CN117196150B - 一种基于数字孪生的智慧园区中台系统 - Google Patents
一种基于数字孪生的智慧园区中台系统 Download PDFInfo
- Publication number
- CN117196150B CN117196150B CN202311206418.3A CN202311206418A CN117196150B CN 117196150 B CN117196150 B CN 117196150B CN 202311206418 A CN202311206418 A CN 202311206418A CN 117196150 B CN117196150 B CN 117196150B
- Authority
- CN
- China
- Prior art keywords
- freight
- vehicle
- warehouse
- piece
- transportation
- 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
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000000034 method Methods 0.000 claims abstract description 51
- 238000013507 mapping Methods 0.000 claims abstract description 10
- 238000013500 data storage Methods 0.000 claims abstract description 8
- 230000005484 gravity Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 description 13
- 238000011161 development Methods 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Abstract
本发明公开了一种基于数字孪生的智慧园区中台系统,包括数据处理模块、数据储存模块、数据输出模块;数据存储模块用于存储用户预先建立的园区三维模型数据和园区的历史数据;数据处理模块用于调取历史数据和园区的三维模型数据,并建立历史数据与三维模型数据之间的映射关系,再读取当前车辆的货物总量入库时耗信息和预入库的车辆的车辆报道信息,根据货物入库实时数据估算预入库车辆的等待时间,并制定等待时间报告;本发明以园区货物的历史数据为基础进行分析,对园区内货运车辆的入库时间进行统一规划,避免货运车辆集中拥堵的仓库的入库位置,造成堵塞,使得货物入库可以有条不紊的进行,可以有效提升货物入库的效率。
Description
技术领域
本发明涉及园区管理领域,具体涉及一种基于数字孪生的智慧园区中台系统。
背景技术
随着经济全球化和区域经济一体化,物流在企业发展过程中的地位逐渐从幕后走到了幕前,从为业主做配套支撑的成本中心演变成可以为产业来发展的利润中心;随着物流行业的发展,物流货运量也随之加大,特别是在一些特定日期,货运量庞大,在货物从商家到货运中心的过程中,由于运输车辆繁多,会出现堵塞的现象,极大影像货物入库的效率;现有的园区货运车辆管理大多停留在纸质管理和人工管理,管理科学性差,且管理效率低下。
现有的园区货运车辆管理大多停留在纸质管理和人工管理,管理科学性差,且管理效率低下,为提高货运效率;因此,提出一种基于数字孪生的智慧园区中台系统。
发明内容
本发明所要解决的技术问题在于:如何解决现有的安全防护系统,防护类型单一,导致防护效果较差,给安全防护系统的使用带来了一定的影响的问题,提供了一种基于数字孪生的智慧园区中台系统。
本发明是通过以下技术方案解决上述技术问题的,本发明包括影像采集模块、时间采集模块、位置采集模块、重量采集模块、数据处理模块、数据储存模块、数据输出模块;
影像采集模块用于采集园区内车辆的车辆报道信息与货运件的实时影像信息;
时间采集模块用于采集车辆的货物总量入库时耗信息;
