基于数字孪生技术的智能仓储库存动态管理方法及平台与流程

摘要: 本发明涉及仓库管理,尤其涉及基于数字孪生技术的智能仓储库存动态管理方法及平台。背景技术:1、数字孪生是充分利用物理模型、传感器、运行历史等数据,集成多学科、多物...
基于数字孪生技术的智能仓储库存动态管理方法及平台与流程

本发明涉及仓库管理,尤其涉及基于数字孪生技术的智能仓储库存动态管理方法及平台。

背景技术:

1、数字孪生是充分利用物理模型、传感器、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程。

2、当前仓库储存尤其是大型仓库的储存对管理提出了更高的要求,传统的仓库储存管理主要还是通过固定的储位分配来进行管理,导致高频率拣选商品被存放于远离作业出口的位置,显著增加行走距离,降低作业效率。

3、因此,设计基于数字孪生技术的智能仓储库存动态管理方法及平台,如何实现对仓库的高效存储动态管理,以提高仓库的运行效率并降低成本,是目前亟待解决的问题。

技术实现思路

1、本发明实施例提供基于数字孪生技术的智能仓储库存动态管理方法及平台。

2、为达到上述目的,本发明采用如下技术方案:

3、第一方面,提供基于数字孪生技术的智能仓储库存动态管理方法,方法包括:采集物理仓库管理数据,进行数字孪生模型构建,形成仓储实时动态孪生体;根据仓储实时动态孪生体进行储位优化分析,形成储位实时优化数据;根据储位实时动态孪生体,进行基于需求预测的补货分析,形成补货预测分析数据。

4、由此可知,上述方法通过基于物理仓库管理数据建立起仓库的数字孪生模型,以动态的反映出仓库的仓储数据变化,同时借助于不同仓储物的热度情况实现对仓储位置的优化调整,以有效的提高仓库的运行效率,并通过需求预测分析来对仓储物的补货数据进行预测实现及时高效的补货处理。整个仓库的管理运行借助数字孪生模型实现高效且可靠的运行,大大提高了仓库的运行效率,有效保证仓库在成本合理控制的情况下充分满足供货需求。

5、可选地,采集物理仓库管理数据,进行数字孪生模型构建,形成仓储实时动态孪生体,包括:根据物理仓库管理数据,进行全域参数化处理,形成全域参数化数据;根据物理仓库管理数据,进行针对出入库事件的储位实时变化分析,形成储位实时动态管理数据。

6、由此可知,利用物理仓库管理数据所进行的数字孪生模型构建主要是针对仓储情况的数字孪生,但在此之前需要先对仓库的基本参数进行量化和统一处理,以为储位的动态模型听过参数基础。可以理解,对于借助物理仓库管理参数进行的参数化,就是将包括储位位置、运行参数等在内的全域数据进行参数化的映射,这些全域数据通过不限于工业相机、rfid、激光雷达、plc、温湿度/振动传感器在内的设备设施提供,完成全域参数化后重点在于对不同储位进行动态的跟踪,以保证所建立的数字孪生体能够实时有效的反映出储位的动态情况。

7、可选地,根据物理仓库管理数据,进行全域参数化处理,形成全域参数化数据,包括:根据物理仓库管理数据,确定出不同储位的储位位置坐标,其中,, i表示仓库中储位的编号,表示编号为i的储位位置在第一方向上的位置参量,表示编号为i的储位位置在第二方向上的位置参量,表示编号为i的储位位置在第三方向上的位置参量;根据不同储位的储位位置坐标,确定出对应的储位等效作业距离,其中,,表示仓库的出入口位置在第一方向上的位置参量,表示仓库的出入口位置在第二方向上的位置参量,表示仓库的出入口位置在第三方向上的位置参量,表示垂直作业等效因子;根据物理仓库管理数据,确定出不同储位的储位容量;根据物理仓库管理数据,确定出在前一时刻不同储位上的在前存储物库存量,并建立在前库存时变矩阵,其中,j表示不同存储物的编号;根据物理仓库管理数据,确定出不同存储物在前一个分析时间窗口下的出库总次数。

8、由此可知,本技术主要是基于数字孪生数据进行考虑管理效率的储位变化分析和补货预测,因此全域参数的分析需要充分覆盖这方面的内容,全域参数化包括储位的位置信息、在储位上进行出入库作业时的单程等效作业距离、不同储位的容量信息、不同存储物在对应储位上的存储量信息、不同存储物在分析周期内的出库次数。对于储位的位置信息,是后续在储位上进行作业分析的基础,对于单程等效作业距离,由于在水平方向上的运输形式会与垂直方向的运输形式不同,因此在耗能等方面会存在不同,通过垂直作业等效因子可以实现三个方向上的作业等效量化。垂直等效作业因子可以根据运输方式的对比来进行定义。储位容量是用于后续判断储位是否还能入库存储的重要依据,这里对存储物的库存量是获取的前一时刻的数据,实时的作业是通过基于事件的条件来实现的,这里主要是用来建立合理的时变矩阵,为后续的分析提供数据基础。出库总次数的量化主要是为后续的储位优化提供参考。对于储位容量和存储物的库存量的量化需要考虑两个方面,一方面是两种量化的基础需要统一,即保证量化的参数单位是相同的,避免后续的进行储位优化处理时因量化单位不统一导致数据分析复杂度增加或者出现分析错误。

