CN117114573A - 一种基于大数据的仓储时间监管系统及方法 - Google Patents
一种基于大数据的仓储时间监管系统及方法 Download PDFInfo
- Publication number
- CN117114573A CN117114573A CN202311064208.5A CN202311064208A CN117114573A CN 117114573 A CN117114573 A CN 117114573A CN 202311064208 A CN202311064208 A CN 202311064208A CN 117114573 A CN117114573 A CN 117114573A
- Authority
- CN
- China
- Prior art keywords
- warehouse
- goods
- data
- storage
- area
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 claims abstract description 166
- 238000012544 monitoring process Methods 0.000 claims abstract description 40
- 230000007613 environmental effect Effects 0.000 claims abstract description 36
- 230000008569 process Effects 0.000 claims abstract description 21
- 230000008859 change Effects 0.000 claims abstract description 17
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000007726 management method Methods 0.000 claims description 29
- 230000009471 action Effects 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000012384 transportation and delivery Methods 0.000 claims description 11
- 238000013439 planning Methods 0.000 claims description 9
- 238000011835 investigation Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 238000013523 data management Methods 0.000 claims description 6
- 210000001503 joint Anatomy 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000013079 data visualisation Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004321 preservation Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000007306 turnover Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012864 cross contamination Methods 0.000 description 1
- 230000006866 deterioration 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
- 238000009826 distribution Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000013068 supply chain management 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/23—Updating
- G06F16/2379—Updates performed during online database operations; commit processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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"
-
- 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
- G06Q10/083—Shipping
- G06Q10/0832—Special goods or special handling procedures, e.g. handling of hazardous or fragile goods
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Remote Sensing (AREA)
