CN117557199B - 一种基于数学模型的智慧仓储方法、系统及存储介质 - Google Patents
一种基于数学模型的智慧仓储方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117557199B CN117557199B CN202410003740.4A CN202410003740A CN117557199B CN 117557199 B CN117557199 B CN 117557199B CN 202410003740 A CN202410003740 A CN 202410003740A CN 117557199 B CN117557199 B CN 117557199B
- Authority
- CN
- China
- Prior art keywords
- warehouse
- future
- real
- time
- subspace
- 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
- 238000013178 mathematical model Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims abstract description 79
- 238000004458 analytical method Methods 0.000 claims abstract description 56
- 230000002159 abnormal effect Effects 0.000 claims description 34
- 230000005856 abnormality Effects 0.000 claims description 17
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000012502 risk assessment Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007726 management method Methods 0.000 abstract description 14
- 238000004364 calculation method Methods 0.000 abstract description 8
- 238000013523 data management Methods 0.000 abstract description 2
- 230000010354 integration Effects 0.000 abstract description 2
- 230000000737 periodic effect Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000000007 visual effect Effects 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/10—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation
- G06K7/10009—Methods or arrangements for sensing record carriers, e.g. for reading patterns by electromagnetic radiation, e.g. optical sensing; by corpuscular radiation sensing by radiation using wavelengths larger than 0.1 mm, e.g. radio-waves or microwaves
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Economics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Electromagnetism (AREA)
- General Health & Medical Sciences (AREA)
Abstract
本发明公开了一种基于数学模型的智慧仓储方法、系统及存储介质,属于仓储数据管理技术领域;通过对仓储中的不同仓储子空间实施网格化的监测分析,根据实时进仓货物信息和实时出仓货物信息来对不同仓储子空间实施周期性的实时局部运行压力状态的数据计算以及分析;通过将前期不同仓储子空间的实时局部运行压力状态分析数据以及未来监测间隔时段内的未来进仓货物信息和未来出仓货物信息进行联立整合计算分析获取不同仓储子空间的未来运行压力状态;本发明用于解决现有方案中不能根据仓储的实际运营能力来对不同仓储子空间实施当下局部运行压力状态分析以及未来局部运行压力状态预估并及时动态预警和管理的技术问题。
Description
技术领域
本发明涉及仓储数据管理技术领域,具体涉及一种基于数学模型的智慧仓储方法、系统及存储介质。
背景技术
智慧仓储是指利用物联网、人工智能、大数据等技术手段对仓储环节进行优化和智能化管理的系统,通过实时数据采集、分析和智能决策,提高仓储效率、降低成本,并提供更高质量的仓储服务。
