一种基于物联网的仓储库管理方法及系统技术方案

本发明专利技术公开了一种基于物联网的仓储库管理方法及系统，该方法包括部署传感器网络、仓储物品的信息采集、建立物流调度模型和建立库存预测模型。本发明专利技术涉及仓储管理技术领域，具体是指一种基于物联网的仓储库管理方法及系统，本方案创建了物流调度模型，该模型通过推荐拣货车的数量和路径，达到提高仓储物流流通效率、降低流通费用的目的，本方案创建了库存预测模型，该模型通过仓储物品的历史库存数据来寻找一个超平面，使得历史库存量以及未来一段时间的库存量到超平面的距离最小残差平方和最小，以此预测未来库存变化；基于库存预测模型预测出的未来库存变化，并以此预测结果作为依据为仓储物品的存放位置提供方向指导。为依据为仓储物品的存放位置提供方向指导。为依据为仓储物品的存放位置提供方向指导。

【技术实现步骤摘要】
一种基于物联网的仓储库管理方法及系统


[0001]本专利技术涉及仓储管理
，具体是指一种基于物联网的仓储库管理方法及系统。

技术介绍

[0002]在仓储库中部署各种传感器，可以实时监测仓库环境条件、货物位置和状态数据，而物联网平台提供了连接和管理物联网设备的基础设施；另外，自动化与机器人技术结合物联网，可以实现仓储库的自动化管理，如自动导航机器人和自动化货架系统，进一步提高仓储库的智能化水平；然而，传统的仓储库存在不合理的拣货先后顺序，从而导致在拣货过程中来回折返耗费大量时间的问题；以及仓库管理系统存在无法及时调整和适应仓储物品不断变化的需求，进而产生库存过剩和库存短缺的问题；此外，传统的仓储库管理存在无法预知仓储物品的未来库存变化趋势，导致仓储空间不合理布局的问题。

