CN116227247B - 一种基于大数据的粮食筒仓的倒仓仿真方法及系统 - Google Patents
一种基于大数据的粮食筒仓的倒仓仿真方法及系统 Download PDFInfo
- Publication number
- CN116227247B CN116227247B CN202310516973.XA CN202310516973A CN116227247B CN 116227247 B CN116227247 B CN 116227247B CN 202310516973 A CN202310516973 A CN 202310516973A CN 116227247 B CN116227247 B CN 116227247B
- Authority
- CN
- China
- Prior art keywords
- grain
- reverse
- bin
- node
- coefficient
- 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
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000004088 simulation Methods 0.000 title claims abstract description 19
- 230000006866 deterioration Effects 0.000 claims abstract description 25
- 230000008569 process Effects 0.000 claims description 32
- 230000005540 biological transmission Effects 0.000 claims description 9
- 241000894006 Bacteria Species 0.000 claims description 8
- 241000233866 Fungi Species 0.000 claims description 8
- 241000607479 Yersinia pestis Species 0.000 claims description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 8
- 239000012535 impurity Substances 0.000 claims description 8
- 229910052760 oxygen Inorganic materials 0.000 claims description 8
- 239000001301 oxygen Substances 0.000 claims description 8
- 230000035945 sensitivity Effects 0.000 claims description 8
- 230000006870 function Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 239000013590 bulk material Substances 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Geometry (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Storage Of Harvested Produce (AREA)
Abstract
本发明公开了一种基于大数据的粮食筒仓的倒仓仿真方法及系统,该方法包括:获取粮食筒仓内的粮食状态信息,设置倒仓指数模型,计算每个粮食筒仓的倒仓指数,并设置倒仓阈值,将倒仓指数与倒仓阈值进行比较,从而确定是否需要倒仓,所述状态信息包括:种类系数、变质系数、质量系数和储存时间系数;设置船舶到港判断模型,当确定粮食筒仓需要进行倒仓时,计算船舶到港概率,根据船舶到港概率,确定粮食筒仓是否能够进行倒仓;当粮食筒仓能够进行倒仓时,获取港口倒仓时每个倒仓操作节点的历史倒仓操作数据,根据历史倒仓操作数据,按照图论方法,将港口倒仓操作抽象成有向运输网络体系,对有向运输网络体系进行搜索,查找倒仓的最佳操作流程。