Abstract
本发明公开了一种基于大数据的仓储时间监管系统及方法,涉及仓储时间监管技术领域,包括:S1:获取仓储相关数据,构建多源数据库,基于多源数据库对仓储空间进行区域划分,并对仓储内各区域的环境参数信息和各区域内的货物数据变化进行实时更新;S2:实时监测仓储内各区域货物的状态数据,并跟踪物流运输过程中的货物状态和位置信息,对仓储内各区域货物的停留时间进行分析预测;S3:根据仓储内的各区域的货物状态数据和各区域货物的预计停留时间,对仓储内各区域货物的提取时间进行分析;S4:根据S3中的分析结果对仓储内的货物、设备和机器人进行相应调节和管理。利用大数据技术和仓储时间监管手段,降低风险损失。
Description
技术领域
本发明涉及仓储时间监管技术领域,具体为一种基于大数据的仓储时间监管系统及方法。
背景技术
随着科技的发展,现代化的仓储产业根据实际业务需求的不断扩张进行了产业升级,仓储监管可以帮助仓库管理者实时追踪货物的存放位置,优化货物的拣选和打包流程,加速订单配送速度;而仓储时间监管能够优化供应链的运作效率,降低库存成本,提高交付准确性,是物流和仓储管理的关键点。
混合型仓储是一种能够整合多种仓储服务的灵活模式,对于混合型仓储来说,同一个仓库内同时运营多种类型的仓储服务,需要对不同特性和需求的货物进行存储和监管,包括如日常用品、服装等的普通货物,需要按照规定温度进行存储的食品、药品等货物和存储要求较高的化学品等风险货物。因此,混合型仓储需要合理规划和管理不同类型货物的存储时间和操作流程,确保不同类型货物之间不会出现相互干扰或交叉污染等现象;同时,由于自动化仓储服务中存在大量的辅助机械和智能拣选机器人,混合型仓储对各类型货物进行监管时,需要考虑多种影响因素来避免仓储内的货物损失和污染传递。
因此,为了解决上述问题或部分问题,本发明提供了一种基于大数据的仓储时间监管系统及方法。
发明内容
本发明的目的在于提供一种基于大数据的仓储时间监管系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于大数据的仓储时间监管方法,包括以下步骤:
S1:获取仓储相关数据,构建多源数据库,基于多源数据库对仓储空间进行区域划分,并对仓储内各区域的环境参数信息和各区域内的货物数据变化进行实时更新;
S2:实时监测仓储内各区域货物的状态数据,并跟踪物流运输过程中的货物状态和位置信息,对仓储内各区域货物的停留时间进行分析预测;
S3:根据仓储内的各区域的货物状态数据和各区域货物的预计停留时间,对仓储内各区域货物的提取时间进行分析;
S4:根据S3中的分析结果对仓储内的货物、设备和机器人进行相应调节和管理。
进一步的,所述S1包括:
步骤S1-1:获取仓储相关数据,所述仓储相关数据包括仓储内货物数据、仓储物流历史数据、仓储设备参数数据、仓储设备位置数据和仓储环境参数数据;根据仓储相关数据构建多源数据库,在多源数据库中确定参与区域划分的n组数据;其中,n表示多源数据库中的与判断区域划分相关的元素的数据类型数量,根据实际应用中的仓储所采集数据进行确定;
步骤S1-2:对仓储空间进行区域划分,对仓库内的地图进行建模,建立仓储三维空间,根据仓储相关数据,将仓储空间网格化,统计网格节点上的n组仓储相关数据,并根据参数环境数据差异或历史划分数据对仓储空间进行区域划分;
步骤S1-3:根据仓储选择的计算机中集成的路径规划算法和仓库地图,对仓储内的自动分拣机器人的动态行动路径进行上传;
步骤S1-4:对仓储内各区域的环境参数信息和各区域内的货物情况变化进行更新,包括仓库进出货物的时间、入库和出库操作的时间戳、货物的数量和类型等信息。
进一步的,所述S2包括:
步骤S2-1:对仓储内各区域的实时环境相关数据进行提取,从多源数据库中获取各区域货物的存储环境条件数据,当各区域的实时环境相关数据超出各区域货物相应的存储环境条件阈值时,发出警报,并监测各区域货物的实时状态,通过监测这些状态数据的变化,判断货物的完整性和稳定性,以便于防止货物出现破损、变质、泄露等情况,确保货物安全;
步骤S2-2:通过使用定位技术追踪货物的当前位置,提取多源数据库中的仓储物流历史数据,根据以下公式对物流影响因子w进行分析:
其中,δ1、δ2为权重系数,η表示误差因子,由相关工作人员预设;l表示物流当前位置与仓储的距离,表示物流在运输过程中的平均速度,Δu表示其他限制元素对物流产生的影响因子,通过灰色关联模型进行量化分析得到,包括以下步骤:
H1:获取相关元素数据,并对获取的数据进行标准化处理,得到各元素的数据序列;
H2:将序列中的各个元素按时间顺序进行累计求和,得到累加生成序列,并从累加生成的序列中选择影响程度最大的因素作为参考序列;设各元素组成的数据序列为x1,构建一次累加生成序列,记为
其中,为一次累加生成序列中的第k个值;i代表序列数;
H3:提取数据库中预设的标准参考序列数据,将累加生成序列与标准参考序列进行比较,计算出当前各元素与预设标准的关联系数,可通过皮尔逊相关系数、斯皮尔曼相关系数和肯德尔相关系数等方法计算关联系数,关联系数的取值在-1到1之间;
H4:根据计算得到的关联系数,根据数据库中的数据关系对应表确定Δu的取值;
f表示物流交付效率,根据货物种类从仓储历史数据中各种类货物对应的平均交付效率选择;
以便于相关人员准确了解货物的所处位置,同时能够对物流过程中的异常情况及时进行报警通知;
