CN117078163A - 基于数字孪生的物流仓储管控系统及方法 - Google Patents
基于数字孪生的物流仓储管控系统及方法 Download PDFInfo
- Publication number
- CN117078163A CN117078163A CN202311221128.6A CN202311221128A CN117078163A CN 117078163 A CN117078163 A CN 117078163A CN 202311221128 A CN202311221128 A CN 202311221128A CN 117078163 A CN117078163 A CN 117078163A
- Authority
- CN
- China
- Prior art keywords
- information
- model
- unit
- personnel
- equipment
- 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.)
- Pending
Links
- 238000003860 storage Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000000694 effects Effects 0.000 claims abstract description 10
- 239000000463 material Substances 0.000 claims description 77
- 238000004088 simulation Methods 0.000 claims description 49
- 238000010276 construction Methods 0.000 claims description 45
- 238000012502 risk assessment Methods 0.000 claims description 34
- 230000009471 action Effects 0.000 claims description 30
- 230000006399 behavior Effects 0.000 claims description 16
- 238000007726 management method Methods 0.000 claims description 15
- 230000003068 static effect Effects 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 9
- 238000005265 energy consumption Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000012800 visualization Methods 0.000 claims description 6
- 230000005856 abnormality Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims 1
- 238000007670 refining Methods 0.000 abstract description 2
- 210000002569 neuron Anatomy 0.000 description 8
- 230000008569 process Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
- G06K17/0022—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device
- G06K17/0029—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations arrangements or provisious for transferring data to distant stations, e.g. from a sensing device the arrangement being specially adapted for wireless interrogation of grouped or bundled articles tagged with wireless record carriers
-
- 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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Finance (AREA)
