CN116307636A - 一种用于智能工具柜终端的智能调控方法及系统 - Google Patents
一种用于智能工具柜终端的智能调控方法及系统 Download PDFInfo
- Publication number
- CN116307636A CN116307636A CN202310554093.1A CN202310554093A CN116307636A CN 116307636 A CN116307636 A CN 116307636A CN 202310554093 A CN202310554093 A CN 202310554093A CN 116307636 A CN116307636 A CN 116307636A
- Authority
- CN
- China
- Prior art keywords
- index
- access safety
- safety cabinets
- storage
- priority
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 239000000463 material Substances 0.000 claims abstract description 653
- 238000003860 storage Methods 0.000 claims abstract description 146
- 238000005457 optimization Methods 0.000 claims abstract description 22
- 238000012795 verification Methods 0.000 claims abstract description 17
- 238000011156 evaluation Methods 0.000 claims description 54
- 238000012216 screening Methods 0.000 claims description 37
- 230000007613 environmental effect Effects 0.000 claims description 30
- 238000010219 correlation analysis Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000013441 quality evaluation Methods 0.000 claims description 10
- 238000001303 quality assessment method Methods 0.000 claims description 9
- 238000007418 data mining Methods 0.000 claims description 6
- 238000007417 hierarchical cluster analysis Methods 0.000 claims description 6
- 238000005065 mining Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 20
- 230000036541 health Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 238000009776 industrial production Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
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
- G06Q10/06—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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用于智能工具柜终端的智能调控方法及系统，涉及物料调度领域，其中，所述方法包括：接收工单信息；匹配N个物料存取安全柜，获取N组物料存储状态；根据物料质量标定结果对N个物料存取安全柜进行选取，获取M个物料存取安全柜；基于M个物料存取安全柜的存储位置状态信息和存储量状态信息，以及物料需求量和物料需求位置进行路线优化，生成物料调度路线；将物料调度路线和物料调度身份验证信息发送至物料调度终端进行调度调控。解决了现有技术中针对物料的存取调度调控准确性不足、灵活度等技术问题。达到了提高物料的存取调度调控的准确性、灵活度，提升物料的存取调度调控质量等技术效果。
Description
技术领域
本发明涉及物料调度领域，具体地，涉及一种用于智能工具柜终端的智能调控方法及系统。
背景技术
随着工业生产水平的提高，工业生产过程向着复杂化的方向不断发展，工业生产需要的物料类型的多样化程度也不断提高。这对物料调度调控提出了更高层次的要求。物料调度调控是重要的生产节点之一。物料调度调控对于提高生产质量、提升生产效率等，具有十分重要的影响。现有技术中，存在针对物料的存取调度调控准确性不足、灵活度低，继而造成物料的存取调度调控效果不佳的技术问题。
发明内容
本申请提供了一种用于智能工具柜终端的智能调控方法及系统。解决了现有技术中针对物料的存取调度调控准确性不足、灵活度低，继而造成物料的存取调度调控效果不佳的技术问题。达到了提高物料的存取调度调控的准确性、灵活度，实现根据物料需求进行适应性、及时、高效的物料调度，提升物料的存取调度调控质量的技术效果。
鉴于上述问题，本申请提供了一种用于智能工具柜终端的智能调控方法及系统。
第一方面，本申请提供了一种用于智能工具柜终端的智能调控方法，其中，所述方法应用于一种用于智能工具柜终端的智能调控系统，所述方法包括：接收工单信息，其中，所述工单信息包括物料需求类型、物料需求量和物料需求位置；根据所述物料需求类型，匹配N个物料存取安全柜，获取N组物料存储状态，其中，所述N组物料存储状态包括存储环境状态信息、存储位置状态信息和存储量状态信息，N≥1，N为整数；根据所述存储环境状态信息对所述物料需求类型进行质量评估，获取物料质量标定结果；根据所述物料质量标定结果对所述N个物料存取安全柜进行选取，获取M个物料存取安全柜，N≥M≥1，M为整数；基于所述M个物料存取安全柜的所述存储位置状态信息和所述存储量状态信息，以及所述物料需求量和所述物料需求位置进行路线优化，生成物料调度路线；将所述物料调度路线和物料调度身份验证信息发送至所述物料调度终端进行调度调控。
第二方面，本申请还提供了一种用于智能工具柜终端的智能调控系统，其中，所述系统包括：工单信息接收模块，所述工单信息接收模块用于接收工单信息，其中，所述工单信息包括物料需求类型、物料需求量和物料需求位置；物料存储状态获取模块，所述物料存储状态获取模块用于根据所述物料需求类型，匹配N个物料存取安全柜，获取N组物料存储状态，其中，所述N组物料存储状态包括存储环境状态信息、存储位置状态信息和存储量状态信息，N≥1，N为整数；物料质量标定模块，所述物料质量标定模块用于根据所述存储环境状态信息对所述物料需求类型进行质量评估，获取物料质量标定结果；安全柜选取模块，所述安全柜选取模块用于根据所述物料质量标定结果对所述N个物料存取安全柜进行选取，获取M个物料存取安全柜，N≥M≥1，M为整数；路线优化模块，所述路线优化模块用于基于所述M个物料存取安全柜的所述存储位置状态信息和所述存储量状态信息，以及所述物料需求量和所述物料需求位置进行路线优化，生成物料调度路线；调度调控模块，所述调度调控模块用于将所述物料调度路线和物料调度身份验证信息发送至所述物料调度终端进行调度调控。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