步骤S2-3:对货物进入、离开仓储的相关信息进行获取,根据以下公式对任一类型货物k在仓储内的停留时间T′进行预测:
其中,Ti表示货物k在本仓储内第i次进行存储时的历史停留时间,i=1,2,...s,s表示货物k在本仓储内的历史存储次数;β表示物流影响因子的权重系数,w表示物流影响因子;t表示货物k在本仓储内的已存储时间,λ表示误差系数;以便于后续步骤中对货物在仓储内的存储位置进行分析。
进一步的,所述S3根据S1监测得到的各区域货物状态数据和S2分析得到的货物预计停留时间,对仓储内各区域货物的提取时间进行分析;包括:
步骤S3-1:若任意区域内的货物在预计的停留时间,超出该货物相应的存储有效期时,则向仓储时间监管系统发出预警,提示相关工作人员该任意区域内的货物存在超时风险;所述存储有效期包括货物保质期和货物订单时长;
步骤S3-2:若任意区域内的货物在预计的停留时间内,监测到该任意区域内存在货物状态异常;则向仓储时间监管系统发出预警,提示相关工作人员该任意区域内的货物存在污染风险;
步骤S3-3:若任意区域内的货物在预计的停留时间内,监测到该任意区域内的环境参数数据异常,则向仓储时间监管系统发出预警,提示相关工作人员该任意区域内的货物存在损坏风险。
通过对各区域内货物的存放时间进行分析,以便于避免仓储内货物超过自身保质期或其他限制条件;
进一步的,所述S4包括:
步骤S4-1:当预警提示仓储内货物存在超时风险时,提高对于该风险区域内货物的处理优先级,与物流部门进行协调,或与货物所属客户进行协调,确定该存在超时风险货物的处理方式,以便于提高仓储管理效率,减少货物周转延误;
步骤S4-2:当预警提示仓储内货物存在污染风险时,响应第一处理计划,将存在污染风险的货物进行转移并隔离,以便于避免污染的进一步扩散,同时,将存在污染风险的仓储区域设为S1,根据各机器人的历史行动数据对接触过存在污染风险货物的机器人进行标记;对所标记机器人的行动路径进行获取,将该路径所涉及区域设为S2,对S1和S2进行污染风险排查,根据排查结果对存在污染的区域进行清理;并根据排查结果对接触过污染区域机器人的路径规划进行调整,对涉及污染风险区域的行动路线进行封禁;
优选的,可根据排查结果和污染涉及范围对污染风险等级进行评估,并对污染源进行审查,进而优化仓储管理策略,采取改进措施,以防止类似事件再次发生;
步骤S4-3:当预警提示仓储内货物存在损坏风险时,对存在损坏风险区域的仓储环境调节设备进行管理,对仓储环境调节设备的输出参数进行调节;若存在损坏风险区域内的环境调节设备所需的修正时间大于该区域货物在当前环境参数变化趋势下的可停留时间,则对该区域内的货物进行转移存储,结合转移距离、存储环境相似度等影响因子选择最优转移区域;
使得各区域内的环境参数满足区域内货物的存储需求;
步骤S4-4:对仓储内的货物信息进行实时记录和更新,整理和分析仓库运营数据,生成相关报表和图表,并与其他相关物流管理系统进行接口对接和信息共享。
根据仓储各区域的货物情况和环境参数,对仓储内机器人的行为轨迹进行管控,避免了不同货物类型之间的相互干扰或污染传递等现象。
通过数据可视化的方式,将仓储内货物的存储、调用等所需时间的监管结果以图表、报表等形式展示出来,使管理人员能够直观地了解仓储运营情况,及时做出决策和调整。
一种基于大数据的仓储时间监管系统,所述系统包括:仓储数据采集模块、物流状态监测模块、货物状态数据监测模块和仓储管控调节模块;
所述仓储数据采集模块用于收集和记录与仓储操作和货物管理相关的各种数据;
所述物流状态监测模块用于实时监测和跟踪货物在整个物流运输过程中的状态和位置信息;通过使用定位技术追踪货物的当前位置,以便于相关人员准确了解货物的所处位置,并对物流异常情况进行报警通知,以便于及时向相关人员发送通知,使得快速采取应对措施,调整后续流程安排,减少不确定性和运输风险;
所述货物状态数据监测模块用于对货物在运输、存储和交付过程中的各种状态数据,以便于通过各相关数据变化来判断货物的完整性和稳定性,确保货物安全,并根据货物所处环境数据对货物在仓储各位置的存放时间进行分析;
所述仓储管控调节模块用于根据物流状态相关数据货物状态相关数据对仓储内各区域的环境参数进行管理和调节,以便于确保货物的安全、合规和高效存储;并根据仓储各区域的货物情况和环境参数对仓储内机器人的行为轨迹进行管控,以便于避免由于货物类型不同导致的相互干扰或污染传递等现象。
进一步的,所述仓储数据采集模块包括仓储空间划分单元、自动化拣选路线导入单元和仓储数据更新单元;
所述仓储空间划分单元用于根据仓储内的各位置的环境参数信息对仓储空间进行区域划分;
所述自动化拣选路线导入单元用于对仓储内的自动分拣机器人的行动路线进行导入;
所述仓储数据更新单元用于对仓储内各位置、各区域的环境参数信息和各区域内的货物情况变化进行更新,包括仓库进出货物的时间、入库和出库操作的时间戳、货物的数量和类型等信息;
通过采集货物在仓库内的具体位置信息,可以实时追踪货物的存放位置,提高货物的查找和提取效率;仓储环境的温度和湿度对某些货物的保存条件至关重要,因此,采集和更新仓库各区域的温湿度数据可以确保货物在合适的环境中储存。
进一步的,所述货物状态数据监测模块包括货物信息获取单元、货物停留时间预测单元和货物提取时间分析单元;
所述货物信息获取单元用于对仓储内的货物相关信息进行获取,并根据物流状态信息对货物进入、离开仓储的相关信息进行获取;
所述货物停留时间预测单元用于对货物在仓储内的停留时间进行预测,以便于对货物在仓储内的存储位置进行分析;