- Computer Networks & Wireless Communication (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于数字孪生的物流仓储管控系统及方法,涉及物流仓储管控技术领域,包括历史数据导入单元、模型构建单元,所述历史数据导入单元用于向模型构建单元中导入物流设备信息、物料信息、人员信息和环境信息的历史数据,所述模型构建单元用于构建数字孪生模型,其中数字孪生模型包括第一孪生模型、第二孪生模型、第三孪生模型和第四孪生模型,并根据接收的历史数据和采集的数据建立它们之间的关联关系。本发明通过模型构建单元对物流仓储系统进行从大到小的模型构建,逐步构建小模型可以更加精细地设计和控制物流仓储系统,通过逐步细化模型,针对性地进行优化和改进,从而可以提高物流仓储系统的操作准确性和执行效果。
Description
技术领域
本发明涉及物流仓储管控技术领域,具体为基于数字孪生的物流仓储管控系统及方法。
背景技术
数字孪生是指通过建立一个虚拟的、与实际对象或系统相对应的数字模型,来模拟、分析和优化实际对象或系统的行为和性能,将真实世界与数字世界相结合;
物流仓储系统是指管理和控制物流过程中仓储环节的一种信息化系统,它通过集成各项物流仓储活动的数据和操作,实现对仓库资源、库存以及物流运作的全面管理和监控;
传统的物流仓储系统主要基于静态的数据和规则进行管理,无法完全模拟和反映实际仓库环境的动态变化和复杂性,从而导致对于特殊情况的处理能力有限,且传统系统的数据更新和响应速度相对较慢,无法实时获取和处理大量的物流数据,并且传统的物流仓储系统在运营过程中往往依赖人工经验和规则制定决策,缺乏基于数据和模型的优化能力。
发明内容
本发明的目的在于提供基于数字孪生的物流仓储管控系统及方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:基于数字孪生的物流仓储管控系统及方法,包括历史数据导入单元、模型构建单元、人工录入单元、数据同步与更新单元、数据采集单元、孪生模拟单元、三维可视化单元、风险分析单元、实时监控单元、预测反馈单元、信息存储单元和问题溯源单元;
所述数据采集单元通过传感器或者和设备接口相连采集物流设备信息、物料信息、人员信息和环境信息,并将采集的信息分别传输至模型构建单元和数据同步与更新单元;
所述人工录入单元用于人工向模型构建单元中录入数据采集单元无法采集的信息,并将实时录入的信息传输至数据同步与更新单元;
所述历史数据导入单元用于向模型构建单元中导入物流设备信息、物料信息、人员信息和环境信息的历史数据;
所述模型构建单元用于构建数字孪生模型,其中数字孪生模型包括第一孪生模型、第二孪生模型、第三孪生模型和第四孪生模型,并根据接收的历史数据和采集的数据建立它们之间的关联关系;
所述数据同步与更新单元用于实现实际物流仓储系统和数字孪生模型之间的数据同步和更新,将实时监测的系统状态数据传输给孪生模拟单元,以保持模型与实际系统的一致性;
所述孪生模拟单元根据接收的同步数据对实际物流仓储系统进行仿真模拟;
所述三维可视化单元将孪生模拟单元中的仿真模型以三维形式可视化展示,呈现物流仓储系统的结构、运行状态和物流路径信息,并进行交互式操作。
优选的,所述风险分析单元基于孪生模拟单元中的仿真模型,对物流仓储系统进行风险分析,评估潜在风险和问题,根据历史数据,提供针对风险的预警,所述预测反馈单元对风险分析单元发出的预测信息进行接收,并将接收的预测信息通过风险大屏进行显示,所述问题溯源单元在物流仓储系统出现异常或问题时,通过分析数字孪生模型和历史数据,追溯问题发生的原因和路径。
优选的,所述实时监控单元在孪生模拟单元中的仿真模型运行期间,实时监控物流仓储系统中的设备和环境参数的实时状态,且监控相关的特殊事件和操作,相关的特殊事件和操作包括设备故障、维护记录和人员操作,且监控仿真模型运行期间发现异常情况,并且监控仿真模型运行期间对参数进行的调整或变化,所述信息存储单元对实时监控单元监控的信息进行存储,将监控的信息存储到数据库中。
优选的,所述模型构建单元包括第一模型构建模块、第二模型构建模块、第三模型构建模块和第四模型构建模块,所述第一模型构建模块由物流仓储系统内所有设备、人员、物料和环境共同构成的,在第一模型构建模块中能够查看整个物流仓储系统的空间布局信息、设备分布信息和能耗效率信息,通过3D场景建模以及传感器采集信息的设备信息完成对物流仓储系统全方位展示的效果,所述第二模型构建模块对物流仓储系统的各类特征进行分类,然后将第一模型构建模块中的设备、人员、物料等模型与对应的物理空间进行结合,生成物流仓储系统的运动状态,并且基于历史数据发现子系统的运行规律,对物流仓储系统的未来状态进行预测优化。