通过物料调度终端，接收由物料需求类型、物料需求量和物料需求位置组成的工单信息；根据物料需求类型，匹配N个物料存取安全柜，获取N组物料存储状态；根据N组物料存储状态对物料需求类型进行质量评估，获取物料质量标定结果；根据物料质量标定结果对N个物料存取安全柜进行选取，获取M个物料存取安全柜；基于M个物料存取安全柜的存储位置状态信息和存储量状态信息，以及物料需求量和物料需求位置进行路线优化，生成物料调度路线；将物料调度路线和物料调度身份验证信息发送至物料调度终端进行调度调控。达到了提高物料的存取调度调控的准确性、灵活度，实现根据物料需求进行适应性、及时、高效的物料调度，提升物料的存取调度调控质量的技术效果。
上述说明仅是本申请技术方案的概述，并且为了让本申请的技术方案和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本申请一种用于智能工具柜终端的智能调控方法的流程示意图；
图2为本申请一种用于智能工具柜终端的智能调控方法中获取物料质量标定结果的流程示意图；
图3为本申请一种用于智能工具柜终端的智能调控系统的结构示意图。
附图标记说明：工单信息接收模块11，物料存储状态获取模块12，物料质量标定模块13，安全柜选取模块14，路线优化模块15，调度调控模块16。
具体实施方式
本申请通过提供一种用于智能工具柜终端的智能调控方法及系统。解决了现有技术中针对物料的存取调度调控准确性不足、灵活度低，继而造成物料的存取调度调控效果不佳的技术问题。达到了提高物料的存取调度调控的准确性、灵活度，实现根据物料需求进行适应性、及时、高效的物料调度，提升物料的存取调度调控质量的技术效果。
实施例一：
请参阅附图1，本申请提供一种用于智能工具柜终端的智能调控方法，其中，所述方法应用于一种用于智能工具柜终端的智能调控系统，所述系统包括物料调度终端，所述物料调度终端与多个物料存取安全柜通信连接，所述方法具体包括如下步骤：
步骤S100：接收工单信息，其中，所述工单信息包括物料需求类型、物料需求量和物料需求位置；
步骤S200：根据所述物料需求类型，匹配N个物料存取安全柜，获取N组物料存储状态，其中，所述N组物料存储状态包括存储环境状态信息、存储位置状态信息和存储量状态信息，N≥1，N为整数；
具体而言，将工单信息发送至物料调度终端，通过物料调度终端对工单信息进行存取安全柜匹配，获得N个物料存取安全柜和N组物料存储状态。
其中，所述工单信息包括物料需求类型、物料需求量和物料需求位置。物料需求类型包括生产原料、生产设备、维修零件等多个物料需求类型参数。物料需求量包括物料需求类型中的每个物料需求类型参数对应的数量信息/质量信息。物料需求位置包括物料需求类型中的每个物料需求类型参数对应的物料需求位置参数。例如，物料需求位置参数包括具有物料需求的工厂车间位置信息。物料调度终端与多个物料存取安全柜通信连接。且，每个物料存取安全柜具有对应标识的物料存储类型信息、存储环境状态信息、存储位置状态信息和存储量状态信息。物料存储类型信息包括每个物料存取安全柜存储的多个物料存储类型参数。N个物料存取安全柜包括物料存储类型信息符合物料需求类型的多个物料存取安全柜。且，N≥1，N为整数。N组物料存储状态包括存储环境状态信息、存储位置状态信息和存储量状态信息。存储环境状态信息包括每个物料存取安全柜的实时存储环境温度、存储环境湿度等多个实时存储环境参数。存储位置状态信息包括每个物料存取安全柜的实时存储位置信息。存储量状态信息包括每个物料存取安全柜中的每个物料存储类型参数对应的实时存储数量信息/实时存储质量信息。
达到了根据物料需求类型，匹配N个物料存取安全柜，并确定N个物料存取安全柜对应的N组物料存储状态，为后续根据工单信息进行物料的存取调度调控奠定基础的技术效果。
步骤S300：根据所述存储环境状态信息对所述物料需求类型进行质量评估，获取物料质量标定结果；
进一步的，如附图2所示，本申请步骤S300还包括：
步骤S310：根据所述物料需求类型对环境初始指标进行关联度分析，获取指标关联度大于或等于关联度阈值的环境指标，设为敏感环境指标；
进一步的，本申请步骤S310还包括：
步骤S311：获得所述物料需求类型的物料状态指标；
步骤S312：以所述物料状态指标为第一检索目标，以及所述环境初始指标为第二检索目标进行数据挖掘，获取物料状态指标特征值序列和环境初始指标特征值序列，其中，所述第一检索目标和所述第二检索目标一一对应；
步骤S313：以所述物料状态指标特征值序列为基准比对序列，以环境初始指标特征值序列为目标比对序列；
步骤S314：根据所述基准比对序列和所述目标比对序列进行灰色关联度分析，生成指标关联度；
步骤S315：将所述指标关联度大于或等于所述关联度阈值的环境指标，设为所述敏感环境指标。
具体而言，基于物料需求类型进行状态指标查询，确定物料状态指标。物料状态指标包括物料需求类型中的每个物料需求类型参数对应的物料状态指标集合。物料状态指标集合包括每个物料需求类型参数对应的影响物料健康状态的多个物料状态健康指标。例如，当物料需求类型参数为电气设备维修零件时，对应的物料状态指标集合包括电气设备维修零件的零件腐蚀指标、零件老化指标等多个物料状态健康指标。
进一步，将物料状态指标设置为第一检索目标，将环境初始指标设置为第二检索目标。且，第一检索目标和第二检索目标一一对应。环境初始指标包括物料状态指标对应的存储环境温度、存储环境湿度等多个存储环境指标。继而，基于第一检索目标、第二检索目标进行历史数据采集，获得物料状态指标特征值序列和环境初始指标特征值序列。所述物料状态指标特征值序列包括物料状态指标对应的多组历史物料状态指标值。每组历史物料状态指标值包括每个物料需求类型参数的多个物料状态健康指标对应的多个历史物料状态指标值集合。每个历史物料状态指标值集合包括多个物料状态健康指标对应的多个历史物料状态健康指标值。环境初始指标特征值序列包括物料状态指标特征值序列对应的多组环境指标信息集合。每组环境指标信息集合包括每组历史物料状态指标值对应的历史存储环境温度、历史存储环境湿度等多个历史存储环境指标值。
进一步，将物料状态指标特征值序列作为基准比对序列，将环境初始指标特征值序列作为目标比对序列。通过对基准比对序列和目标比对序列进行灰色关联度分析，生成指标关联度。指标关联度包括每组历史物料状态指标值与每组环境指标信息集合之间的多个指标关联度参数。对多个指标关联度参数是否大于或等于关联度阈值进行判断，当指标关联度参数大于或等于关联度阈值时，将该指标关联度参数对应的存储环境指标设置为敏感环境指标。其中，灰色关联度是指基准比对序列和目标比对序列之间的关联性大小的量度。若基准比对序列和目标比对序列的变化趋势具有一致性，即，基准比对序列和目标比对序列的同步变化程度较高，则，基准比对序列和目标比对序列的关联程度较高。灰色关联度分析是根据基准比对序列和目标比对序列之间发展趋势的相似或相异程度进行关联程度分析的方法。关联度阈值包括预先设置确定的指标关联度参数阈值。所述敏感环境指标包括大于或等于关联度阈值的多个指标关联度参数对应的多个存储环境指标。
