CN117455375B - 仓库备料方法、装置、设备及存储介质 - Google Patents
仓库备料方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117455375B CN117455375B CN202311617583.8A CN202311617583A CN117455375B CN 117455375 B CN117455375 B CN 117455375B CN 202311617583 A CN202311617583 A CN 202311617583A CN 117455375 B CN117455375 B CN 117455375B
- Authority
- CN
- China
- Prior art keywords
- warehouse
- population
- positioning model
- tag
- preset
- 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
- 238000002360 preparation method Methods 0.000 title claims abstract description 64
- 238000003860 storage Methods 0.000 title claims abstract description 23
- 239000000463 material Substances 0.000 claims abstract description 242
- 238000004519 manufacturing process Methods 0.000 claims abstract description 91
- 238000007726 management method Methods 0.000 claims abstract description 38
- 238000000034 method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 27
- 238000013439 planning Methods 0.000 claims abstract description 15
- 239000013598 vector Substances 0.000 claims description 41
- 239000000047 product Substances 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 11
- 238000009499 grossing Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 10
- 239000011265 semifinished product Substances 0.000 claims description 5
- 230000008569 process Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- 238000003466 welding Methods 0.000 description 1
- 238000005491 wire drawing 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
- G06Q10/0875—Itemisation or classification of parts, supplies or services, e.g. bill of materials
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G1/00—Storing articles, individually or in orderly arrangement, in warehouses or magazines
- B65G1/02—Storage devices
- B65G1/04—Storage devices mechanical
- B65G1/137—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed
- B65G1/1373—Storage devices mechanical with arrangements or automatic control means for selecting which articles are to be removed for fulfilling orders in warehouses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Resources & Organizations (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供了一种仓库备料方法、装置、设备及存储介质，其中，该方法包括：获取导入的多张贴片上料表、企业资源计划系统中的生产订单；根据生产订单中的生产信息，从多张贴片上料表中确定目标贴片上料表，并根据生产信息和目标贴片上料表计算各机台中的各加工槽位的物料实际需求量；根据物料实际需求量生成对应的领料单据，控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业。本方法依据生产订单生成的领料单据中，每种物料的需求明细按将要加工的设备的每个机台、每个槽位，同种物料的实际用量，结合总的加工数量，提前拆分物料盘数，避免对SMT物料进行仓库备料后在车间完成物料料盘拆分影响生产效率的技术问题。
Description
技术领域
本发明涉及仓库领域，尤其涉及一种仓库备料方法、装置、设备及存储介质。
背景技术
在生产性企业，物料管理是整个企业管理中不可或缺的一环。特别是物料使用量大、物料种类多的电子行业，比如SMT(Surface Mounted Technology，表面组装技术)生产行业，工业SMT领域大量使用各种物料，又称为贴片元器件(包括贴片电感、贴片电容、贴片电阻等)。SMT物料通过料盘盛装，这些SMT物料涉及领域十分广泛，使用基数庞大。当前比较常见的SMT物料仓库备料依据都是按照生产订单中每种物料的需求总数，再加上理论上的损耗数量来决定每种物料的应发数量，可以一次发完或者分多次发完，最后，再通过信息化系统去完成从领料单据的生成，以及物料发放、下架的操作，然而这样进行备料，仓库按总用量执行仓库备料后，再发放到车间，车间在使用前，需要再完成物料料盘拆分的操作，会给车间增加工作量，同时会增加到拉线环线的时间，影响生产效率。