优选的,所述第三模型构建模块构建实际物流仓储系统中不同类型的设备、物料、任务执行的人员对应的孪生模型,设备模型包括几何模型、行为模型和运动规则模型,几何模型通过三维建模软件对设备的尺寸、外形和空间位置进行构建,行为模型包含驱动器、传感器活动部件和各种电气部件,运动规则模型包括每个设备对应的控制程序、规律规则和相关领域的运行标准,物料模型包括物料的基本信息、状态信息和位置信息,物料的基本信息包括物料序号、名称和数量,物料的状态信息包括物料的运输、加工、完工和报废各类信息,物料的位置信息包括物料当前的存储位置、加工位置和历史的位置,人员模型包括动态和静态行为,静态行为包括人员的角色识别、人员位置的检测和人员分布的统计,动态行为包括对人员轨迹的追踪。
优选的,所述第四模型构建模块用于构建与设备的功能直接关联的零件,且构建人员的肢体动作,其中人员的肢体动作包括静态和动态行为,静态行为表示人员姿态,动态行为表示人员肢体动作、生产状态和人员复杂行为,通过在人员所在的工位安装摄像头获取人员的各项肢体动作,且构建物料的采购、到料和配料信息。
优选的,所述数据采集单元包括物流信息采集模块和物料信息采集模块,所述物流信息采集模块通过在物流设备上安装传感器,实时监测设备的运行状态和环境参数,且通过与设备的接口进行通信,获取设备的运行状态、故障报警信息和能耗数据,并且使用扫描设备对设备上的标识码进行扫描读取,获取设备的基本信息,所述物料信息采集模块通过在称重台或者体积测量仪上安装传感器,直接采集到物料的重量和体积参数,且通过在物料上搭载RFID射频识别标签,并使用RFID读写器来扫描并读取物料标签中存储的信息。
优选的,所述数据采集单元还包括人员信息采集模块和环境信息采集模块,所述人员信息采集模块使用扫描仪对人员的身份证、护照和其他身份证明文件进行扫描,并自动识别和提取其中的信息,从而获取人员的姓名、身份证号码以及其他相关信息,且通过电子刷卡设备,记录人员的到访或离开时间,并且通过在人员所在的工位安装摄像头获取人员的各项肢体动作,所述环境信息采集模块使用传感器来监测温度、湿度、光照强度、空气质量和噪音级别,并且通过GPS获取位置信息。
优选的,所述风险分析单元包括模型接收模块、风险分析模块和预测发出模块,所述模型接收模块对孪生模拟单元发出的仿真模型进行接收,所述风险分析模块根据接收的仿真模型通过风险预测算法对物流仓储系统进行风险分析,评估潜在风险和问题,所述预测发出模块将预测出的风险传输至预测反馈单元,风险预测算法具体为:
其中,ui表示神经元的内部状况,θi表示神经元的阈值,xj表示输入信号,wij神经元i与神经元j的连接权,si表示外部输入的某个控制信号,f表示激励函数;
基于数字孪生的物流仓储管控方法,包括以下步骤:
S1、数据采集:通过传感器或者和设备接口相连采集物流设备信息、物料信息、人员信息和环境信息,并且通过人工录入特定的信息;
S2、数据同步更新:实现实际物流仓储系统和数字孪生模型之间的数据同步和更新;
S3、模型构建:通过3D建模软件构建数字孪生模型,其中数字孪生模型包括第一孪生模型、第二孪生模型、第三孪生模型和第四孪生模型;
S4、风险分析:基于数字孪生模型,对物流仓储系统进行风险分析,评估潜在风险和问题,根据历史数据,提供针对风险的预测信息;
S5、预测反馈:将预测信息通过风险大屏进行显示;
S6、问题溯源:在物流仓储系统出现异常或问题时,通过分析数字孪生模型和历史数据,追溯问题发生的原因和路径;
S7、信息存储:将预测反馈信息和追溯问题的原因和路径存储到数据库中。
优选的,所述步骤S3具体包括以下步骤:
S301、第一模型构建:第一孪生模型由物流仓储系统内所有设备、人员、物料和环境共同构成的,且能够查看整个物流仓储系统的空间布局信息、设备分布信息和能耗效率信息,并且通过3D场景建模以及传感器采集信息的设备信息完成对物流仓储系统全方位展示的效果;
S302、第二模型构建:基于第一孪生模型中的物流仓储系统的各类特征进行分类,且将第一孪生模型中的设备、人员、物料等模型与对应的物理空间进行结合,生成物流仓储系统的运动状态,并且基于历史数据发现子系统的运行规律,对物流仓储系统的未来状态进行预测优化,从而构建第二孪生模型;
S303、第三模型构建:基于第二孪生模型构建实际物流仓储系统中不同类型的设备、物料、任务执行的人员对应的孪生模型,从而构建第三孪生模型;
S304、第四模型构建:基于第三孪生模型构建与设备的功能直接关联的零件,且构建人员的肢体动作,并且构建物料的采购、到料和配料信息。
与现有技术相比,本发明的有益效果是:
1、本发明通过模型构建单元对物流仓储系统进行从大到小的模型构建,逐步构建小模型可以更加精细地设计和控制物流仓储系统,通过逐步细化模型,可以关注具体的细节和局部问题,针对性地进行优化和改进,从而提高物流仓储系统的操作准确性和执行效果,通过孪生模拟单元对物流仓储系统进行仿真模拟,仿真模拟可以改变物流仓储系统的参数和环境因素,观察它们对系统运行的影响,通过孪生模拟单元进行仿真模拟,从而预测物流仓储系统在不同情境下的性能和效果;
