一种基于大数据的仓储时间监管系统及方法技术方案

本发明专利技术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：

【技术实现步骤摘要】
一种基于大数据的仓储时间监管系统及方法


[0001]本专利技术涉及仓储时间监管
，具体为一种基于大数据的仓储时间监管系统及方法
。

技术介绍

[0002]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
。
[0003]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
。
[0004]因此，为了解决上述问题或部分问题，本专利技术提供了一种基于大数据的仓储时间监管系统及方法
。

技术实现思路

[0005]本专利技术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
技术介绍
中提出的问题
。
[0006]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于大数据的仓储时间监管方法，包括以下步骤：
[0007]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；
[0008]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；
[0009]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；
[0010]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
。
[0011]进一步的，所述
S1
包括：
[0012]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；
[0013]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；
[0014]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；
[0015]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
。
[0016]进一步的，所述
S2
包括：
[0017]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；
[0018]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：
[0019][0020]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，
Δ
u
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：
[0021]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；
[0022]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
[0023][0024]其中，为一次累加生成序列中的第
k
个值；
i
代表序列数；
[0025]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；
[0026]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
Δ
u
的取值；
[0027]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；
[0028]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；
[0029]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：
[0030][0031]其中，
T
i
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本文档来自技高网...

【技术保护点】

【技术特征摘要】
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，
Δ
u
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，
T
i
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...

【专利技术属性】
技术研发人员：李强，陈臻，
申请(专利权)人：上海朗晖慧科技术有限公司，
类型：发明
国别省市：