现有的智慧仓储系统在提高仓储管理效率和精度方面具有很大的潜力,但也存在一些问题和挑战,不能根据仓储的实际运营能力来对不同仓储子空间实施当下局部运行压力状态分析以及未来局部运行压力状态预估并及时动态预警和管理。
发明内容
本发明的目的在于提供一种基于数学模型的智慧仓储方法、系统及存储介质,用于解决现有方案中不能根据仓储的实际运营能力来对不同仓储子空间实施当下局部运行压力状态分析以及未来局部运行压力状态预估并及时动态预警和管理的技术问题。
本发明的目的可以通过以下技术方案实现:
一种基于数学模型的智慧仓储方法,包括:
对目标仓储实施基础信息监测统计,以及对实时进仓货物信息和实时出仓货物信息实施监测统计,并根据预设的未来监测时长对仓库将要进仓的货物和将要出仓的货物实施未来进仓货物信息和未来出仓货物信息监测统计;
根据仓储的基础信息以及实时进仓货物信息和实时出仓货物信息实施实时运行状态评估,得到由所有仓储子空间对应的局部运行压力系数以及标记的所有压力异常子空间或者压力正常子空间构成的实时运行状态分析数据,并根据实时运行状态分析数据对目标仓储的所有实时异常运行状态的仓储子空间进行实时运行压力异常的告警提示;
根据实时运行状态分析数据以及未来进仓货物信息和未来出仓货物信息实施未来运行状态评估,得到由所有仓储子空间对应的局部未来运行压力系数以及标记的所有未来压力正常子空间、未来压力轻度异常子空间或者未来压力重度异常子空间构成的未来运行状态分析数据,并根据未来运行状态分析数据对目标仓储的所有未来异常运行状态的仓储子空间进行未来运行压力异常的告警提示以及人员提前安排管理的告警提示。
优选地,实施实时运行状态评估时,对仓储中的不同仓储子空间实施网格化的监测分析,在预设的实时监测间隔时段内,根据实时进仓货物信息中相同的实时进仓子空间坐标来获取所有进仓货物的实时单位进仓货物总数JSi、实时单位进仓货物总体积JTi和实时单位进仓货物总重量JZi;i=1,2,3,……,n;n为正整数,表示为仓储子空间中的实时不同进仓货物;
以及,根据相同实时出仓子空间坐标获取实时出仓货物信息中所有出仓货物的实时单位出仓货物总数CSj、实时单位出仓货物总体积CTj和实时单位出仓货物总重量CZj;j=1,2,3,……,m;m为正整数,表示为仓储子空间中的实时不同出仓货物。
优选地,通过公式计算获取不同仓储子空间对应的局部运行压力系数Jy;式中,α为仓储子空间对应的能力因子;k1、k2、k3为不同的比例系数,且0<k1≤k2≤k3,k1+k2+k3=k0;S0为仓储子空间对应的标准货物数量变化阈值,T0为仓储子空间对应的标准货物体积变化阈值,Z0为仓储子空间对应的标准货物重量变化阈值;
提取局部运行压力系数的数值并按时间的顺序排列组合得到局部运行压力数组;
根据局部运行压力数组对仓储子空间的局部运行压力状态进行分析时,获取局部运行压力数组中连续的N个元素的均值并将其设定为局部运行压力值,N为正整数,将局部运行压力值与仓储子空间对应的局部运行压力阈值进行比对分类,得到标记的压力正常子空间或者压力异常子空间。
优选地,若局部运行压力值不大于局部运行压力阈值,则生成局部运行压力正常标签并将对应的仓储子空间标记为压力正常子空间;
若局部运行压力值大于局部运行压力阈值,则生成局部运行压力异常标签并将对应的仓储子空间标记为压力异常子空间。
优选地,仓储子空间对应的能力因子α的获取步骤包括:
根据仓储的基础信息获取对应仓储子空间的仓储可利用子空间CK和仓储已利用子空间CY;提取仓储子空间的仓储可利用子空间和仓储已利用子空间的数值并通过公式α=CK/(CK+CY)计算获取对应的能力因子α。
优选地,实施未来运行状态评估时,根据实时监测间隔时段的结束时间点以及预设的未来监测时长获取对应的未来监测间隔时段和未来监测间隔结束时间点,根据未来监测间隔时段和未来监测间隔结束时间点统计符合时间条件的选中未来进仓货物信息和选中未来出仓货物信息;
获取相同仓储子空间对应的选中未来进仓货物信息中所有未来进仓货物的未来进仓货物总数JSi’、未来进仓货物总体积JTi’和未来进仓货物总重量JZi’,i’=1,2,3,……,n’;n’为正整数,以及获取选中未来出仓货物信息中所有未来出仓货物的未来出仓货物总数CSj’、未来出仓货物总体积CTj’和未来出仓货物总重量CZj’;j’=1,2,3,……,m’;m’为正整数。
优选地,提取标记的各项数据的数值并通过公式计算获取仓储子空间对应的局部未来运行压力系数Jy’;式中,S0’为仓储子空间对应的标准周期货物数量变化阈值,T0’为仓储子空间对应的标准周期货物体积变化阈值,Z0’为仓储子空间对应的标准周期货物重量变化阈值;η为压力风险分析模型训练输出的预测值;
根据局部未来运行压力系数对仓储中不同仓储子空间的未来运行压力状态进行分析时,将局部未来运行压力系数与仓储子空间对应的局部运行压力阈值进行比对分类,得到标记的未来压力正常子空间、未来压力轻度异常子空间或者未来压力重度异常子空间。
本发明还公开了一种基于数学模型的智慧仓储系统,包括:
仓储基础运行信息监测统计模块,用于对目标仓储实施基础信息监测统计,以及对实时进仓货物信息和实时出仓货物信息实施监测统计,并根据预设的未来监测时长对仓库将要进仓的货物和将要出仓的货物实施未来进仓货物信息和未来出仓货物信息监测统计;
