基于数字分析的钢筋集中智造集料场管理系统及方法与流程

本技术涉及钢筋集中加工与仓储管理领域，尤其涉及基于数字分析的钢筋集中智造集料场管理系统及方法。

背景技术：

1、钢筋混凝土结构是我国应用最为广泛的建筑结构形式，钢筋工程在整个建筑工程造价中占据较大比例，且直接影响工程质量。目前，钢筋集中加工模式在桥梁工程、铁路梁场、核电建造等领域得到广泛应用。然而，现有钢筋集中加工场景下的集料场管理仍存在诸多不足。

2、在钢筋存料管理方面，传统方式主要依赖人工台账记录或简单的电子表格管理，存料数据更新滞后，料场管理人员难以及时掌握各堆位的实时库存状态。已有部分方案采用bim技术构建钢筋模型并生成料单，或通过数字孪生技术实现钢筋加工全流程的可视化管控，但这些方案多聚焦于加工环节的数字化，对集料场存料管理鲜有涉及。在钢筋加工需求与存料匹配方面，现有技术通常采用人工比对方式确定可用库存，缺乏对加工需求时序特征的系统分析，难以实现存料与需求之间的动态匹配与智能调度。在料场空间管理方面，已有研究提出了三维数字化料场系统和堆料场数字孪生系统，但主要侧重于可视化和监控，缺乏基于存料-需求匹配分析的存料结构优化和堆位动态分配功能。

3、因此，本技术提供了一种基于数字分析的钢筋集中智造集料场管理系统及方法。

技术实现思路

1、本技术提供基于数字分析的钢筋集中智造集料场管理系统及方法，解决了现有钢筋集中加工集料场管理存在存料状态感知不实时、存料与需求匹配不精准、料场空间利用不充分的技术问题。

2、为达到上述目的，本技术采用如下技术方案：

3、第一方面，提供一基于数字分析的钢筋集中智造集料场管理方法，包括：

4、获取集料场的空间结构数据、钢筋存料数据，以及钢筋加工需求数据；

5、根据所述空间结构数据构建集料场的三维数字空间模型，并根据所述钢筋存料数据在所述三维数字空间模型中映射各钢筋堆位的空间位置与存料属性，生成集料场存料数字孪生模型；

6、根据所述钢筋加工需求数据生成加工需求时序序列，并对所述加工需求时序序列与所述集料场存料数字孪生模型中的存料状态数据进行关联分析，生成存料-需求匹配度；

7、基于存料-需求匹配度，对集料场的存料结构进行数字分析，生成存料结构优化方案；

8、基于存料结构优化方案，生成各钢筋堆位的堆放策略指令，并根据所述堆放策略指令更新所述集料场存料数字孪生模型。

9、基于上述技术方案，在本技术提供的基于数字分析的钢筋集中智造集料场管理方法中，通过构建集料场存料数字孪生模型，将物理堆位的空间位置与存料属性数据在三维数字空间中进行实时映射，实现了集料场存料状态的全要素可视化感知与动态监控，解决了传统管理中存料信息不透明、更新滞后的问题。通过生成加工需求时序序列并计算存料-需求匹配度，综合考虑了各堆位的可用库存量、需求量、规格匹配系数及空间距离因素，能够精准量化集料场整体存料与加工需求之间的匹配程度，为存料结构优化提供了量化决策依据。基于存料-需求匹配度分析生成存料结构优化方案，能够自动识别低匹配堆位与高匹配堆位，生成堆位间的钢筋调剂方案和补货采购方案，有效提升钢筋资源利用率，减少材料浪费。以集料场内总搬运距离最小化为目标确定各钢筋的最优堆位分配，通过构建目标函数与约束条件并采用启发式优化算法求解，能够显著降低钢筋搬运成本，提升料场作业效率。通过堆放策略指令驱动数字孪生模型实时更新，并基于更新后的空间利用率自动生成堆位合并和分区重组方案，实现了集料场空间布局的动态优化，提高了料场整体空间利用效率。

10、结合上述第一方面，在一种可能的实现方式中，所述集料场存料数字孪生模型的构建，包括：

11、根据所述钢筋存料数据中的空间位置信息，在所述三维数字空间模型中标定与各物理堆位相对应的空间占位区域，并在所述空间占位区域与对应的钢筋存料属性数据之间建立数据索引链接；