所述货物提取时间分析单元用于根据货物状态及物流状态相关数据对货物在仓储内的停放时间上限或提取时间进行分析,以便于防止货物自身损害引起的仓储内区域污染,和物流交接不及时造成的仓储内货物损失;帮助仓库管理者或物流运营人员了解货物提取的速度、效率和准确性。
进一步的,所述仓储管控调节模块包括仓储环境调节单元、机器人行为路线调节单元和仓储数据管理单元;
所述仓储环境调节单元用于根据仓储内的各区域货物的状态数据对各区域的温湿度调节器进行参数调节,使得各区域内的环境参数满足区域内货物的存储需求;
所述机器人行为路线调节单元用于根据仓储内货物的实时监测和分析数据对机器人的行为路线进行调节和优化,对机器人的路径规划进行调整,并根据各机器人的历史数据对接触过风险区域的机器人进行监管;
所述仓储数据管理单元用于实时记录和更新仓储内的货物信息,整理和分析仓库运营数据,生成相关报表和图表,并与其他物流管理系统进行接口对接和信息共享,实现自动化流程和协同工作;以便于帮助管理人员评估仓库绩效、优化流程和制定决策。
与现有技术相比,本发明所达到的有益效果是:
本发明通过仓储数据采集模块收集和记录与仓储操作和货物管理相关的各种数据;通过物流状态监测模块实时监测和跟踪货物在整个物流运输过程中的状态和位置信息;通过使用定位技术追踪货物的当前位置,并对物流异常情况进行报警通知;提供货物状态数据监测模块对货物在运输、存储和交付过程中的各种状态数据,并根据货物所处环境数据对货物在仓储各位置的存放时间进行分析;通过仓储管控调节模块根据物流状态相关数据货物状态相关数据对仓储内各区域的环境参数进行管理和调节,并根据仓储各区域的货物情况和环境参数对仓储内机器人的行为轨迹进行管控。
利用大数据技术和仓储时间监管手段,使仓储管理更加智能化、精细化和高效化,满足不同类型货物的存储和管理需求,通过有效的仓储时间监管,可以优化仓储操作流程,提高运营效率,降低风险损失;
基于大数据的仓储时间监管方法通过数据采集、监测和分析,实现对货物运输和仓储过程的实时监控和管控,确保货物的安全和高效存储。同时,通过对物流状态和货物状态数据的分析,可以提供预警和决策支持,以应对潜在风险和调整运营策略。该方法可以提高仓储运营效率,减少货物损失和延误,以此提升混合型仓储面向多行业客户的满意程度。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据的仓储时间监管系统的模块结构示意图;
图2是本发明一种基于大数据的仓储时间监管方法的流程示意图。
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、图2和具体实施例对本发明作进一步的说明。
实施例1:如图1所示,本实施例提供了一种基于大数据的仓储时间监管系统,所述系统包括:仓储数据采集模块、物流状态监测模块、货物状态数据监测模块和仓储管控调节模块;
仓储数据采集模块,用于收集和记录与仓储操作和货物管理相关的各种数据;仓储数据采集模块包括仓储空间划分单元、自动化拣选路线导入单元和仓储数据更新单元;
仓储空间划分单元用于根据仓储内的各位置的环境参数信息对仓储空间进行区域划分;
自动化拣选路线导入单元用于对仓储内的自动分拣机器人的行动路线进行导入;
仓储数据更新单元用于对仓储内各位置、各区域的环境参数信息和各区域内的货物情况变化进行更新,包括仓库进出货物的时间、入库和出库操作的时间戳、货物的数量和类型等信息,可以通过扫描条码、RFID技术或其他自动化设备进行采集;
通过采集货物在仓库内的具体位置信息,可以实时追踪货物的存放位置,提高货物的查找和提取效率;仓储环境的温度和湿度对某些货物(如食品、药品等)的保存条件至关重要,因此,采集和更新仓库各区域的温湿度数据可以确保货物在合适的环境中储存。
物流状态监测模块,用于实时监测和跟踪货物在整个物流运输过程中的状态和位置信息;通过使用定位技术追踪货物的当前位置,以便于相关人员准确了解货物的所处位置,并对物流异常情况进行报警通知,如交通事故、交接延迟等情况,以便于及时向相关人员发送通知,使得快速采取应对措施,调整后续流程安排,减少不确定性和运输风险;
货物状态数据监测模块,用于对货物在运输、存储和交付过程中的各种状态数据,以便于通过各相关数据变化来判断货物的完整性和稳定性,确保货物安全,并根据货物所处环境数据对货物在仓储各位置的存放时间进行分析;货物状态数据监测模块包括货物信息获取单元、货物停留时间预测单元和货物提取时间分析单元;
货物信息获取单元用于对仓储内的货物相关信息进行获取,并根据物流状态信息对货物进入、离开仓储的相关信息进行获取;
货物停留时间预测单元用于对货物在仓储内的停留时间进行预测,以便于对货物在仓储内的存储位置进行分析;
冷链物流中,对货物的温度监控和时效管理尤为重要。仓储时间监管可以自动记录货物在不同温度区域的停留时间,确保冷藏或冷冻货物的质量和安全性,减少货物损失。
货物提取时间分析单元用于根据货物状态及物流状态相关数据对货物在仓储内的停放时间上限或提取时间进行分析,以便于防止货物自身损害引起的仓储内区域污染,和物流交接不及时造成的仓储内货物损失;帮助仓库管理者或物流运营人员了解货物提取的速度、效率和准确性。
仓储管控调节模块,用于根据物流状态相关数据货物状态相关数据对仓储内各区域的环境参数进行管理和调节,以便于确保货物的安全、合规和高效存储;并根据仓储各区域的货物情况和环境参数对仓储内机器人的行为轨迹进行管控,以便于避免由于货物类型不同导致的相互干扰或污染传递等现象。