2、本发明风险分析单元对实时数据的监测,预测可能发生的故障和风险事件,从而提前采取措施,避免潜在的损失和延误,并提高仓储系统的可靠性和安全性,通过问题溯源单元可以快速定位物流仓储系统中出现的问题,通过记录和分析异常事件发生的时间、地点和原因等信息,追溯问题的根源,这有助于及时发现并处理问题,确保系统的正常运作。
附图说明
图1为本发明实施例提供整体的系统流程示意图;
图2为本发明实施例提供的数据采集单元的内部模块框图;
图3为本发明实施例提供的风险分析单元的内部模块框图;
图4为本发明实施例提供的整体的方法流程图;
图5为本发明实施例提供的模型构建的方法流程图。
图中:1、历史数据导入单元;2、模型构建单元;201、第一模型构建模块;202、第二模型构建模块;203、第三模型构建模块;204、第四模型构建模块;3、人工录入单元;4、数据同步与更新单元;5、数据采集单元;501、物流信息采集模块;502、物料信息采集模块;503、人员信息采集模块;504、环境信息采集模块;6、孪生模拟单元;7、三维可视化单元;8、风险分析单元;801、模型接收模块;802、风险分析模块;803、预测发出模块;9、实时监控单元;10、预测反馈单元;11、信息存储单元;12、问题溯源单元。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-5,本发明提供一种技术方案:基于数字孪生的物流仓储管控系统,包括历史数据导入单元1、模型构建单元2、人工录入单元3、数据同步与更新单元4、数据采集单元5、孪生模拟单元6、三维可视化单元7、风险分析单元8、实时监控单元9、预测反馈单元10、信息存储单元11和问题溯源单元12;
数据采集单元5通过传感器或者和设备接口相连采集物流设备信息、物料信息、人员信息和环境信息,并将采集的信息分别传输至模型构建单元2和数据同步与更新单元4;
人工录入单元3用于人工向模型构建单元2中录入数据采集单元5无法采集的信息,并将实时录入的信息传输至数据同步与更新单元4;
历史数据导入单元1用于向模型构建单元2中导入物流设备信息、物料信息、人员信息和环境信息的历史数据;
模型构建单元2用于构建数字孪生模型,其中数字孪生模型包括第一孪生模型、第二孪生模型、第三孪生模型和第四孪生模型,并根据接收的历史数据和采集的数据建立它们之间的关联关系;
数据同步与更新单元4用于实现实际物流仓储系统和数字孪生模型之间的数据同步和更新,将实时监测的系统状态数据传输给孪生模拟单元6,以保持模型与实际系统的一致性;
孪生模拟单元6根据接收的同步数据对实际物流仓储系统进行仿真模拟;
三维可视化单元7将孪生模拟单元6中的仿真模型以三维形式可视化展示,呈现物流仓储系统的结构、运行状态和物流路径信息,并进行交互式操作。
风险分析单元8基于孪生模拟单元6中的仿真模型,对物流仓储系统进行风险分析,评估潜在风险和问题,根据历史数据,提供针对风险的预警,预测反馈单元10对风险分析单元8发出的预测信息进行接收,并将接收的预测信息通过风险大屏进行显示,问题溯源单元12在物流仓储系统出现异常或问题时,通过分析数字孪生模型和历史数据,追溯问题发生的原因和路径;
实时监控单元9在孪生模拟单元6中的仿真模型运行期间,实时监控物流仓储系统中的设备和环境参数的实时状态,且监控相关的特殊事件和操作,相关的特殊事件和操作包括设备故障、维护记录和人员操作,且监控仿真模型运行期间发现异常情况,并且监控仿真模型运行期间对参数进行的调整或变化,信息存储单元11对实时监控单元9监控的信息进行存储,将监控的信息存储到数据库中;
模型构建单元2包括第一模型构建模块201、第二模型构建模块202、第三模型构建模块203和第四模型构建模块204,第一模型构建模块201由物流仓储系统内所有设备、人员、物料和环境共同构成的,在第一模型构建模块201中能够查看整个物流仓储系统的空间布局信息、设备分布信息和能耗效率信息,通过3D场景建模以及传感器采集信息的设备信息完成对物流仓储系统全方位展示的效果,第二模型构建模块202对物流仓储系统的各类特征进行分类,然后将第一模型构建模块203中的设备、人员、物料等模型与对应的物理空间进行结合,生成物流仓储系统的运动状态,并且基于历史数据发现子系统的运行规律,对物流仓储系统的未来状态进行预测优化;
第三模型构建模块203构建实际物流仓储系统中不同类型的设备、物料、任务执行的人员对应的孪生模型,设备模型包括几何模型、行为模型和运动规则模型,几何模型通过三维建模软件对设备的尺寸、外形和空间位置进行构建,行为模型包含驱动器、传感器活动部件和各种电气部件,运动规则模型包括每个设备对应的控制程序、规律规则和相关领域的运行标准,物料模型包括物料的基本信息、状态信息和位置信息,物料的基本信息包括物料序号、名称和数量,物料的状态信息包括物料的运输、加工、完工和报废各类信息,物料的位置信息包括物料当前的存储位置、加工位置和历史的位置,人员模型包括动态和静态行为,静态行为包括人员的角色识别、人员位置的检测和人员分布的统计,动态行为包括对人员轨迹的追踪;