示例性地，在对基准比对序列和目标比对序列进行灰色关联度分析时，基于基准比对序列、目标比对序列进行大数据查询，获得多组构建数据。每组构建数据包括历史基准比对序列、历史目标比对序列、历史指标关联度。将多组构建数据中随机的70％划分为训练数据集。将多组构建数据中随机的30％划分为测试数据集。基于BP神经网络，对训练数据集进行交叉监督训练，获得灰色关联度分析模型。将测试数据集作为输入信息，输入灰色关联度分析模型，通过测试数据集对灰色关联度分析模型进行参数更新。BP神经网络是一种按照误差逆向传播算法进行训练的多层前馈神经网络。BP神经网络可以进行正向计算、反向计算。正向计算时，输入信息从输入层经过多层神经元逐层处理，转向输出层，每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出，则转入反向计算，将误差信号沿原来的连接通路返回，通过修改各神经元的权值，使得误差信号最小。灰色关联度分析模型包括输入层、隐含层、输出层。将基准比对序列和目标比对序列输入灰色关联度分析模型，获得指标关联度。
达到了通过物料需求类型对环境初始指标进行关联度分析，获得准确的敏感环境指标，从而提高对N个物料存取安全柜进行物料质量标定的可靠性的技术效果。
步骤S320：根据所述敏感环境指标对所述物料需求类型进行频繁模式挖掘，获取敏感环境指标基准状态；
进一步的，本申请步骤S320还包括：
步骤S321：根据所述物料状态指标，获得物料状态指标预设特征，其中，所述物料状态指标预设特征表征健康物料状态；
步骤S322：以所述物料状态指标预设特征为检索约束条件，以所述敏感环境指标的特征值为第三检索目标进行数据挖掘，获取多条敏感环境指标特征值记录数据；
步骤S323：遍历所述敏感环境指标，设定多个指标聚类偏差阈值；
步骤S324：根据所述多个指标聚类偏差阈值对所述多条敏感环境指标特征值记录数据进行层次聚类分析，获取敏感环境指标特征值聚类结果；
步骤S325：获取所述敏感环境指标特征值聚类结果的类内支持度，其中，所述类内支持度表征聚类的敏感环境指标特征值记录数据条数；
步骤S326：筛选最大值所述类内支持度的所述敏感环境指标特征值聚类结果的指标特征值区间，设为所述敏感环境指标基准状态。
具体而言，将物料状态指标设置为物料状态指标预设特征。物料状态指标预设特征表征健康物料状态。将物料状态指标预设特征设置为检索约束条件，将敏感环境指标的特征值设置为第三检索目标，基于检索约束条件、第三检索目标进行大数据查询，获得多条敏感环境指标特征值记录数据。每条敏感环境指标特征值记录数据包括处于健康物料状态的物料状态指标对应的敏感环境指标的多个历史存储环境指标值参数。
进一步，遍历敏感环境指标中的多个存储环境指标设置多个指标聚类偏差阈值。多个指标聚类偏差阈值包括预先设置确定的敏感环境指标中的多个存储环境指标对应的多个存储环境指标偏差阈值。根据多个指标聚类偏差阈值对多条敏感环境指标特征值记录数据进行层次聚类分析，获取敏感环境指标特征值聚类结果。即，分别按照敏感环境指标中的每个存储环境指标和每个存储环境指标对应的指标聚类偏差阈值对多条敏感环境指标特征值记录数据进行聚类分析，获得多个指标特征值聚类结果，并对多个指标特征值聚类结果进行交集提取，获得多个交集指标特征值聚类结果。将多个交集指标特征值聚类结果输出为敏感环境指标特征值聚类结果。且，敏感环境指标特征值聚类结果包括类内支持度。类内支持度包括多个类内支持度参数。每个类内支持度参数包括每个交集指标特征值聚类结果内聚类的敏感环境指标特征值记录数据的条数。继而，基于多个类内支持度参数进行筛选，确定最大类内支持度参数，并将最大类内支持度参数对应的敏感环境指标特征值聚类结果的指标特征值区间输出为敏感环境指标基准状态。
示例性地，在按照敏感环境指标中的每个存储环境指标和每个存储环境指标对应的指标聚类偏差阈值对多条敏感环境指标特征值记录数据进行聚类分析时，存储环境指标包括存储环境湿度，存储环境指标对应的指标聚类偏差阈值为存储环境湿度偏差阈值。遍历多条敏感环境指标特征值记录数据进行相邻的环境湿度差值计算，获得多个环境湿度差值。分别判断多个环境湿度差值是否小于存储环境湿度偏差阈值。如果环境湿度差值小于存储环境湿度偏差阈值，则，将该环境湿度差值对应的敏感环境指标特征值记录数据归为一类敏感环境指标特征值记录数据，并对该类敏感环境指标特征值记录数据进行均值计算，获得该类敏感环境指标特征值记录数据的聚类湿度均值。如果环境湿度差值大于/等于存储环境湿度偏差阈值，则，将该环境湿度差值对应的敏感环境指标特征值记录数据归为两类敏感环境指标特征值记录数据。重复聚类直到任意相邻的环境湿度差值大于/等于存储环境湿度偏差阈值，获得存储环境湿度特征值聚类结果，并将存储环境湿度特征值聚类结果添加至多个指标特征值聚类结果中。
达到了通过对多条敏感环境指标特征值记录数据进行层次聚类分析，生成可靠的敏感环境指标基准状态，从而提高对N个物料存取安全柜进行物料质量标定的精确度的技术效果。
步骤S330：根据所述存储环境状态信息对所述敏感环境指标基准状态进行偏离度分析，获取指标单因子偏离度列表和指标综合偏离度；
步骤S340：当所述指标单因子偏离度列表满足单因子偏离阈值列表，根据所述指标综合偏离度对所述物料需求类型进行质量评估，获取所述物料质量标定结果；
步骤S350：当所述单因子偏离度列表不满足所述单因子偏离阈值列表，将所述物料需求类型的所述物料质量标定结果标定为质量不合格。
步骤S400：根据所述物料质量标定结果对所述N个物料存取安全柜进行选取，获取M个物料存取安全柜，N≥M≥1，M为整数；
具体而言，根据存储环境状态信息对敏感环境指标基准状态进行偏离度分析，获得指标单因子偏离度列表和指标综合偏离度。其中，敏感环境指标基准状态包括最大类内支持度参数对应的敏感环境指标特征值聚类结果的指标特征值区间。指标单因子偏离度列表包括N个物料存取安全柜对应的N组指标单因子偏离度集合。每组指标单因子偏离度集合包括每个物料存取安全柜的多个实时存储环境参数对应的多个指标单因子偏离度参数。指标综合偏离度包括N个物料存取安全柜对应的N个综合偏离度系数。每个综合偏离度系数包括每个物料存取安全柜对应的多个指标单因子偏离度参数的平均值。
示例性地，依次将每个物料存取安全柜的多个实时存储环境参数输入指标偏离度计算公式，即可获得N组指标单因子偏离度集合。
指标偏离度计算公式包括
其中，f(x)为输出的指标单因子偏离度参数；X为输入的每个物料存取安全柜的每个实时存储环境参数；Xa为在敏感环境指标基准状态中，输入的实时存储环境参数对应的最小指标特征值；Xb为在敏感环境指标基准状态中，输入的实时存储环境参数对应的最大指标特征值。
进一步，单因子偏离阈值列表包括N个物料存取安全柜对应的N组单因子偏离阈值。每组单因子偏离阈值包括预先设置确定的每个物料存取安全柜的多个指标单因子偏离度参数对应的多个指标单因子偏离度参数阈值。分别判断每个物料存取安全柜的多个指标单因子偏离度参数是否满足对应的多个指标单因子偏离度参数阈值。
当物料存取安全柜的多个指标单因子偏离度参数完全满足对应的多个指标单因子偏离度参数阈值时，获得该物料存取安全柜对应的物料质量标定信息。物料质量标定信息为该物料存取安全柜质量合格，且，该物料存取安全柜具有质量评估系数。质量评估系数为该物料存取安全柜对应的综合偏离度系数的倒数。综合偏离度系数越大，对应的质量评估系数越小。