位置采集模块用于采集车辆实时位置信息;
重量采集模块用于采集货运件的实时重量信息;
数据存储模块用于存储用户预先建立的园区三维模型数据和园区的历史数据,历史数据包括第一历史数据、第二历史数据、第三历史数据、第四历史数据与第五历史数据;
数据处理模块用于调取历史数据和园区的三维模型数据,并建立历史数据与三维模型数据之间的映射关系,再读取当前车辆的货物总量入库时耗信息和预入库的车辆的车辆报道信息,根据货物入库实时数据估算预入库车辆的等待时间,并制定等待时间报告;
数据处理模块还用于调取三维模型数据,并对三维模型中的预入库车辆的车辆位置进行分析,制定目标入库区域报告;
数据输出模块用于接收并输出等待时间报告和目标入库区域报告。
优选的,所述历史数据与三维模型数据之间的映射关系的处理过程如下:
调取第一历史数据,第一历史数据包括园区仓库分布信息;
根据园区仓库分布信息,以园区的几何中心为原点,在水平面内过原点建立两条互相垂直的直线,分别作为X轴和Y轴,过原点建立数值布置的直线作为Z轴建立园区的三维坐标系A;
再获取三维模型的数据,以三维模型的几何中心为原点,在三维模型中水平面内过原点建立两条互相垂直的直线,分别作为X´轴和Y´轴,过原点建立数值布置的直线作为Z´轴建立三维模型的三维坐标系B;
通过三维坐标系A与三维坐标系B的一一对应关系建立三维坐标系A中坐标数值到三维坐标系B坐标数值的映射关系。
优选的,所述数据处理模块的处理过程如下:
调取第二历史数据,第二历史数据包括车辆的历史货物总量入库时耗信息;
随机抽取多个同类型车辆的历史货物总量入库时耗信息,并计算出货物入库的平均时耗H1;
再读取车辆报道信息,并根据车辆报道信息对车辆货物入库顺序进行排序;
根据预入库车辆与当前入库车辆之间间隔车辆的数量对预入库车辆的等待时间进行预估,得到预估等待时间Ht,具体预估过程如下:
Ht=(n+1)H1
其中,n为预入库车辆与当前入库车辆之间间隔车辆的数量,n为0或正整数;
根据预估等待时间Ht制定等待时间报告。
优选的,所述数据处理模块还进行如下处理过程:
调取第三历史数据,第三历史数据包括预入库车辆在相邻车辆位置之间进行切换时的位置切换时耗信息;
随机抽取多个车辆的位置切换时耗信息,并计算位置切换的平均时耗H2;
再根据预入库车辆与当前入库车辆之间间隔车辆的数量对预入库车辆的等待时间进行重新预估,对预估等待时间Ht进行调整,具体调整过程如下:
Ht=(n+1)*(H1+H2)
再根据调整后的预估等待时间Ht重新制定等待时间报告。
优选的,所述数据处理模块还进行如下的处理过程:
调取第四历史数据,第四历史数据包括货物的历史体积信息与货运件搬运时耗信息;
根据货运件的预设规则将货运件分为大体积运件和小体积运件;
分别抽取同一车辆中至少y个大体积运件的货运件搬运时耗信息和多个小体积运件的货运件搬运时耗信息,y≥10,并分级计算大体积运件的货运件搬运时耗的平均值C和小体积运件的货运件搬运时耗的平均值D,并计算大体积货运件搬运时间的增量E,具体计算过程为:
E=C-D
提取货运件的实时影像信息,并对货运件的实时影像进行处理获取货运件的尺寸信息,并根据货运件的尺寸信息计算货运件的体积V;
所述预设规则如下:当货运件的体积V≥预设阈值G时,表示货运件为大体积运件,当货运件的体积V<预设阈值G时,表示货运件为小体积运件;
根据货运件的实时影像信息计算大体积运件的比重F,对货运件的实时影像信息进行处理获取到大体积运件数量M和小体积运件数量N,之后通过公式F=M/(M+N),具体计算大体积运件的比重F,M和N为正整数;
当大体积运件比重F<预设阈值H时,即表示大体积运件的数量少,预入库车辆的等待时间符合预估要求;
当大体积运件比重F≥预设阈值H时,即表示大体积运件的数量多,预入库车辆的等待时间不符合预估要求,需要对预估等待时间Ht进行调整,具体调整过程为:
Ht=(n+1)*(H1+H2)+x(C-D)
其中,x为同一车辆中大体积运件的数量;
再根据调整后的预估等待时间Ht重新制定等待时间报告。
优选的,当大体积运件比重F<预设阈值H时,数据处理模块还进行如下处理过程:
获取货运件实时重量信息;