发明内容
本发明的主要目的在于解决现有的对SMT物料进行仓库备料后在车间完成物料料盘拆分影响生产效率的技术问题。
本发明第一方面提供了一种仓库备料方法，所述仓库备料方法包括：
获取导入的多张贴片上料表、企业资源计划系统中的生产订单；
根据所述生产订单中的生产信息，从所述多张贴片上料表中确定目标贴片上料表，并根据所述生产信息和所述目标贴片上料表计算各机台中的各加工槽位的物料实际需求量；
根据所述物料实际需求量生成对应的领料单据，并根据所述领料单据，控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业。
可选的，在本发明第一方面的第一种实现方式中，所述根据所述生产订单中的生产信息，从所述多张贴片上料表中确定目标贴片上料表，并根据所述生产信息和所述目标贴片上料表计算各机台中的各加工槽位的物料实际需求量包括：
根据所述生产订单中的产品料号，获取所述生产订单对应的产品数量、设备机台号、线体和面别；
根据所述产品数量、设备机台号、线体和面别，从所述多张贴片上料表中确定目标贴片上料表；
根据所述生产订单中的半成品比例参数和所述目标贴片上料表计算各机台中的各加工槽位的物料实际需求量。
可选的，在本发明第一方面的第二种实现方式中，所述根据所述物料实际需求量生成对应的领料单据，并根据所述领料单据，控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业包括：
根据所述物料实际需求量生成对应的领料单据，并识别所述领料单据中的多个物料种类和各物料种类的物料数量；
根据所述多个物料种类和各物料种类的物料数量，控制仓库管理系统确定对应的多个目标托盘，其中，各托盘中装载有对应的物料种类的物料；
获取各所述目标托盘的标签信息，并根据所述标签信息对对应的目标托盘进行定位，得到对应的仓库位置；
控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业。
可选的，在本发明第一方面的第三种实现方式中，所述获取各所述目标托盘的标签信息，并根据所述标签信息对对应的目标托盘进行定位，得到对应的仓库位置包括：
获取各所述目标托盘的标签信息，并通过所述仓库管理系统中的多个标签阅读器根据所述标签信息确定对应的目标托盘的电子标签；
获取多个所述标签阅读器到所述标签信息对应的电子标签的信号强度；
将所述信号强度输入预设的标签定位模型中，得到多个所述标签阅读器到所述标签信息对应的电子标签的多个距离值；
根据多个所述标签阅读器和所述多个距离值对对应的目标托盘进行定位，得到对应的仓库位置。
可选的，在本发明第一方面的第四种实现方式中，所述标签定位模型包括输入层、模式层、求和层和输出层；
所述将所述信号强度输入预设的标签定位模型中，得到多个所述标签阅读器到所述标签信息对应的电子标签的距离值包括：
将所述信号强度输入预设的标签定位模型中，通过所述标签定位模型中的输入层将所述信号强度进行特征提取得到至少一个输入特征向量；
通过所述模式层计算所述至少一个输入特征向量与预设的模版特征之间的相似度，并对所述至少一个输入特征向量进行权重分配，得到所述至少一个输入特征向量的权重值；
通过所述求和层根据所述至少一个输入特征向量的权重值对所述相似度进行加权求和，得到求和结果；
通过所述输出层基于所述求和结果计算对应的标签阅读器到所述标签信息对应的电子标签的距离值。
可选的，在本发明第一方面的第五种实现方式中，在所述将所述信号强度输入预设的标签定位模型中，得到多个所述标签阅读器到所述标签信息对应的电子标签的距离值之前，还包括：
获取所述标签阅读器读取的历史电子标签的标签信息时的历史信号强度与所述历史电子标之间的实际距离；
根据预设的网络参数构建初始定位模型，并根据预设的思维进化算法计算所述初始定位模型的最优光滑因子；
通过所述最优光滑因子调整所述初始定位模型，并将所述历史信号强度输入调整后的初始定位模型中，得到预测定位距离；
判断所述预测定位距离和所述实际距离之间的误差值是否小于预设的偏差阈值；
若否，则根据所述误差值调整所述初始定位模型的网络参数，并返回至将所述历史信号强度输入调整后的初始定位模型中，得到预测定位距离的步骤，直至所述误差值小于所述偏差阈值；
若是，则将所述初始定位模型作为标签定位模型。
可选的，在本发明第一方面的第六种实现方式中，所述根据预设的网络参数构建初始定位模型，并根据预设的思维进化算法计算所述初始定位模型的最优光滑因子包括：
根据预设的网络参数构建初始定位模型，并根据预设的思维进化算法和所述初始定位模型中的光滑因子进行种群初始化，得到初始化种群；
根据预设的评分函数对所述初始化种群中的种群个体进行评分，并在评分最高的种群个体作为种群中心，在所述种群中心周围生成新的种群个体，得到优选子种群和候选子种群；
对所述优选子种群和候选子种群进行趋同操作，并通过预设的判别函数计算所述优选子种群和候选子种群的成熟度；
将所述成熟度低于预设成熟度阈值的种群个体作为新的种群中心，并返回在所述种群中心周围生成新的种群个体，得到优选子种群和候选子种群的步骤，直至所有子种群成熟；
对成熟后的所有子种群进行异化操作，并从异化操作后的所有子种群中确定最优种群个体，将所述最优种群个体对应的光滑因子作为最优光滑因子。
本发明第二方面提供了一种仓库备料装置，所述仓库备料装置包括：
获取模块，用于获取导入的多张贴片上料表、企业资源计划系统中的生产订单；
计算模块，用于根据所述生产订单中的生产信息，从所述多张贴片上料表中确定目标贴片上料表，并根据所述生产信息和所述目标贴片上料表计算各机台中的各加工槽位的物料实际需求量；
备料模块，用于根据所述物料实际需求量生成对应的领料单据，并根据所述领料单据，控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业。
本发明第三方面提供了一种仓库备料装置，包括：存储器和至少一个处理器，所述存储器中存储有指令，所述存储器和所述至少一个处理器通过线路互连；所述至少一个处理器调用所述存储器中的所述指令，以使得所述仓库备料设备执行上述的仓库备料方法的步骤。
本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的仓库备料方法的步骤。