当物料存取安全柜的多个指标单因子偏离度参数不完全满足对应的多个指标单因子偏离度参数阈值时，获得该物料存取安全柜对应的物料质量标定信息。物料质量标定信息为该物料存取安全柜质量不合格。物料质量标定结果包括每个物料存取安全柜对应的物料质量标定信息。继而，根据物料质量标定结果对N个物料存取安全柜进行筛选，获取M个物料存取安全柜。且，N≥M≥1，M为整数。M个物料存取安全柜包括N个物料存取安全柜中，物料质量标定信息为物料存取安全柜质量合格的多个物料存取安全柜。达到了通过物料质量标定结果对N个物料存取安全柜进行适应性筛选，获取M个物料存取安全柜，从而提高物料调度的质量的技术效果。
步骤S500：基于所述M个物料存取安全柜的所述存储位置状态信息和所述存储量状态信息，以及所述物料需求量和所述物料需求位置进行路线优化，生成物料调度路线；
进一步的，本申请步骤S500还包括：
步骤S510：将所述物料质量标定结果设为优先级一级评价系数；
根据所述存储位置状态信息和所述物料需求位置进行距离计算，获取优先级二级评价系数；
步骤S520：将所述存储量状态信息设为优先级三级评价系数；
步骤S530：基于所述优先级一级评价系数、所述优先级二级评价系数和所述优先级三级评价系数，结合所述物料需求量对所述M个物料存取安全柜进行筛选，获取P个物料存取安全柜；
进一步的，本申请步骤S530还包括：
步骤S531：根据所述优先级一级评价系数对所述M个物料存取安全柜进行分级，获得物料存取安全柜一次分级结果；
步骤S532：根据所述优先级二级评价系数对所述M个物料存取安全柜进行分级，获取物料存取安全柜二次分级结果；
步骤S533：根据所述优先级三级评价系数对所述M个物料存取安全柜进行分级，获取物料存取安全柜三次分级结果；
具体而言，将物料质量标定结果设置为优先级一级评价系数。优先级一级评价系数包括M个物料存取安全柜对应的M个质量评估系数。继而，根据存储位置状态信息和物料需求位置进行距离计算，获取优先级二级评价系数。优先级二级评价系数包括M个物料存取安全柜对应的M个距离参数。M个距离参数包括M个物料存取安全柜对应的实时存储位置信息与物料需求位置之间的距离信息。将存储量状态信息设置为优先级三级评价系数。优先级三级评价系数包括M个安全柜存储量状态信息。M个安全柜存储量状态信息包括M个物料存取安全柜中，每个物料存取安全柜中的每个物料存储类型参数对应的实时存储数量信息/实时存储质量信息。
进一步，根据优先级一级评价系数对M个物料存取安全柜进行分级，获得物料存取安全柜一次分级结果。物料存取安全柜一次分级结果包括M个物料存取安全柜对应的M个一次分级系数。质量评估系数越大，则，一次分级系数越大，对应的M个物料存取安全柜的一次优先级越高。示例性地，在根据优先级一级评价系数对M个物料存取安全柜进行分级时，基于优先级一级评价系数进行历史数据查询，获得一次分级评价数据库。一次分级评价数据库包括多组一次分级评价数据。每组一次分级评价数据包括历史质量评估系数、历史一次分级系数。将优先级一级评价系数作为输入信息，输入一次分级评价数据库，通过一次分级评价数据库对优先级一级评价系数进行一次分级系数匹配，获得物料存取安全柜一次分级结果。
进一步，根据优先级二级评价系数对M个物料存取安全柜进行分级，获取物料存取安全柜二次分级结果。根据优先级三级评价系数对M个物料存取安全柜进行分级，获取物料存取安全柜三次分级结果。其中，物料存取安全柜二次分级结果包括M个物料存取安全柜对应的M个二次分级系数。物料存取安全柜三次分级结果包括M个物料存取安全柜对应的M个三次分级系数。物料存取安全柜二次分级结果、物料存取安全柜三次分级结果与物料存取安全柜一次分级结果的获得方式相同，为了说明书的简洁，在此不再赘述。
达到了根据优先级一级评价系数、优先级二级评价系数和优先级三级评价系数对M个物料存取安全柜进行分级，获得M个物料存取安全柜对应的物料存取安全柜一次分级结果、物料存取安全柜二次分级结果、物料存取安全柜三次分级结果，从而提高物料的存取调度调控分析全面性的技术效果。
步骤S534：根据所述物料存取安全柜一次分级结果、所述物料存取安全柜二次分级结果和所述物料存取安全柜三次分级结果，结合所述物料需求量对所述M个物料存取安全柜进行筛选，获取P个物料存取安全柜。
进一步的，本申请步骤S534还包括：
步骤S5341：构建筛选规则：获取所述M个物料存取安全柜的第一物料存取安全柜和第二物料存取安全柜，其中，所述第一物料存取安全柜和所述第二物料存取安全柜具有一次优先级、二次优先级和三次优先级；
步骤S5342：当所述一次优先级不同时，筛选所述一次优先级的较大值对应的物料存取安全柜；
步骤S5343：当所述一次优先级相同时，筛选所述二次优先级的较大值对应的物料存取安全柜；
步骤S5344：当所述一次优先级和所述三次优先级相同时，筛选所述二次优先级的较大值对应的物料存取安全柜；
步骤S5345：基于所述筛选规则和所述物料需求量遍历所述M个物料存取安全柜进行筛选，获取所述P个物料存取安全柜。
具体而言，基于物料需求量对M个安全柜存储量状态信息进行匹配。当M个安全柜存储量状态信息中，某个安全柜存储量状态信息能够完全满足物料需求量时，直接根据该安全柜存储量状态信息对应的物料存取安全柜进行物料调度。
当M个安全柜存储量状态信息中，不存在能够完全满足物料需求量的一个安全柜存储量状态信息时，则，需要对M个物料存取安全柜进行组合调度，即，根据筛选规则和物料需求量遍历M个物料存取安全柜进行筛选，直至获得满足物料需求量的P个物料存取安全柜。
筛选规则包括：基于M个物料存取安全柜进行随机筛选，获得第一物料存取安全柜和第二物料存取安全柜。第一物料存取安全柜、第二物料存取安全柜为M个物料存取安全柜中随机的任意两个物料存取安全柜。且，第一物料存取安全柜、第二物料存取安全柜都具有对应的一次优先级、二次优先级和三次优先级。一次优先级、二次优先级、三次优先级包括第一物料存取安全柜、第二物料存取安全柜对应的一次分级系数、二次分级系数、三次分级系数。当第一物料存取安全柜、第二物料存取安全柜的一次优先级不同时，将第一物料存取安全柜、第二物料存取安全柜中，一次优先级的较大值对应的物料存取安全柜添加至P个物料存取安全柜中。当第一物料存取安全柜、第二物料存取安全柜的一次优先级相同时，将二次优先级的较大值对应的物料存取安全柜添加至P个物料存取安全柜中。当第一物料存取安全柜、第二物料存取安全柜的一次优先级和三次优先级相同时，将二次优先级的较大值对应的物料存取安全柜添加至P个物料存取安全柜中。重复迭代筛选，直至获得满足物料需求量的P个物料存取安全柜。达到了通过筛选规则和物料需求量对M个物料存取安全柜进行筛选，获取P个物料存取安全柜，提高物料的存取调度调控的灵活度、适应性的技术效果。
步骤S540：获取所述P个物料存取安全柜的P物料存取安全柜位置状态和P个物料调度量状态，M≥P≥1，P为整数；
步骤S550：根据所述P物料存取安全柜位置状态和所述P个物料调度量状态，以及所述物料需求位置进行路线优化，生成所述物料调度路线。
步骤S600：将所述物料调度路线和物料调度身份验证信息发送至所述物料调度终端进行调度调控。
具体而言，基于P个物料存取安全柜进行位置状态信息、调度量状态信息采集，获得P物料存取安全柜位置状态和P个物料调度量状态。继而，基于P物料存取安全柜位置状态、P个物料调度量状态、物料需求位置进行路线优化，获得物料调度路线。N个物料存取安全柜中，每个物料存取安全柜包括预先设置确定的开柜验证密码信息。基于P个物料存取安全柜进行开柜验证密码信息采集，获得物料调度身份验证信息。将物料调度路线和物料调度身份验证信息发送至物料调度终端进行调度调控。其中，P物料存取安全柜位置状态包括P个物料存取安全柜对应的实时存储位置信息。P个物料调度量状态包括P个物料存取安全柜中，每个物料存取安全柜对应的物料调度类型、物料调度数量、物料调度重量信息。物料调度身份验证信息包括P个物料存取安全柜对应的P个开柜验证密码信息。达到了通过物料调度路线和物料调度身份验证信息进行物料调度调控，提高物料的存取调度调控效果的技术效果。