第四模型构建模块204用于构建与设备的功能直接关联的零件,且构建人员的肢体动作,其中人员的肢体动作包括静态和动态行为,静态行为表示人员姿态,动态行为表示人员肢体动作、生产状态和人员复杂行为,通过在人员所在的工位安装摄像头获取人员的各项肢体动作,且构建物料的采购、到料和配料信息;
数据采集单元5包括物流信息采集模块501和物料信息采集模块502,物流信息采集模块501通过在物流设备上安装传感器,实时监测设备的运行状态和环境参数,且通过与设备的接口进行通信,获取设备的运行状态、故障报警信息和能耗数据,并且使用扫描设备对设备上的标识码进行扫描读取,获取设备的基本信息,物料信息采集模块502通过在称重台或者体积测量仪上安装传感器,直接采集到物料的重量和体积参数,且通过在物料上搭载RFID射频识别标签,并使用RFID读写器来扫描并读取物料标签中存储的信息;
数据采集单元5还包括人员信息采集模块503和环境信息采集模块504,人员信息采集模块503使用扫描仪对人员的身份证、护照和其他身份证明文件进行扫描,并自动识别和提取其中的信息,从而获取人员的姓名、身份证号码以及其他相关信息,且通过电子刷卡设备,记录人员的到访或离开时间,并且通过在人员所在的工位安装摄像头获取人员的各项肢体动作,环境信息采集模块504使用传感器来监测温度、湿度、光照强度、空气质量和噪音级别,并且通过GPS获取位置信息;
风险分析单元8包括模型接收模块801、风险分析模块802和预测发出模块803,模型接收模块801对孪生模拟单元6发出的仿真模型进行接收,风险分析模块802根据接收的仿真模型通过风险预测算法对物流仓储系统进行风险分析,评估潜在风险和问题,预测发出模块803将预测出的风险传输至预测反馈单元10,风险预测算法具体为:
其中,ui表示神经元的内部状况,θi表示神经元的阈值,xj表示输入信号,wij神经元i与神经元j的连接权,si表示外部输入的某个控制信号,f表示激励函数。
基于数字孪生的物流仓储管控方法,包括以下步骤:
S1、数据采集:通过传感器或者和设备接口相连采集物流设备信息、物料信息、人员信息和环境信息,并且通过人工录入特定的信息;
S2、数据同步更新:实现实际物流仓储系统和数字孪生模型之间的数据同步和更新;
S3、模型构建:通过3D建模软件构建数字孪生模型,其中数字孪生模型包括第一孪生模型、第二孪生模型、第三孪生模型和第四孪生模型;
S4、风险分析:基于数字孪生模型,对物流仓储系统进行风险分析,评估潜在风险和问题,根据历史数据,提供针对风险的预测信息;
S5、预测反馈:将预测信息通过风险大屏进行显示;
S6、问题溯源:在物流仓储系统出现异常或问题时,通过分析数字孪生模型和历史数据,追溯问题发生的原因和路径;
S7、信息存储:将预测反馈信息和追溯问题的原因和路径存储到数据库中。
步骤S3具体包括以下步骤:
S301、第一模型构建:第一孪生模型由物流仓储系统内所有设备、人员、物料和环境共同构成的,且能够查看整个物流仓储系统的空间布局信息、设备分布信息和能耗效率信息,并且通过3D场景建模以及传感器采集信息的设备信息完成对物流仓储系统全方位展示的效果;
S302、第二模型构建:基于第一孪生模型中的物流仓储系统的各类特征进行分类,且将第一孪生模型中的设备、人员、物料等模型与对应的物理空间进行结合,生成物流仓储系统的运动状态,并且基于历史数据发现子系统的运行规律,对物流仓储系统的未来状态进行预测优化,从而构建第二孪生模型;
S303、第三模型构建:基于第二孪生模型构建实际物流仓储系统中不同类型的设备、物料、任务执行的人员对应的孪生模型,从而构建第三孪生模型;
S304、第四模型构建:基于第三孪生模型构建与设备的功能直接关联的零件,且构建人员的肢体动作,并且构建物料的采购、到料和配料信息。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (11)
1.基于数字孪生的物流仓储管控系统,包括风险分析单元(8)、实时监控单元(9)、预测反馈单元(10)、信息存储单元(11)和问题溯源单元(12),其特征在于:
数据采集单元(5),所述数据采集单元(5)通过传感器或者和设备接口相连采集物流设备信息、物料信息、人员信息和环境信息,并将采集的信息分别传输至模型构建单元(2)和数据同步与更新单元(4);
人工录入单元(3),所述人工录入单元(3)用于人工向模型构建单元(2)中录入数据采集单元(5)无法采集的信息,并将实时录入的信息传输至数据同步与更新单元(4);
历史数据导入单元(1),所述历史数据导入单元(1)用于向模型构建单元(2)中导入物流设备信息、物料信息、人员信息和环境信息的历史数据;
模型构建单元(2),所述模型构建单元(2)用于构建数字孪生模型,其中数字孪生模型包括第一孪生模型、第二孪生模型、第三孪生模型和第四孪生模型,并根据接收的历史数据和采集的数据建立它们之间的关联关系;
数据同步与更新单元(4),所述数据同步与更新单元(4)用于实现实际物流仓储系统和数字孪生模型之间的数据同步和更新,将实时监测的系统状态数据传输给孪生模拟单元(6),以保持模型与实际系统的一致性;