上述仓库备料方法、装置、设备及存储介质，通过获取导入的多张贴片上料表、企业资源计划系统中的生产订单；根据所述生产订单中的生产信息，从所述多张贴片上料表中确定目标贴片上料表，并根据所述生产信息和所述目标贴片上料表计算各机台中的各加工槽位的物料实际需求量；根据所述物料实际需求量生成对应的领料单据，并根据所述领料单据，控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业。本方法依据生产订单生成的领料单据中，每种物料的需求明细按将要加工的设备的每个机台、每个槽位，同种物料的实际用量，结合总的加工数量，提前拆分物料盘数，避免对SMT物料进行仓库备料后在车间完成物料料盘拆分影响生产效率的技术问题。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
图1为本发明实施例中仓库备料方法的第一个实施例示意图；
图2为本发明实施例中仓库备料装置的一个实施例示意图；
图3为本发明实施例中仓库备料装置的另一个实施例示意图；
图4为本发明实施例中仓库备料设备的一个实施例示意图。
实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
本发明实施例中所提到的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括其他没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种仓库备料方法进行详细介绍。如图1所示，该仓库备料的方法，本方法包括如下步骤：
101、获取导入的多张贴片上料表、企业资源计划系统中的生产订单；
在实际应用中，贴片上料表即SMT（Surface Mount Technology，电子电路表面组装技术）上料表，是指电子元器件贴装过程中所需的原材料清单。它是一种将电子元器件直接焊接在电路板表面的制造技术。在SMT生产过程中，需要使用自动贴片机自动将贴片料（如电容、电阻、集成电路等）加载到贴片机的上料器中，然后根据上料表的要求进行自动贴片操作，以提高生产效率和产品质量。因此，SMT上料表是贴片机操作流程中必不可少的一个环节，它记录了贴片机所需的各种贴片料的规格、数量、位置等信息。企业资源计划系统是一个综合性的管理软件，用于整合和管理企业内部各个功能部门的信息和流程，包括销售、采购、库存、生产等。生产订单是企业资源计划系统中用于指导生产环节的重要文档，它包含了生产产品的详细信息，如产品型号、数量、交货截止日期、生产工艺要求等。通过实时同步企业资源计划中最新的生产订单至WMS系统，可以让仓库管理人员和操作人员随时了解到当前的生产需求，以便进行合理的库存管理、作业安排和物料调配，确保生产订单能够按时完成并满足客户需求。
102、根据生产订单中的生产信息，从多张贴片上料表中确定目标贴片上料表，并根据生产信息和目标贴片上料表计算各机台中的各加工槽位的物料实际需求量；
在本发明的一个实施例中，所述根据所述生产订单中的生产信息，从所述多张贴片上料表中确定目标贴片上料表，并根据所述生产信息和所述目标贴片上料表计算各机台中的各加工槽位的物料实际需求量包括：根据所述生产订单中的产品料号，获取所述生产订单对应的产品数量、设备机台号、线体和面别；根据所述产品数量、设备机台号、线体和面别，从所述多张贴片上料表中确定目标贴片上料表；根据所述生产订单中的半成品比例参数和所述目标贴片上料表计算各机台中的各加工槽位的物料实际需求量。
具体的，系统首先获取操作员选择的生产订单（工单）的相关信息，包括产品料号、设备机台号、线体、面别等。根据生产订单中的产品料号，系统进行匹配，找到与之对应的产品、设备机台号、线体和面别。这里的上料表是预先导入系统中的表格或数据库，记录了每个产品、设备机台号、线体和面别所需的物料清单和数量信息。一旦找到对应的上料表，系统会基于上料表中记录的物料清单和数量信息，结合给定的成品/半成品套数，进行计算。通常的计算方式是根据物料清单中定义的用量比例或配方，按照一定的逻辑关系和算法，计算得到各机台中的各加工槽位的物料实际需求量。
103、根据物料实际需求量生成对应的领料单据，并根据领料单据，控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业。
在本发明的一个实施例中，所述根据所述物料实际需求量生成对应的领料单据，并根据所述领料单据，控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业包括：根据所述物料实际需求量生成对应的领料单据，并识别所述领料单据中的多个物料种类和各物料种类的物料数量；根据所述多个物料种类和各物料种类的物料数量，控制仓库管理系统确定对应的多个目标托盘，其中，各托盘中装载有对应的物料种类的物料；获取各所述目标托盘的标签信息，并根据所述标签信息对对应的目标托盘进行定位，得到对应的仓库位置；控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业。
具体的，基于计算得出的物料实际需求量，生成相应的领料单据。领料单据是用于记录和指导物料领取和使用的重要文件。在生成的领料单据中，识别包含多个物料种类的信息。每个物料种类代表一种特定的物料类型或规格。针对每个物料种类，准确记录并识别其在领料单据中所占的物料数量。这样可以清楚地了解每种物料的需求量，并为后续的物料采购和库存管理提供参考依据。
具体的，在入料入库时，仓库管理员需要制作产品入库单，并将该单据导入 WMS系统中，使用手持终端进行产品检验，确定无误后，将产品放入规定的托盘上，管理员需更新托盘上的标签信息。托盘上的标签所承载的信息可被仓库内部已经放置固定的RFID 阅读器自动读取，对于不同的物料，其装载在不同的托盘上，而进行当前生产所需物料所在托盘为目标托盘，通过扫描目标托盘上的标签信息，获取包含有关物料种类、托盘编号和存储位置等关键数据的标签信息。根据标签信息中提供的存储位置，仓库管理系统可以准确地确定目标托盘在仓库中的具体位置。控制仓库管理系统中配备的移动设备，如机器人或叉车等，根据目标托盘的仓库位置信息进行导航和移动操作。移动设备根据仓库管理系统的指令，移动至相应的仓库位置，准备进行下架备料作业。在仓库位置上，移动设备会进行自动化操作，根据目标托盘中记录的物料种类和数量信息，进行相应的下架备料作业。这可能涉及物料从托盘上的取下、装载到其他容器或汇集区域等过程。
进一步的，所述获取各所述目标托盘的标签信息，并根据所述标签信息对对应的目标托盘进行定位，得到对应的仓库位置包括：获取各所述目标托盘的标签信息，并通过所述仓库管理系统中的多个标签阅读器根据所述标签信息确定对应的目标托盘的电子标签；获取多个所述标签阅读器到所述标签信息对应的电子标签的信号强度；将所述信号强度输入预设的标签定位模型中，得到多个所述标签阅读器到所述标签信息对应的电子标签的多个距离值；根据多个所述标签阅读器和所述多个距离值对对应的目标托盘进行定位，得到对应的仓库位置。