根据预设重量对货运件进行分类,将货运件大质量运件和小质量运件,当货运件重量≥预设值P时为大质量运件,当货运件<预设值P时为小质量运件;
统计大体积运件中货运件的重量信息;
通过货运件实时重量信息获取到大重量运件数量T和小质量运件数量R;
再计算大质量运件数量占总货运件数量的比重K,具体计算过程如下:
K=T/(T+R)
其中,T和R均为正整数;
当大质量运件比重K≥预设阈值J时,表示大体积运件中大质量运件数量多,预入库车辆的等待时间符合预估要求;
当大质量运件比重K<预设阈值J时,表示大体积运件中大质量运件数量少,大体积运件与小体积运件的搬运时耗相等,需再次将预估等待时间Ht调整为:
Ht=(n+1)*(H1+H2)
并重新制定等待时间报告。
优选的,所述数据处理模块还进行如下处理过程:
调取三维模型数据,并根据车辆实时位置信息对不同入库区域的等待车辆进行统计;
将不同入库区域的等待车辆的数量进行统计,并将等待车辆数据最小的入库区域作为当前可选入库区域;
并根据当前可选入库区域制定目标入库区域报告。
优选的,所述数据处理模块还进行如下处理过程:
调取第五历史数据,第五历史数据包括车辆类型信息和不同车辆类型的劳动量信息,先根据三维模型数据判断车辆类型,再根据历史车辆的劳动量信息,调动劳务人员数量,并制定劳务人员数量报告。
本发明相比现有技术具有以下优点:该基于数字孪生的智慧园区中台系统,以园区货物的历史数据为基础进行分析,对园区内货运车辆的入库时间进行统一规划,避免货运车辆集中拥堵的仓库的入库位置,造成堵塞,使得货物入库可以有条不紊的进行,该系统不仅可以提升车辆管理的科学性,同时可以有效提升货物入库的效率,让该系统更加值得推广使用;
该系统还对园区内不同入库位置的车辆进行统计分析,根据不同入库位置的车辆数量对刚进入园区的车辆目标位置进行安排,可以均衡不同入库位置的工作量,可以提升园区整体的工作效率。
附图说明
图1是本发明的整体模块图。
具体实施方式
下面对本发明的实施例作详细说明,本实施例在以本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示,本实施例提供一种技术方案:一种基于数字孪生的智慧园区中台系统,包括影像采集模块、时间采集模块、位置采集模块、重量采集模块、数据处理模块、数据储存模块、数据输出模块;
影像采集模块用于采集园区内车辆的车辆报道信息与货运件的实时影像信息;
时间采集模块用于采集车辆的货物总量入库时耗信息;
位置采集模块用于采集车辆实时位置信息;
重量采集模块用于采集货运件的实时重量信息;
数据存储模块用于存储用户预先建立的园区三维模型数据和园区的历史数据,历史数据包括第一历史数据、第二历史数据、第三历史数据、第四历史数据与第五历史数据;
数据处理模块用于调取历史数据和园区的三维模型数据,并建立历史数据与三维模型数据之间的映射关系,再读取当前车辆的货物总量入库时耗信息和预入库的车辆的车辆报道信息,根据货物入库实时数据估算预入库车辆的等待时间,并制定等待时间报告;
数据处理模块还用于调取三维模型数据,并对三维模型中的预入库车辆的车辆位置进行分析,制定目标入库区域报告;
数据输出模块用于接收并输出等待时间报告和目标入库区域报告。
该基于数字孪生的智慧园区中台系统,以园区货物的历史数据为基础进行分析,对园区内货运车辆的入库时间进行统一规划,避免货运车辆集中拥堵的仓库的入库位置,造成堵塞,使得货物入库可以有条不紊的进行,该系统不仅可以提升车辆管理的科学性,同时可以有效提升货物入库的效率,让该系统更加值得推广使用。
需要说明的是,历史数据与三维模型数据之间的映射关系的处理过程如下:
调取第一历史数据,第一历史数据包括园区仓库分布信息;
根据园区仓库分布信息,以园区的几何中心为原点,在水平面内过原点建立两条互相垂直的直线,分别作为X轴和Y轴,过原点建立数值布置的直线作为Z轴建立园区的三维坐标系A;
再获取三维模型的数据,以三维模型的几何中心为原点,在三维模型中水平面内过原点建立两条互相垂直的直线,分别作为X´轴和Y´轴,过原点建立数值布置的直线作为Z´轴建立三维模型的三维坐标系B;