12、基于所述数据索引链接，将各堆位的存料属性数据载入所述三维数字空间模型以形成带属性标签的堆位数字实体；

13、按照各物理堆位的实际空间排列顺序，将各堆位数字实体在所述三维数字空间模型中进行空间重组，生成所述集料场存料数字孪生模型。

14、结合上述第一方面，在一种可能的实现方式中，所述根据所述钢筋加工需求数据生成加工需求时序序列，包括：

15、获取所述钢筋加工需求数据，所述钢筋加工需求数据包括各加工任务的钢筋规格参数、需求数量、需求时间节点和加工优先级信息；

16、以预设时间粒度为时间轴离散单位，根据所述钢筋规格参数对所述钢筋加工需求数据进行归类合并，并将各规格对应的需求数量映射至对应的离散时间区间，生成各钢筋规格的初始需求时序子序列；

17、根据所述加工优先级信息，对所述初始需求时序子序列中各离散时间区间内的需求数量进行加权修正，生成各钢筋规格的加权需求时序子序列；

18、将各钢筋的加权需求时序子序列按照所述离散时间区间进行时序叠加合并，生成所述加工需求时序序列。

19、结合上述第一方面，在一种可能的实现方式中，所述存料-需求匹配度的获取方法，包括：

20、将所述加工需求时序序列中的各需求项目与所述存料状态数据中的各钢筋堆位进行规格匹配和数量匹配，计算各钢筋堆位的需求覆盖率；

21、根据各钢筋堆位的需求覆盖率以及各钢筋堆位相对于加工区域的空间距离权重，计算集料场整体存料-需求匹配度；

22、其中，所述集料场整体存料-需求匹配度通过如下公式计算：

23、

24、其中，为钢筋堆位的序号，为钢筋堆位总数，为第个钢筋堆位的可用库存量，表示与第个钢筋堆位对应的加工需求项目的需求量，为第个钢筋堆位的钢筋规格与需求规格的匹配系数，用于表征钢筋直径、材质与需求规格的匹配程度，，为空间距离衰减因子，为第个钢筋堆位到加工区域的搬运距离，为集料场内最大搬运距离；

25、当第个钢筋堆位不存在对应需求项目时，且该项不参与求和；当>1时，取=1。

26、结合上述第一方面，在一种可能的实现方式中，所述存料结构优化方案的生成方法，包括：

27、当所述集料场整体存料-需求匹配度低于预设阈值时，遍历各钢筋堆位的需求覆盖率，识别需求覆盖率低于第一预设值的低匹配堆位和需求覆盖率高于第二预设值的高匹配堆位；根据所述低匹配堆位的缺料规格与缺料数量以及所述高匹配堆位的富余规格与富余数量，生成堆位间的钢筋调剂方案和补货采购方案，作为所述存料结构优化方案。

28、结合上述第一方面，在一种可能的实现方式中，所述各钢筋堆位的堆放策略指令的生成方法，包括：

29、获取各钢筋堆位的当前占用状态和可容纳空间参数；根据所述存料结构优化方案中的钢筋规格分配计划，结合各钢筋堆位的空间坐标、可容纳空间参数以及各钢筋的预计使用时间，以集料场内总搬运距离最小化为目标，确定各钢筋的最优堆位分配，生成所述堆放策略指令。

30、结合上述第一方面，在一种可能的实现方式中，所述以集料场内总搬运距离最小化为目标，确定各钢筋的最优堆位分配，包括：

31、构建集料场堆位分配的目标函数和约束条件，所述目标函数以所有钢筋从存放堆位到加工区域的总搬运距离最小化为目标；其中，所述总搬运距离为各钢筋单次搬运距离与该钢筋使用频次的乘积之和；