示例性地，在基于P物料存取安全柜位置状态、P个物料调度量状态、物料需求位置进行路线优化时，按照P物料存取安全柜位置状态、P个物料调度量状态、物料需求位置进行历史数据查询，获得多组构建数据集。每组构建数据集包括P物料存取安全柜历史位置状态、P个历史物料调度量状态、历史物料需求位置、历史物料调度路线。基于BP神经网络，将多组构建数据集进行不断的自我训练学习至收敛状态，即可获得路线优化模型。路线优化模型包括输入层、隐含层、输出层。将P物料存取安全柜位置状态、P个物料调度量状态、物料需求位置输入路线优化模型中，通过路线优化模型对P物料存取安全柜位置状态、P个物料调度量状态、物料需求位置进行调度路线匹配，获得物料调度路线。
综上所述，本申请所提供的一种用于智能工具柜终端的智能调控方法具有如下技术效果：
1.通过物料调度终端，接收由物料需求类型、物料需求量和物料需求位置组成的工单信息；根据物料需求类型，匹配N个物料存取安全柜，获取N组物料存储状态；根据N组物料存储状态对物料需求类型进行质量评估，获取物料质量标定结果；根据物料质量标定结果对N个物料存取安全柜进行选取，获取M个物料存取安全柜；基于M个物料存取安全柜的存储位置状态信息和存储量状态信息，以及物料需求量和物料需求位置进行路线优化，生成物料调度路线；将物料调度路线和物料调度身份验证信息发送至物料调度终端进行调度调控。达到了提高物料的存取调度调控的准确性、灵活度，实现根据物料需求进行适应性、及时、高效的物料调度，提升物料的存取调度调控质量的技术效果。
2.通过物料需求类型对环境初始指标进行关联度分析，获得准确的敏感环境指标，从而提高对N个物料存取安全柜进行物料质量标定的可靠性。
3.根据优先级一级评价系数、优先级二级评价系数和优先级三级评价系数对M个物料存取安全柜进行分级，获得M个物料存取安全柜对应的物料存取安全柜一次分级结果、物料存取安全柜二次分级结果、物料存取安全柜三次分级结果，从而提高物料的存取调度调控分析全面性。
实施例二：
基于与前述实施例中一种用于智能工具柜终端的智能调控方法，同样发明构思，本发明还提供了一种用于智能工具柜终端的智能调控系统，所述系统包括物料调度终端，所述物料调度终端与多个物料存取安全柜通信连接，请参阅附图3，所述系统还包括：
工单信息接收模块11，所述工单信息接收模块11用于接收工单信息，其中，所述工单信息包括物料需求类型、物料需求量和物料需求位置；
物料存储状态获取模块12，所述物料存储状态获取模块12用于根据所述物料需求类型，匹配N个物料存取安全柜，获取N组物料存储状态，其中，所述N组物料存储状态包括存储环境状态信息、存储位置状态信息和存储量状态信息，N≥1，N为整数；
物料质量标定模块13，所述物料质量标定模块13用于根据所述存储环境状态信息对所述物料需求类型进行质量评估，获取物料质量标定结果；
安全柜选取模块14，所述安全柜选取模块14用于根据所述物料质量标定结果对所述N个物料存取安全柜进行选取，获取M个物料存取安全柜，N≥M≥1，M为整数；
路线优化模块15，所述路线优化模块15用于基于所述M个物料存取安全柜的所述存储位置状态信息和所述存储量状态信息，以及所述物料需求量和所述物料需求位置进行路线优化，生成物料调度路线；
调度调控模块16，所述调度调控模块16用于将所述物料调度路线和物料调度身份验证信息发送至所述物料调度终端进行调度调控。
进一步的，所述系统还包括：
关联度分析模块，所述关联度分析模块用于根据所述物料需求类型对环境初始指标进行关联度分析，获取指标关联度大于或等于关联度阈值的环境指标，设为敏感环境指标；
频繁模式挖掘模块，所述频繁模式挖掘模块用于根据所述敏感环境指标对所述物料需求类型进行频繁模式挖掘，获取敏感环境指标基准状态；
偏离度分析模块，所述偏离度分析模块用于根据所述存储环境状态信息对所述敏感环境指标基准状态进行偏离度分析，获取指标单因子偏离度列表和指标综合偏离度；
第一执行模块，所述第一执行模块用于当所述指标单因子偏离度列表满足单因子偏离阈值列表，根据所述指标综合偏离度对所述物料需求类型进行质量评估，获取所述物料质量标定结果；
第二执行模块，所述第二执行模块用于当所述单因子偏离度列表不满足所述单因子偏离阈值列表，将所述物料需求类型的所述物料质量标定结果标定为质量不合格。
进一步的，所述系统还包括：
物料状态指标获得模块，所述物料状态指标获得模块用于获得所述物料需求类型的物料状态指标；
特征值序列获取模块，所述特征值序列获取模块用于以所述物料状态指标为第一检索目标，以及所述环境初始指标为第二检索目标进行数据挖掘，获取物料状态指标特征值序列和环境初始指标特征值序列，其中，所述第一检索目标和所述第二检索目标一一对应；
第三执行模块，所述第三执行模块用于以所述物料状态指标特征值序列为基准比对序列，以环境初始指标特征值序列为目标比对序列；
灰色关联度分析模块，所述灰色关联度分析模块用于根据所述基准比对序列和所述目标比对序列进行灰色关联度分析，生成指标关联度；
敏感环境指标获得模块，所述敏感环境指标获得模块用于将所述指标关联度大于或等于所述关联度阈值的环境指标，设为所述敏感环境指标。
进一步的，所述系统还包括：
物料状态指标预设特征获得模块，所述物料状态指标预设特征获得模块用于根据所述物料状态指标，获得物料状态指标预设特征，其中，所述物料状态指标预设特征表征健康物料状态；
第四执行模块，所述第四执行模块用于以所述物料状态指标预设特征为检索约束条件，以所述敏感环境指标的特征值为第三检索目标进行数据挖掘，获取多条敏感环境指标特征值记录数据；
指标聚类偏差阈值设定模块，所述指标聚类偏差阈值设定模块用于遍历所述敏感环境指标，设定多个指标聚类偏差阈值；
层次聚类分析模块，所述层次聚类分析模块用于根据所述多个指标聚类偏差阈值对所述多条敏感环境指标特征值记录数据进行层次聚类分析，获取敏感环境指标特征值聚类结果；
类内支持度获取模块，所述类内支持度获取模块用于获取所述敏感环境指标特征值聚类结果的类内支持度，其中，所述类内支持度表征聚类的敏感环境指标特征值记录数据条数；
第五执行模块，所述第五执行模块用于筛选最大值所述类内支持度的所述敏感环境指标特征值聚类结果的指标特征值区间，设为所述敏感环境指标基准状态。
进一步的，所述系统还包括：
优先级一级评价系数获得模块，所述优先级一级评价系数获得模块用于将所述物料质量标定结果设为优先级一级评价系数；
优先级二级评价系数获得模块，所述优先级二级评价系数获得模块用于根据所述存储位置状态信息和所述物料需求位置进行距离计算，获取优先级二级评价系数；
优先级三级评价系数获得模块，所述优先级三级评价系数获得模块用于将所述存储量状态信息设为优先级三级评价系数；
第六执行模块，所述第六执行模块用于基于所述优先级一级评价系数、所述优先级二级评价系数和所述优先级三级评价系数，结合所述物料需求量对所述M个物料存取安全柜进行筛选，获取P个物料存取安全柜；
第七执行模块，所述第七执行模块用于获取所述P个物料存取安全柜的P物料存取安全柜位置状态和P个物料调度量状态，M≥P≥1，P为整数；
物料调度路线生成模块，所述物料调度路线生成模块用于根据所述P物料存取安全柜位置状态和所述P个物料调度量状态，以及所述物料需求位置进行路线优化，生成所述物料调度路线。
进一步的，所述系统还包括：