9、可选地,根据物理仓库管理数据,进行针对出入库事件的储位实时变化分析,形成储位实时动态管理数据,包括:根据物理仓库管理数据,确定不同储位对应的实时进出库时间,并获取对应的储位实时事件变化量;根据在前库存时变矩阵,确定出每个储位上的实时存储物库存量,其中,;根据不同的实时存储物库存量,对在前库存时变矩阵进行更新,形成实时库存时变矩阵。

10、由此可知,储位实时动态管理最基本的就是对每个存储为的存储物存量进行动态跟踪,以确保库存数据的准确性和实时性。这里通过以出入库事件为依据,在确定的上一时刻的储位存储量的基础上进行实时动态更新,完成对实时存储量的动态管理,这样做可以保证后续的动态变化能够顺利进行下去,基于进出库的事件重复的确认更新,保证存储信息的准确性和时效性。对于储位实时事件变化量如果是出库则参数为负值,如果是入库则参数为正值。

11、可选地,根据仓储实时动态孪生体进行储位优化分析,形成储位实时优化数据,包括:根据仓储实时动态孪生体,进行基于热度的储位面分析,形成初始储位面数据;根据初始储位面数据,进行储位优化分析,形成储位实时优化数据。

12、由此可知,对于不同类型的存储物,因为需求的不同导致在仓库中出入库的频率和总量是不同的,对储存物的位置进行调整靠近出入库口可以提高出入库的效率。当然,对于现有的存储位置在进行出入库尤其是出库的时候选,如果存在多个该存储物的储位那么肯定会优选考虑出入库口的储位进行作业,对于已确定的储位,属于上一个分析周期所确定的最优解,以一个合理的分析周期为储位优化的参考能够确保储位调整的稳定性和合理性。可以理解的是,对于不同的存储物,其存储量的不同导致所需的储位数量是不同的,本质上储位的优化分析是对存储物所在的储位面所进行的优化调整,即获得该存储物下所需储位的最优聚类,保证出入库的供给能够高效满足需求。当然,储位的优化还要考虑不同存储物的调用频率,频率越高说明存储物的作业量大,所以这种作业量越大的存储物越靠近出入库口仓库的管理效率就越高,因而在进行分析时还需要对不同存储物的作业量情况进行考虑,当然这种考虑也是以分析周期为参考进行。

13、可选地,根据仓储实时动态孪生体,进行基于热度的储位面分析,形成初始储位面数据,包括:根据不同存储物对应的出库总次数,确定出对应的储物热度值,其中,,j为编号j的最大值;根据储物热度值,按照从高到低的顺序对不同的存储物进行以下方式的储位面分析:获取存储物对应的周期总需求量,其中,,表示单位时间平均出库体积,表示补货提前期,表示冗余系数;将当前空闲的储位按照储位等效作业距离由低到高的顺序逐步分配给对应的存储物,直至分配到的所有储位的总存储量不小于周期总需求量;集合存储物被分配到的所有储位,形成对应的初始储位面。

14、由此可知,基于热度的储位面分析主要是为不同的存储物提供能够满足在下一个周期内不需要补货的前提条件下的出库总量需求,而考虑不同的存储物的出库频率不同,对不同存储物的储位面分配不能随意进行,避免出库频率低的存储物占据了大量距离出入库口较劲的储位而降低仓库运行效率。不同存储物的热度值是基于出库次数在总出库量上的比例大小来体现的,借此确定出不同存储物分配储位的顺序,对不同的存储物在进行储位分配时是以当前空闲的所有储位为基准,分配完成的条件是分配到的储位的总存储量不小于根据单位时间平均出库体积所预估的需求总量。单位时间平均出库体积可以根据之前的分析周期内的出库水平来确定,补货提前期为存储物在进行补货操作到实物入库的时长,该时长以分析周期的起始时间点算,本质上补货周期就是基于之前的分析周期所预估的一个入库补货预测时长,对于冗余系数可以根据需要进行设定。