具体的，由于仓库中的物料可能因为一些原因进行移动，对应的目标托盘的位置出现变化，例如仓库布局调整，当仓库内部的布局发生改变时，例如新增加货架、移动货架等，目标托盘的存储位置就会相应地改变，或者物料盘点，为确保物料管理的准确性，仓库可能会定期进行物料盘点。在盘点过程中，目标托盘可能需要被移动到其他位置，导致目标托盘的标签信息中的位置信息不准确，此时为了使得移动设备能够到到达准确的位置进行下料，需要对目标托盘进行定位。
具体的，通过使用多个标签阅读器对各个目标托盘的标签信息进行扫描，以确定目标托盘的电子标签。这些标签阅读器可以安装在仓库的不同区域或关键位置，以覆盖整个仓库范围。使用标签阅读器获取到对应目标托盘电子标签的信号强度。信号强度是指标签阅读器接收到的来自电子标签的信号强度值。将所获取到的信号强度值作为输入，通过预设的标签定位模型进行处理和计算。这个模型可以基于信号强度与距离之间的关系来估计标签与标签阅读器之间的距离。根据多个标签阅读器和计算得到的距离值，通过定位算法对目标托盘进行定位。定位算法可以根据多个标签阅读器与目标托盘的距离信息，结合仓库的布局和拓扑结构等因素，计算出目标托盘在仓库中的具体位置。完成定位后，就可以得到目标托盘的仓库位置。这样，仓库管理系统就能准确地知道每个目标托盘所在的位置，从而实现对物料的有效管理和调配。
进一步的，所述标签定位模型包括输入层、模式层、求和层和输出层；所述将所述信号强度输入预设的标签定位模型中，得到多个所述标签阅读器到所述标签信息对应的电子标签的距离值包括：将所述信号强度输入预设的标签定位模型中，通过所述标签定位模型中的输入层将所述信号强度进行特征提取得到至少一个输入特征向量；通过所述模式层计算所述至少一个输入特征向量与预设的模版特征之间的相似度，并对所述至少一个输入特征向量进行权重分配，得到所述至少一个输入特征向量的权重值；通过所述求和层根据所述至少一个输入特征向量的权重值对所述相似度进行加权求和，得到求和结果；通过所述输出层基于所述求和结果计算对应的标签阅读器到所述标签信息对应的电子标签的距离值。
具体的，将信号强度作为模型的输入数据。通过输入层，对信号强度进行特征提取，得到至少一个输入特征向量。在模式层中，计算输入特征向量与预设的模版特征之间的相似度。这可以使用各种模式匹配算法或机器学习方法来实现。相似度的计算结果可以评估输入特征向量与模版特征的匹配程度。在求和层中，根据输入特征向量的权重值对相似度进行加权求和。每个输入特征向量都有一个对应的权重值，用于表示其重要程度。通过权重分配，可以将更准确的特征向量赋予更高的权重，从而更好地反映标签与标签阅读器之间的距离关系。在输出层中，基于求和结果计算对应的标签阅读器到标签信息对应的电子标签的距离值。最终的输出结果即为所需的距离值。
具体的，在输入层，将信号强度作为输入数据，并进行一系列的特征提取操作包括信号预处理，包括滤波、降噪、归一化等，这些操作旨在增强信号的质量和可靠性，减少噪声的影响。然后进行，特征提取，从信号中提取出具有代表性的特征向量。最后进行特征编码，将提取到的特征向量进行编码，以便在模式层中进行进一步的计算和处理。编码方式可以根据具体需求选择，例如使用二进制编码、独热编码等。在模式层，首先需要定义一组预设的模版特征，这些特征用于与输入层提取到的特征向量进行比较。模版特征可以是已知位置下的信号强度特征，或者是通过训练得到的具有代表性的特征向量。使用适当的相似度计算方法来比较输入层提取到的特征向量和模版特征之间的相似度。常见的相似度计算方法包括欧氏距离、余弦相似度、皮尔逊相关系数等。这些方法可以评估两个特征向量之间的接近程度，从而判断它们是否匹配。根据相似度计算的结果，进行特征匹配操作。将输入特征向量与模版特征进行比较，并确定最匹配的模版特征。这可以通过找到相似度计算结果中的最大值或者设定一个阈值来完成。在求和层，根据模式层得到的特征匹配结果和相似度计算结果，对各个模版特征进行权重分配。通常情况下，匹配度较高的特征会被赋予更高的权重，而匹配度较低的特征则被赋予较低的权重。这样可以使得模型更加关注与输入特征向量匹配度较高的特征，从而提高定位的准确性。根据特征匹配结果和权重分配结果，计算输入特征向量与各个模版特征之间的距离值。距离值可以使用欧氏距离、曼哈顿距离等来计算，用于衡量输入特征向量与各个模版特征之间的相对位置和距离。利用权重分配和距离值计算的结果，对各个模版特征的相似度进行加权求和。加权求和的目的是综合考虑特征匹配度和相对位置距离，从而得到一个最终的定位结果。通常情况下，距离较近且匹配度较高的特征会对定位结果产生更大的影响。最后，在输出层，根据求和层得到的加权求和结果，生成标签的定位结果。这个结果可以是一个坐标值、一个区域范围或者其他形式的定位信息。
进一步的，在所述将所述信号强度输入预设的标签定位模型中，得到多个所述标签阅读器到所述标签信息对应的电子标签的距离值之前，还包括：获取所述标签阅读器读取的历史电子标签的标签信息时的历史信号强度与所述历史电子标之间的实际距离；根据预设的网络参数构建初始定位模型，并根据预设的思维进化算法计算所述初始定位模型的最优光滑因子；通过所述最优光滑因子调整所述初始定位模型，并将所述历史信号强度输入调整后的初始定位模型中，得到预测定位距离；判断所述预测定位距离和所述实际距离之间的误差值是否小于预设的偏差阈值；若否，则根据所述误差值调整所述初始定位模型的网络参数，并返回至将所述历史信号强度输入调整后的初始定位模型中，得到预测定位距离的步骤，直至所述误差值小于所述偏差阈值；若是，则将所述初始定位模型作为标签定位模型。
具体的，从标签阅读器读取历史电子标签的标签信息，并获取历史信号强度和实际距离之间的关系。通常情况下，历史信号强度与实际距离的关系呈非线性变化，需要通过实验或者建模方法进行获得。根据预设的网络参数构建初始定位模型，并使用预设的思维进化算法计算最优的光滑因子。光滑因子用于平衡定位模型的精度和稳定性，从而保证模型的可靠性和可用性。利用最优光滑因子调整初始定位模型，并将历史信号强度输入调整后的模型中，得到预测定位距离。这一步骤可以通过计算模型输出与实际位置之间的误差来评估定位的准确性和精度。判断预测定位距离和实际距离之间的误差值是否小于预设的偏差阈值，即预设的容忍误差范围。若误差值小于偏差阈值，则认为定位结果达到了要求，可以将初始定位模型作为标签定位模型使用。若误差值大于偏差阈值，则需要进行进一步的调整。根据误差值调整初始定位模型的网络参数，并将调整后的模型输入历史信号强度中，得到预测定位距离的结果。这个过程可以通过迭代计算来实现，直至误差值小于偏差阈值为止。最终得到的标签定位模型可以用于对未知位置的电子标签进行定位。该模型能够根据历史信号强度和实际距离之间的关系，预测未知标签的位置信息，从而实现精准定位和跟踪。