仓储管控调节模块包括仓储环境调节单元、机器人行为路线调节单元和仓储数据管理单元;
仓储环境调节单元用于根据仓储内的各区域货物的状态数据对各区域的温湿度调节器进行参数调节,使得各区域内的环境参数满足区域内货物的存储需求;
机器人行为路线调节单元用于根据仓储内货物的实时监测和分析数据对机器人的行为路线进行调节和优化,对机器人的路径规划进行调整,并根据各机器人的历史数据对接触过风险区域的机器人进行监管;
仓储数据管理单元用于实时记录和更新仓储内的货物信息,整理和分析仓库运营数据,生成相关报表和图表,并与其他物流管理系统进行接口对接和信息共享,如订单管理系统、供应链管理系统等,实现自动化流程和协同工作;以便于帮助管理人员评估仓库绩效、优化流程和制定决策。
实施例2:如图2所示,本实施例提供了一种基于大数据的仓储时间监管方法,其基于实施例中的一种基于大数据的仓储时间监管系统实现,具体包括以下步骤:
S1:获取仓储相关数据,构建多源数据库,基于多源数据库对仓储空间进行区域划分,并对仓储内各区域的环境参数信息和各区域内的货物数据变化进行实时更新;
步骤S1-1:获取仓储相关数据,所述仓储相关数据包括仓储内货物数据、仓储物流历史数据、仓储设备参数数据、仓储设备位置数据和仓储环境参数数据;根据仓储相关数据构建多源数据库,在多源数据库中确定参与区域划分的n组数据;其中,n表示多源数据库中的与判断区域划分相关的元素的数据类型数量,根据实际应用中的仓储所采集数据进行确定;
步骤S1-2:对仓储空间进行区域划分,对仓库内的地图进行建模,建立仓储三维空间,根据仓储相关数据,将仓储空间网格化,统计网格节点上的n组仓储相关数据,并根据参数环境数据差异或仓储历史存储数据对仓储空间进行区域划分;使用聚类算法将相似节点归为一类,并形成区域划分结果。
步骤S1-3:根据仓储选择的计算机中集成的路径规划算法和仓库地图,对仓储内的自动分拣机器人的动态行动路径进行上传;
步骤S1-4:对仓储内各区域的环境参数信息和各区域内的货物情况变化进行更新,包括仓库进出货物的时间、入库和出库操作的时间戳、货物的数量和类型等信息,可以通过扫描条码、RFID技术或其他自动化设备进行采集,并使用传感器等技术对各区域进行实时监测,获取温度、湿度、气体浓度等环境参数。
S2:实时监测仓储内各区域货物的状态数据,并跟踪物流运输过程中的货物状态和位置信息,对仓储内各区域货物的停留时间进行分析预测;
步骤S2-1:对仓储内各区域的实时环境相关数据进行提取,从多源数据库中获取各区域货物的存储环境条件数据,当各区域的实时环境相关数据超出各区域货物相应的存储环境条件阈值时,发出警报,并监测各区域货物的实时状态,通过监测这些状态数据的变化,判断货物的完整性和稳定性,以便于防止货物出现破损、变质、泄露等情况,确保货物安全;
步骤S2-2:通过使用定位技术追踪货物的当前位置,提取多源数据库中的仓储物流历史数据,根据以下公式对物流影响因子w进行分析:
其中,δ1、δ2为权重系数,η表示误差因子,由相关工作人员预设;l表示物流当前位置与仓储的距离,表示物流在运输过程中的平均速度,Δu表示的其他限制元素通过灰色关联模型进行量化分析得到Δu,其中,Δu表示的其他限制元素包括运输方式、天气情况和道路路况等;包括以下步骤:
H1:获取相关元素数据,并对获取的数据进行标准化处理,得到各元素的数据序列,可以采用最小-最大规范法、Z-score标准化等方法,将数据转化为无量纲化的指标;
H2:将序列中的各个元素按时间顺序进行累计求和,得到累加生成序列,并从累加生成的序列中选择影响程度最大的因素作为参考序列;设各元素组成的数据序列为x1,构建一次累加生成序列,记为
其中,为一次累加生成序列中的第k个值;i代表序列数;
H3:提取数据库中预设的标准参考序列数据,将累加生成序列与标准参考序列进行比较,计算出当前各元素与预设标准的关联系数,可通过皮尔逊相关系数、斯皮尔曼相关系数和肯德尔相关系数等方法计算关联系数,关联系数的取值在-1到1之间;
H4:根据计算得到的关联系数,根据数据库中的数据关系对应表确定Δu的取值;
f表示物流交付效率,根据货物种类从仓储历史数据中各种类货物对应的平均交付效率选择;
以便于相关人员准确了解货物的所处位置,同时能够对物流过程中的异常情况及时进行报警通知;
步骤S2-3:对货物进入、离开仓储的相关信息进行获取,根据以下公式对任一类型货物k在仓储内的停留时间T′进行预测:
其中,Ti表示货物k在本仓储内第i次进行存储时的历史停留时间,i=1,2,...s,s表示货物k在本仓储内的历史存储次数;β表示物流影响因子的权重系数,w表示物流影响因子;t表示货物k在本仓储内的已存储时间,λ表示误差系数;以便于后续步骤中对货物在仓储内的存储位置进行分析。
S3:根据仓储内的各区域的货物状态数据和各区域货物的预计停留时间,对仓储内各区域货物的提取时间进行分析;
步骤S3-1:若任意区域内的货物在预计的停留时间,超出该货物相应的存储有效期时,则向仓储时间监管系统发出预警,提示相关工作人员该任意区域内的货物存在超时风险;所述存储有效期包括货物保质期和货物订单时长;
步骤S3-2:若任意区域内的货物在预计的停留时间内,监测到该任意区域内存在货物状态异常,如货物出现出现破损、变质、泄露等情况;则向仓储时间监管系统发出预警,提示相关工作人员该任意区域内的货物存在污染风险;