仓储实时运行状态监测分析模块,用于根据仓储的基础信息以及实时进仓货物信息和实时出仓货物信息实施实时运行状态评估,得到实时运行状态分析数据,并根据实时运行状态分析数据对目标仓储的所有实时异常运行状态的仓储子空间进行实时运行压力异常的告警提示;
仓储未来运行状态监测分析模块,用于根据实时运行状态分析数据以及未来进仓货物信息和未来出仓货物信息实施未来运行状态评估,得到未来运行状态分析数据,并根据未来运行状态分析数据对目标仓储的所有未来异常运行状态的仓储子空间进行未来运行压力异常的告警提示以及人员提前安排管理的告警提示。
本发明还公开了一种存储介质,包括至少一个处理器;以及,与至少一个处理器通信连接的存储器;
其中,存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行上述的一种基于数学模型的智慧仓储方法。
相比于现有方案,本发明实现的有益效果:
本发明通过对仓储中的不同仓储子空间实施网格化的监测分析,根据实时进仓货物信息和实时出仓货物信息来对不同仓储子空间实施周期性的实时局部运行压力状态的数据计算获取对应的局部运行压力值,并对局部运行压力值进行分析判断获取对应的实时局部运行压力状态,同时还可以为后续的仓储子空间的未来局部运行压力状态分析提供可靠的实时局部运行压力分析数据支持,提高了不同仓储子空间的实时进仓货物信息和实时出仓货物信息数据整合处理的多样性和拓展性;通过将前期不同仓储子空间的实时局部运行压力状态分析数据以及未来监测间隔时段内的未来进仓货物信息和未来出仓货物信息进行联立整合计算获取对应的局部未来运行压力系数,根据局部未来运行压力系数来对未来监测间隔时段内不同仓储子空间的未来运行压力状态进行分析判断,提高了实时仓储运行分析数据的拓展效果以及压力状态监测预估效果。
附图说明
下面结合附图对本发明作进一步的说明。
图1为本发明一种基于数学模型的智慧仓储方法的流程框图。
图2为本发明中对仓储子空间对应的实时局部运行压力状态进行分析的流程框图。
图3为本发明一种基于数学模型的智慧仓储系统的模块框图。
图4为实现一种基于数学模型的智慧仓储方法的计算机设备的结构示意图。
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,本领域普通运维人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
实施例1:如图1所示,本发明为一种基于数学模型的智慧仓储方法,包括:
对目标仓储实施基础信息监测统计,以及对实时进仓货物信息和实时出仓货物信息实施监测统计,并根据预设的未来监测时长对仓库将要进仓的货物和将要出仓的货物实施未来进仓货物信息和未来出仓货物信息监测统计;
其中,基础信息包含仓库的仓库位置坐标、仓储子空间总数、不同仓储子空间坐标、不同仓储可利用子空间和不同仓储已利用子空间;
实时进仓货物信息包含不同仓储子空间的实时进仓货物总数、实时进仓货物体积、实时进仓货物重量、实时进仓时间和实时进仓子空间坐标;
实时出仓货物信息包含不同出仓货物的实时出仓货物总数、实时出仓货物体积、实时出仓货物重量、实时出仓时间和实时出仓子空间坐标;
未来进仓货物信息包含未来监测时段内将要到达仓储的不同进仓货物的未来进仓货物总数、未来进仓货物体积、未来进仓货物重量、未来进仓时间和未来进仓子空间坐标;未来监测时段的单位为小时,根据仓库的具体仓储能力和实际仓储运行要求进行自定义;
未来出仓货物信息包含未来监测时段内将要离开仓储的不同出仓货物的未来出仓货物总数、未来出仓货物体积、未来出仓货物重量、未来出仓时间和未来出仓子空间坐标;
需要说明的是,仓库的仓储空间变化以及货物的变化可以基于现有的各种传感器以及RFID等物联网技术和设备来实现监测统计,货物的体积和重量可以基于现有的货物物流二维码识别来获取;
此外,本发明实施例中的仓库可以为物流中转仓库,用于物流的中转;未来进仓货物可以基于现有的物流运输定位技术和物流路线规划数据来获取到未来进仓货物到达仓库的时间;
本发明实施例中,通过对仓库自身方面以及实时货物进仓、实时货物出仓、未来货物进仓和未来货物出仓实施监测以及数据统计,可以为后续仓库中不同仓储子空间的实时局部运行状态分析以及未来局部运行状态预测分析提供可靠的数据支持。
根据仓储的基础信息以及实时进仓货物信息和实时出仓货物信息实施实时运行状态评估,得到实时运行状态分析数据,并根据实时运行状态分析数据对目标仓储的所有实时异常运行状态的仓储子空间进行实时运行压力异常的告警提示;包括:
对仓储中的不同仓储子空间实施网格化的监测分析时,在预设的实时监测间隔时段内,实时监测间隔时段的单位为分钟,具体的数值可以根据实际应用场景需求进行自定义,根据实时进仓货物信息中相同的实时进仓子空间坐标来获取所有进仓货物的实时单位进仓货物总数JSi、实时单位进仓货物总体积JTi和实时单位进仓货物总重量JZi;i=1,2,3,……,n;n为正整数,表示为仓储子空间中的实时不同进仓货物;