进一步的，所述根据预设的网络参数构建初始定位模型，并根据预设的思维进化算法计算所述初始定位模型的最优光滑因子包括：根据预设的网络参数构建初始定位模型，并根据预设的思维进化算法和所述初始定位模型中的光滑因子进行种群初始化，得到初始化种群；根据预设的评分函数对所述初始化种群中的种群个体进行评分，并在评分最高的种群个体作为种群中心，在所述种群中心周围生成新的种群个体，得到优选子种群和候选子种群；对所述优选子种群和候选子种群进行趋同操作，并通过预设的判别函数计算所述优选子种群和候选子种群的成熟度；将所述成熟度低于预设成熟度阈值的种群个体作为新的种群中心，并返回在所述种群中心周围生成新的种群个体，得到优选子种群和候选子种群的步骤，直至所有子种群成熟；对成熟后的所有子种群进行异化操作，并从异化操作后的所有子种群中确定最优种群个体，将所述最优种群个体对应的光滑因子作为最优光滑因子。
具体的，根据预设的网络参数构建初始定位模型，并根据预设的思维进化算法和所述初始定位模型中的光滑因子进行种群初始化，得到初始化种群。在初始化过程中，可以结合历史数据、经验知识等信息对种群进行设计，提高种群的优化能力。根据预设的评分函数对所述初始化种群中的种群个体进行评分，并在评分最高的种群个体作为种群中心，在所述种群中心周围生成新的种群个体，得到优选子种群和候选子种群。这一步骤主要是为了利用已有的优秀解，探索更优的解空间。对所述优选子种群和候选子种群进行趋同操作，并通过预设的判别函数计算所述优选子种群和候选子种群的成熟度。趋同操作可以通过交叉操作、变异操作等方式实现，旨在加速搜索进程，更快地找到全局最优解。将所述成熟度低于预设成熟度阈值的种群个体作为新的种群中心，并返回在所述种群中心周围生成新的种群个体，得到优选子种群和候选子种群的步骤，直至所有子种群成熟。这一步骤主要是对优选子种群和候选子种群进行筛选，保留成熟度高的种群个体，淘汰成熟度低的种群个体。对成熟后的所有子种群进行异化操作，并从异化操作后的所有子种群中确定最优种群个体，将所述最优种群个体对应的光滑因子作为最优光滑因子。异化操作可以通过引入多样性、避免陷入局部最优等方式实现，旨在进一步提升算法的优化能力。最终得到的最优光滑因子可以用于调整初始定位模型，提高定位精度和稳定性。
在本实施例中，通过获取导入的多张贴片上料表、企业资源计划系统中的生产订单；根据所述生产订单中的生产信息，从所述多张贴片上料表中确定目标贴片上料表，并根据所述生产信息和所述目标贴片上料表计算各机台中的各加工槽位的物料实际需求量；根据所述物料实际需求量生成对应的领料单据，并根据所述领料单据，控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业。本方法依据生产订单生成的领料单据中，每种物料的需求明细按将要加工的设备的每个机台、每个槽位，同种物料的实际用量，结合总的加工数量，提前拆分物料盘数，避免对SMT物料进行仓库备料后在车间完成物料料盘拆分影响生产效率的技术问题。
上面对本发明实施例中仓库备料方法进行了描述，下面对本发明实施例中仓库备料装置进行描述，请参阅图2，本发明实施例中仓库备料装置一个实施例包括：
获取模块201，用于获取导入的多张贴片上料表、企业资源计划系统中的生产订单；
计算模块202，用于根据所述生产订单中的生产信息，从所述多张贴片上料表中确定目标贴片上料表，并根据所述生产信息和所述目标贴片上料表计算各机台中的各加工槽位的物料实际需求量；
备料模块203，用于根据所述物料实际需求量生成对应的领料单据，并根据所述领料单据，控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业。
本发明实施例中，所述仓库备料装置运行上述仓库备料方法，所述仓库备料装置通过获取导入的多张贴片上料表、企业资源计划系统中的生产订单；根据所述生产订单中的生产信息，从所述多张贴片上料表中确定目标贴片上料表，并根据所述生产信息和所述目标贴片上料表计算各机台中的各加工槽位的物料实际需求量；根据所述物料实际需求量生成对应的领料单据，并根据所述领料单据，控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业。本方法依据生产订单生成的领料单据中，每种物料的需求明细按将要加工的设备的每个机台、每个槽位，同种物料的实际用量，结合总的加工数量，提前拆分物料盘数，避免对SMT物料进行仓库备料后在车间完成物料料盘拆分影响生产效率的技术问题。
请参阅图3，本发明实施例中仓库备料装置的第二个实施例包括：
获取模块201，用于获取导入的多张贴片上料表、企业资源计划系统中的生产订单；
计算模块202，用于根据所述生产订单中的生产信息，从所述多张贴片上料表中确定目标贴片上料表，并根据所述生产信息和所述目标贴片上料表计算各机台中的各加工槽位的物料实际需求量；
备料模块203，用于根据所述物料实际需求量生成对应的领料单据，并根据所述领料单据，控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业。
在本发明的一个实施例中，所述计算模块202具体用于：
根据所述生产订单中的产品料号，获取所述生产订单对应的产品数量、设备机台号、线体和面别；
根据所述产品数量、设备机台号、线体和面别，从所述多张贴片上料表中确定目标贴片上料表；
根据所述生产订单中的半成品比例参数和所述目标贴片上料表计算各机台中的各加工槽位的物料实际需求量。
在本发明的一个实施例中，所述备料模块203包括：
信息识别单元2031，用于根据所述物料实际需求量生成对应的领料单据，并识别所述领料单据中的多个物料种类和各物料种类的物料数量；
托盘确定单元2032，用于根据所述多个物料种类和各物料种类的物料数量，控制仓库管理系统确定对应的多个目标托盘，其中，各托盘中装载有对应的物料种类的物料；
定位单元2033，用于获取各所述目标托盘的标签信息，并根据所述标签信息对对应的目标托盘进行定位，得到对应的仓库位置；
控制单元2034，用于控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业。
在本发明的一个实施例中，所述定位单元2033具体用于：
获取各所述目标托盘的标签信息，并通过所述仓库管理系统中的多个标签阅读器根据所述标签信息确定对应的目标托盘的电子标签；
获取多个所述标签阅读器到所述标签信息对应的电子标签的信号强度；
将所述信号强度输入预设的标签定位模型中，得到多个所述标签阅读器到所述标签信息对应的电子标签的多个距离值；
根据多个所述标签阅读器和所述多个距离值对对应的目标托盘进行定位，得到对应的仓库位置。
在本发明的一个实施例中，所述标签定位模型包括输入层、模式层、求和层和输出层；
所述定位单元2033具体还用于：
将所述信号强度输入预设的标签定位模型中，通过所述标签定位模型中的输入层将所述信号强度进行特征提取得到至少一个输入特征向量；