步骤S3-3:若任意区域内的货物在预计的停留时间内,监测到该任意区域内的环境参数数据异常,如温、湿度控制器出现故障等情况,则向仓储时间监管系统发出预警,提示相关工作人员该任意区域内的货物存在损坏风险。
通过对各区域内货物的存放时间进行分析,以便于避免仓储内货物超过自身保质期或其他限制条件;
S4:根据S3中的分析结果对仓储内的货物、设备和机器人进行相应调节和管理;
步骤S4-1:当预警提示仓储内货物存在超时风险时,提高对于该风险区域内货物的处理优先级,与物流部门进行协调,或与货物所属客户进行协调,确定该存在超时风险货物的处理方式,以便于提高仓储管理效率,减少货物周转延误;
步骤S4-2:当预警提示仓储内货物存在污染风险时,响应第一处理计划,将存在污染风险的货物进行转移并隔离,以便于避免污染的进一步扩散,同时,将存在污染风险的仓储区域设为S1,根据各机器人的历史行动数据对接触过存在污染风险货物的机器人进行标记;对所标记机器人的行动路径进行获取,将该路径所涉及区域设为S2,对S1和S2进行污染风险排查,将排查得到的存在污染的仓储区域集合设为S,根据排查结果对集合S内的区域进行清理;并对涉及集合S内区域的机器人的路径规划进行调整,对涉及污染风险区域的行动路线进行封禁;
步骤S4-3:当预警提示仓储内货物存在损坏风险时,对存在损坏风险区域的仓储环境调节设备进行管理,根据仓储内的各区域货物的状态数据对各区域的温湿度调节器进行参数调节;若存在损坏风险区域内的环境调节设备所需的修正时间大于该区域货物在当前环境参数变化趋势下的可停留时间,则对该区域内的货物进行转移存储,结合转移距离、存储环境相似度等影响因子选择最优转移区域;使得各区域内的环境参数满足区域内货物的存储需求;
步骤S4-4:对仓储内的货物信息进行实时记录和更新,整理和分析仓库运营数据,生成相关报表和图表,并与其他相关物流管理系统进行接口对接和信息共享。
根据仓储各区域的货物情况和环境参数,对仓储内机器人的行为轨迹进行管控,避免了不同货物类型之间的相互干扰或污染传递等现象;确保了货物的安全、合规和高效存储。
通过数据可视化的方式,将仓储内货物的存储、调用等所需时间的监管结果以图表、报表等形式展示出来,使管理人员能够直观地了解仓储运营情况,及时做出决策和调整。
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。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于大数据的仓储时间监管方法,其特征在于:包括以下步骤:
S1:获取仓储相关数据,构建多源数据库,基于多源数据库对仓储空间进行区域划分,并对仓储内各区域的环境参数信息和各区域内的货物数据变化进行实时更新;
S2:实时监测仓储内各区域货物的状态数据,并跟踪物流运输过程中的货物状态和位置信息,对仓储内各区域货物的停留时间进行分析预测;
S3:根据仓储内的各区域的货物状态数据和各区域货物的预计停留时间,对仓储内各区域货物的提取时间进行分析;
S4:根据S3中的分析结果对仓储内的货物、设备和机器人进行相应调节和管理。
2.根据权利要求1所述的一种基于大数据的仓储时间监管方法,其特征在于:所述S1包括:
步骤S1-1:获取仓储相关数据,所述仓储相关数据包括仓储内货物数据、仓储物流历史数据、仓储设备参数数据、仓储设备位置数据和仓储环境参数数据;根据仓储相关数据构建多源数据库,在多源数据库中确定参与区域划分的n组数据;
步骤S1-2:对仓储空间进行区域划分,对仓库内的地图进行建模,建立仓储三维空间,根据仓储相关数据,将仓储空间网格化,统计网格节点上的n组仓储相关数据,并根据参数环境数据差异对仓储空间进行区域划分;
步骤S1-3:根据仓储选择的计算机中集成的路径规划算法和仓库地图,对仓储内的自动分拣机器人的动态行动路径进行上传;
步骤S1-4:对仓储内各区域的环境参数信息和各区域内的货物情况变化进行更新。
3.根据权利要求1所述的一种基于大数据的仓储时间监管方法,其特征在于:所述S2包括:
步骤S2-1:对仓储内各区域的实时环境相关数据进行提取,从多源数据库中获取各区域货物的存储环境条件数据,当各区域的实时环境相关数据超出各区域货物相应的存储环境条件阈值时,发出警报,并监测各区域货物的实时状态;
步骤S2-2:通过使用定位技术追踪货物的当前位置,提取多源数据库中的仓储物流历史数据,根据以下公式对物流影响因子w进行分析:
其中,δ1、δ2为权重系数,η表示误差因子,由相关工作人员预设;l表示物流当前位置与仓储的距离,表示物流在运输过程中的平均速度,Δu表示其他限制元素对物流产生的影响因子,f表示物流交付效率,根据货物种类从仓储历史数据中各种类货物对应的平均交付效率选择;
步骤S2-3:对货物进入、离开仓储的相关信息进行获取,根据以下公式对任一类型货物k在仓储内的停留时间T′进行预测:
其中,Ti表示货物k在本仓储内第i次进行存储时的历史停留时间,i=1,2,...s,s表示货物k在本仓储内的历史存储次数;β表示物流影响因子的权重系数,w表示物流影响因子;t表示货物k在本仓储内的已存储时间,λ表示误差系数。
4.根据权利要求1所述的一种基于大数据的仓储时间监管方法,其特征在于:所述S3根据S1监测得到的各区域货物状态数据和S2分析得到的货物预计停留时间,对仓储内各区域货物的提取时间进行分析;包括:
步骤S3-1:若任意区域内的货物在预计的停留时间,超出该货物相应的存储有效期时,则向仓储时间监管系统发出预警,提示相关工作人员该任意区域内的货物存在超时风险;所述存储有效期包括货物保质期和货物订单时长;