以及,根据相同实时出仓子空间坐标获取实时出仓货物信息中所有出仓货物的实时单位出仓货物总数CSj、实时单位出仓货物总体积CTj和实时单位出仓货物总重量CZj;j=1,2,3,……,m;m为正整数,表示为仓储子空间中的实时不同出仓货物;通过公式计算获取不同仓储子空间对应的局部运行压力系数Jy;式中,α为仓储子空间对应的能力因子;k1、k2、k3为不同的比例系数,且0<k1≤k2≤k3,k1+k2+k3=k0;S0为仓储子空间对应的标准货物数量变化阈值,T0为仓储子空间对应的标准货物体积变化阈值,Z0为仓储子空间对应的标准货物重量变化阈值,标准货物数量变化阈值、标准货物体积变化阈值和标准货物重量变化阈值根据对应仓储子空间的货物数量变化设计要求参数、货物体积变化设计要求参数和货物重量变化设计要求参数来确定;
仓储子空间对应的能力因子α的获取步骤包括:
根据仓储的基础信息获取对应仓储子空间的仓储可利用子空间CK和仓储已利用子空间CY;提取仓储子空间的仓储可利用子空间和仓储已利用子空间的数值并通过公式α=CK/(CK+CY)计算获取对应的能力因子α;
需要说明的是,局部运行压力系数是用于对不同仓储子空间的实时进仓数据和出仓数据实施周期性的整合计算来对仓储子空间的实时局部运行压力状态进行评估的数值;
如图2所示,提取局部运行压力系数的数值并按时间的顺序排列组合得到局部运行压力数组;
根据局部运行压力数组对仓储子空间的局部运行压力状态进行分析时,获取局部运行压力数组中连续的N个元素的均值并将其设定为局部运行压力值,N为正整数,将局部运行压力值与仓储子空间对应的局部运行压力阈值进行比对分类,局部运行压力阈值根据对应仓储子空间的压力要求设计参数来确定;
若局部运行压力值不大于局部运行压力阈值,则生成局部运行压力正常标签并将对应的仓储子空间标记为压力正常子空间;
若局部运行压力值大于局部运行压力阈值,则生成局部运行压力异常标签并将对应的仓储子空间标记为压力异常子空间;
所有仓储子空间对应的局部运行压力系数以及标记的所有压力异常子空间或者压力正常子空间构成实时运行状态分析数据,同时对实时运行状态分析数据中的所有压力异常子空间的局部运行状态实施局部异常告警提示;
本发明实施例中,通过对仓储中的不同仓储子空间实施网格化的监测分析,根据实时进仓货物信息和实时出仓货物信息来对不同仓储子空间实施周期性的实时局部运行压力状态的数据计算获取对应的局部运行压力值,并对局部运行压力值进行分析判断获取对应的实时局部运行压力状态,同时还可以为后续的仓储子空间的未来局部运行压力状态分析提供可靠的实时局部运行压力分析数据支持,提高了不同仓储子空间的实时进仓货物信息和实时出仓货物信息数据整合处理的多样性和拓展性。
根据实时运行状态分析数据以及未来进仓货物信息和未来出仓货物信息实施未来运行状态评估,得到未来运行状态分析数据,并根据未来运行状态分析数据对目标仓储的所有未来异常运行状态的仓储子空间进行未来运行压力异常的告警提示以及人员提前安排管理的告警提示;包括:
根据实时监测间隔时段的结束时间点以及预设的未来监测时长获取对应的未来监测间隔时段和未来监测间隔结束时间点,未来监测时长的单位为小时,具体的数值可以根据实际应用场景需求进行自定义,根据未来监测间隔时段和未来监测间隔结束时间点统计符合时间条件的选中未来进仓货物信息和选中未来出仓货物信息;其中,未来出仓货物信息可以根据对应进仓货物的进仓时间点、进仓类型以及对应的进仓滞留规定时长来确定;
获取相同仓储子空间对应的选中未来进仓货物信息中所有未来进仓货物的未来进仓货物总数JSi’、未来进仓货物总体积JTi’和未来进仓货物总重量JZi’,i’=1,2,3,……,n’;n’为正整数,以及获取选中未来出仓货物信息中所有未来出仓货物的未来出仓货物总数CSj’、未来出仓货物总体积CTj’和未来出仓货物总重量CZj’;j’=1,2,3,……,m’;m’为正整数;
提取标记的各项数据的数值并通过公式计算获取仓储子空间对应的局部未来运行压力系数Jy’;式中,S0’为仓储子空间对应的标准周期货物数量变化阈值,T0’为仓储子空间对应的标准周期货物体积变化阈值,Z0’为仓储子空间对应的标准周期货物重量变化阈值,标准周期货物数量变化阈值、标准周期货物体积变化阈值和标准周期货物重量变化阈值根据对应仓储子空间前期压力测试的货物数量变化测试数据、货物体积变化测试数据和货物重量变化测试数据来确定;η为压力风险分析模型训练输出的预测值;
其中,压力风险分析模型训练输出的预测值的获取步骤包括:
将相同仓储子空间对应的选中未来进仓货物信息和选中未来出仓货物信息中的各项数据输入至压力风险分析模型中获取对应的预测值;
其中,压力风险分析模型基于现有的数学模型训练获取;
基于现有的数学模型训练获取压力风险分析模型,包括:
对目标仓库进行模拟,获取标准训练数据;其中,标准训练数据包括标准输入数据和对应的标准输出数据,且标准输入数据与模型预测时的输入数据内容属性一致,标准输入数据包含若干历史实时进仓货物信息和历史实时出仓货物信息;
通过标准训练数据训练数学模型,将训练完成的数学模型标记为压力风险分析模型;其中,数学模型包括但不限于随机模型、离散模型、非线性模型、概率统计模型以及计算机仿真模型;
通过将前期数据分析的实时局部运行压力系数与未来监测间隔时段内监测数据和压力风险分析模型预测结果进行整合计算,可以有效提高未来监测间隔时段内数据分析的准确性;
根据局部未来运行压力系数对仓储中不同仓储子空间的未来运行压力状态进行分析时,将局部未来运行压力系数与仓储子空间对应的局部运行压力阈值进行比对分类,得到标记的未来压力正常子空间、未来压力轻度异常子空间或者未来压力重度异常子空间,同时对未来运行状态分析数据中的所有压力异常子空间的局部运行状态实施局部异常告警提示,以及对未来压力轻度异常子空间或者未来压力重度异常子空间生成不同人员数增派的人员管理告警提示。