技术实现思路

[0003]针对上述情况，为进一步提高仓储库的管理效率，本专利技术提供了一种基于物联网的仓储库管理方法及系统，针对传统的仓储库存在不合理的拣货先后顺序，从而导致在拣货过程中来回折返耗费大量时间的问题，本方案建立了预测式多路径自适应调度模型，该模型通过推荐拣货车的数量和路径，达到提高仓储物流流通效率、降低流通费用的目的；针对仓库管理系统存在无法及时调整和适应仓储物品不断变化的需求，进而产生库存过剩和库存短缺的问题，本方案采用了自适应库存预测模型，该模型通过仓储物品的历史库存数据来寻找一个超平面，使得历史库存量以及未来一段时间的库存量到超平面的距离最小残差平方和最小，以此预测未来库存变化；针对传统的仓储库管理存在无法预知仓储物品的未来库存变化趋势，导致仓储空间不合理布局的问题，本方案基于自适应库存预测模型预测出的未来库存变化，并以此预测结果作为依据为仓储物品的存放位置提供方向指导，当预测显示仓储物品的需求将大幅增加，将其存放在更容易取用和管理的位置，以便快速响应客户需求；当预测显示物品的需求量将减少，将其存放在不易访问的位置。
[0004]本专利技术采取的技术方案如下：本专利技术提供的一种基于物联网的仓储库管理方法及系统，该方法包括以下步骤：步骤S1：部署传感器网络，在仓库中设置各类传感器来形成传感器网络，该网络用于监测仓储库的环境，当环境有危险情况发生时及时报告给仓库管理员；
[0005]步骤S2：仓储物品的信息采集，采集所有出入库的仓储物品信息；
[0006]步骤S3：建立预测式多路径自适应调度模型，根据仓库空间大小和功能规划四个区域，基于仓库位置计算各仓储物品之间的距离，建立仓储物品实数编码和拣货车二进制编码，构建初始解集并计算解的适应度值，通过适应度值对初始解集进行轮盘赌筛选，保留适应度高的解，通过交叉变异操作最终建立预测式多路径自适应调度模型；
[0007]步骤S4：建立自适应库存预测模型，通过绘制仓储时间数据集的自相关图和偏自
相关图寻求平稳的仓储时间数据集，基于历史时间的库存量训练模型里的各项参数初始化自适应库存预测模型，并建立库存预测矫正模型，根据历史库存量确定最优超平面，通过计算预测值与实际观测值的均方误差，通过均方误差对参数的梯度，并基于梯度的加权平均值引入动量参数，来更新参数，确定最终自适应库存预测模型参数，建立自适应库存预测模型。
[0008]进一步地，在步骤S1中，所述部署传感器网络具体包括以下步骤：步骤S11：建立感知层，感知层是由各类传感器构成的传感器网络，该网络主要用于监测仓储库的环境，同时使用RFID技术负责仓储物品出入库的信息流动；
[0009]步骤S12：建立通信层，通信层采用无线通信技术，利用电子信息交换系统来联动仓库管理系统，实时更新仓储库的状态；
[0010]步骤S13：建立应用层，应用层为终端软件，感知层的数据经通信层的传输到达供应商或客户所拥有的终端软件上，以便及时获取仓储物品的信息。
[0011]进一步地，在步骤S2中，所述仓储物品的信息采集包括仓储信息数据集和仓储时间数据集，其中仓储信息数据集为各类仓储物品历史库存量以及存放位置数据，仓储时间数据集为各仓储物品的出入库时刻数据以及仓储时长。
[0012]进一步地，在步骤S3中，所述建立预测式多路径自适应调度模型具体包括以下步骤：步骤S31：根据仓库空间大小和功能规划，采用U型布局，整体区域划分为收货区、发货区、质检区、仓储区四个区域；
[0013]步骤S32：以仓库出入口为坐标原点水平向右为X轴正方向，竖直向上为Y轴正方向建立坐标系，计算各仓储物品之间的距离，所用公式如下：Dis(i，0)=Dis(0，i)=yl+（d1+d2（（x+1）/2）+2w*x）k；；式中，Dis（i，0）表示仓储物i到出入口的距离，Dis（i，j）表示仓储物i和仓储物j之间的距离，d1为仓库主通道宽度，d2为拣货通道的宽度，l为仓储物品的宽度，w为仓储物品的宽度，k为U型布局主通道与X轴的余弦值；
[0014]步骤S33：建立仓储物品实数编码和拣货车二进制编码；
[0015]步骤S34：构建初始解集，即随机确定n组拣货车数量以及对应的拣货路径的组合解作为初始解集；
[0016]步骤S36：计算解的适应度值F（x），所用公式如下：f（x）=t1+t2+k*m；F（x）=1/f（x）；式中，t1为拣货车到达仓储物的最短时间，t2为拣货车到达仓储物的最长时间，k为拣货车的数量，m为拣货车在行驶过程中的能耗；
[0017]步骤S37：根据步骤S36中的适应度值对初始解集进行轮盘赌筛选，保留适应度高的解，所用公式如下：；式中，f（x
i
）为解集中解的适应值函数，i和k表示解的索引值，将其归一化后的取值作为个体解被保留的概率；