孪生模拟单元(6),所述孪生模拟单元(6)根据接收的同步数据对实际物流仓储系统进行仿真模拟;
三维可视化单元(7),所述三维可视化单元(7)将孪生模拟单元(6)中的仿真模型以三维形式可视化展示,呈现物流仓储系统的结构、运行状态和物流路径信息,并进行交互式操作。
2.根据权利要求1所述的基于数字孪生的物流仓储管控系统,其特征在于:所述风险分析单元(8)基于孪生模拟单元(6)中的仿真模型,对物流仓储系统进行风险分析,评估潜在风险和问题,根据历史数据,提供针对风险的预警,所述预测反馈单元(10)对风险分析单元(8)发出的预测信息进行接收,并将接收的预测信息通过风险大屏进行显示,所述问题溯源单元(12)在物流仓储系统出现异常或问题时,通过分析数字孪生模型和历史数据,追溯问题发生的原因和路径。
3.根据权利要求1所述的基于数字孪生的物流仓储管控系统,其特征在于:所述实时监控单元(9)在孪生模拟单元(6)中的仿真模型运行期间,实时监控物流仓储系统中的设备和环境参数的实时状态,且监控相关的特殊事件和操作,相关的特殊事件和操作包括设备故障、维护记录和人员操作,且监控仿真模型运行期间发现异常情况,并且监控仿真模型运行期间对参数进行的调整或变化,所述信息存储单元(11)对实时监控单元(9)监控的信息进行存储,将监控的信息存储到数据库中。
4.根据权利要求1所述的基于数字孪生的物流仓储管控系统,其特征在于:所述模型构建单元(2)包括第一模型构建模块(201)、第二模型构建模块(202)、第三模型构建模块(203)和第四模型构建模块(204),所述第一模型构建模块(201)由物流仓储系统内所有设备、人员、物料和环境共同构成的,在第一模型构建模块(201)中能够查看整个物流仓储系统的空间布局信息、设备分布信息和能耗效率信息,通过3D场景建模以及传感器采集信息的设备信息完成对物流仓储系统全方位展示的效果,所述第二模型构建模块(202)对物流仓储系统的各类特征进行分类,然后将第一模型构建模块(203)中的设备、人员、物料等模型与对应的物理空间进行结合,生成物流仓储系统的运动状态,并且基于历史数据发现子系统的运行规律,对物流仓储系统的未来状态进行预测优化。
5.根据权利要求4所述的基于数字孪生的物流仓储管控系统,其特征在于:所述第三模型构建模块(203)构建实际物流仓储系统中不同类型的设备、物料、任务执行的人员对应的孪生模型,设备模型包括几何模型、行为模型和运动规则模型,几何模型通过三维建模软件对设备的尺寸、外形和空间位置进行构建,行为模型包含驱动器、传感器活动部件和各种电气部件,运动规则模型包括每个设备对应的控制程序、规律规则和相关领域的运行标准,物料模型包括物料的基本信息、状态信息和位置信息,物料的基本信息包括物料序号、名称和数量,物料的状态信息包括物料的运输、加工、完工和报废各类信息,物料的位置信息包括物料当前的存储位置、加工位置和历史的位置,人员模型包括动态和静态行为,静态行为包括人员的角色识别、人员位置的检测和人员分布的统计,动态行为包括对人员轨迹的追踪。
6.根据权利要求4所述的基于数字孪生的物流仓储管控系统,其特征在于:所述第四模型构建模块(204)用于构建与设备的功能直接关联的零件,且构建人员的肢体动作,其中人员的肢体动作包括静态和动态行为,静态行为表示人员姿态,动态行为表示人员肢体动作、生产状态和人员复杂行为,通过在人员所在的工位安装摄像头获取人员的各项肢体动作,且构建物料的采购、到料和配料信息。
7.根据权利要求1所述的基于数字孪生的物流仓储管控系统,其特征在于:所述数据采集单元(5)包括物流信息采集模块(501)和物料信息采集模块(502),所述物流信息采集模块(501)通过在物流设备上安装传感器,实时监测设备的运行状态和环境参数,且通过与设备的接口进行通信,获取设备的运行状态、故障报警信息和能耗数据,并且使用扫描设备对设备上的标识码进行扫描读取,获取设备的基本信息,所述物料信息采集模块(502)通过在称重台或者体积测量仪上安装传感器,直接采集到物料的重量和体积参数,且通过在物料上搭载RFID射频识别标签,并使用RFID读写器来扫描并读取物料标签中存储的信息。
8.根据权利要求7所述的基于数字孪生的物流仓储管控系统,其特征在于:所述数据采集单元(5)还包括人员信息采集模块(503)和环境信息采集模块(504),所述人员信息采集模块(503)使用扫描仪对人员的身份证、护照和其他身份证明文件进行扫描,并自动识别和提取其中的信息,从而获取人员的姓名、身份证号码以及其他相关信息,且通过电子刷卡设备,记录人员的到访或离开时间,并且通过在人员所在的工位安装摄像头获取人员的各项肢体动作,所述环境信息采集模块(504)使用传感器来监测温度、湿度、光照强度、空气质量和噪音级别,并且通过GPS获取位置信息。