一次分级模块，所述一次分级模块用于根据所述优先级一级评价系数对所述M个物料存取安全柜进行分级，获得物料存取安全柜一次分级结果；
二次分级模块，所述二次分级模块用于根据所述优先级二级评价系数对所述M个物料存取安全柜进行分级，获取物料存取安全柜二次分级结果；
三次分级模块，所述三次分级模块用于根据所述优先级三级评价系数对所述M个物料存取安全柜进行分级，获取物料存取安全柜三次分级结果；
第八执行模块，所述第八执行模块用于根据所述物料存取安全柜一次分级结果、所述物料存取安全柜二次分级结果和所述物料存取安全柜三次分级结果，结合所述物料需求量对所述M个物料存取安全柜进行筛选，获取P个物料存取安全柜。
进一步的，所述系统还包括：
规则构建模块，所述规则构建模块用于构建筛选规则：获取所述M个物料存取安全柜的第一物料存取安全柜和第二物料存取安全柜，其中，所述第一物料存取安全柜和所述第二物料存取安全柜具有一次优先级、二次优先级和三次优先级；
一次优先级筛选模块，所述一次优先级筛选模块用于当所述一次优先级不同时，筛选所述一次优先级的较大值对应的物料存取安全柜；
二次优先级筛选模块，所述二次优先级筛选模块用于当所述一次优先级相同时，筛选所述二次优先级的较大值对应的物料存取安全柜；
第九执行模块，所述第九执行模块用于当所述一次优先级和所述三次优先级相同时，筛选所述二次优先级的较大值对应的物料存取安全柜；
第十执行模块，所述第十执行模块用于基于所述筛选规则和所述物料需求量遍历所述M个物料存取安全柜进行筛选，获取所述P个物料存取安全柜。
本发明实施例所提供的一种用于智能工具柜终端的智能调控系统可执行本发明任意实施例所提供的一种用于智能工具柜终端的智能调控方法，具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
本申请提供了一种用于智能工具柜终端的智能调控方法，其中，所述方法应用于一种用于智能工具柜终端的智能调控系统，所述方法包括：通过物料调度终端，接收由物料需求类型、物料需求量和物料需求位置组成的工单信息；根据物料需求类型，匹配N个物料存取安全柜，获取N组物料存储状态；根据N组物料存储状态对物料需求类型进行质量评估，获取物料质量标定结果；根据物料质量标定结果对N个物料存取安全柜进行选取，获取M个物料存取安全柜；基于M个物料存取安全柜的存储位置状态信息和存储量状态信息，以及物料需求量和物料需求位置进行路线优化，生成物料调度路线；将物料调度路线和物料调度身份验证信息发送至物料调度终端进行调度调控。解决了现有技术中针对物料的存取调度调控准确性不足、灵活度低，继而造成物料的存取调度调控效果不佳的技术问题。达到了提高物料的存取调度调控的准确性、灵活度，实现根据物料需求进行适应性、及时、高效的物料调度，提升物料的存取调度调控质量的技术效果。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (8)
1.一种用于智能工具柜终端的智能调控方法，其特征在于，应用于物料调度终端，所述物料调度终端与多个物料存取安全柜通信连接，包括：
接收工单信息，其中，所述工单信息包括物料需求类型、物料需求量和物料需求位置；
根据所述物料需求类型，匹配N个物料存取安全柜，获取N组物料存储状态，其中，所述N组物料存储状态包括存储环境状态信息、存储位置状态信息和存储量状态信息，N≥1，N为整数；
根据所述存储环境状态信息对所述物料需求类型进行质量评估，获取物料质量标定结果；
根据所述物料质量标定结果对所述N个物料存取安全柜进行选取，获取M个物料存取安全柜，N≥M≥1，M为整数；
基于所述M个物料存取安全柜的所述存储位置状态信息和所述存储量状态信息，以及所述物料需求量和所述物料需求位置进行路线优化，生成物料调度路线；
将所述物料调度路线和物料调度身份验证信息发送至所述物料调度终端进行调度调控。
2.如权利要求1所述的方法，其特征在于，根据所述存储环境状态信息对所述物料需求类型进行质量评估，获取物料质量标定结果，包括：
根据所述物料需求类型对环境初始指标进行关联度分析，获取指标关联度大于或等于关联度阈值的环境指标，设为敏感环境指标；
根据所述敏感环境指标对所述物料需求类型进行频繁模式挖掘，获取敏感环境指标基准状态；
根据所述存储环境状态信息对所述敏感环境指标基准状态进行偏离度分析，获取指标单因子偏离度列表和指标综合偏离度；
当所述指标单因子偏离度列表满足单因子偏离阈值列表，根据所述指标综合偏离度对所述物料需求类型进行质量评估，获取所述物料质量标定结果；
当所述单因子偏离度列表不满足所述单因子偏离阈值列表，将所述物料需求类型的所述物料质量标定结果标定为质量不合格。
3.如权利要求2所述的方法，其特征在于，根据所述物料需求类型对环境初始指标进行关联度分析，获取指标关联度大于或等于关联度阈值的环境指标，设为敏感环境指标，包括：
获得所述物料需求类型的物料状态指标；
以所述物料状态指标为第一检索目标，以及所述环境初始指标为第二检索目标进行数据挖掘，获取物料状态指标特征值序列和环境初始指标特征值序列，其中，所述第一检索目标和所述第二检索目标一一对应；
以所述物料状态指标特征值序列为基准比对序列，以环境初始指标特征值序列为目标比对序列；
根据所述基准比对序列和所述目标比对序列进行灰色关联度分析，生成指标关联度；
将所述指标关联度大于或等于所述关联度阈值的环境指标，设为所述敏感环境指标。
4.如权利要求3所述的方法，其特征在于，根据所述敏感环境指标对所述物料需求类型进行频繁模式挖掘，获取敏感环境指标基准状态，包括：
根据所述物料状态指标，获得物料状态指标预设特征，其中，所述物料状态指标预设特征表征健康物料状态；
以所述物料状态指标预设特征为检索约束条件，以所述敏感环境指标的特征值为第三检索目标进行数据挖掘，获取多条敏感环境指标特征值记录数据；
遍历所述敏感环境指标，设定多个指标聚类偏差阈值；
根据所述多个指标聚类偏差阈值对所述多条敏感环境指标特征值记录数据进行层次聚类分析，获取敏感环境指标特征值聚类结果；
获取所述敏感环境指标特征值聚类结果的类内支持度，其中，所述类内支持度表征聚类的敏感环境指标特征值记录数据条数；
筛选最大值所述类内支持度的所述敏感环境指标特征值聚类结果的指标特征值区间，设为所述敏感环境指标基准状态。
5.如权利要求1所述的方法，其特征在于，基于所述M个物料存取安全柜的所述存储位置状态信息和所述存储量状态信息，以及所述物料需求量和所述物料需求位置进行路线优化，生成物料调度路线，包括：
将所述物料质量标定结果设为优先级一级评价系数；
根据所述存储位置状态信息和所述物料需求位置进行距离计算，获取优先级二级评价系数；
将所述存储量状态信息设为优先级三级评价系数；
基于所述优先级一级评价系数、所述优先级二级评价系数和所述优先级三级评价系数，结合所述物料需求量对所述M个物料存取安全柜进行筛选，获取P个物料存取安全柜；
获取所述P个物料存取安全柜的P物料存取安全柜位置状态和P个物料调度量状态，M≥P≥1，P为整数；
根据所述P物料存取安全柜位置状态和所述P个物料调度量状态，以及所述物料需求位置进行路线优化，生成所述物料调度路线。
6.如权利要求5所述的方法，其特征在于，基于所述优先级一级评价系数、所述优先级二级评价系数和所述优先级三级评价系数，结合所述物料需求量对所述M个物料存取安全柜进行筛选，获取P个物料存取安全柜，包括：
根据所述优先级一级评价系数对所述M个物料存取安全柜进行分级，获得物料存取安全柜一次分级结果；