本发明实施中,通过将前期不同仓储子空间的实时局部运行压力状态分析数据以及未来监测间隔时段内的未来进仓货物信息和未来出仓货物信息进行联立整合计算获取对应的局部未来运行压力系数,根据局部未来运行压力系数来对未来监测间隔时段内不同仓储子空间的未来运行压力状态进行分析判断,提高了实时仓储运行分析数据的拓展效果以及压力状态监测预估效果。
实施例2:如图3所示,本发明为一种基于数学模型的智慧仓储系统,包括仓储基础运行信息监测统计模块、仓储实时运行状态监测分析模块和仓储未来运行状态监测分析模块;
仓储基础运行信息监测统计模块,用于对目标仓储实施基础信息监测统计,以及对实时进仓货物信息和实时出仓货物信息实施监测统计,并根据预设的未来监测时长对仓库将要进仓的货物和将要出仓的货物实施未来进仓货物信息和未来出仓货物信息监测统计;
仓储实时运行状态监测分析模块,用于根据仓储的基础信息以及实时进仓货物信息和实时出仓货物信息实施实时运行状态评估,得到实时运行状态分析数据,并根据实时运行状态分析数据对目标仓储的所有实时异常运行状态的仓储子空间进行实时运行压力异常的告警提示;
仓储未来运行状态监测分析模块,用于根据实时运行状态分析数据以及未来进仓货物信息和未来出仓货物信息实施未来运行状态评估,得到未来运行状态分析数据,并根据未来运行状态分析数据对目标仓储的所有未来异常运行状态的仓储子空间进行未来运行压力异常的告警提示以及人员提前安排管理的告警提示。
此外,上述中涉及的公式均是去除量纲取其数值计算,是由采集大量数据进行软件通过模拟软件模拟得到最接近真实情况的一个公式。
实施例3:如图4所示,是本发明实施例提供的实现一种基于数学模型的智慧仓储方法的计算机设备的结构示意图。
计算机设备可以包括处理器、存储器和总线,还可以包括存储在存储器中并可在处理器上运行的计算机程序,如一种基于数学模型的智慧仓储方法的程序。
其中,存储器至少包括一种类型的可读存储介质,可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器在一些实施例中可以是计算机设备的内部存储单元,例如该计算机设备的移动硬盘。存储器在另一些实施例中也可以是计算机设备的外部存储设备,例如计算机设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card, SMC)、安全数字(Secure Digital, SD)卡、闪存卡(Flash Card)等。进一步地,存储器还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器不仅可以用于存储安装于计算机设备的应用软件及各类数据,例如一种基于数学模型的智慧仓储方法的程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
处理器在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同位置或不同位置封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。处理器是所述计算机设备的控制核心(Control Unit),利用各种接口和线路连接整个计算机设备的各个部件,通过运行或执行存储在存储器内的程序或者模块(例如一种基于数学模型的智慧仓储方法的程序等),以及调用存储在存储器内的数据,以执行计算机设备的各种位置和处理数据。
总线可以是外设部件互联标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。总线被设置为实现所述存储器以及至少一个处理器等之间的连接通信。
图4仅示出了具有部件的计算机设备,本领域技术人员可以理解的是,图4示出的结构并不构成对计算机设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,计算机设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与至少一个处理器逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等位置。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。计算机设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
进一步地,计算机设备还可以包括网络接口,可选地,网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该计算机设备与其他计算机设备之间建立通信连接。
可选地,该计算机设备还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在计算机设备中处理的信息以及用于显示可视化的用户界面。
应该了解,上述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
计算机设备中的存储器存储的一种基于数学模型的智慧仓储方法的程序是多个指令的组合。