9.根据权利要求2所述的基于数字孪生的物流仓储管控系统,其特征在于:所述风险分析单元(8)包括模型接收模块(801)、风险分析模块(802)和预测发出模块(803),所述模型接收模块(801)对孪生模拟单元(6)发出的仿真模型进行接收,所述风险分析模块(802)根据接收的仿真模型通过风险预测算法对物流仓储系统进行风险分析,评估潜在风险和问题,所述预测发出模块(803)将预测出的风险传输至预测反馈单元(10)。
10.基于数字孪生的物流仓储管控方法,其特征在于包括以下步骤:
S1、数据采集:通过传感器或者和设备接口相连采集物流设备信息、物料信息、人员信息和环境信息,并且通过人工录入特定的信息;
S2、数据同步更新:实现实际物流仓储系统和数字孪生模型之间的数据同步和更新;
S3、模型构建:通过3D建模软件构建数字孪生模型,其中数字孪生模型包括第一孪生模型、第二孪生模型、第三孪生模型和第四孪生模型;
S4、风险分析:基于数字孪生模型,对物流仓储系统进行风险分析,评估潜在风险和问题,根据历史数据,提供针对风险的预测信息;
S5、预测反馈:将预测信息通过风险大屏进行显示;
S6、问题溯源:在物流仓储系统出现异常或问题时,通过分析数字孪生模型和历史数据,追溯问题发生的原因和路径;
S7、信息存储:将预测反馈信息和追溯问题的原因和路径存储到数据库中。
11.根据权利要求10所述的基于数字孪生的物流仓储管控方法,其特征在于:所述步骤S3具体包括以下步骤:
S301、第一模型构建:第一孪生模型由物流仓储系统内所有设备、人员、物料和环境共同构成的,且能够查看整个物流仓储系统的空间布局信息、设备分布信息和能耗效率信息,并且通过3D场景建模以及传感器采集信息的设备信息完成对物流仓储系统全方位展示的效果;
S302、第二模型构建:基于第一孪生模型中的物流仓储系统的各类特征进行分类,且将第一孪生模型中的设备、人员、物料等模型与对应的物理空间进行结合,生成物流仓储系统的运动状态,并且基于历史数据发现子系统的运行规律,对物流仓储系统的未来状态进行预测优化,从而构建第二孪生模型;
S303、第三模型构建:基于第二孪生模型构建实际物流仓储系统中不同类型的设备、物料、任务执行的人员对应的孪生模型,从而构建第三孪生模型;
S304、第四模型构建:基于第三孪生模型构建与设备的功能直接关联的零件,且构建人员的肢体动作,并且构建物料的采购、到料和配料信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311221128.6A CN117078163A (zh) | 2023-09-21 | 2023-09-21 | 基于数字孪生的物流仓储管控系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311221128.6A CN117078163A (zh) | 2023-09-21 | 2023-09-21 | 基于数字孪生的物流仓储管控系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117078163A true CN117078163A (zh) | 2023-11-17 |
Family
ID=88709941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311221128.6A Pending CN117078163A (zh) | 2023-09-21 | 2023-09-21 | 基于数字孪生的物流仓储管控系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117078163A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117333114A (zh) * | 2023-11-30 | 2024-01-02 | 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 |
CN117391591A (zh) * | 2023-12-04 | 2024-01-12 | 源鸿物联科技有限公司 | 一种基于数字孪生的智能仓储优化系统 |
CN117829862A (zh) * | 2024-03-04 | 2024-04-05 | 贵州联广科技股份有限公司 | 一种基于互联互通的数据源追溯方法及系统 |
CN118194608A (zh) * | 2024-05-16 | 2024-06-14 | 深圳市辉熙智能科技有限公司 | 基于数字孪生的物料监测与3d仿真方法及系统 |
-
2023
- 2023-09-21 CN CN202311221128.6A patent/CN117078163A/zh active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117333114A (zh) * | 2023-11-30 | 2024-01-02 | 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 |