根据所述优先级二级评价系数对所述M个物料存取安全柜进行分级，获取物料存取安全柜二次分级结果；
根据所述优先级三级评价系数对所述M个物料存取安全柜进行分级，获取物料存取安全柜三次分级结果；
根据所述物料存取安全柜一次分级结果、所述物料存取安全柜二次分级结果和所述物料存取安全柜三次分级结果，结合所述物料需求量对所述M个物料存取安全柜进行筛选，获取P个物料存取安全柜。
7.如权利要求6所述的方法，其特征在于，根据所述物料存取安全柜一次分级结果、所述物料存取安全柜二次分级结果和所述物料存取安全柜三次分级结果，结合所述物料需求量对所述M个物料存取安全柜进行筛选，获取P个物料存取安全柜，包括：
构建筛选规则：
获取所述M个物料存取安全柜的第一物料存取安全柜和第二物料存取安全柜，其中，所述第一物料存取安全柜和所述第二物料存取安全柜具有一次优先级、二次优先级和三次优先级；
当所述一次优先级不同时，筛选所述一次优先级的较大值对应的物料存取安全柜；
当所述一次优先级相同时，筛选所述二次优先级的较大值对应的物料存取安全柜；
当所述一次优先级和所述三次优先级相同时，筛选所述二次优先级的较大值对应的物料存取安全柜；
基于所述筛选规则和所述物料需求量遍历所述M个物料存取安全柜进行筛选，获取所述P个物料存取安全柜。
8.一种用于智能工具柜终端的智能调控系统，其特征在于，所述系统用于执行权利要求1至7中任一项所述的方法，所述系统包括物料调度终端，所述物料调度终端与多个物料存取安全柜通信连接，所述系统还包括：
工单信息接收模块，所述工单信息接收模块用于接收工单信息，其中，所述工单信息包括物料需求类型、物料需求量和物料需求位置；
物料存储状态获取模块，所述物料存储状态获取模块用于根据所述物料需求类型，匹配N个物料存取安全柜，获取N组物料存储状态，其中，所述N组物料存储状态包括存储环境状态信息、存储位置状态信息和存储量状态信息，N≥1，N为整数；
物料质量标定模块，所述物料质量标定模块用于根据所述存储环境状态信息对所述物料需求类型进行质量评估，获取物料质量标定结果；
安全柜选取模块，所述安全柜选取模块用于根据所述物料质量标定结果对所述N个物料存取安全柜进行选取，获取M个物料存取安全柜，N≥M≥1，M为整数；
路线优化模块，所述路线优化模块用于基于所述M个物料存取安全柜的所述存储位置状态信息和所述存储量状态信息，以及所述物料需求量和所述物料需求位置进行路线优化，生成物料调度路线；
调度调控模块，所述调度调控模块用于将所述物料调度路线和物料调度身份验证信息发送至所述物料调度终端进行调度调控。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310554093.1A CN116307636B (zh) | 2023-05-17 | 2023-05-17 | 一种用于智能工具柜终端的智能调控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310554093.1A CN116307636B (zh) | 2023-05-17 | 2023-05-17 | 一种用于智能工具柜终端的智能调控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116307636A true CN116307636A (zh) | 2023-06-23 |
| CN116307636B CN116307636B (zh) | 2023-08-04 |
Family
ID=86794500
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310554093.1A Active CN116307636B (zh) | 2023-05-17 | 2023-05-17 | 一种用于智能工具柜终端的智能调控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116307636B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190041374A1 (en) * | 2017-08-03 | 2019-02-07 | Central South University Of Forestry And Technology | Rapid screening method of processing raw rice for rice products |
| CN110276467A (zh) * | 2018-03-14 | 2019-09-24 | 米思米（中国）精密机械贸易有限公司 | 物流调度方法、物流调度服务器及物流调度系统 |
| CN111611325A (zh) * | 2020-05-20 | 2020-09-01 | 上海凯宝药业股份有限公司 | 一种生产物料智能化管理系统 |
| CN112418497A (zh) * | 2020-11-10 | 2021-02-26 | 河南科技大学 | 一种面向制造物联的物料配送路径优化方法 |
| CN112926903A (zh) * | 2021-04-16 | 2021-06-08 | 东莞市风雨科技有限公司 | 基于多源异构数据的物料传输与调度控制方法和系统 |
| CN113487177A (zh) * | 2021-07-04 | 2021-10-08 | 杭州晶志康电子科技有限公司 | 一种物料管理系统及管理方法 |
| CN113657820A (zh) * | 2021-10-21 | 2021-11-16 | 深圳市信润富联数字科技有限公司 | 产线配料方法、装置、设备及可读存储介质 |
| CN113706083A (zh) * | 2021-09-13 | 2021-11-26 | 海南库米什科技有限公司 | 一种智能物流调度方法 |
| CN114415613A (zh) * | 2022-01-07 | 2022-04-29 | 深圳市微特精密科技股份有限公司 | 一种自动生产管理系统 |
| WO2022087962A1 (zh) * | 2020-10-29 | 2022-05-05 | 西门子股份公司 | 基于仿真的闭环aps调度优化方法、系统及存储介质 |
| CN114648267A (zh) * | 2022-02-15 | 2022-06-21 | 无锡星际智慧物流有限公司 | 一种自动化立体仓库调度路径的优化方法及系统 |
| CN115355949A (zh) * | 2022-09-02 | 2022-11-18 | 成都语琳药业有限公司 | 一种基于可视化的制药原材料储存智能监测系统 |
| CN115660379A (zh) * | 2022-12-07 | 2023-01-31 | 中通服建设有限公司 | 一种基于图像识别的应急仓储智能控制系统 |
| CN115689341A (zh) * | 2022-10-20 | 2023-02-03 | 浙江链捷数字科技有限公司 | 一种基于柔性生产链的服装品质量管理方法及系统 |
-
2023
- 2023-05-17 CN CN202310554093.1A patent/CN116307636B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190041374A1 (en) * | 2017-08-03 | 2019-02-07 | Central South University Of Forestry And Technology | Rapid screening method of processing raw rice for rice products |