Description
技术领域
本发明属于粮食筒仓倒仓技术领域,更具体地,涉及一种基于大数据的粮食筒仓的倒仓仿真方法及系统。
背景技术
作为一个大型的现代化的粮食运输控制系统,需要有良好的设计工艺,根据实际港口的操作工艺,该系统建立合理有效的工艺流程,从而很好的表现港口的实际操作能力,该港散粮系统输送工艺包括了港区的装船工艺、卸车工艺、装车工艺、筒仓工艺等多种粮食作业。根据装卸工艺及粮食输送能力,将自动流程分为四类:
入仓流程:卸火车入(筒/星)仓、卸汽车入(筒/星)仓;出仓流程:出仓装船、出仓装汽车:倒仓流程:筒仓-筒仓、简仓-星仓、星仓-筒仓:转运流程:卸火车装船、卸汽车装船、卸火车装汽车。
散粮的装卸工艺流程非常复杂,要完成粮食的中转直取作业和间接换装作业就必须要求筒仓机械化系统具备分路疏运的功能。为防止存放在筒仓内的粮食受潮或温度过高导致霉变,保证粮食的质量,系统必须具有翻仓散热功能。近年来,随着粮食仓储、物流、加工企业仓容规模的不断扩大,大型粮食仓储、加工物流园区新建和扩建项目增多,大型项目工艺复杂,流程统计和流程选择过程复杂程度较高。当项目分期建设时,为保证分期项目工艺的整体性,需要将多期项目整体考虑,工艺流程选择算法便成为控制系统开发的技术难点,灵活的流程控制策略对于提高大型散粮储运项目自控系统性能起到了关键的决定作用。需要优化适用于复杂流程的粮食筒仓倒仓作业方法及系统。
目前,散料码头的系统工艺随着规模的增大变得愈加复杂,但对于吨位、容量较大、功能齐全的大型散料码头,由于码头工艺的复杂性与不确定性与设计人员自身的局限,不可能将极其复杂的码头运营及货主的各种特殊要求考虑得非常周全。另一方面,我国建设的大型散料码头刚刚有了一定的实践。缺乏大型码头的管理调度经验。所以应用计算机模拟整个工艺的实际运营状况便成为一种行之有效的方法。尽管经过计算机模拟得出的只是可行解或较佳解,但其结果经分析研究后对工程设计人员和码头管理人员均有着十分重要的意义。
发明内容
为解决以上技术问题,本发明提出一种基于大数据的粮食筒仓的倒仓仿真方法,包括:
获取粮食筒仓内的粮食状态信息,设置倒仓指数模型,计算每个粮食筒仓的倒仓指数,并设置倒仓阈值,将倒仓指数与倒仓阈值进行比较,从而确定是否需要倒仓,所述状态信息包括:种类系数、变质系数、质量系数和储存时间系数;
设置船舶到港判断模型,当确定粮食筒仓需要进行倒仓时,计算船舶到港概率,根据船舶到港概率,确定粮食筒仓是否能够进行倒仓;
当粮食筒仓能够进行倒仓时,获取港口倒仓时每个倒仓操作节点的历史倒仓操作数据,根据历史倒仓操作数据,按照图论方法,将港口倒仓操作抽象成有向运输网络体系,对有向运输网络体系进行搜索,查找倒仓的最佳操作流程。
进一步的,倒仓指数模型为:
倒仓指数 DI,种类系数KC表示不同粮食种类的敏感性,值越高,粮食越容易变质,变质系数DC表示粮食变质的速度,值越高,粮食越容易变质,质量系数QC表示粮食质量状况,值越低,表示粮食质量越好,储存时间系数TC表示粮食的储存时间对粮食质量的影响,值越高,表示储存时间对粮食质量影响越大,当前重量CW表示粮食的当前重量。
进一步的,包括:
PR表示粮食的含杂率,SLR表示粮食的碎粒率,CR表示粮食的虫害率。
进一步的,船舶到港判断模型为:
进一步的,对有向运输网络体系进行搜索,查找倒仓的最佳操作路径包括:
在有向运输网络体系中选取一个起点标志i,对所有以i为起点的倒仓的路径开始搜索;
从后续节点中任取一节点作为当前节点,检查当前节点的终点标志是否为真,若为真,则已经搜索到倒仓的路径,否则重复从后续节点中任取一节点作为当前节点进行操作,直到搜索到终点标志为真的节点为止;
将搜索到的倒仓的路径存入结果路径表中,回溯到上一节点,检查当前节点的起点标志是否为真,若为真,则已回溯到起点,否则转到重复从后续节点中任取一节点作为当前节点的操作;检查有向运输网络体系中是否还有起点标志为真的节点,若还有,转到在有向运输网络体系中选取一个起点标志i继续搜索,否则整个搜索过程结束。
本发明还提出一种基于大数据的粮食筒仓的倒仓仿真系统,包括:
设置倒仓指数模型模块,用于获取粮食筒仓内的粮食状态信息,设置倒仓指数模型,计算每个粮食筒仓的倒仓指数,并设置倒仓阈值,将倒仓指数与倒仓阈值进行比较,从而确定是否需要倒仓,所述状态信息包括:种类系数、变质系数、质量系数和储存时间系数;