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 |
CN117391591A (zh) * | 2023-12-04 | 2024-01-12 | 源鸿物联科技有限公司 | 一种基于数字孪生的智能仓储优化系统 |
CN117391591B (zh) * | 2023-12-04 | 2024-05-10 | 源鸿物联科技有限公司 | 一种基于数字孪生的智能仓储优化系统 |
CN117829862A (zh) * | 2024-03-04 | 2024-04-05 | 贵州联广科技股份有限公司 | 一种基于互联互通的数据源追溯方法及系统 |
CN118194608A (zh) * | 2024-05-16 | 2024-06-14 | 深圳市辉熙智能科技有限公司 | 基于数字孪生的物料监测与3d仿真方法及系统 |
CN118194608B (zh) * | 2024-05-16 | 2024-07-12 | 深圳市辉熙智能科技有限公司 | 基于数字孪生的物料监测与3d仿真方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103984333B (zh) | 一种电厂监控管理系统 | |
CN117078163A (zh) | 基于数字孪生的物流仓储管控系统及方法 | |
Chen | Intelligent manufacturing production line data monitoring system for industrial internet of things | |
Javaid et al. | Enabling flexible manufacturing system (FMS) through the applications of industry 4.0 technologies | |
CN116129366B (zh) | 基于数字孪生的园区监测方法及相关装置 | |
CN106647336B (zh) | 一种基于仿真的飞机装配过程智能监控系统 | |
CN104144204A (zh) | 针对工业模拟使用基于云的数据 | |
CN107636702A (zh) | 集成式资产完整性管理系统 | |
CN113805550A (zh) | 基于数字孪生的航天器装配过程管控方法及系统 | |
CN104142630A (zh) | 用信息叠加把基于云的数据用于工业自动化环境的虚拟化 | |
CN112799369A (zh) | 一种产品装配过程管控方法和装置 | |
CN117172414A (zh) | 一种基于bim技术的建筑幕墙施工管理系统 | |
KR102419053B1 (ko) | 통합 제조 운영 관리 시스템 및 방법 | |
KR102543064B1 (ko) | Rpa 기반 제조환경 모니터링 서비스 제공 시스템 | |
KR20230017556A (ko) | 빅데이터 및 인공지능 기반의 제조 실행 시스템 및 이의 운영방법 | |
Putnik et al. | SMART OBJECTS EMBEDDED PRODUCTION AND QUALITY MANAGEMENT FUNCTIONS. | |
KR100683580B1 (ko) | 지능형 플랜트 정보시스템 | |
CN110471383A (zh) | 设备管理方法、装置、系统以及电子设备 | |
CN116703303A (zh) | 基于多层感知机与rbf的仓储可视化监管系统及方法 | |
CN116595756A (zh) | 基于数字孪生的数据中心智能化运维方法及装置 | |
CN116009495A (zh) | 基于数字孪生的资源模型建立方法、装置、设备和介质 | |
Zhang et al. | A data-driven smart management and control framework for a digital twin shop floor with multi-variety multi-batch production | |
Helgo | Deep Learning and Machine Learning Algorithms for Enhanced Aircraft Maintenance and Flight Data Analysis | |
KR102437917B1 (ko) | 장비 운영 시스템 | |
CN116052300A (zh) | 一种基于数字孪生的电力巡检系统和方法 |
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 |