久久久91-久久久91精品国产一区二区-久久久91精品国产一区二区三区-久久久999国产精品-久久久999久久久精品

前兩期中，我們對移動機器人（AGV）以及機器人調(diào)度控制系統(tǒng)（RCS）做了詳細解讀。在各行業(yè)倉儲物流中心，機器人系統(tǒng)的應用，不僅提高了作業(yè)效率，減輕了工作人員的勞動強度，還有助于優(yōu)化資源、降低成本，具有良好的經(jīng)濟效益。

但是，在倉儲物流中心，“用好”“管好”機器人系統(tǒng)，協(xié)同人力，讓作業(yè)效率最大化，則需要更智能的倉儲管理系統(tǒng)。

海康威視智能倉儲管理系統(tǒng)iWMS應運而生。iWMS利用機器人系統(tǒng)作為執(zhí)行載體，實現(xiàn)“貨到人”的可視化管理，集成多種倉儲優(yōu)化技術(shù)，穩(wěn)定可靠、兼容性好，可與企業(yè)ERP等系統(tǒng)全功能對接，實現(xiàn)了機器人系統(tǒng)的快速部署，并與企業(yè)業(yè)務系統(tǒng)高效聯(lián)動。在智慧供應鏈的專場，名為“運籌帷幄決勝千里”的大戲已然上演。

iWMS位于海康威視AI Cloud架構(gòu)中的邊緣域圈層，實現(xiàn)了數(shù)據(jù)的匯聚、處理和智能化應用，這其中又蘊含了哪些智能算法和AI技術(shù)？

本期主講：AI賦能智能制造之智慧倉儲物流

iWMS由倉儲服務、任務處理服務、機器人控制服務，算法服務，工作站終端APP、移動終端APP等組成。

在海康威視安防產(chǎn)業(yè)智能制造基地，iWMS與移動機器人、機器人調(diào)度控制系統(tǒng)構(gòu)成智能倉儲及廠內(nèi)物流解決方案，實時管理數(shù)十個不同類型的倉庫，可同時處理數(shù)十萬條出入庫訂單，效率提升70%以上。

iWMS×AI

借助基于數(shù)據(jù)挖掘、機器學習、深度學習等AI核心技術(shù)，iWMS提供四大算法服務：倉位推薦、智能組波次、庫存分配、貨架冷熱度預測，可對倉儲業(yè)務資源數(shù)據(jù)進行分析處理，提供最優(yōu)執(zhí)行方法。后續(xù)也可以不斷增加新的算法服務，適應更多更復雜的業(yè)態(tài)。

數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中通過算法搜索隱藏于其中信息的過程，是人工智能和數(shù)據(jù)庫領域研究的熱點問題。

機器學習專門研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為，以獲取新的知識或技能，重組已有的知識結(jié)構(gòu)使之不斷改善自身的性能。

深度學習是學習樣本數(shù)據(jù)的內(nèi)在規(guī)律和表示層次，它的最終目標是讓機器能夠像人一樣具有分析學習能力。

1 挖掘物料關(guān)聯(lián)，出庫“只跑一趟”

通過數(shù)據(jù)挖掘關(guān)聯(lián)性規(guī)則、規(guī)劃算法等實現(xiàn)智能倉位推薦算法服務，給出貨架搬運次數(shù)少、倉位利用率高的入庫方案，提高整體入庫效率、倉位利用率，并通過物料之間的關(guān)聯(lián)關(guān)系提高訂單命中率以進一步提高出庫效率。

舉個簡單例子，生產(chǎn)過程中螺栓與螺母一般會配套使用，則認為這兩種物料關(guān)鍵度高，因此入庫時推薦上架到一個貨架上，出庫去產(chǎn)線時搬運一次貨架就可以實現(xiàn)這兩個物料的揀選，將會有效提高單個貨架訂單命中率，減少貨架搬運次數(shù)。

2 機器學習加持，波次聚類群分

針對iWMS訂單出庫模塊中組波次訂單存在多個貨架之間耦合，導致貨架搬運次數(shù)多的情況。按照全局聚類，提總再分的思路，結(jié)合動態(tài)規(guī)劃和機器學習的方法對整個大訂單池進行分解與重組，同時考慮訂單時效性，揀選效率等因素，實現(xiàn)智能組波次算法服務，降低訂單的平均揀選時間。

針對分播墻出庫業(yè)務一次下發(fā)多個訂單，而這些訂單散落分布在不同的貨架上，并需要將物料根據(jù)訂單播種到分播墻各個貨格上，根據(jù)這樣的業(yè)務情況，動態(tài)波次算法先對訂單聚類組合，通過機器學習動態(tài)調(diào)整訂單和貨架的出庫順序，實現(xiàn)盡可能少的搬運貨架次數(shù)，完成訂單任務。

如下圖，各色塊代表了一個小波次，數(shù)字是訂單號，ABCD等字母是貨架號。在一個訂單池中，以物料為維度，iWMS將物料重合度高的訂單組合在一個小波次中。再以貨架（多倉）為維度，將需求物料在同一個貨架上的訂單進行集合組建出庫波次，以提高出庫整體訂單命中率。

在這種模式下，每個貨架的平均搬運次數(shù)從2.10下降到1.03，倉庫揀選作業(yè)的效率大幅提升。智能組波次真正嘗試了從“數(shù)據(jù)提供支持”向“數(shù)據(jù)智能進行決策”的進化，用更柔性的方式控制生產(chǎn)節(jié)奏。

3 智能搜索規(guī)劃，分配得心應手

庫存分配算法服務內(nèi)含一系列規(guī)劃算法和智能搜索算法，可將訂單需求與庫存做精準匹配的同時，輸出貨架搬運次數(shù)最少的最優(yōu)出庫方案，并兼顧特殊業(yè)務需求如清倉或效率優(yōu)先，提高整體出庫效率。

針對庫容緊張的應用場景，可以使用優(yōu)先清空倉位策略，快速釋放庫容，提高倉庫周轉(zhuǎn)率。對于有效率要求的應用場景，可以使用效率優(yōu)先策略，通過需求數(shù)量去匹配庫存，以最少的揀貨次數(shù)完成出庫

如下圖，例如某品牌墨鏡的庫存有5條，分列在A、B、C、D、E這5個貨架上，其對應數(shù)量分別是1、3、5、7、9個。

若此時出庫的需求數(shù)量是9個，清空倉位優(yōu)先時，則出A+B+C（9=1+3+5）共3個貨架；效率優(yōu)先時，則出E（9=9）1個貨架。

4 深度靈智集結(jié)，從分析到預測

通過對倉庫中物料的每日出庫歷史數(shù)據(jù)進行探索性分析，從出庫歷史數(shù)據(jù)中挖掘到有效信息，基于神經(jīng)網(wǎng)絡的深度學習技術(shù)對每種物料未來一天的出庫量進行預測，實現(xiàn)貨架冷熱度預測算法服務。

將預測得到每種物料未來一天的出庫量作為衡量物料冷熱度的關(guān)鍵指標，判斷貨架的冷熱度，再調(diào)度機器人實時動態(tài)調(diào)整貨架位置。如下圖，紅色區(qū)塊代表高熱度貨架，會優(yōu)先排布到離揀選臺更近的地方。

AI賦能智能制造

AI、機器人和智能算法的智慧碰撞造就了不同凡響的智能倉儲管理系統(tǒng)iWMS。它一方面應對了更加多樣化的現(xiàn)場設備和更加復雜的作業(yè)場景，另一方面實現(xiàn)了更高的作業(yè)效率和準確率，讓柔性、可視化的供應鏈管理運維觸手可及，幫助制造企業(yè)搭建智慧內(nèi)物流系統(tǒng)，搶占“智”造升級的先機。