设置判断模型,用于设置船舶到港判断模型,当确定粮食筒仓需要进行倒仓时,计算船舶到港概率,根据船舶到港概率,确定粮食筒仓是否能够进行倒仓;
查找操作路径模块,用于当粮食筒仓能够进行倒仓时,获取港口倒仓时每个倒仓操作节点的历史倒仓操作数据,根据历史倒仓操作数据,按照图论方法,将港口倒仓操作抽象成有向运输网络体系,对有向运输网络体系进行搜索,查找倒仓的最佳操作路径。
进一步的,倒仓指数模型为:
倒仓指数 DI,种类系数KC表示不同粮食种类的敏感性,值越高,粮食越容易变质,变质系数DC表示粮食变质的速度,值越高,粮食越容易变质,质量系数QC表示粮食质量状况,值越低,表示粮食质量越好,储存时间系数TC表示粮食的储存时间对粮食质量的影响,值越高,表示储存时间对粮食质量影响越大,当前重量CW表示粮食的当前重量。
进一步的,包括:
PR表示粮食的含杂率,SLR表示粮食的碎粒率,CR表示粮食的虫害率。
进一步的,船舶到港判断模型为:
进一步的,对有向运输网络体系进行搜索,查找倒仓的最佳操作路径包括:
在有向运输网络体系中选取一个起点标志i,对所有以i为起点的倒仓的路径开始搜索;
从后续节点中任取一节点作为当前节点,检查当前节点的终点标志是否为真,若为真,则已经搜索到倒仓的路径,否则重复从后续节点中任取一节点作为当前节点进行操作,直到搜索到终点标志为真的节点为止;
将搜索到的倒仓的路径存入结果路径表中,回溯到上一节点,检查当前节点的起点标志是否为真,若为真,则已回溯到起点,否则转到重复从后续节点中任取一节点作为当前节点的操作;检查有向运输网络体系中是否还有起点标志为真的节点,若还有,转到在有向运输网络体系中选取一个起点标志i继续搜索,否则整个搜索过程结束。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
本发明倒仓作业布置灵活,所有设备、包括电源投切均可在控制室通过 PLC 远程监视和控制,达到系统运行安全可靠的目的。对 PLC 各分站之间、PLC 系统各机架间以及PLC 与上位机之间通讯均采用介质和通讯口冗余的方法来提高系统可靠性,充分发挥了系统作业能力,提高了生产效率,减小船舶滞港时间,增强了港口竞争力。
在设计和实现此模拟系统时,针对模拟系统的用户主要是非计算机专业的工程技术人员和管理人员,充分考虑到了系统的易用性和直观性,使系统的界面易于操作,考虑到散粮运输的便捷性,充分应用了图论和运筹学中的成果,采用先进的算法,以提高系统的工作效率。从而达到优化码头工艺系统的设计和管理的目的。
附图说明
图1是本发明实施例1的方法的流程图;
图2是本发明实施例2的系统的结构图;
具体实施方式
为了更好的理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述技术方案做详细的说明。
本发明提供的方法可以在如下的终端环境中实施,所述终端可以包括一个或多个如下部件:处理器、存储介质和显示屏。其中,存储介质中存储有至少一条指令,所述指令由处理器加载并执行以实现下述实施例所述的方法。
处理器可以包括一个或者多个处理核心。处理器利用各种接口和线路连接整个终端内的各个部分,通过运行或执行存储在存储介质内的指令、程序、代码集或指令集,以及调用存储在存储介质内的数据,执行终端的各种功能和处理数据。
存储介质可以包括随机存储介质(Random Access Memory,RAM),也可以包括只读存储介质(Read-Only Memory,ROM)。存储介质可用于存储指令、程序、代码、代码集或指令。
显示屏用于显示各个应用程序的用户界面。
除此之外,本领域技术人员可以理解,上述终端的结构并不构成对终端的限定,终端可以包括更多或更少的部件,或者组合某些部件,或者不同的部件布置。比如,终端中还包括射频电路、输入单元、传感器、音频电路、电源等部件,在此不再赘述。
实施例1
如图1所示,本发明实施例提供一种基于大数据的粮食筒仓的倒仓仿真方法,包括:
步骤101,获取粮食筒仓内的粮食状态信息,设置倒仓指数模型,计算每个粮食筒仓的倒仓指数,并设置倒仓阈值,将倒仓指数与倒仓阈值进行比较,从而确定是否需要倒仓,所述状态信息包括:种类系数、变质系数、质量系数和储存时间系数;
具体的,倒仓指数模型为:
倒仓指数 DI,种类系数KC表示不同粮食种类的敏感性,值越高,粮食越容易变质,变质系数DC表示粮食变质的速度,值越高,粮食越容易变质,质量系数QC表示粮食质量状况,值越低,表示粮食质量越好,储存时间系数TC表示粮食的储存时间对粮食质量的影响,值越高,表示储存时间对粮食质量影响越大,当前重量CW表示粮食的当前重量。
还包括:
PR表示粮食的含杂率,SLR表示粮食的碎粒率,CR表示粮食的虫害率。
步骤102,设置船舶到港判断模型,当确定粮食筒仓需要进行倒仓时,计算船舶到港概率,根据船舶到港概率,确定粮食筒仓是否能够进行倒仓;
船舶到港判断模型为:
步骤103,当粮食筒仓能够进行倒仓时,获取港口倒仓时每个倒仓操作节点的历史倒仓操作数据,根据历史倒仓操作数据,按照图论方法,将港口倒仓操作抽象成有向运输网络体系,对有向运输网络体系进行搜索,查找倒仓的最佳操作流程。
具体的,对有向运输网络体系进行搜索,查找倒仓的最佳操作路径包括:
在有向运输网络体系中选取一个起点标志i,对所有以i为起点的倒仓的路径开始搜索;
从后续节点中任取一节点作为当前节点,检查当前节点的终点标志是否为真,若为真,则已经搜索到倒仓的路径,否则重复从后续节点中任取一节点作为当前节点进行操作,直到搜索到终点标志为真的节点为止;
将搜索到的倒仓的路径存入结果路径表中,回溯到上一节点,检查当前节点的起点标志是否为真,若为真,则已回溯到起点,否则转到重复从后续节点中任取一节点作为当前节点的操作;检查有向运输网络体系中是否还有起点标志为真的节点,若还有,转到在有向运输网络体系中选取一个起点标志i继续搜索,否则整个搜索过程结束。
实施例2
如图2所示,本发明实施例还提供一种基于大数据的粮食筒仓的倒仓仿真系统,包括:
设置倒仓指数模型模块,用于获取粮食筒仓内的粮食状态信息,设置倒仓指数模型,计算每个粮食筒仓的倒仓指数,并设置倒仓阈值,将倒仓指数与倒仓阈值进行比较,从而确定是否需要倒仓,所述状态信息包括:种类系数、变质系数、质量系数和储存时间系数;
具体的,倒仓指数模型为:
倒仓指数 DI,种类系数KC表示不同粮食种类的敏感性,值越高,粮食越容易变质,变质系数DC表示粮食变质的速度,值越高,粮食越容易变质,质量系数QC表示粮食质量状况,值越低,表示粮食质量越好,储存时间系数TC表示粮食的储存时间对粮食质量的影响,值越高,表示储存时间对粮食质量影响越大,当前重量CW表示粮食的当前重量。
还包括:
PR表示粮食的含杂率,SLR表示粮食的碎粒率,CR表示粮食的虫害率。
设置判断模型,用于设置船舶到港判断模型,当确定粮食筒仓需要进行倒仓时,计算船舶到港概率,根据船舶到港概率,确定粮食筒仓是否能够进行倒仓;
船舶到港判断模型为:
查找操作路径模块,用于当粮食筒仓能够进行倒仓时,获取港口倒仓时每个倒仓操作节点的历史倒仓操作数据,根据历史倒仓操作数据,按照图论方法,将港口倒仓操作抽象成有向运输网络体系,对有向运输网络体系进行搜索,查找倒仓的最佳操作流程。
具体的,对有向运输网络体系进行搜索,查找倒仓的最佳操作路径包括:
在有向运输网络体系中选取一个起点标志i,对所有以i为起点的倒仓的路径开始搜索;
从后续节点中任取一节点作为当前节点,检查当前节点的终点标志是否为真,若为真,则已经搜索到倒仓的路径,否则重复从后续节点中任取一节点作为当前节点进行操作,直到搜索到终点标志为真的节点为止;
将搜索到的倒仓的路径存入结果路径表中,回溯到上一节点,检查当前节点的起点标志是否为真,若为真,则已回溯到起点,否则转到重复从后续节点中任取一节点作为当前节点的操作;检查有向运输网络体系中是否还有起点标志为真的节点,若还有,转到在有向运输网络体系中选取一个起点标志i继续搜索,否则整个搜索过程结束。
实施例3
本发明实施例还提出一种存储介质,存储有多条指令,所述指令用于实现所述的一种基于大数据的粮食筒仓的倒仓仿真方法。
可选地,在本实施例中,上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中,或者位于移动终端群中的任意一个移动终端中。
可选地,在本实施例中,存储介质被设置为存储用于执行以下步骤的程序代码:步骤101,获取粮食筒仓内的粮食状态信息,设置倒仓指数模型,计算每个粮食筒仓的倒仓指数,并设置倒仓阈值,将倒仓指数与倒仓阈值进行比较,从而确定是否需要倒仓,所述状态信息包括:种类系数、变质系数、质量系数和储存时间系数;
具体的,倒仓指数模型为:
倒仓指数 DI,种类系数KC表示不同粮食种类的敏感性,值越高,粮食越容易变质,变质系数DC表示粮食变质的速度,值越高,粮食越容易变质,质量系数QC表示粮食质量状况,值越低,表示粮食质量越好,储存时间系数TC表示粮食的储存时间对粮食质量的影响,值越高,表示储存时间对粮食质量影响越大,当前重量CW表示粮食的当前重量。
还包括:
PR表示粮食的含杂率,SLR表示粮食的碎粒率,CR表示粮食的虫害率。
步骤102,设置船舶到港判断模型,当确定粮食筒仓需要进行倒仓时,计算船舶到港概率,根据船舶到港概率,确定粮食筒仓是否能够进行倒仓;
船舶到港判断模型为:
步骤103,当粮食筒仓能够进行倒仓时,获取港口倒仓时每个倒仓操作节点的历史倒仓操作数据,根据历史倒仓操作数据,按照图论方法,将港口倒仓操作抽象成有向运输网络体系,对有向运输网络体系进行搜索,查找倒仓的最佳操作流程。
具体的,对有向运输网络体系进行搜索,查找倒仓的最佳操作路径包括:
在有向运输网络体系中选取一个起点标志i,对所有以i为起点的倒仓的路径开始搜索;
从后续节点中任取一节点作为当前节点,检查当前节点的终点标志是否为真,若为真,则已经搜索到倒仓的路径,否则重复从后续节点中任取一节点作为当前节点进行操作,直到搜索到终点标志为真的节点为止;
将搜索到的倒仓的路径存入结果路径表中,回溯到上一节点,检查当前节点的起点标志是否为真,若为真,则已回溯到起点,否则转到重复从后续节点中任取一节点作为当前节点的操作;检查有向运输网络体系中是否还有起点标志为真的节点,若还有,转到在有向运输网络体系中选取一个起点标志i继续搜索,否则整个搜索过程结束。
实施例4
本发明实施例还提出一种电子设备,包括处理器和与所述处理器连接的存储介质,所述存储介质存储有多条指令,所述指令可被所述处理器加载并执行,以使所述处理器能够执行所述的一种基于大数据的粮食筒仓的倒仓仿真方法。
具体的,本实施例的电子设备可以是计算机终端,所述计算机终端可以包括:一个或多个处理器、以及存储介质。
其中,存储介质可用于存储软件程序以及模块,如本发明实施例中的一种基于大数据的粮食筒仓的倒仓仿真方法,对应的程序指令/模块,处理器通过运行存储在存储介质内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现上述的一种基于大数据的粮食筒仓的倒仓仿真方法。存储介质可包括高速随机存储介质,还可以包括非易失性存储介质,如一个或者多个磁性存储系统、闪存、或者其他非易失性固态存储介质。在一些实例中,存储介质可进一步包括相对于处理器远程设置的存储介质,这些远程存储介质可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输系统调用存储介质存储的信息及应用程序,以执行下述步骤:步骤101,获取粮食筒仓内的粮食状态信息,设置倒仓指数模型,计算每个粮食筒仓的倒仓指数,并设置倒仓阈值,将倒仓指数与倒仓阈值进行比较,从而确定是否需要倒仓,所述状态信息包括:种类系数、变质系数、质量系数和储存时间系数;
具体的,倒仓指数模型为:
倒仓指数 DI,种类系数KC表示不同粮食种类的敏感性,值越高,粮食越容易变质,变质系数DC表示粮食变质的速度,值越高,粮食越容易变质,质量系数QC表示粮食质量状况,值越低,表示粮食质量越好,储存时间系数TC表示粮食的储存时间对粮食质量的影响,值越高,表示储存时间对粮食质量影响越大,当前重量CW表示粮食的当前重量。
还包括:
PR表示粮食的含杂率,SLR表示粮食的碎粒率,CR表示粮食的虫害率。
步骤102,设置船舶到港判断模型,当确定粮食筒仓需要进行倒仓时,计算船舶到港概率,根据船舶到港概率,确定粮食筒仓是否能够进行倒仓;
船舶到港判断模型为:
步骤103,当粮食筒仓能够进行倒仓时,获取港口倒仓时每个倒仓操作节点的历史倒仓操作数据,根据历史倒仓操作数据,按照图论方法,将港口倒仓操作抽象成有向运输网络体系,对有向运输网络体系进行搜索,查找倒仓的最佳操作流程。
具体的,对有向运输网络体系进行搜索,查找倒仓的最佳操作路径包括:
在有向运输网络体系中选取一个起点标志i,对所有以i为起点的倒仓的路径开始搜索;
从后续节点中任取一节点作为当前节点,检查当前节点的终点标志是否为真,若为真,则已经搜索到倒仓的路径,否则重复从后续节点中任取一节点作为当前节点进行操作,直到搜索到终点标志为真的节点为止;