通过所述模式层计算所述至少一个输入特征向量与预设的模版特征之间的相似度，并对所述至少一个输入特征向量进行权重分配，得到所述至少一个输入特征向量的权重值；
通过所述求和层根据所述至少一个输入特征向量的权重值对所述相似度进行加权求和，得到求和结果；
通过所述输出层基于所述求和结果计算对应的标签阅读器到所述标签信息对应的电子标签的距离值。
在本发明的一个实施例中，所述仓库备料装置还包括模型训练模块204，所述模型训练模块204具体用于：
获取所述标签阅读器读取的历史电子标签的标签信息时的历史信号强度与所述历史电子标之间的实际距离；
根据预设的网络参数构建初始定位模型，并根据预设的思维进化算法计算所述初始定位模型的最优光滑因子；
通过所述最优光滑因子调整所述初始定位模型，并将所述历史信号强度输入调整后的初始定位模型中，得到预测定位距离；
判断所述预测定位距离和所述实际距离之间的误差值是否小于预设的偏差阈值；
若否，则根据所述误差值调整所述初始定位模型的网络参数，并返回至将所述历史信号强度输入调整后的初始定位模型中，得到预测定位距离的步骤，直至所述误差值小于所述偏差阈值；
若是，则将所述初始定位模型作为标签定位模型。
在本发明的一个实施例中，所述模型训练模块204具体还用于：
根据预设的网络参数构建初始定位模型，并根据预设的思维进化算法和所述初始定位模型中的光滑因子进行种群初始化，得到初始化种群；
根据预设的评分函数对所述初始化种群中的种群个体进行评分，并在评分最高的种群个体作为种群中心，在所述种群中心周围生成新的种群个体，得到优选子种群和候选子种群；
对所述优选子种群和候选子种群进行趋同操作，并通过预设的判别函数计算所述优选子种群和候选子种群的成熟度；
将所述成熟度低于预设成熟度阈值的种群个体作为新的种群中心，并返回在所述种群中心周围生成新的种群个体，得到优选子种群和候选子种群的步骤，直至所有子种群成熟；
对成熟后的所有子种群进行异化操作，并从异化操作后的所有子种群中确定最优种群个体，将所述最优种群个体对应的光滑因子作为最优光滑因子。
本实施例在上一实施例的基础上，详细描述了各个模块的具体功能以及部分模块的单元构成，通过上述模块和模块中的各单元，获取导入的多张贴片上料表、企业资源计划系统中的生产订单；根据所述生产订单中的生产信息，从所述多张贴片上料表中确定目标贴片上料表，并根据所述生产信息和所述目标贴片上料表计算各机台中的各加工槽位的物料实际需求量；根据所述物料实际需求量生成对应的领料单据，并根据所述领料单据，控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业。本方法依据生产订单生成的领料单据中，每种物料的需求明细按将要加工的设备的每个机台、每个槽位，同种物料的实际用量，结合总的加工数量，提前拆分物料盘数，避免对SMT物料进行仓库备料后在车间完成物料料盘拆分影响生产效率的技术问题。
上面图2和图3从模块化功能实体的角度对本发明实施例中的中仓库备料装置进行详细描述，下面从硬件处理的角度对本发明实施例中仓库备料设备进行详细描述。
图4是本发明实施例提供的一种仓库备料设备的结构示意图，该仓库备料设备400可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（centralprocessing units，CPU）410（例如，一个或一个以上处理器）和存储器420，一个或一个以上存储应用程序433或数据432的存储介质430（例如一个或一个以上海量存储设备）。其中，存储器420和存储介质430可以是短暂存储或持久存储。存储在存储介质430的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对仓库备料设备400中的一系列指令操作。更进一步地，处理器410可以设置为与存储介质430通信，在仓库备料设备400上执行存储介质430中的一系列指令操作，以实现上述仓库备料方法的步骤。
仓库备料设备400还可以包括一个或一个以上电源440，一个或一个以上有线或无线网络接口450，一个或一个以上输入输出接口460，和/或，一个或一个以上操作系统431，例如Windows Serve，Mac OS X，Unix，Linux，FreeBSD等等。本领域技术人员可以理解，图4示出的仓库备料设备结构并不构成对本发明提供的仓库备料设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
本发明还提供一种计算机可读存储介质，该计算机可读存储介质可以为非易失性计算机可读存储介质，该计算机可读存储介质也可以为易失性计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在计算机上运行时，使得计算机执行所述仓库备料方法的步骤。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统或装置、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（read-only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：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；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种仓库备料方法，其特征在于，所述仓库备料方法包括：
获取导入的多张贴片上料表、企业资源计划系统中的生产订单；
根据所述生产订单中的产品料号，获取所述生产订单对应的产品数量、设备机台号、线体和面别；根据所述产品数量、设备机台号、线体和面别，从所述多张贴片上料表中确定目标贴片上料表；根据所述生产订单中的半成品比例参数和所述目标贴片上料表计算各机台中的各加工槽位的物料实际需求量；