步骤S3-2:若任意区域内的货物在预计的停留时间内,监测到该任意区域内存在货物状态异常;则向仓储时间监管系统发出预警,提示相关工作人员该任意区域内的货物存在污染风险;
步骤S3-3:若任意区域内的货物在预计的停留时间内,监测到该任意区域内的环境参数数据异常,则向仓储时间监管系统发出预警,提示相关工作人员该任意区域内的货物存在损坏风险。
5.根据权利要求1所述的一种基于大数据的仓储时间监管方法,其特征在于:所述S4包括:
步骤S4-1:当预警提示仓储内货物存在超时风险时,提高对于该风险区域内货物的处理优先级,与物流部门进行协调,或与货物所属客户进行协调,确定该存在超时风险货物的处理方式;
步骤S4-2:当预警提示仓储内货物存在污染风险时,响应第一处理计划,将存在污染风险的货物进行转移并隔离,将存在污染风险的仓储区域设为S1,根据各机器人的历史行动数据对接触过存在污染风险货物的机器人进行标记;对所标记机器人的行动路径进行获取,将该路径所涉及区域设为S2,对S1和S2进行污染风险排查,根据排查结果对存在污染的区域进行清理;并根据排查结果对仓储内机器人的路径规划进行调整;
步骤S4-3:当预警提示仓储内货物存在损坏风险时,对存在损坏风险区域的仓储环境调节设备进行管理,对仓储环境调节设备的输出参数进行调节;若存在损坏风险区域内的环境调节设备所需的修正时间大于该区域货物在当前环境参数变化趋势下的可停留时间,则对该区域内的货物进行转移存储;
步骤S4-4:对仓储内的货物信息进行实时记录和更新,生成相关报表和图表。
6.一种基于大数据的仓储时间监管系统,其特征在于:所述系统包括:仓储数据采集模块、物流状态监测模块、货物状态数据监测模块和仓储管控调节模块;
所述仓储数据采集模块用于收集和记录与仓储操作和货物管理相关的各种数据;
所述物流状态监测模块用于实时监测和跟踪货物在整个物流运输过程中的状态和位置信息;通过使用定位技术追踪货物的当前位置,并对物流异常情况进行报警通知;
所述货物状态数据监测模块用于对货物在运输、存储和交付过程中的各种状态数据,并根据货物所处环境数据对货物在仓储各位置的存放时间进行分析;
所述仓储管控调节模块用于根据物流状态相关数据货物状态相关数据对仓储内各区域的环境参数进行管理和调节,并根据仓储各区域的货物情况和环境参数对仓储内机器人的行为轨迹进行管控。
7.根据权利要求6所述的一种基于大数据的仓储时间监管系统,其特征在于:所述仓储数据采集模块包括仓储空间划分单元、自动化拣选路线导入单元和仓储数据更新单元;
所述仓储空间划分单元用于根据仓储内的各位置的环境参数信息对仓储空间进行区域划分;
所述自动化拣选路线导入单元用于对仓储内的自动分拣机器人的行动路线进行导入;
所述仓储数据更新单元用于对仓储内各位置、各区域的环境参数信息和各区域内的货物情况变化进行更新。
8.根据权利要求6所述的一种基于大数据的仓储时间监管系统,其特征在于:所述货物状态数据监测模块包括货物信息获取单元、货物停留时间预测单元和货物提取时间分析单元;
所述货物信息获取单元用于对仓储内的货物相关信息进行获取,并根据物流状态信息对货物进入、离开仓储的相关信息进行获取;
所述货物停留时间预测单元用于对货物在仓储内的停留时间进行预测,;
所述货物提取时间分析单元用于根据货物状态及物流状态相关数据对货物在仓储内的停放时间上限或提取时间进行分析。
9.根据权利要求6所述的一种基于大数据的仓储时间监管系统,其特征在于:所述仓储管控调节模块包括仓储环境调节单元、机器人行为路线调节单元和仓储数据管理单元;
所述仓储环境调节单元用于根据仓储内的各区域货物的状态数据对各区域的温湿度调节器进行参数调节,使得各区域内的环境参数满足区域内货物的存储需求;
所述机器人行为路线调节单元用于根据仓储内货物的实时监测和分析数据对机器人的行为路线进行调节和优化,对机器人的路径规划进行调整,并根据各机器人的历史数据对接触过风险区域的机器人进行监管;
所述仓储数据管理单元用于实时记录和更新仓储内的货物信息,整理和分析仓库运营数据,生成相关报表和图表,并与其他物流管理系统进行接口对接和信息共享。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311064208.5A CN117114573A (zh) | 2023-08-23 | 2023-08-23 | 一种基于大数据的仓储时间监管系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311064208.5A CN117114573A (zh) | 2023-08-23 | 2023-08-23 | 一种基于大数据的仓储时间监管系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117114573A true CN117114573A (zh) | 2023-11-24 |
Family
ID=88801464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311064208.5A Pending CN117114573A (zh) | 2023-08-23 | 2023-08-23 | 一种基于大数据的仓储时间监管系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117114573A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117635009A (zh) * | 2024-01-25 | 2024-03-01 | 四川汇利实业有限公司 | 一种冷链运输智能监测方法、系统、设备和存储介质 |
