一种基于人工智能的仓储智能调度监控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人工智能的仓储智能调度监控管理方法及系统，具体涉及智能监控技术领域，通过在仓储设备上安装传感器和监控设备，实时监测设备的状态和运行情况，提高对库存的管理效率，将传感器检测的各种参数，以及摄像头捕捉图像和视频数据，转换为数字信号，传输给数据存储单元，使用热力图展示多个时间点和设备参数之间的关系，提高仓储管理的效率和准确性，在仓储任务调度中，通过贪婪算法寻找最优任务调度方案，使用

【技术实现步骤摘要】
一种基于人工智能的仓储智能调度监控管理方法及系统


[0001]本专利技术涉及智能监控
，更具体地说，本专利技术涉及一种基于人工智能的仓储智能调度监控管理方法及系统
。

技术介绍

[0002]随着物流行业的不断发展和商业竞争的日益激烈，企业对于仓库管理的要求也越来越高
。
在传统的仓库管理中，人工管理和手写记录已经越来越难以满足企业的需求
。
实际上，仓储成本日益提高，很多仓库已经实行立体化仓储模式以提高仓储效率，传统的仓库管理方法无法满足现代企业物流管理的需要，因此，仓库管理系统应运而生，成为不可或缺的一部分
。
[0003]但是仓库信息化程度却普遍不高，大多数还是采取粗放式的管理方法，仍然属于传统的仓库管理模式，个别仓库的物资信息资料已开始采用条形码结合计算机系统进行管理，少数仓储引进了
RFID
等技术，逐步向信息化
、
智能化方向迈进
。