根据所述物料实际需求量生成对应的领料单据，并识别所述领料单据中的多个物料种类和各物料种类的物料数量；根据所述多个物料种类和各物料种类的物料数量，控制仓库管理系统确定对应的多个目标托盘，其中，各托盘中装载有对应的物料种类的物料；获取各所述目标托盘的标签信息，并通过所述仓库管理系统中的多个标签阅读器根据所述标签信息确定对应的目标托盘的电子标签；获取多个所述标签阅读器到所述标签信息对应的电子标签的信号强度；获取所述标签阅读器读取的历史电子标签的标签信息时的历史信号强度与所述历史电子标签之间的实际距离；根据预设的网络参数构建初始定位模型，并根据预设的思维进化算法计算所述初始定位模型的最优光滑因子；通过所述最优光滑因子调整所述初始定位模型，并将所述历史信号强度输入调整后的初始定位模型中，得到预测定位距离；判断所述预测定位距离和所述实际距离之间的误差值是否小于预设的偏差阈值；若否，则根据所述误差值调整所述初始定位模型的网络参数，并返回至将所述历史信号强度输入调整后的初始定位模型中，得到预测定位距离的步骤，直至所述误差值小于所述偏差阈值；若是，则将所述初始定位模型作为标签定位模型，所述标签定位模型包括输入层、模式层、求和层和输出层；将所述信号强度输入预设的标签定位模型中，通过所述标签定位模型中的输入层将所述信号强度进行特征提取得到至少一个输入特征向量；通过所述模式层计算所述至少一个输入特征向量与预设的模版特征之间的相似度，并对所述至少一个输入特征向量进行权重分配，得到所述至少一个输入特征向量的权重值；通过所述求和层根据所述至少一个输入特征向量的权重值对所述相似度进行加权求和，得到求和结果；通过所述输出层基于所述求和结果计算对应的标签阅读器到所述标签信息对应的电子标签的距离值；根据多个所述标签阅读器和多个所述距离值对对应的目标托盘进行定位，得到对应的仓库位置；控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业。
2.根据权利要求1所述的仓库备料方法，其特征在于，所述根据预设的网络参数构建初始定位模型，并根据预设的思维进化算法计算所述初始定位模型的最优光滑因子包括：
根据预设的网络参数构建初始定位模型，并根据预设的思维进化算法和所述初始定位模型中的光滑因子进行种群初始化，得到初始化种群；
根据预设的评分函数对所述初始化种群中的种群个体进行评分，并将评分最高的种群个体作为种群中心，在所述种群中心周围生成新的种群个体，得到优选子种群和候选子种群；
对所述优选子种群和候选子种群进行趋同操作，并通过预设的判别函数计算所述优选子种群和候选子种群的成熟度；
将所述成熟度低于预设成熟度阈值的种群个体作为新的种群中心，并返回在所述种群中心周围生成新的种群个体，得到优选子种群和候选子种群的步骤，直至所有子种群成熟；
对成熟后的所有子种群进行异化操作，并从异化操作后的所有子种群中确定最优种群个体，将所述最优种群个体对应的光滑因子作为最优光滑因子。
3.一种仓库备料装置，其特征在于，所述仓库备料装置包括：
获取模块，用于获取导入的多张贴片上料表、企业资源计划系统中的生产订单；
计算模块，用于根据所述生产订单中的产品料号，获取所述生产订单对应的产品数量、设备机台号、线体和面别；根据所述产品数量、设备机台号、线体和面别，从所述多张贴片上料表中确定目标贴片上料表；根据所述生产订单中的半成品比例参数和所述目标贴片上料表计算各机台中的各加工槽位的物料实际需求量；
备料模块，用于根据所述物料实际需求量生成对应的领料单据，并识别所述领料单据中的多个物料种类和各物料种类的物料数量；根据所述多个物料种类和各物料种类的物料数量，控制仓库管理系统确定对应的多个目标托盘，其中，各托盘中装载有对应的物料种类的物料；获取各所述目标托盘的标签信息，并通过所述仓库管理系统中的多个标签阅读器根据所述标签信息确定对应的目标托盘的电子标签；获取多个所述标签阅读器到所述标签信息对应的电子标签的信号强度；获取所述标签阅读器读取的历史电子标签的标签信息时的历史信号强度与所述历史电子标签之间的实际距离；根据预设的网络参数构建初始定位模型，并根据预设的思维进化算法计算所述初始定位模型的最优光滑因子；通过所述最优光滑因子调整所述初始定位模型，并将所述历史信号强度输入调整后的初始定位模型中，得到预测定位距离；判断所述预测定位距离和所述实际距离之间的误差值是否小于预设的偏差阈值；若否，则根据所述误差值调整所述初始定位模型的网络参数，并返回至将所述历史信号强度输入调整后的初始定位模型中，得到预测定位距离的步骤，直至所述误差值小于所述偏差阈值；若是，则将所述初始定位模型作为标签定位模型，所述标签定位模型包括输入层、模式层、求和层和输出层；将所述信号强度输入预设的标签定位模型中，通过所述标签定位模型中的输入层将所述信号强度进行特征提取得到至少一个输入特征向量；通过所述模式层计算所述至少一个输入特征向量与预设的模版特征之间的相似度，并对所述至少一个输入特征向量进行权重分配，得到所述至少一个输入特征向量的权重值；通过所述求和层根据所述至少一个输入特征向量的权重值对所述相似度进行加权求和，得到求和结果；通过所述输出层基于所述求和结果计算对应的标签阅读器到所述标签信息对应的电子标签的距离值；根据多个所述标签阅读器和多个所述距离值对对应的目标托盘进行定位，得到对应的仓库位置；控制仓库管理系统中的移动设备移动至对应的仓库位置进行对应物料的下架备料作业。
4.一种仓库备料设备，其特征在于，所述仓库备料设备包括：存储器和至少一个处理器，所述存储器中存储有指令；
所述至少一个处理器调用所述存储器中的所述指令，以使得所述仓库备料设备执行如权利要求1-2中任意一项所述的仓库备料方法的步骤。
5.一种计算机可读存储介质，所述计算机可读存储介质上存储有指令，其特征在于，所述指令被处理器执行时实现如权利要求1-2中任意一项所述仓库备料方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311617583.8A CN117455375B (zh) | 2023-11-30 | 2023-11-30 | 仓库备料方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311617583.8A CN117455375B (zh) | 2023-11-30 | 2023-11-30 | 仓库备料方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117455375A CN117455375A (zh) | 2024-01-26 |
| CN117455375B true CN117455375B (zh) | 2024-03-19 |
Family
ID=89589287
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311617583.8A Active CN117455375B (zh) | 2023-11-30 | 2023-11-30 | 仓库备料方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117455375B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190005006A (ko) * | 2017-07-05 | 2019-01-15 | 주식회사 한비세트론 | Ｑｒ 코드 스캔 기능과 rfid 리더와 통신할 수 있는 스마트 글래스를 사용한 비콘 id 기반 위치 관리를 제공하는 창고 관리 시스템 |