[0018]步骤S38：对步骤S37筛选得到的部分解进行交叉变异操作，其中仓储物品采用多点交叉，拣货车采用单点交叉的策略，同时控制突变数量在3个节点内；
[0019]步骤S39：预设最大迭代次数D和适应度阈值F，若迭代的次数达到D时停止迭代并输出步骤S37适应度最高的解；若解的适应度值大于F时停止迭代并输出此时的解；否则继续迭代解集。
[0020]进一步地，在步骤S4中，所述建立自适应库存预测模型具体包括以下步骤：步骤S41：绘制仓储时间数据集的自相关图和偏自相关图，如果序列在时间上具有稳定的均值和方差，且自相关图在滞后阶数上趋近于零，则表明仓储时间数据集是平稳的，否则对数据集进行差分操作使之趋于平稳；步骤S42：初始化自适应库存预测模型，根据历史时间的库存量训练模型里的各项参数，所用公式如下：；式中，y
t
为库存预测值，t为预测的时间点，c是表示截距的常数，i和j表示时间点，p代表自回归的阶数，q代表移动平均的阶数，和y
t
‑
i
分别是自回归部分的参数和回归量，θ
j
和ε
t
‑
j
分别是移动平均部分的参数和回归量，ε
t
是模型的白噪声误差项；
[0021]步骤S43：建立库存预测矫正模本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的仓储库管理方法，其特征在于：该方法包括以下步骤：步骤S1：部署传感器网络，在仓库中设置各类传感器来形成传感器网络，该网络用于监测仓储库的环境，当环境有危险情况发生时及时报告给仓库管理员；步骤S2：仓储物品的信息采集，采集所有出入库的仓储物品信息；步骤S3：建立预测式多路径自适应调度模型，根据仓库空间大小和功能规划四个区域，基于仓库位置计算各仓储物品之间的距离，建立仓储物品实数编码和拣货车二进制编码，构建初始解集并计算解的适应度值，通过适应度值对初始解集进行轮盘赌筛选，保留适应度高的解，通过交叉变异操作最终建立预测式多路径自适应调度模型；步骤S4：建立自适应库存预测模型，通过绘制仓储时间数据集的自相关图和偏自相关图寻求平稳的仓储时间数据集，基于历史时间的库存量训练模型里的各项参数初始化自适应库存预测模型，并建立自适应库存预测矫正模型，根据历史库存量确定最优超平面，通过计算预测值与实际观测值的均方误差，通过均方误差对参数的梯度，并基于梯度的加权平均值引入动量参数，来更新参数，确定最终自适应库存预测模型参数，建立自适应库存预测模型。2.根据权利要求1所述的一种基于物联网的仓储库管理方法，其特征在于：在步骤S4中，所述建立自适应库存预测模型具体包括以下步骤：步骤S41：绘制仓储时间数据集的自相关图和偏自相关图如果序列在时间上具有稳定的均值和方差，且自相关图在滞后阶数上趋近于零，则表明仓储时间数据集是平稳的，否则对数据集进行差分操作使之趋于平稳；步骤S42：初始化自适应库存预测模型，根据历史时间的库存量训练模型里的各项参数，所用公式如下：；式中，y
t
为自适应库存预测值，t为预测的时间点，c是表示截距的常数，i和j表示时间点，p代表自回归的阶数，q代表移动平均的阶数，和y
t
‑
i
分别是自回归部分的参数和回归量，θ
j
和ε
t
‑
j
分别是移动平均部分的参数和回归量，ε
t
是模型的白噪声误差项；步骤S43：建立自适应库存预测矫正模型，根据历史库存量确定最优超平面，所用公式如下：；式中，w、ξ
i
、b和ξ
i*
是仓储位置优化问题的决策变量参数，n为仓储时间数据集中的样本数量，w
T
w为正则化项，T表示转置，ξ
i
和ξ
i*
为松弛变量，x
i
为仓储时间数据集中的时间参数，y
i
为仓储时间数据集中与时间节点对应的库存量，C是惩罚参数，用于控制模型的正则化程度；步骤S44：计算预测值与实际观测值的均方误差，所用公式如下：
；步骤S45：计算均方误差对参数的梯度，更新参数，步骤如下：步骤S451：引入一个动量参数，并初始化为0，动量参数记录之前梯度的加权平均值；步骤S452：通过链式法则计算参数的梯度σ；步骤S453：更新动量参数的值，所用公式如下：θ
n
=θ
o
*m+η*σ；式中，θ
n
为更新后的动量参数值，θ
o
为更新前的动量参数值，m为动量参数值的系数，设值为0.5，η为学习率；步骤S454：基于动量参数的值和学习率，对自适应库存预测模型参数进行更新，所用公式如下：v
e
=v
k
‑
θ
n
；式中，v
e
为更新后的参数值，v
k
为更新前的参数值；步骤S455：预先设定阈值M，计算自适应库存预测值与最优超平面之间的最小残差平方和，当最小残差平方和低于M时，停止参数更新并转至步骤S46，否则转至步骤S453；步骤S46：确定...

【专利技术属性】
技术研发人员：徐栋，蒋曦龙，章红春，周海森，马坤，付晓地，
申请(专利权)人：山东水发大正物联科技有限公司，
类型：发明
国别省市：