15、可选地,根据初始储位面数据,进行储位优化分析,形成储位实时优化数据,包括:对不同的存储物,将进行储位优化的存储物对应的初始储位面确定为初始对象储位面;对初始对象储位面,根据不同储位的储位等效作业距离,按照由高到低的顺序提取储位,所提取的储位同初始储位面中的储位总数的比值不超过优化储位比;若所提取的储位的总容量同初始储位面中所有储位的总容量之比不超过容量限制比,则将提取的储位标定为待优化储位,反之则不对初始对象储位面进行储位优化;若存在待优化储位,则根据储物热度值由高到低的顺序,确定出储物热度值较小且与初始对象储位面的存储物相邻的存储物,标定为待优化存储物;在待优化存储物的初始储位面中按照储位等效作业距离由低到高的顺序提取多个储位,使提取的储位的总容量不超过所有待优化储位的总容量;将提取的多个储位与初始对象储位面中除去待优化储位后剩余的储位集合,形成初始对象储位面的存储物对应的优化储位面;将所有的待优化储位同待优化存储物对应的初始储位面中剩余的储位集合,形成待优化存储物对应的优化储位面;完成所有存储物的储位优化后,对每个优化储位面的总容量进行校验:若优化储位面的总容量小于对应的周期总需求量,则在当前空闲的储位中按照储位等效作业距离由低到高的顺序提取储位到对应的优化储位面,使优化储位面的总容量不小于周期总需求量。

16、由此可知,储位实时优化的目的是为了将热度相对较小的存储物对应的储位面进行调整,使得这些储位面中也包含储位等效作业距离较小的好储位,但这种储位的优化必须要有限定才能保证优化的合理性,这种限定本技术是通过仅对热度值上相邻的存储物的储位面进行优化,这样能够避免热度值本身就很低的储位面出现了离出入库口很近的储位的情况,这种情况并没有做到对储位的高效利用。当然,在进行储位优化时为了保证优化后的储位面在容量上不会产生较大的变化而再次补充更多的远离出入库口的空闲储位,需要对待优化的储位进行合理的数量和容量上的控制,所以所提取出来进行优化的储位的数量不能超过优化储位比,容量不能超过容量限制比,以免对储位面发生实质性的改变而大大降低出入库效率。对于优化储位比和容量限制比可以根据实际情况进行设定。对于确定可以优化的储位后,两个储位面之间进行部分储位的交换并不能完全保证交换的储位的总容量是相同的,所以在交换后还需要对储位面的总容量是否满足周期总需求量进行判断,并在判断不满足时进行少量的空闲储位补充。虽然储位优化会对热度较高的存储物的储位产生一定程度作业效率的负面影响,但确在仓库的整体管理层面上构建起多种热度值较高的存储物具有离出入库口较近的储位,整体层面上提升了出库效率。

17、可选地,根据储位实时动态孪生体,进行基于需求预测的补货分析,形成补货预测分析数据,包括:对完成校验后的不同优化储位面,将储位等效作业距离最低的储位确定为主拣选位,将主拣选位的容量标定为主拣选容量,确定出除主拣选位外优化储位面中剩余的储位的总容量并标定为调库总容量;获取需求预测函数,确定出预测消耗量,其中,,表示消耗时长;根据主拣选容量、调库总容量以及预测消耗量,进行补货预测分析,形成补货预测分析数据。

18、由此可知,数字孪生建立了动态的仓库储位变化数据,可以借助于这些数据实现合理有效的补货预测,进而做到合理的提前补货准备,提升仓库管理的效果。补货预测是在基于需求预测的基础上进行的,对于需求预测函数是基于历史分析周期上的出库变化数据所分析形成的预测曲线,而补货预测考虑的是存储物总量的变化,因此预测分析需要考虑整个储位面的库存量情况,以保证存储物的所有库存具有高周转率。

19、可选地,根据主拣选容量、调库总容量以及预测消耗量,进行补货预测分析,形成补货预测分析数据,包括:设定最小主拣选保有量,根据主拣选容量,确定出主拣选允许消耗总量,其中,;根据主拣选允许消耗总量、调库总容量以及预测消耗量,确定出满足的最小消耗时长,并标定为最小补货时长。

20、由此可知,主拣选位是存储物对外出库的储位,存储物其他的储位则是为主拣选位进行调库的辅助存储位置,在进行补货预测时,需要考虑将储位面所有的辅助存储位置的库存用完直到主拣选位的剩余库存已经达到了快要缺货的限度,这个限度通过最小主拣选保有量来衡量,具体数值根据实际情况进行设定。预测的最终目的是确定出补货的时间,进而为补货做出充分的准备。

21、第二方面,提供基于数字孪生技术的智能仓储库存动态管理平台,系统被配置为用于执行如第一方面的方法,包括:数据采集单元,用于采集物理仓库管理数据;模型构建单元,用于根据数据采集单元采集的物理仓库管理数据进行数字孪生模型构建,形成仓储实时动态孪生体;储位优化单元,用于根据模型构建单元形成的仓储实时动态孪生体进行储位优化分析,形成储位实时优化数据;补货预测单元,用于根据模型构建单元形成的仓储实时动态孪生体和储位优化单元形成的储位实时优化数据进行基于需求预测的补货分析,形成补货预测分析数据。

22、由此可知,该平台通过数据采集单元获取数字孪生所需的基本仓库管理数据,在此基础上建立起动态的数字孪生模型,储位优化单元和补货预测单元就能够通过动态数字孪生模型进行更加合理的储位调整优化和补货时长的预测,大大提高仓库管理效率的同时也能保证仓库的高效连续运行。不同的功能单元相互结合,形成紧密的实现动态管理的系统。