| CN115204637A (zh) * | 2022-06-27 | 2022-10-18 | 青岛海信信息科技股份有限公司 | 一种基于wms系统的smt生产配送方法和设备 |
| CN116187915A (zh) * | 2022-12-30 | 2023-05-30 | 嘉兴世纪互联信息技术有限公司 | 一种仓库管理方法、装置、设备及存储介质 |
| CN116342036A (zh) * | 2023-03-29 | 2023-06-27 | 旺塔琦智能科技(苏州)有限公司 | 一种用于wms的全自动仓储运行控制方法及系统 |
| CN116867260A (zh) * | 2023-08-11 | 2023-10-10 | 九江嘉远科技有限公司 | 一种smt生产线封闭式防错料系统及其操作方法 |
| CN116894629A (zh) * | 2023-07-14 | 2023-10-17 | 苏州浪潮智能科技有限公司 | 实现pcba贴片物料追踪管控方法、装置、设备及介质 |
-
2023
- 2023-11-30 CN CN202311617583.8A patent/CN117455375B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20190005006A (ko) * | 2017-07-05 | 2019-01-15 | 주식회사 한비세트론 | Ｑｒ 코드 스캔 기능과 rfid 리더와 통신할 수 있는 스마트 글래스를 사용한 비콘 id 기반 위치 관리를 제공하는 창고 관리 시스템 |
| CN115204637A (zh) * | 2022-06-27 | 2022-10-18 | 青岛海信信息科技股份有限公司 | 一种基于wms系统的smt生产配送方法和设备 |
| CN116187915A (zh) * | 2022-12-30 | 2023-05-30 | 嘉兴世纪互联信息技术有限公司 | 一种仓库管理方法、装置、设备及存储介质 |
| CN116342036A (zh) * | 2023-03-29 | 2023-06-27 | 旺塔琦智能科技(苏州)有限公司 | 一种用于wms的全自动仓储运行控制方法及系统 |
| CN116894629A (zh) * | 2023-07-14 | 2023-10-17 | 苏州浪潮智能科技有限公司 | 实现pcba贴片物料追踪管控方法、装置、设备及介质 |
| CN116867260A (zh) * | 2023-08-11 | 2023-10-10 | 九江嘉远科技有限公司 | 一种smt生产线封闭式防错料系统及其操作方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于MEA-GRNN的RFID室内定位;宋宁佳 等;电讯技术;20201028;第60卷(第10期);1222-1227 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117455375A (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8234004B2 (en) | Systems and methods for efficiently determining item slot assignments | |
| CN110705666A (zh) | 人工智能云计算展示架货架货物和标签监控与存储货物方法 | |
| CN110766194A (zh) | 订单处理方法及装置、仓储系统、计算机设备和存储介质 | |
| Xie et al. | A genetic programming-based hyper-heuristic approach for storage location assignment problem | |
| US20190122323A1 (en) | Systems and methods for dynamic allocation | |
| CN111401801A (zh) | 一种确定目标物品仓库分散化存储的处理系统、方法 | |
| CN115439069B (zh) | 无人档案仓库智能盘点方法、装置、设备及存储介质 | |
| CN116596441A (zh) | 一种基于云计算的智能仓储服务管理方法及系统 | |
| CN112849899A (zh) | 仓储管理的方法、装置、设备、介质、程序产品及系统 | |
| CN111056210B (zh) | 料箱位置调整方法及装置、仓储系统、介质和电子设备 | |
| KR102433934B1 (ko) | 이커머스 데이터 기반 신용 평가 스코어 카드 결정 방법 및 이러한 방법을 수행하는 장치 | |
| CN117455375B (zh) | 仓库备料方法、装置、设备及存储介质 | |
| CN116777354B (zh) | 一种基于纺织的仓储管理方法、系统及介质 | |
| Copacino et al. | Analytic tools for strategic planning | |
| CN117390294B (zh) | 缓解电力零售平台数据稀缺的个性化搜索方法及装置 | |
| CN109359905B (zh) | 一种自动化无人仓货位分配方法、装置和存储介质 | |
| CN116485161B (zh) | 一种仓储空间需求确定方法及装置 | |
| CN117787865A (zh) | 基于rfid技术的电商库存状态智能识别方法及系统 | |
| Duda et al. | Quick response manufacturing for high mix, low volume, high complexity manufacturers | |
| CN111260155A (zh) | 粮食加工的工序优化方法、装置、电子设备及存储介质 | |
| CN108305174B (zh) | 资源处理方法、装置、存储介质和计算机设备 | |
| CN115099837B (zh) | 一种用于电子商务的供应链管理系统及方法 | |
| Jo et al. | Intelligent RFID tag detection using support vector machine | |
| CN115239256B (zh) | 物品分拣返架方法、装置、电子设备及存储介质 | |
| CN118096138B (zh) | 一种生产制造企业余料管理方法、装置、设备和介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |