仓库作为智能物流的重要节点,在大型企业中得到广泛应用,而仓库作为劳动密集型企业,具有劳动条件差、强度大的特点,为改变这种状况,对仓库定位信息自动化挖掘进行研究,满足自动化存储要求,具有重要意义[1]。
文献[2]从动态发展角度出发,形成规模化、信息化的物流模式,将条形码技术引入仓库管理中,及时跟踪仓库内所有货物,为仓库管理员手工录入提供支持,及时了解货物在仓库中的分布位置,但该方法条形码所存信息较少,且存在磨损和撕裂的风险,不能全面显示中文字符,挖掘仓库定位信息覆盖率较低[2]。文献[3]采用仓库智能识别方法,通过低功耗、短距离的无线传输,测量仓库物资的信号强度,定位信号位置坐标,该方法适用于不同的仓库环境,但受噪声信号干扰,信号测量稳定性较差,仓库定位覆盖率同样较低[3]。针对这一问题,结合以上理论,提出基于物联网的智能物流仓库定位信息自动化挖掘方法设计,快速识别并定位仓库物资信息。
在智能物流仓库物资上嵌入RFID标签,录入仓库物资信息。选取芯片和天线两部分,构成RFID射频标签核心,在芯片内写入相应信息,制定芯片信息的编码规则,作为识别仓库物资的唯一ID,使射频标签能够使用独有的电子编码[4]。编码规则如表1所示:
表1 RFID芯片信息编码规则 导出到EXCEL
编码序号 |
内容 | 编码序号 | 内容 |
1 |
物资采购类型 | 7 | 质量等级信息 |
2 |
物资配备等级 | 8 | 重要程度信息 |
3 |
物资机器类别 | 9 | 设计图号信息 |
4 |
物资规格型号 | 10 | 物资特征编码 |
5 |
物资流水序号 | 11 | 物资位置坐标 |
6 |
标签ID | - | - |
将RFID制作成薄片,封装在封闭壳体内部,提高其对环境适应性,避免灰、水等恶劣条件的影响,保证标签的多样化和小型化[5]。在标签中记录编码信息,将RFID的条形编码附着在仓库物资上,标识物流仓库物资的绝对坐标信息[6]。构建RFID框架结构,如图1所示:
数据管理模块通过逻辑运算,控制射频标签的基本过程,判断电子标签类型是否准确,针对不同的标签类型和要求,对物资信息进行保存、写入、读取等处理,且数据处理工作在离线状态下进行,以此节省RFID编码信息录入的等待时间[7]。至此完成智能物流仓库物资RFID标签编码信息的录入。
将无线网络与物联网相结合,远距离识别物资RFID编码的录入信息。采用RFID标签、数据库、RFID读写器,构成无线射频识别模块,利用无线通信读取方式,进行双向通信自动识别,通过读写器产生的耦合电感,令RFID读写器向RFID标签读取信号,获取物资相关的信号数据[8]。利用物联网,将数据库、RFID标签、RFID读写器连接起来,再通过标准的互操作通信协议,与无线网络相连,把标识物资都无缝集成到信息网络中[9]。识别过程如图2所示:
传输读写器天线发出的广播信号,当仓库物资进入信号范围内,通过RFID电子标签,对广播信号的时序和能量进行接收,依靠信号能量,使标签与读写器建立数据连接,向读写器传输编码信号,将标签中的数据信息返回给读写器[10]。然后通过数据管理单元,对返回的数据信息进行计算,获取标签序列号,从而识别仓库物资,并将识别结果存入数据库[11]。建立数据库如表2所示:
表2 物资识别数据存储数据库 导出到EXCEL
字段名 |
数据类型 | 说明 | 允许空 |
RID |
int | 记录编号 | 否 |
UID |
nvarchar (50) | RFID标签编号 | 否 |
GID |
Int | 货物编号 | 否 |
UPower |
nvarchar (50) | 货物数量 | 是 |
GProvider |
datetime | 所属库区编号 | 是 |
WDescribe |
Int | 管理员 | 是 |
UName |
datetime | 业务类型 | 否 |
WArea |
Int | 记录发生日期 | 否 |
GName |
Int | 基础库存量 | 否 |
WID |
int | 库存货物编号 | 否 |
UPassword |
nvarchar (50) | 库存信息编号 | 是 |
WAddress |
nvarchar (50) | 货物现存数量 | 是 |
Type |
nvarchar (50) | 最大库存量 | 否 |
UDep |
datetime | 货位名称 | 否 |
WName |
Int | 货位空闲否 | 否 |
Comport |
datetime | 上货确认 | 否 |
GPrice |
Int | 存放货物类型 | 是 |
由于智能物流仓库种类和数量较多,因此,还要将AGV小车与RFID射频识别技术相结合,把读写器固定在AGV小车上,令小车在仓库路径上前进,对不同标签进行读取,根据标签存储位置的信息,得出读写器所处区域位置[12]。至此完成基于物联网的仓库物资RFID编码信息识别。
将识别的编码数据依次放入读取器,区分不同物资RFID电子标签,从而不遗漏地挖掘仓库定位信息。当多个RFID标签进入读写器的搜索范围,会同时发送信号产生数据碰撞,为此利用不确定性防碰撞算法,防止数据碰撞[13]。灵活选择时间,通过随机时分多路,对物资编码数据进行间隔传输,其中信号传输信道使用信息帧表示,信息帧则由多个时间间隔组成,利用副载波调制的曼彻斯特编码,表示RFID标签发送的信息数据,使数据信号产生中间跳变,令“0”表示从高到低跳,“1”表示从低到高跳[14]。RFID发送数据的碰撞过程如图3所示:
如上图所示,当多个标签发送数字编码时,信号下降沿和上升沿产生抵消,判定其曼彻斯特编码丧失,进而检测出碰撞发生的位。此时读写器需要发送的请求码次数R为:
R=B(B+1)2 (1)R=B(B+1)2(1)
其中,B为电子标签个数。则读写器发送请求码的功率S为:
S=RPH1H2α24πGi (2)S=RΡΗ1Η2α24πGi(2)
其中,P为RFID标签发射功率,H1、H2分别为标签和读写器天线的增益,α为射频波长,Gi为第i个标签到读写器的距离[15]。碰撞发生后,令读写器指令进入休眠状态,不再对标签信号产生响应,将碰撞位的所有标签划分为两个子集,先发送左边子集中标签的识别参数,当标签全部识别后,则返回根节点再识别右边子集中的标签。令读写器发送请求码给RFID标签,比较标签对应序号与请求码的序列号,选出序列号较小的电子标签,重新发送编码数据,循环遍历仓库中所有的电子标签,直至RFID标签序列无碰撞发生,挖掘出物流仓库内所有物资的定位信息。至此完成仓库物资定位信息的自动化挖掘,实现基于物联网的智能物流仓库定位信息自动化挖掘方法设计。
将此次设计方法,与两组常规智能物流仓库定位信息自动化挖掘方法,进行对比实验,比较三组方法挖掘仓库定位信息的覆盖率。
对以上参数进行模拟,利用Matlab8.0进行仿真实验,把仓库监测区域抽象为250 m×250 m的方形区域,MAC协议采用803.17.3,高斯分布随机变量的标准差为5.1。划分仓库空间位置,布置不同场景的存储区域和AGV小车通道,在各区域设置标签节点,应用三组方法分别自动化挖掘仓库定位信息。
将某智能物流仓库作为实验对象,该仓库基本参数如表3所示:
表3 智能物流仓库基本参数 导出到EXCEL
参数 |
数值 | 参数 | 数值 |
货架体积 |
1.42 m3 | 货架尺寸 |
1.3 m*0.9 m* 1.21 m |
仓库面积 |
28 331 m2 | 周期内供线作业量 | 1 203 m3 |
周期内入库作业量 |
4 026 m3 | 周期内卸货作业量 | 4 892 m3 |
卸货作业次数 |
2 039次 | 入库作业次数 | 1 627次 |
供线作业次数 |
590次 | AGV小车运行速度 | 20 m/min |
货架可存放量 |
2.354 m3 | 仓库最大库存量 | 9 018 m3 |
布置简单场景的物资存储区域和AGV小车通道,将仓库空间位置划分为2个存储区域,设置1条直线小车通道,通道的小车循环次数为1,仓库平面示意图如图4所示:
其中n1~n16为标签节点的设置区域,改变n1~n16区域内的标签节点数量,使AGV小车匀速行驶,定位覆盖率对比结果如图5所示:
由上图可知,区域内标签节点数量越多,挖掘的定位信息覆盖率也随之增加,常用方法1在AGV小车上安装光学传感器,利用红外线定位技术,自动化挖掘定位信息,但易受仓库内的其他光源干扰,定位覆盖率小于设计方法,常用方法2则在AGV小车上安装超声波传感器,利用反射式测距法,实现仓库物资定位,但声波与标签耦合度较低,定位覆盖率同样小于设计方法。设计方法平均定位覆盖率为83.2%,常用方法1和常用方法2的平均定位覆盖率,分别为77.1%和73.8%,相比两组常用方法,设计方法定位覆盖率分别提高了6.1%和9.4%。
布置一般场景的物资存储区域和AGV小车通道,将仓库空间位置划分为4个存储区域,设置2条直线小车通道,每条通道的小车循环次数为1,仓库平面示意图如图6所示:
改变n1~n16区域内的标签节点数量,统计的仓库定位覆盖率对比结果如图7所示:
由上图可知,当小车通道覆盖面积增加时,仓库定位覆盖率也随之增加,设计方法平均定位覆盖率为86.1%,常用方法1和常用方法2的平均定位覆盖率,分别为81.6%和79.1%,相比两组常用方法,设计方法定位覆盖率分别提高了4.5%和7.0%。
布置复杂场景的物资存储区域和AGV小车通道,将仓库空间位置划分为9个存储区域,设置4条直线小车通道,仓库平面示意图如下所示:
改变n1~n9区域内的标签节点数量,其仓库定位覆盖率对比结果如图9所示:
由上图可知,设计方法平均定位覆盖率为90.1%,常用方法1和常用方法2的平均定位覆盖率,分别为85.9%和83.8%,相比两组常用方法,设计方法定位覆盖率分别提高了4.2%和6.3%。综上所述,针对简单场景、一般场景、复杂场景,设计方法挖掘的仓库定位信息覆盖率,都要高于两组常规方法,其中场景复杂程度与AGV小车通道覆盖面积相关,仓库布置场景越复杂,定位信息覆盖率就越高,但仓库物资的可存放量也会随之减小,因此,在设计方法应用过程中,要根据仓库实际情况,对存储区域和AGV小车通道进行布置,充分保证定位信息的覆盖范围。
此次设计方法充分发挥了物联网的技术优势,自动化挖掘智能物流仓库定位信息,提高了定位覆盖率。但此次研究仍存在一定不足,在今后的研究中,会采用磁导航的导航方式,将AGV小车运行花费时间作为目标函数,进一步缩短定位信息挖掘耗时。
标签:
上一篇: 落地式脚手架用于物流仓库施工技术探讨
下一篇: 基于JSP的仓库管理信息系统研究与设计