技术实现思路

[0004]为了克服现有技术的上述缺陷，本专利技术的实施例提供一种基于人工智能的仓储智能调度监控管理方法及系统，通过在仓储设备上安装传感器和监控设备，提高对库存的管理效率，以解决上述
技术介绍
中提出的问题
。
[0005]为实现上述目的，本专利技术提供如下技术方案，一种基于人工智能的仓储智能调度监控管理方法，具体包括以下步骤：
[0006]101、
通过在仓储设备上安装传感器和监控设备，实时监测设备的状态和运行情况；
[0007]102、
通过传感器将收集到的数据传输到监控系统中，进行存储和整理，方便后续分析和决策使用；
[0008]103、
通过对设备监测数据分析，使用热力图展示时间点和设备参数之间的关系，帮助仓储管理人员了解设备的工作情况；
[0009]104、
基于数据分析的结果，应用调度优化算法进行仓储任务的智能调度，实现最佳的任务调度和资源利用；
[0010]105、
对仓储环境进行监测，并设置预警规则，发生异常情况，能够及时发出报警信号，及时采取措施避免事故发生；
[0011]106、
通过分析设备的运行状况和维护历史，预测设备的维护需求，生成维护计划，提高设备的可靠性和延长设备的寿命
。
[0012]在一个优选地实施方式中，所述步骤
101
中，通过在仓储设备上安装传感器和监控设备，实时监测设备的状态和运行情况，利用温湿度传感器监测
、
摄像头监控，以及条形码扫描方式，确定货物的状态和存取时间，提高对库存的管理效率，具体包括以下内容：
[0013]S1、
温湿度传感器：实时监测库房内的温度和湿度变化，确保货物的储存环境符合
要求，预防货物受潮
、
腐败问题；
[0014]S2、
摄像头：将摄像头安装在库房的关键位置，用于监控货物的存放和取放过程，防止货物丢失；
[0015]S3、
入库和出库管理：利用条形码扫描方式，对货物实现自动识别
、
追踪和管理，记录货物的进出时间
、
位置和数量，实现精确的库存管理
。
[0016]在一个优选地实施方式中，所述步骤
102
中，将传感器检测的各种参数，包括温度
、
湿度
、
压力
、
位置信息，以及摄像头捕捉图像和视频数据，转换为数字信号，传输给数据存储单元，具体包括以下内容：
[0017]S1、
传感器感知：采集设备中的传感器感知所监测的环境参数，温度传感器感知温度变化，压力传感器感知压力变化，摄像头捕捉图像；
[0018]S2、
信号转换：使用模数转换器将感知到的环境参数转换为模拟信号，具体包括以下步骤：
[0019]步骤
1、
采样：
ADC
首先对模拟信号进行采样，在时间上均匀地获取一系列离散的样本点，使用一个时钟信号来确定采样的时间间隔和频率，通过一个采样保持电路，在特定时间间隔内固定模拟信号的值，将模拟信号的值保持不变直到完成采样，当时钟信号触发，开关负责打开与模拟信号连接的通路，开关打开后，模拟信号的值会被记录下来，根据时钟信号的频率，
ADC
在固定的时间间隔进行采样；
[0020]步骤
2、
量化：采样得到的连续模拟信号被量化为离散的数字值，量化过程中，
ADC
将每个样本点映射到最近的离散级别上，使用固定间隔的量化级别，表示的数字值的精确度；
[0021]步骤
3、
编码：量化后的离散数字值通过一串二进制位来表示；
[0022]步骤
4、
输出：经过采样
、
量化和编码后，
ADC
将数字信号输出给后续的电子设备进行处理；
[0023]S3、
数字信号处理与编码：通过数字滤波器对采样后的数字信号进行处理，确保数据的准确性和可靠性；
[0024]S4、
数据传输与存储：转换和编码后的数字信号通过无线方式进行传输，利用以太网技术发送到数据存储单元进行处理和存储，保证数据的完整性和安全性，防止数据丢失和篡改
。
[0025]在一个优选地实施方式中，所述步骤
103
中，使用热力图展示多个时间点和设备参数之间的关系，利用数据比较和基准线，评估设备的工作情况和性能，通过信息共享，提高仓储管理的效率和准确性，具体包括以下内容：
[0026]S1、
热力图：横轴和纵轴分别表示时间和设备参数，颜色表示监测数据的数值大小，通过颜色的深浅变化，观察数据趋势，帮助仓储管理人员了解设备的异常情况；
[0027]S2、
数据比较和基准线：将当前设备监测数据与历史数据
、
标准值进行比较，评估设备的工作情况和性能，有助于发现异常情况和潜在问题，及时采取措施进行调整和修复；
[0028]S3、
数据共享和协作：将设备监测数据与其他相关部门共享，实现更全面的分析和决策支持，通过跨部门合作和信息共享，提高仓储管理的效率和准确性
。
[0029]在一个优选地实施方式中，所述步骤
104
中，在仓储任务调度中，根据任务的优先级
、
执行时间和资源需求指标，选择当前最有利的任务进行调度，通过贪婪算法寻找最优任
务调度方案，具体包括以下步骤：
[0030]S1、
初始化：将所有任务按照执行时间进行排序，选择一个初始任务调度方案；
[0031]S2、
选择最佳任务：从未被分配的任务中选择一个当前最佳的任务，能够在限定资源下完成并且具有最短的执行时间；
[0032]S3、
分配资源：将所选任务分配给本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于人工智能的仓储智能调度监控管理方法，其特征在于：包括以下步骤：
101、
通过在仓储设备上安装传感器和监控设备，实时监测设备的状态和运行情况；
102、
通过传感器将收集到的数据传输到监控系统中，进行存储和整理，方便后续分析和决策使用；
103、
通过对设备监测数据分析，使用热力图展示时间点和设备参数之间的关系，帮助仓储管理人员了解设备的工作情况；
104、
基于数据分析的结果，应用调度优化算法进行仓储任务的智能调度，实现最佳的任务调度和资源利用；
105、
对仓储环境进行监测，并设置预警规则，发生异常情况，能够及时发出报警信号，及时采取措施避免事故发生；
106、
通过分析设备的运行状况和维护历史，预测设备的维护需求，生成维护计划，提高设备的可靠性和延长设备的寿命
。2.
根据权利要求1所述的一种基于人工智能的仓储智能调度监控管理方法，其特征在于：所述步骤
101
中，通过在仓储设备上安装传感器和监控设备，实时监测设备的状态和运行情况，利用温湿度传感器监测
、
摄像头监控，以及条形码扫描方式，确定货物的状态和存取时间，提高对库存的管理效率
。3.
根据权利要求1所述的一种基于人工智能的仓储智能调度监控管理方法，其特征在于：所述步骤
102
中，将传感器检测的各种参数，包括温度
、
湿度
、
压力
、
位置信息，以及摄像头捕捉图像和视频数据，转换为数字信号，传输给数据存储单元
。4.
根据权利要求1所述的一种基于人工智能的仓储智能调度监控管理方法，其特征在于：所述步骤
103
中，使用热力图展示多个时间点和设备参数之间的关系，利用数据比较和基准线，评估设备的工作情况和性能，通过信息共享，提高仓储管理的效率和准确性
。5.
根据权利要求1所述的一种基于人工智能的仓储智能调度监控管理方法，其特征在于：所述步骤
104
中，在仓储任务调度中，根据任务的优先级
、
执行时间和资源需求指标，选择当前最有利的任务进行调度，通过贪婪算法寻找最优任务调度方案
。6.
根据权利要求1所述的一种基于人工智能的仓储智能调度监控管理方法，其特征在于：所述步骤
105
中，对仓储环境进行监测，包括仓库内部的温度
、
湿度
、
光照强度
、
颗粒物浓度
、
气体浓度，使用
K
‑
means
聚类算法进行仓储系统的异常检测，当设备监测数据超过设定的阈值，发出报警信号，具体计算公式如下：的阈值，发出报警信号，具体计算公式如下：其中，...

【专利技术属性】
技术研发人员：梁志豪，颜岸韵，梁荣豪，
申请(专利权)人：佛山市太米智能科技有限公司，
类型：发明
国别省市：