CN117893122A (zh) * | 2024-03-15 | 2024-04-16 | 青岛冠成软件有限公司 | 一种基于电子标签的物流信息管理方法 |
-
2023
- 2023-08-23 CN CN202311064208.5A patent/CN117114573A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117635009A (zh) * | 2024-01-25 | 2024-03-01 | 四川汇利实业有限公司 | 一种冷链运输智能监测方法、系统、设备和存储介质 |
CN117635009B (zh) * | 2024-01-25 | 2024-05-03 | 四川汇利实业有限公司 | 一种冷链运输智能监测方法、系统、设备和存储介质 |
CN117893122A (zh) * | 2024-03-15 | 2024-04-16 | 青岛冠成软件有限公司 | 一种基于电子标签的物流信息管理方法 |
CN117893122B (zh) * | 2024-03-15 | 2024-05-24 | 青岛冠成软件有限公司 | 一种基于电子标签的物流信息管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117114573A (zh) | 一种基于大数据的仓储时间监管系统及方法 | |
CN116862199A (zh) | 基于大数据和云计算的建筑施工优化系统 | |
KR101713985B1 (ko) | 예지 정비 방법 및 장치 | |
CN116503975B (zh) | 基于智慧燃气gis的安全隐患处置方法和物联网系统 | |
CN116468427B (zh) | 一种基于大数据的设备运维智能监管系统及方法 | |
CN116843156A (zh) | 一种装配式建筑构件的供应链管理与控制方法 | |
CN115946132B (zh) | 一种智能密集库与物流机器人系统及其故障监测方法 | |
CN113379223A (zh) | 基于故障关联模型的船舶主机随船备件多层级配置方法 | |
CN116882426A (zh) | 基于标识解析的机电设备管理平台 | |
CN116976773A (zh) | 一种数字化工厂物流调度系统及方法 | |
Silva et al. | Availability forecast of mining equipment | |
Becherer et al. | Intelligent choice of machine learning methods for predictive maintenance of intelligent machines | |
zu Wickern | Challenges and reliability of predictive maintenance | |
Yıldız et al. | Integrating preventive and predictive maintenance policies with system dynamics: A decision table approach | |
CN117709855A (zh) | 一种智能仓储货架及控制系统 | |
Urbani et al. | Maintenance-management in light of manufacturing 4.0 | |
KR20220152709A (ko) | 스마트 공장 시스템에서 설비 건강 안정도 예측 방법 및 이를 기록한 기록매체 | |
CN117236835A (zh) | 智慧物流共享中心管理系统 | |
CN116664099A (zh) | 一种基于非参数回归的无人矿车健康管理方法 | |
Berrabah et al. | Essential and new maintenance KPIs explained | |
CN117853078B (zh) | 基于无人机的建筑工程施工现场动态安全报警系统及方法 | |
Manzini et al. | A Hierarchical Framework for Spares-Driven Maintenance Tasks’ Reviewing, Planning and Scheduling | |
Nappi et al. | Rolling stocks: a machine learning predictive maintenance architecture | |
CN118011990B (zh) | 基于人工智能的工业数据品质监控与提升系统 | |
Rota et al. | Proactive Maintenance Strategy Based on Resilience Empowerment for Complex Buildings |
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 |