具体地,处理器对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述,在此不赘述。
进一步地,计算机设备集成的模块/单元如果以软件位置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存储介质中。计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,可读存储介质存储有计算机程序,计算机程序在被计算机设备的处理器所执行。
在本发明所提供的几个实施例中,应该理解到,所揭露的方法,可以通过其它的方式实现。例如,以上所描述的发明实施例仅仅是示意性的,例如,模块的划分,仅仅为一种逻辑位置划分,实际实现时可以有另外的划分方式。
作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各位置模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件位置模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。
Claims (6)
1.一种基于数学模型的智慧仓储方法,其特征在于,包括:
对目标仓储实施基础信息监测统计,以及对实时进仓货物信息和实时出仓货物信息实施监测统计,并根据预设的未来监测时长对仓库将要进仓的货物和将要出仓的货物实施未来进仓货物信息和未来出仓货物信息监测统计;
根据仓储的基础信息以及实时进仓货物信息和实时出仓货物信息实施实时运行状态评估,得到由所有仓储子空间对应的局部运行压力系数以及标记的所有压力异常子空间或者压力正常子空间构成的实时运行状态分析数据,并根据实时运行状态分析数据对目标仓储的所有实时异常运行状态的仓储子空间进行实时运行压力异常的告警提示;包括:通过公式计算获取不同仓储子空间对应的局部运行压力系数Jy;式中,α为仓储子空间对应的能力因子;k1、k2、k3为不同的比例系数,且0<k1≤k2≤k3,k1+k2+k3=k0;S0为仓储子空间对应的标准货物数量变化阈值,T0为仓储子空间对应的标准货物体积变化阈值,Z0为仓储子空间对应的标准货物重量变化阈值;JSi为实时单位进仓货物总数,JTi为实时单位进仓货物总体积,JZi为实时单位进仓货物总重量,i=1,2,3,……,n;n为正整数,表示为仓储子空间中的实时不同进仓货物;CSj为实时单位出仓货物总数,CTj为实时单位出仓货物总体积,CZj为实时单位出仓货物总重量;j=1,2,3,……,m;m为正整数,表示为仓储子空间中的实时不同出仓货物;仓储子空间对应的能力因子α的获取步骤包括:
根据仓储的基础信息获取对应仓储子空间的仓储可利用子空间CK和仓储已利用子空间CY;提取仓储子空间的仓储可利用子空间和仓储已利用子空间的数值并通过公式α=CK/(CK+CY)计算获取对应的能力因子α;
提取局部运行压力系数的数值并按时间的顺序排列组合得到局部运行压力数组;
根据局部运行压力数组对仓储子空间的局部运行压力状态进行分析时,获取局部运行压力数组中连续的N个元素的均值并将其设定为局部运行压力值,N为正整数,将局部运行压力值与仓储子空间对应的局部运行压力阈值进行比对分类,得到标记的压力正常子空间或者压力异常子空间;
根据实时运行状态分析数据以及未来进仓货物信息和未来出仓货物信息实施未来运行状态评估,得到由所有仓储子空间对应的局部未来运行压力系数以及标记的所有未来压力正常子空间、未来压力轻度异常子空间或者未来压力重度异常子空间构成的未来运行状态分析数据,并根据未来运行状态分析数据对目标仓储的所有未来异常运行状态的仓储子空间进行未来运行压力异常的告警提示以及人员提前安排管理的告警提示;包括:
通过公式计算获取仓储子空间对应的局部未来运行压力系数Jy’;式中,S0’为仓储子空间对应的标准周期货物数量变化阈值,T0’为仓储子空间对应的标准周期货物体积变化阈值,Z0’为仓储子空间对应的标准周期货物重量变化阈值;η为压力风险分析模型训练输出的预测值,JSi’为未来进仓货物总数、JTi’为未来进仓货物总体积,JZi’为未来进仓货物总重量,i’=1,2,3,……,n’;n’为正整数;CSj’为未来出仓货物总数、CTj’为未来出仓货物总体积,CZj’为未来出仓货物总重量,j’=1,2,3,……,m’;m’为正整数;
根据局部未来运行压力系数对仓储中不同仓储子空间的未来运行压力状态进行分析时,将局部未来运行压力系数与仓储子空间对应的局部运行压力阈值进行比对分类,得到标记的未来压力正常子空间、未来压力轻度异常子空间或者未来压力重度异常子空间。
2.根据权利要求1所述的一种基于数学模型的智慧仓储方法,其特征在于,实施实时运行状态评估时,对仓储中的不同仓储子空间实施网格化的监测分析,在预设的实时监测间隔时段内,根据实时进仓货物信息中相同的实时进仓子空间坐标来获取所有进仓货物的实时单位进仓货物总数JSi、实时单位进仓货物总体积JTi和实时单位进仓货物总重量JZi;
以及,根据相同实时出仓子空间坐标获取实时出仓货物信息中所有出仓货物的实时单位出仓货物总数CSj、实时单位出仓货物总体积CTj和实时单位出仓货物总重量CZj。
3.根据权利要求1所述的一种基于数学模型的智慧仓储方法,其特征在于,若局部运行压力值不大于局部运行压力阈值,则生成局部运行压力正常标签并将对应的仓储子空间标记为压力正常子空间;