将搜索到的倒仓的路径存入结果路径表中,回溯到上一节点,检查当前节点的起点标志是否为真,若为真,则已回溯到起点,否则转到重复从后续节点中任取一节点作为当前节点的操作;检查有向运输网络体系中是否还有起点标志为真的节点,若还有,转到在有向运输网络体系中选取一个起点标志i继续搜索,否则整个搜索过程结束。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
在本发明的上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本发明所提供的几个实施例中,应所述理解到,所揭露的技术内容,可通过其它的方式实现。其中,以上所描述的系统实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,单元或模块的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元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。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的全部或部分可以以软件产品的形式体现出来,所述计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储介质(ROM,Read-Only Memory)、随机存取存储介质(RAM,RandomAccess Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (8)
1.一种基于大数据的粮食筒仓的倒仓仿真方法,其特征在于,包括:
获取粮食筒仓内的粮食状态信息,设置倒仓指数模型,计算每个粮食筒仓的倒仓指数,并设置倒仓阈值,将倒仓指数与倒仓阈值进行比较,从而确定是否需要倒仓,所述状态信息包括:种类系数、变质系数、质量系数和储存时间系数;
其中,倒仓指数模型为:
倒仓指数 DI,种类系数KC表示不同粮食种类的敏感性,值越高,粮食越容易变质,变质系数DC表示粮食变质的速度,值越高,粮食越容易变质,质量系数QC表示粮食质量状况,值越低,表示粮食质量越好,储存时间系数TC表示粮食的储存时间对粮食质量的影响,值越高,表示储存时间对粮食质量影响越大,当前重量CW表示粮食的当前重量;
设置船舶到港判断模型,当确定粮食筒仓需要进行倒仓时,计算船舶到港概率,根据船舶到港概率,确定粮食筒仓是否能够进行倒仓;
当粮食筒仓能够进行倒仓时,获取港口倒仓时每个倒仓操作节点的历史倒仓操作数据,根据历史倒仓操作数据,按照图论方法,将港口倒仓操作抽象成有向运输网络体系,对有向运输网络体系进行搜索,查找倒仓的最佳操作流程。
4. 如权利要求1 的一种基于大数据的粮食筒仓的倒仓仿真方法,其特征在于,对有向运输网络体系进行搜索,查找倒仓的最佳操作路径包括:
在有向运输网络体系中选取一个起点标志i,对所有以i为起点的倒仓的路径开始搜索;
从后续节点中任取一节点作为当前节点,检查当前节点的终点标志是否为真,若为真,则已经搜索到倒仓的路径,否则重复从后续节点中任取一节点作为当前节点进行操作,直到搜索到终点标志为真的节点为止;
将搜索到的倒仓的路径存入结果路径表中,回溯到上一节点,检查当前节点的起点标志是否为真,若为真,则已回溯到起点,否则转到重复从后续节点中任取一节点作为当前节点的操作;检查有向运输网络体系中是否还有起点标志为真的节点,若还有,转到在有向运输网络体系中选取一个起点标志i继续搜索,否则整个搜索过程结束。
5.一种基于大数据的粮食筒仓的倒仓仿真系统,其特征在于,包括:
设置倒仓指数模型模块,用于获取粮食筒仓内的粮食状态信息,设置倒仓指数模型,计算每个粮食筒仓的倒仓指数,并设置倒仓阈值,将倒仓指数与倒仓阈值进行比较,从而确定是否需要倒仓,所述状态信息包括:种类系数、变质系数、质量系数和储存时间系数;
其中,倒仓指数模型为:
倒仓指数 DI,种类系数KC表示不同粮食种类的敏感性,值越高,粮食越容易变质,变质系数DC表示粮食变质的速度,值越高,粮食越容易变质,质量系数QC表示粮食质量状况,值越低,表示粮食质量越好,储存时间系数TC表示粮食的储存时间对粮食质量的影响,值越高,表示储存时间对粮食质量影响越大,当前重量CW表示粮食的当前重量;