| CN110276467A (zh) * | 2018-03-14 | 2019-09-24 | 米思米（中国）精密机械贸易有限公司 | 物流调度方法、物流调度服务器及物流调度系统 |
| CN111611325A (zh) * | 2020-05-20 | 2020-09-01 | 上海凯宝药业股份有限公司 | 一种生产物料智能化管理系统 |
| WO2022087962A1 (zh) * | 2020-10-29 | 2022-05-05 | 西门子股份公司 | 基于仿真的闭环aps调度优化方法、系统及存储介质 |
| CN112418497A (zh) * | 2020-11-10 | 2021-02-26 | 河南科技大学 | 一种面向制造物联的物料配送路径优化方法 |
| CN112926903A (zh) * | 2021-04-16 | 2021-06-08 | 东莞市风雨科技有限公司 | 基于多源异构数据的物料传输与调度控制方法和系统 |
| CN113487177A (zh) * | 2021-07-04 | 2021-10-08 | 杭州晶志康电子科技有限公司 | 一种物料管理系统及管理方法 |
| CN113706083A (zh) * | 2021-09-13 | 2021-11-26 | 海南库米什科技有限公司 | 一种智能物流调度方法 |
| CN113657820A (zh) * | 2021-10-21 | 2021-11-16 | 深圳市信润富联数字科技有限公司 | 产线配料方法、装置、设备及可读存储介质 |
| CN114415613A (zh) * | 2022-01-07 | 2022-04-29 | 深圳市微特精密科技股份有限公司 | 一种自动生产管理系统 |
| CN114648267A (zh) * | 2022-02-15 | 2022-06-21 | 无锡星际智慧物流有限公司 | 一种自动化立体仓库调度路径的优化方法及系统 |
| CN115355949A (zh) * | 2022-09-02 | 2022-11-18 | 成都语琳药业有限公司 | 一种基于可视化的制药原材料储存智能监测系统 |
| CN115689341A (zh) * | 2022-10-20 | 2023-02-03 | 浙江链捷数字科技有限公司 | 一种基于柔性生产链的服装品质量管理方法及系统 |
| CN115660379A (zh) * | 2022-12-07 | 2023-01-31 | 中通服建设有限公司 | 一种基于图像识别的应急仓储智能控制系统 |
Non-Patent Citations (1)
| Title |
|---|
| 徐礼凯: "仓储机器人路径规划与调度优化", 《中国优秀硕士学位论文全文数据库（电子期刊）信息科技辑》, pages 140 - 431 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116307636B (zh) | 2023-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2022110557A1 (zh) | 一种台区户变关系异常诊断方法及装置 | |
| Lance et al. | Computer programs for hierarchical polythetic classification (“similarity analyses”) | |
| CN106371427B (zh) | 基于层次分析法和模糊融合的工业过程故障分类方法 | |
| CN105117602B (zh) | 一种计量装置运行状态预警方法 | |
| CN115270965B (zh) | 一种配电网线路故障预测方法和装置 | |
| CN111429034A (zh) | 一种配电网故障预测的方法 | |
| CN110163429A (zh) | 一种基于相似日优化筛选的短期负荷预测方法 | |
| CN111861013A (zh) | 一种电力负荷预测方法及装置 | |
| CN116737510B (zh) | 一种基于数据分析的键盘智能监测方法及系统 | |
| CN111881124A (zh) | 一种基于改进算法的状态估计的数据处理方法及系统 | |
| CN116579768B (zh) | 一种发电厂在线仪表运维管理方法及系统 | |
| CN108985455A (zh) | 一种计算机应用神经网络预测方法及系统 | |
| CN110264032A (zh) | 一种直流配网规划方案评价结果的获取方法 | |
| CN110544047A (zh) | 一种不良数据辨识方法 | |
| CN116402227A (zh) | 一种基于云计算的风电大数据分析方法及系统 | |
| CN114548494B (zh) | 一种可视化造价数据预测智能分析系统 | |
| CN115859450A (zh) | 一种基于bim技术的建筑建模数据处理方法及系统 | |
| Ullah et al. | Adaptive data balancing method using stacking ensemble model and its application to non-technical loss detection in smart grids | |
| CN117154716B (zh) | 一种分布式电源接入配电网的规划方法及系统 | |
| CN116307636B (zh) | 一种用于智能工具柜终端的智能调控方法及系统 | |
| CN109508820A (zh) | 基于差异化建模的校园用电量预测建模方法 | |
| CN115481844A (zh) | 基于特征提取和改进的svr模型的配网物资需求预测系统 | |
| CN111737924A (zh) | 一种基于多源数据选取典型负荷特性变电站的方法 | |
| CN116070458A (zh) | 基于rac-gan的新建风电场场景生成方法 | |
| CN115758259A (zh) | 一种基于特征融合的多源域泛化设备故障诊断方法 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231019 Address after: Room 1006, Building 8, No. 288 Ningxia Road, Shinan District, Qingdao City, Shandong Province, 266000 Patentee after: Pitu Artificial Intelligence (Qingdao) Co.,Ltd. Address before: 266000 room 107, Block E, No. 67 and 69, Yinchuan West Road, Shinan District, Qingdao, Shandong Patentee before: Bitu Technology (Qingdao) Co.,Ltd. |
|
| TR01 | Transfer of patent right |