若局部运行压力值大于局部运行压力阈值,则生成局部运行压力异常标签并将对应的仓储子空间标记为压力异常子空间。
4.根据权利要求1所述的一种基于数学模型的智慧仓储方法,其特征在于,实施未来运行状态评估时,根据实时监测间隔时段的结束时间点以及预设的未来监测时长获取对应的未来监测间隔时段和未来监测间隔结束时间点,根据未来监测间隔时段和未来监测间隔结束时间点统计符合时间条件的选中未来进仓货物信息和选中未来出仓货物信息;
获取相同仓储子空间对应的选中未来进仓货物信息中所有未来进仓货物的未来进仓货物总数JSi’、未来进仓货物总体积JTi’和未来进仓货物总重量JZi’,i’=1,2,3,……,n’;n’为正整数,以及获取选中未来出仓货物信息中所有未来出仓货物的未来出仓货物总数CSj’、未来出仓货物总体积CTj’和未来出仓货物总重量CZj’;j’=1,2,3,……,m’;m’为正整数。
5.一种基于数学模型的智慧仓储系统,应用于如根据权利要求1-4任一项所述的一种基于数学模型的智慧仓储方法,其特征在于,包括:
仓储基础运行信息监测统计模块,用于对目标仓储实施基础信息监测统计,以及对实时进仓货物信息和实时出仓货物信息实施监测统计,并根据预设的未来监测时长对仓库将要进仓的货物和将要出仓的货物实施未来进仓货物信息和未来出仓货物信息监测统计;
仓储实时运行状态监测分析模块,用于根据仓储的基础信息以及实时进仓货物信息和实时出仓货物信息实施实时运行状态评估,得到实时运行状态分析数据,并根据实时运行状态分析数据对目标仓储的所有实时异常运行状态的仓储子空间进行实时运行压力异常的告警提示;
仓储未来运行状态监测分析模块,用于根据实时运行状态分析数据以及未来进仓货物信息和未来出仓货物信息实施未来运行状态评估,得到未来运行状态分析数据,并根据未来运行状态分析数据对目标仓储的所有未来异常运行状态的仓储子空间进行未来运行压力异常的告警提示以及人员提前安排管理的告警提示。
6.一种存储介质,包括至少一个处理器;以及,与至少一个处理器通信连接的存储器;
其中,存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行如权利要求1-4任一项所述的一种基于数学模型的智慧仓储方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410003740.4A CN117557199B (zh) | 2024-01-03 | 2024-01-03 | 一种基于数学模型的智慧仓储方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410003740.4A CN117557199B (zh) | 2024-01-03 | 2024-01-03 | 一种基于数学模型的智慧仓储方法、系统及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117557199A CN117557199A (zh) | 2024-02-13 |
CN117557199B true CN117557199B (zh) | 2024-03-12 |
Family
ID=89815005
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410003740.4A Active CN117557199B (zh) | 2024-01-03 | 2024-01-03 | 一种基于数学模型的智慧仓储方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117557199B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190806A (zh) * | 2018-08-15 | 2019-01-11 | 浙江优尼家装饰科技有限公司 | 一种面向仓储的板材零部件动态货位优化方法 |
CN109272276A (zh) * | 2018-09-29 | 2019-01-25 | 石化盈科信息技术有限责任公司 | 一种库存补货管理方法以及装置 |
KR20210030182A (ko) * | 2019-09-09 | 2021-03-17 | 최병록 | 인공지능 모델을 이용한 물류창고의 공실률 관리 방법 및 장치 |
CN114331284A (zh) * | 2021-12-31 | 2022-04-12 | 深圳市凯东源现代物流股份有限公司 | 一种基于云计算的智能仓储服务管理系统 |
CN116069092A (zh) * | 2022-11-28 | 2023-05-05 | 青岛盈智科技有限公司 | 一种智能仓储安全管理方法及系统 |
CN116485161A (zh) * | 2023-06-21 | 2023-07-25 | 广汽埃安新能源汽车股份有限公司 | 一种仓储空间需求确定方法及装置 |
CN116596441A (zh) * | 2023-05-16 | 2023-08-15 | 深圳市易通安达国际物流有限公司 | 一种基于云计算的智能仓储服务管理方法及系统 |
