方法、装置、计算机设备及存储介质 |
CN112418764A (zh) * | 2020-11-24 | 2021-02-26 | 上海治云智能科技有限公司 | 一种5g可视化仓管系统 |
CN112731887A (zh) * | 2020-12-31 | 2021-04-30 | 南京理工大学 | 石化无人值守装卸线数字孪生智能监控系统及方法 |
CN112949041A (zh) * | 2021-02-01 | 2021-06-11 | 广东工业大学 | 一种基于数字孪生的自动化立体仓库构建方法 |
CN113011837A (zh) * | 2021-03-03 | 2021-06-22 | 江苏杰瑞信息科技有限公司 | 一种基于微服务的数字孪生管控平台 |
DE102020202945A1 (de) * | 2020-03-06 | 2021-09-09 | Gebhardt Fördertechnik GmbH | Lagersystem und Verfahren zum Betreiben eines derartigen Lagersystems |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210157312A1 (en) * | 2016-05-09 | 2021-05-27 | Strong Force Iot Portfolio 2016, Llc | Intelligent vibration digital twin systems and methods for industrial environments |
-
2021
- 2021-09-16 CN CN202111088836.8A patent/CN113743876B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919388A (zh) * | 2019-03-15 | 2019-06-21 | 江苏师范大学 | 基于指数型归一化的多目标铁路物流中心功能区布局方法 |
DE102020202945A1 (de) * | 2020-03-06 | 2021-09-09 | Gebhardt Fördertechnik GmbH | Lagersystem und Verfahren zum Betreiben eines derartigen Lagersystems |
CN112330246A (zh) * | 2020-10-30 | 2021-02-05 | 深圳越海全球供应链有限公司 | 订单汇总方法、装置、计算机设备及存储介质 |
CN112418764A (zh) * | 2020-11-24 | 2021-02-26 | 上海治云智能科技有限公司 | 一种5g可视化仓管系统 |
CN112731887A (zh) * | 2020-12-31 | 2021-04-30 | 南京理工大学 | 石化无人值守装卸线数字孪生智能监控系统及方法 |
CN112949041A (zh) * | 2021-02-01 | 2021-06-11 | 广东工业大学 | 一种基于数字孪生的自动化立体仓库构建方法 |
CN113011837A (zh) * | 2021-03-03 | 2021-06-22 | 江苏杰瑞信息科技有限公司 | 一种基于微服务的数字孪生管控平台 |
Non-Patent Citations (2)
Title |
---|
叶旭乾.汽车零部件循环取货优化研究与应用.《信息科技 * |
经济与管理科学工程科技Ⅱ辑》.2022,1-91. * |
Also Published As
Publication number | Publication date |
---|---|
CN113743876A (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113743876B (zh) | 一种用于核电装备的数字孪生无人仓库管理系统 | |
Zhang et al. | Artificial intelligence in E-commerce fulfillment: A case study of resource orchestration at Alibaba’s Smart Warehouse | |
Agrawal et al. | Analysis of enablers for the digitalization of supply chain using an interpretive structural modelling approach | |
Wang et al. | A proactive material handling method for CPS enabled shop-floor | |
US11054811B2 (en) | Systems and methods for line balancing | |
Lee et al. | Design and application of Internet of things-based warehouse management system for smart logistics | |
Choy et al. | A RFID-based storage assignment system for enhancing the efficiency of order picking | |
CN111915410B (zh) | 面向高动态生产物流过程的智能管控系统 | |
Leung et al. | From traditional warehouses to Physical Internet hubs: A digital twin-based inbound synchronization framework for PI-order management | |
Nastasi et al. | Implementation and comparison of algorithms for multi-objective optimization based on genetic algorithms applied to the management of an automated warehouse | |
TWI811559B (zh) | 用於包裝最佳化的電腦化的系統以及用於自動包裝採集的電腦實施的方法 | |
Abosuliman et al. | Computer vision assisted human computer interaction for logistics management using deep learning | |
Lorenc et al. | Improve the Orders Picking in e-Commerce by Using WMS Data and BigData Analysis. | |
Sun et al. | Design of intelligent manufacturing system based on digital twin for smart shop floors | |
Pagano et al. | Technologies in supply chain management and logistics | |
Wu et al. | (DT4Smart) a digital twin-based modularized design approach for smart warehouses | |
CN112330246B (zh) | 订单汇总方法、装置、计算机设备及存储介质 | |
Cao et al. | Digital twin-driven warehouse management system for picking path planning problem | |
CN115953112A (zh) | 一种基于数据通信网络的供应链管理系统 | |
US11893528B2 (en) | Logistics operation optimization apparatus and logistics operation optimization method | |
Grover et al. | Autonomous and IoT‐driven intralogistics for Industry 4.0 warehouses: A thematic analysis of the literature | |
KR102506255B1 (ko) | 빅데이터 기반 고객 맞춤형 기계설비 제작 시스템 및 방법 | |
Geuna et al. | Resilience and Digital Disruption: Regional Competition in the Age of Industry 4.0 | |
Alιm et al. | Smart warehouses in logistics 4.0 | |
Lu et al. | Production control framework for supply chain management—an application in the elevator manufacturing industry |
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 |