32、所述约束条件包括各堆位的空间容量约束、各堆位的承重约束以及各钢筋的规格与堆位规格匹配约束；

33、采用启发式优化算法对所述目标函数和约束条件进行求解，获得所述最优堆位分配。

34、结合上述第一方面，在一种可能的实现方式中，所述根据所述堆放策略指令更新所述集料场存料数字孪生模型，包括：

35、将所述堆放策略指令中的堆位分配信息映射至所述三维数字孪生空间模型中，更新对应堆位的存料属性数据；根据更新后的存料属性数据，重新计算各堆位的空间利用率和集料场整体空间利用率，当所述集料场整体空间利用率低于预设利用率阈值时，生成集料场空间布局调整方案，所述空间布局调整方案包括堆位合并方案和堆位分区重组方案。

36、结合上述第一方面，在一种可能的实现方式中，所述集料场的空间结构数据、钢筋存料数据以及钢筋加工需求数据的获取方法，包括：

37、通过三维激光扫描或建筑信息模型导入方式获取所述集料场的空间结构数据，所述空间结构数据包括集料场边界轮廓、各堆位区域划分、通道布局及加工区域位置信息；

38、通过设置于各堆位的重量传感器、rfid读写器及条码扫描终端采集所述钢筋存料数据，所述钢筋存料数据包括各钢筋堆位的钢筋规格参数、钢筋数量、钢筋批次信息、入库时间以及堆位空间坐标；

39、通过企业资源计划系统或生产执行系统的数据接口获取所述钢筋加工需求数据，所述钢筋加工需求数据包括各加工任务的需求钢筋规格参数、需求数量、需求时间节点和加工优先级信息。

40、第二方面，本技术提供基于数字分析的钢筋集中智造集料场管理系统，包括：采集模块、建模模块、分析模块、决策优化模块和指令执行模块；其中，所述采集模块，用于获取集料场的空间结构数据、钢筋存料数据，以及钢筋加工需求数据；所述建模模块，用于根据空间结构数据构建集料场的三维数字空间模型，并根据钢筋存料数据在三维数字空间模型中映射各钢筋堆位的空间位置与存料属性，生成集料场存料数字孪生模型；所述分析模块，用于根据钢筋加工需求数据生成加工需求时序序列，并对加工需求时序序列与存料状态数据进行关联分析，生成存料-需求匹配度；所述决策优化模块，用于基于存料-需求匹配度对集料场的存料结构进行数字分析，生成存料结构优化方案；所述指令执行模块，用于基于存料结构优化方案生成各钢筋堆位的堆放策略指令，并根据堆放策略指令更新集料场存料数字孪生模型。

41、本技术提供基于数字分析的钢筋集中智造集料场管理系统及方法，能够构建集料场存料数字孪生模型，实现物理堆位与虚拟模型的双向映射与存料状态的实时可视化监控；通过生成加工需求时序序列，将加工任务的时序特征与优先级信息纳入分析，并与存料状态数据进行关联分析，精准量化存料-需求匹配度。在此基础上，能够自动识别低匹配堆位与高匹配堆位，生成堆位间钢筋调剂方案和补货采购方案；进而以集料场内总搬运距离最小化为目标，构建堆位分配的目标函数与约束条件并优化求解，生成最优堆放策略指令，有效降低搬运成本。同时，通过代用折算系数机制，能够在允许钢筋代用的场景下自动折算等效库存量，最大化盘活存量资源。此外，通过数字孪生模型的动态更新与空间利用率监控，能够自动生成堆位合并与分区重组方案，持续提升料场空间利用效率。本技术实现了集料场管理从被动记录向主动智能决策的转变，显著提高了钢筋集中加工场景下的物料保障能力和整体运营效率。

42、应当理解的是，本技术中对技术特征、技术方案、有益效果或类似语言的描述并不是暗示在任意的单个实施例中可以实现所有的特点和优点。相反，可以理解的是对于特征或有益效果的描述意味着在至少一个实施例中包括特定的技术特征、技术方案或有益效果。因此，本说明书中对于技术特征、技术方案或有益效果的描述并不一定是指相同的实施例。进而，还可以任何适当的方式组合本实施例中所描述的技术特征、技术方案和有益效果。本领域技术人员将会理解，无需特定实施例的一个或多个特定的技术特征、技术方案或有益效果即可实现实施例。在其他实施例中，还可在没有体现所有实施例的特定实施例中识别出额外的技术特征和有益效果。