设置判断模型,用于设置船舶到港判断模型,当确定粮食筒仓需要进行倒仓时,计算船舶到港概率,根据船舶到港概率,确定粮食筒仓是否能够进行倒仓;
查找操作路径模块,用于当粮食筒仓能够进行倒仓时,获取港口倒仓时每个倒仓操作节点的历史倒仓操作数据,根据历史倒仓操作数据,按照图论方法,将港口倒仓操作抽象成有向运输网络体系,对有向运输网络体系进行搜索,查找倒仓的最佳操作路径。
8.如权利要求5的一种基于大数据的粮食筒仓的倒仓仿真系统,其特征在于,对有向运输网络体系进行搜索,查找倒仓的最佳操作路径包括:
在有向运输网络体系中选取一个起点标志i,对所有以i为起点的倒仓的路径开始搜索;
从后续节点中任取一节点作为当前节点,检查当前节点的终点标志是否为真,若为真,则已经搜索到倒仓的路径,否则重复从后续节点中任取一节点作为当前节点进行操作,直到搜索到终点标志为真的节点为止;
将搜索到的倒仓的路径存入结果路径表中,回溯到上一节点,检查当前节点的起点标志是否为真,若为真,则已回溯到起点,否则转到重复从后续节点中任取一节点作为当前节点的操作;检查有向运输网络体系中是否还有起点标志为真的节点,若还有,转到在有向运输网络体系中选取一个起点标志i继续搜索,否则整个搜索过程结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310516973.XA CN116227247B (zh) | 2023-05-09 | 2023-05-09 | 一种基于大数据的粮食筒仓的倒仓仿真方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310516973.XA CN116227247B (zh) | 2023-05-09 | 2023-05-09 | 一种基于大数据的粮食筒仓的倒仓仿真方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116227247A CN116227247A (zh) | 2023-06-06 |
CN116227247B true CN116227247B (zh) | 2023-07-04 |
Family
ID=86580994
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310516973.XA Active CN116227247B (zh) | 2023-05-09 | 2023-05-09 | 一种基于大数据的粮食筒仓的倒仓仿真方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116227247B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101485356A (zh) * | 2009-02-11 | 2009-07-22 | 胡屹博 | 长期储存粮食不变质的方法及其设备 |
CN107248053A (zh) * | 2017-05-19 | 2017-10-13 | 江苏中源物联网技术发展有限公司 | 一种粮食大数据智能分析管理系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101956649B1 (ko) * | 2018-09-05 | 2019-03-11 | 최보규 | IoT 기반의 미곡종합처리장 설비보전 및 운영지원 시스템 |
CN111310317B (zh) * | 2020-02-03 | 2023-02-14 | 安徽大学 | 基于大数据与插值预测的粮仓空时温度场预测方法及装置 |
CN114019859A (zh) * | 2021-10-29 | 2022-02-08 | 中央司法警官学院 | 一种粮库安全存储监控系统及方法 |
CN116029640B (zh) * | 2023-03-27 | 2023-07-04 | 交通运输部水运科学研究所 | 一种港口运输粮食的智能调度方法及系统 |
-
2023
- 2023-05-09 CN CN202310516973.XA patent/CN116227247B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101485356A (zh) * | 2009-02-11 | 2009-07-22 | 胡屹博 | 长期储存粮食不变质的方法及其设备 |
CN107248053A (zh) * | 2017-05-19 | 2017-10-13 | 江苏中源物联网技术发展有限公司 | 一种粮食大数据智能分析管理系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116227247A (zh) | 2023-06-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10509846B2 (en) | Accelerator for processing data | |
CN116029640B (zh) | 一种港口运输粮食的智能调度方法及系统 | |
CN111027902A (zh) | 无人仓货品运输匹配方法及装置 | |
CN108897577A (zh) | 一种服务器背板cpld状态自适应系统及方法 | |
CN116227247B (zh) | 一种基于大数据的粮食筒仓的倒仓仿真方法及系统 | |
Zhong et al. | Adaptive autotuning mathematical approaches for integrated optimization of automated container terminal | |
Zhong et al. | Application of hybrid GA-PSO based on intelligent control fuzzy system in the integrated scheduling in automated container terminal | |
Peng et al. | A collaborative berth allocation problem with multiple ports based on genetic algorithm | |
CN115564144A (zh) | 一种港口船舶调度优化方法、装置及存储介质 | |
EP1840776A1 (en) | Simulation system and simulation method | |
CN116228079B (zh) | 一种粮食集装箱运输调度方法及系统 | |
CN116167245A (zh) | 基于多属性转运决策模型的多式联运粮食运输方法及系统 | |
CN113050644A (zh) | 基于迭代贪婪进化的agv调度方法 | |
CN113184507A (zh) | 光伏组件的分档控制方法、装置、设备及存储介质 | |
CN109018809B (zh) | 一种仓储管理方法和仓储系统 | |
CN107133753A (zh) | 一种自提柜离线存取包裹的方法及系统 | |
CN104992202B (zh) | 一种用于仓储物流的免分拣系统及方法 | |
CN107909200A (zh) | 一种高效的集装箱码头装卸调度装置 | |
Li et al. | Container terminal berth and yard collaborative allocation for import and export synchronous operations by computational logistics | |
CN117522235B (zh) | 码头发运智能调度方法、系统、电子设备及存储介质 | |
CN112150088A (zh) | 一种吞吐柔性智能装配物流路径规划方法及系统 | |
CN112164034A (zh) | 一种工件表面缺陷检测方法、装置、电子设备及存储介质 | |
CN100471301C (zh) | 一种短消息处理方法及相应的移动终端 | |
CN113807633B (zh) | 越库调度方法、装置及可读存储介质和电子设备 | |
WO2024032381A1 (zh) | 订单处理方法、装置、设备、仓储系统及存储介质 |
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 |