CN116934220A (zh) * | 2023-07-05 | 2023-10-24 | 中博信息技术研究院有限公司 | 一种基于智能数据分析和算法优化的智慧仓储布局方法 |
-
2024
- 2024-01-03 CN CN202410003740.4A patent/CN117557199B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190806A (zh) * | 2018-08-15 | 2019-01-11 | 浙江优尼家装饰科技有限公司 | 一种面向仓储的板材零部件动态货位优化方法 |
CN109272276A (zh) * | 2018-09-29 | 2019-01-25 | 石化盈科信息技术有限责任公司 | 一种库存补货管理方法以及装置 |
KR20210030182A (ko) * | 2019-09-09 | 2021-03-17 | 최병록 | 인공지능 모델을 이용한 물류창고의 공실률 관리 방법 및 장치 |
CN114331284A (zh) * | 2021-12-31 | 2022-04-12 | 深圳市凯东源现代物流股份有限公司 | 一种基于云计算的智能仓储服务管理系统 |
CN116069092A (zh) * | 2022-11-28 | 2023-05-05 | 青岛盈智科技有限公司 | 一种智能仓储安全管理方法及系统 |
CN116596441A (zh) * | 2023-05-16 | 2023-08-15 | 深圳市易通安达国际物流有限公司 | 一种基于云计算的智能仓储服务管理方法及系统 |
CN116485161A (zh) * | 2023-06-21 | 2023-07-25 | 广汽埃安新能源汽车股份有限公司 | 一种仓储空间需求确定方法及装置 |
CN116934220A (zh) * | 2023-07-05 | 2023-10-24 | 中博信息技术研究院有限公司 | 一种基于智能数据分析和算法优化的智慧仓储布局方法 |
Non-Patent Citations (1)
Title |
---|
基于RFID和SN的仓储监管系统软件设计;王娟;郝铭;邴志刚;;微计算机信息;20090115(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117557199A (zh) | 2024-02-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113592019B (zh) | 基于多模型融合的故障检测方法、装置、设备及介质 | |
CN116630766B (zh) | 一种多源信息数据处理系统、方法及设备 | |
CN112801718A (zh) | 用户行为预测方法、装置、设备及介质 | |
CN114519524A (zh) | 基于知识图谱的企业风险预警方法、装置及存储介质 | |
CN116089250B (zh) | 一种人机交互优化管理系统及管理方法 | |
CN116755985A (zh) | 基于大数据和数据分析的平台智能监测管理系统 | |
CN111339072B (zh) | 基于用户行为的变化值分析方法、装置、电子设备及介质 | |
CN112463530A (zh) | 微服务系统的异常检测方法、装置、电子设备及存储介质 | |
CN113139743A (zh) | 污水排放指标分析方法、装置、电子设备及存储介质 | |
CN112950344A (zh) | 数据评估方法、装置、电子设备及存储介质 | |
CN114612194A (zh) | 产品推荐方法、装置、电子设备及存储介质 | |
CN115239479A (zh) | 一种基于大数据的供应链金融风险控制系统及方法 | |
CN111401691A (zh) | 业务进度监控方法、装置及计算机可读存储介质 | |
CN114637326A (zh) | 区域策略制定方法、装置、设备及存储介质 | |
CN117557199B (zh) | 一种基于数学模型的智慧仓储方法、系统及存储介质 | |
CN117114409A (zh) | 企业数据的数据处理方法、设备和存储介质 | |
CN112288371A (zh) | 通关检验方法、装置、电子设备及计算机可读存储介质 | |
CN116384853B (zh) | 一种数字孪生智慧物流的管理方法及装置 | |
CN111652282A (zh) | 基于大数据的用户偏好分析方法、装置及电子设备 | |
CN111522707A (zh) | 大数据平台调度预警方法、装置及计算机可读存储介质 | |
CN114781855A (zh) | 基于dea模型的物流传输效率分析方法、装置、设备及介质 | |
CN115097764A (zh) | 一种基于5g的工业远程控制系统及方法 | |
CN113657546A (zh) | 信息分类方法、装置、电子设备及可读存储介质 | |
CN113139129A (zh) | 虚拟阅读轨迹图生成方法、装置、电子设备及存储介质 | |
CN114996113B (zh) | 大数据的线上用户异常操作实时监控预警方法及装置 |
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 |