通过三维坐标系A与三维坐标系B的一一对应关系建立三维坐标系A中坐标数值到三维坐标系B坐标数值的映射关系。
其中,数据处理模块的处理过程如下:
调取第二历史数据,第二历史数据包括车辆的历史货物总量入库时耗信息;
随机抽取多个同类型车辆的历史货物总量入库时耗信息,并计算出货物入库的平均时耗H1;
再读取车辆报道信息,并根据车辆报道信息对车辆货物入库顺序进行排序;
根据预入库车辆与当前入库车辆之间间隔车辆的数量对预入库车辆的等待时间进行预估,得到预估等待时间Ht,具体预估过程如下:
Ht=(n+1)H1
其中,n为预入库车辆与当前入库车辆之间间隔车辆的数量,n为0或正整数;
根据预估等待时间Ht制定等待时间报告。
调取历史货物总量入库时耗信息进行分析,然后预估每个车辆的货物入库时所需时间,最后再根据目标车辆与当前卸货车辆之间的车辆间隔初步预估目标车辆的等到时间,以防止车辆无规则前进造成入库区域拥堵。
进一步的,数据处理模块还进行如下处理过程:
调取第三历史数据,第三历史数据包括预入库车辆在相邻车辆位置之间进行切换时的位置切换时耗信息;
随机抽取多个车辆的位置切换时耗信息,并计算位置切换的平均时耗H2;
再根据预入库车辆与当前入库车辆之间间隔车辆的数量对预入库车辆的等待时间进行重新预估,对预估等待时间Ht进行调整,具体调整过程如下:
Ht=(n+1)*(H1+H2)
再根据调整后的预估等待时间Ht重新制定等待时间报告。
车辆在进行卸货之前,还需要再进行排队等待卸货,在等待的过程中,车辆需要前进,该部分将车辆等待过程中的前进所划费的时间计入其中,可以提升预估等待时间的精准性。
再进一步的,数据处理模块还进行如下的处理过程:
调取第四历史数据,第四历史数据包括货物的历史体积信息与货运件搬运时耗信息;
根据货运件的预设规则将货运件分为大体积运件和小体积运件;
分别抽取同一车辆中至少y个大体积运件的货运件搬运时耗信息和多个小体积运件的货运件搬运时耗信息,y≥10,并分级计算大体积运件的货运件搬运时耗的平均值C和小体积运件的货运件搬运时耗的平均值D,并计算大体积货运件搬运时间的增量E,具体计算过程为:
E=C-D
提取货运件的实时影像信息,并对货运件的实时影像进行处理获取货运件的尺寸信息,并根据货运件的尺寸信息计算货运件的体积V;
预设规则如下:当货运件的体积V≥预设阈值G时,表示货运件为大体积运件,当货运件的体积V<预设阈值G时,表示货运件为小体积运件;
根据货运件的实时影像信息计算大体积运件的比重F,对货运件的实时影像信息进行处理获取到大体积运件数量M和小体积运件数量N,之后通过公式F=M/(M+N),具体计算大体积运件的比重F,M和N为正整数;
当大体积运件比重F<预设阈值H时,即表示大体积运件的数量少,预入库车辆的等待时间符合预估要求;
当大体积运件比重F≥预设阈值H时,即表示大体积运件的数量多,预入库车辆的等待时间不符合预估要求,需要对预估等待时间Ht进行调整,具体调整过程为:
Ht=(n+1)*(H1+H2)+x(C-D)
其中,x为同一车辆中大体积运件的数量;
再根据调整后的预估等待时间Ht重新制定等待时间报告。
在货物入库时,存在一定的可变因数,如货物的体积和重量,货物的体积越大,入库的速度越慢,该部分对货运件的体积进行分析,通过对大体积货物入库所需要的时间与小体积货物入库所需的时间进行比较,计算大体积货物入库所需要的时间相对于小体积货物入库所需的时间的增量,并根据大体积货物的比重分析其对预估等待时间的影响,当影响大时,将增量计入预估等待时间之内,以提升预估等待时间的可靠性。
又进一步的,当大体积运件比重F<预设阈值H时,数据处理模块还进行如下处理过程:
获取货运件实时重量信息;
根据预设重量对货运件进行分类,将货运件大质量运件和小质量运件,当货运件重量≥预设值P时为大质量运件,当货运件<预设值P时为小质量运件;
统计大体积运件中货运件的重量信息;
通过货运件实时重量信息获取到大重量运件数量T和小质量运件数量R;
再计算大质量运件数量占总货运件数量的比重K,具体计算过程如下:
K=T/(T+R)
其中,T和R均为正整数;
当大质量运件比重K≥预设阈值J时,表示大体积运件中大质量运件数量多,预入库车辆的等待时间符合预估要求;
当大质量运件比重K<预设阈值J时,表示大体积运件中大质量运件数量少,大体积运件与小体积运件的搬运时耗相等,需再次将预估等待时间Ht调整为:
Ht=(n+1)*(H1+H2)
并重新制定等待时间报告。
当货物体积大但质量轻时,对入库搬运的影响较小,通过大体积运件中大重量运件的比重,大体积运件对预估等待时间的影响小,从而进行合理调整以提升预估等待时间的合理性。
其中,数据处理模块还进行如下处理过程:
调取三维模型数据,并根据车辆实时位置信息对不同入库区域的等待车辆进行统计;
将不同入库区域的等待车辆的数量进行统计,并将等待车辆数据最小的入库区域作为当前可选入库区域;
并根据当前可选入库区域制定目标入库区域报告。
该系统还对园区内不同入库位置的车辆进行统计分析,根据不同入库位置的车辆数量对刚进入园区的车辆目标位置进行安排,可以均衡不同入库位置的工作量,可以提升园区整体的工作效率。
进一步的,数据处理模块还进行如下处理过程:
调取第五历史数据,第五历史数据包括车辆类型信息和不同车辆类型的劳动量信息,先根据三维模型数据判断车辆类型,再根据历史车辆的劳动量信息,调动劳务人员数量,并制定劳务人员数量报告。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (3)
1.一种基于数字孪生的智慧园区中台系统,其特征在于,包括影像采集模块、时间采集模块、位置采集模块、重量采集模块、数据处理模块、数据储存模块、数据输出模块;
影像采集模块用于采集园区内车辆的车辆报道信息与货运件的实时影像信息;
时间采集模块用于采集车辆的货物总量入库时耗信息;
位置采集模块用于采集车辆实时位置信息;
重量采集模块用于采集货运件的实时重量信息;
数据存储模块用于存储用户预先建立的园区三维模型数据和园区的历史数据,历史数据包括第一历史数据、第二历史数据、第三历史数据、第四历史数据与第五历史数据;
数据处理模块用于调取历史数据和园区的三维模型数据,并建立历史数据与三维模型数据之间的映射关系,再读取当前车辆的货物总量入库时耗信息和预入库的车辆的车辆报道信息,根据货物入库实时数据估算预入库车辆的等待时间,并制定等待时间报告;
数据处理模块还用于调取三维模型数据,并对三维模型中的预入库车辆的车辆位置进行分析,制定目标入库区域报告;
数据输出模块用于接收并输出等待时间报告和目标入库区域报告;
所述历史数据与三维模型数据之间的映射关系的处理过程如下:
调取第一历史数据,第一历史数据包括园区仓库分布信息;
根据园区仓库分布信息,以园区的几何中心为原点,在水平面内过原点建立两条互相垂直的直线,分别作为X轴和Y轴,过原点建立数值布置的直线作为Z轴建立园区的三维坐标系A;
再获取三维模型的数据,以三维模型的几何中心为原点,在三维模型中水平面内过原点建立两条互相垂直的直线,分别作为X′轴和Y′轴,过原点建立数值布置的直线作为Z′轴建立三维模型的三维坐标系B;
通过三维坐标系A与三维坐标系B的一一对应关系建立三维坐标系A中坐标数值到三维坐标系B坐标数值的映射关系;
所述数据处理模块的处理过程如下:
调取第二历史数据,第二历史数据包括车辆的历史货物总量入库时耗信息;
随机抽取多个同类型车辆的历史货物总量入库时耗信息,并计算出货物入库的平均时耗H1;
再读取车辆报道信息,并根据车辆报道信息对车辆货物入库顺序进行排序;
根据预入库车辆与当前入库车辆之间间隔车辆的数量对预入库车辆的等待时间进行预估,得到预估等待时间Ht,具体预估过程如下:
Ht=(n+1)H1
其中,n为预入库车辆与当前入库车辆之间间隔车辆的数量,n为0或正整数;
根据预估等待时间Ht制定等待时间报告;
所述数据处理模块还进行如下处理过程:
调取第三历史数据,第三历史数据包括预入库车辆在相邻车辆位置之间进行切换时的位置切换时耗信息;
随机抽取多个车辆的位置切换时耗信息,并计算位置切换的平均时耗H2;
再根据预入库车辆与当前入库车辆之间间隔车辆的数量对预入库车辆的等待时间进行重新预估,对预估等待时间Ht进行调整,具体调整过程如下:
Ht=(n+1)*(H1+H2)
再根据调整后的预估等待时间Ht重新制定等待时间报告;
所述数据处理模块还进行如下的处理过程:
调取第四历史数据,第四历史数据包括货物的历史体积信息与货运件搬运时耗信息;
根据货运件的预设规则将货运件分为大体积运件和小体积运件;
分别抽取同一车辆中至少y个大体积运件的货运件搬运时耗信息和多个小体积运件的货运件搬运时耗信息,y≥10,并分级计算大体积运件的货运件搬运时耗的平均值C和小体积运件的货运件搬运时耗的平均值D,并计算大体积货运件搬运时间的增量E,具体计算过程为:
E=C-D
提取货运件的实时影像信息,并对货运件的实时影像进行处理获取货运件的尺寸信息,并根据货运件的尺寸信息计算货运件的体积V;
所述预设规则如下:当货运件的体积V≥预设阈值G时,表示货运件为大体积运件,当货运件的体积V<预设阈值G时,表示货运件为小体积运件;
根据货运件的实时影像信息计算大体积运件的比重F,对货运件的实时影像信息进行处理获取到大体积运件数量M和小体积运件数量N,之后通过公式F=M/(M+N),具体计算大体积运件的比重F,M和N为正整数;
当大体积运件比重F<预设阈值H时,即表示大体积运件的数量少,预入库车辆的等待时间符合预估要求;
当大体积运件比重F≥预设阈值H时,即表示大体积运件的数量多,预入库车辆的等待时间不符合预估要求,需要对预估等待时间Ht进行调整,具体调整过程为:
Ht=(n+1)*(H1+H2)+x(C-D)
其中,x为同一车辆中大体积运件的数量;
再根据调整后的预估等待时间Ht重新制定等待时间报告;
当大体积运件比重F<预设阈值H时,数据处理模块还进行如下处理过程:
获取货运件实时重量信息;
根据预设重量对货运件进行分类,将货运件大质量运件和小质量运件,当货运件重量≥预设值P时为大质量运件,当货运件<预设值P时为小质量运件;
统计大体积运件中货运件的重量信息;
通过货运件实时重量信息获取到大重量运件数量T和小质量运件数量R;
再计算大质量运件数量占总货运件数量的比重K,具体计算过程如下:
K=T/(T+R)
其中,T和R均为正整数;
当大质量运件比重K≥预设阈值J时,表示大体积运件中大质量运件数量多,预入库车辆的等待时间符合预估要求;
当大质量运件比重K<预设阈值J时,表示大体积运件中大质量运件数量少,大体积运件与小体积运件的搬运时耗相等,需再次将预估等待时间Ht调整为:
Ht=(n+1)*(H1+H2)
并重新制定等待时间报告。
2.根据权利要求1所述的一种基于数字孪生的智慧园区中台系统,其特征在于:所述数据处理模块还进行如下处理过程:
调取三维模型数据,并根据车辆实时位置信息对不同入库区域的等待车辆进行统计;
将不同入库区域的等待车辆的数量进行统计,并将等待车辆数据最小的入库区域作为当前可选入库区域;
并根据当前可选入库区域制定目标入库区域报告。
3.根据权利要求2所述的一种基于数字孪生的智慧园区中台系统,其特征在于:所述数据处理模块还进行如下处理过程:
调取第五历史数据,第五历史数据包括车辆类型信息和不同车辆类型的劳动量信息,先根据三维模型数据判断车辆类型,再根据历史车辆的劳动量信息,调动劳务人员数量,并制定劳务人员数量报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311206418.3A CN117196150B (zh) | 2023-09-19 | 2023-09-19 | 一种基于数字孪生的智慧园区中台系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311206418.3A CN117196150B (zh) | 2023-09-19 | 2023-09-19 | 一种基于数字孪生的智慧园区中台系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117196150A CN117196150A (zh) | 2023-12-08 |
CN117196150B true CN117196150B (zh) | 2024-04-16 |
Family
ID=88983225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311206418.3A Active CN117196150B (zh) | 2023-09-19 | 2023-09-19 | 一种基于数字孪生的智慧园区中台系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117196150B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113362591A (zh) * | 2021-05-08 | 2021-09-07 | 银隆新能源股份有限公司 | 园区物流车的控制方法及控制装置、无人驾驶物流车 |
JP2022024793A (ja) * | 2020-07-28 | 2022-02-09 | グローリー株式会社 | 入出庫管理システム、入出庫管理装置、入出庫管理方法及び入出庫管理プログラム |
CN114386893A (zh) * | 2021-12-14 | 2022-04-22 | 国网河北省电力有限公司营销服务中心 | 一种基于数字孪生的库房管理方法、装置及终端设备 |
CN114548861A (zh) * | 2022-01-28 | 2022-05-27 | 中国船舶重工集团公司第七一六研究所 | 基于数字孪生的仓库管理方法 |
CN114693025A (zh) * | 2020-12-28 | 2022-07-01 | 广东飞企互联科技股份有限公司 | 一种智慧园区维护方法和维护系统 |
CN114729545A (zh) * | 2019-11-18 | 2022-07-08 | Ihi运搬机械株式会社 | 停车设备及停车设备的控制方法 |
CN115578067A (zh) * | 2022-10-25 | 2023-01-06 | 上海通贸国际供应链管理有限公司 | 基于数字孪生的物流园区可视化管理方法及系统、设备 |
CN116502785A (zh) * | 2023-06-30 | 2023-07-28 | 深圳市渐近线科技有限公司 | 仓储物流智能管理方法、装置、设备及存储介质 |
WO2023156366A1 (de) * | 2022-02-17 | 2023-08-24 | Still Gmbh | System zur digitalen repräsentation eines waren- und/oder materiallagers |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4184270A1 (en) * | 2021-11-23 | 2023-05-24 | Volvo Truck Corporation | A device and method for handling a data associated with energy consumption of a vehicle |
-
2023
- 2023-09-19 CN CN202311206418.3A patent/CN117196150B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114729545A (zh) * | 2019-11-18 | 2022-07-08 | Ihi运搬机械株式会社 | 停车设备及停车设备的控制方法 |
JP2022024793A (ja) * | 2020-07-28 | 2022-02-09 | グローリー株式会社 | 入出庫管理システム、入出庫管理装置、入出庫管理方法及び入出庫管理プログラム |
CN114693025A (zh) * | 2020-12-28 | 2022-07-01 | 广东飞企互联科技股份有限公司 | 一种智慧园区维护方法和维护系统 |
CN113362591A (zh) * | 2021-05-08 | 2021-09-07 | 银隆新能源股份有限公司 | 园区物流车的控制方法及控制装置、无人驾驶物流车 |
CN114386893A (zh) * | 2021-12-14 | 2022-04-22 | 国网河北省电力有限公司营销服务中心 | 一种基于数字孪生的库房管理方法、装置及终端设备 |
CN114548861A (zh) * | 2022-01-28 | 2022-05-27 | 中国船舶重工集团公司第七一六研究所 | 基于数字孪生的仓库管理方法 |
WO2023156366A1 (de) * | 2022-02-17 | 2023-08-24 | Still Gmbh | System zur digitalen repräsentation eines waren- und/oder materiallagers |
CN115578067A (zh) * | 2022-10-25 | 2023-01-06 | 上海通贸国际供应链管理有限公司 | 基于数字孪生的物流园区可视化管理方法及系统、设备 |
CN116502785A (zh) * | 2023-06-30 | 2023-07-28 | 深圳市渐近线科技有限公司 | 仓储物流智能管理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117196150A (zh) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108830531B (zh) | 一种智能分类物流仓储系统 | |
Turnquist et al. | Fleet sizing under production cycles and uncertain travel times | |
CN108364105A (zh) | 一种物流配送线路的目标优化方法 | |
CN109840729B (zh) | 料箱定位的方法、系统、存储介质及电子设备 | |
CN110659839A (zh) | 一种物流智能配载调度方法 | |
CN114476481A (zh) | 一种智能分类物流仓储系统 | |
CN111563709A (zh) | 智慧物流货物链路集货方法及系统 | |
CN116502866B (zh) | 一种智能散货船舶计划和自动分类方法 | |
CN110826953B (zh) | 一种仓库存储设备规划的方法和装置 | |
CN113112211A (zh) | 一种跨境电子商务平台销售商品物流运输分析管理方法及云分析管理平台 | |
CN109308593A (zh) | 一种基于物联网的机械制造产品存放运输系统及方法 | |
CN111985699A (zh) | 一种用于化工运输的调度方法和装置 | |
CN113935528B (zh) | 智能调度方法、装置、计算机设备及存储介质 | |
CN117196150B (zh) | 一种基于数字孪生的智慧园区中台系统 | |
CN113705966A (zh) | 一种封闭厂区满足道路负荷率的车辆运输调度方法 | |
CN116523270B (zh) | 一种物流运输任务自动调度方法、设备、服务器及介质 | |
CN117726265A (zh) | 一种基于智能手机终端的冷链物流信息平台 | |
CN117132872A (zh) | 一种生产线上物料运输车辆智能碰撞识别系统 | |
CN116452095A (zh) | 一种数字工厂的车辆智能监管调度方法、系统和介质 | |
CN111047102A (zh) | 基于精英驱动粒子群算法的快递配送路线优化方法 | |
CN112308280A (zh) | 物流调度管理方法、装置、电子设备和存储介质 | |
CN111768133A (zh) | 物品入库方法和装置 | |
CN112001646A (zh) | 一种物料调度方法、装置、存储介质及电子设备 | |
CN112718507A (zh) | 一种快件分拣方法、装置、设备及存储介质 | |
CN118095652B (zh) | 机场行李空筐数量配置规划方法及装置 |
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 |