基于無線通信技術在智能倉儲中的應用分析

車 駿 （西安工程大學 招生就業工作處，陜西 西安 710001）

0 引 言

倉庫管理系統（WMS）是加快組織發展的有效戰略之一，通過優先考慮供應鏈的可靠性來加速組織的發展。WMS的主要目的是有效地控制供應鏈中產品的接收和交付、庫存設施管理、產品庫存、包裝和運輸的全部流程。然而，到目前為止，WMS的開發仍舊只集中在數據管理上。在這種情況下，來自最終用戶的輸入是決定輸出有效性或結果決策正確性的主要因素。而這便引發了許多問題，例如，產品在發送前是否過期？產品在寄給經銷商時是否有缺陷？產品本身有缺陷嗎？庫存產品的需求是否有錯誤？庫存產品是否堆積在倉庫里？

在全國性零售公司的供應鏈管理中，對供應鏈管理人員的要求便是全面性、準確性和精確性。即使公司要求供應鏈管理者使用WMS，但由于員工自身的原因和案例的多樣性在數據處理和產品分配的過程中容易發生錯誤對企業來說WMS有其不利的一面，并且WMS通常需要大量的預算分配。但是，處理易過期貨物的組織迫切需要應用WMS，例如：農工業企業。作為一個農業型國家，農工業的發展成為了中國糧食安全的里程碑之一。農工企業能夠為中國的發展做出貢獻的原因如下：

農業工業進行原材料的轉化，包括將自給產品轉化為最終產品，提供給消費者；

農工業能夠提供工作機會；

農工業能夠提供重要的出口商品；

農工業通過減少收獲后的生產損失來節約成本，并建立分銷環節。

智能倉庫將計算機系統、材料處理設備、存儲設備和用戶整合成一個單一的工作元素。為克服傳統WMS的局限性而開發的新的突破口是I-WMS（智能倉庫管理系統）。I-WMS是供應鏈領域的一個解決方案，通過將智能系統的結果應用于WMS流程而獲得。I-WMS模型收集了多種人工智能技術來支持倉庫管理活動，如圖1所示。

圖1 智能倉庫管理系統的總體規劃

1 研究方法

研究為I-WMS發展的新論述。

1.1 具體內容

簡要描述人工智能在WMS流程中的實際應用。

解釋如何將新的蜂群優化、模糊控制、極端學習機、RFID、小組決策支持系統(GDSS)等新技術和安卓編程應用于WMS的開發中。

在即將建立的子系統之間的異質性應用中提供數據集成模型。

1.2 I-WMS系統包括五個子系統

智能物流系統（ILS），它將使用蜂群優化算法來創建有效的訂單時間表。

自適應倉庫系統（AWS），用其創建有效的訂單到預定時間后系統會自動將貨物放入倉庫。

智能預測系統（IFS），該系統將使用極端學習算法，有效地預測產品的數量和庫存，以便及時滿足經銷商的需求。

實時運輸監控系統（RTMS），通過使用GPS、GPRS和RFID，提供貨物交付信息和可視化。

智能執行摘要系統（IESS），使用GDSS（集團決策支持系統）為決策者編制決策建議。

2 模型描述

對人工智能在I-WMS的每個子系統中的實際實施進行分析和討論。

2.1 智能物流系統

智能物流系統（ILS）是一個子系統，作為物流過程的控制器。

圖2顯示了ILS的工作區域。在開發物流系統時需要考慮的因素有：需要完成的訂單數量、倉庫中的貨物庫存、物流系統的設計、倉庫的庫存、運送貨物所需的車隊數量以及每個車隊的有效載荷能力。此外，消費者的需求不僅限于物理需求（滿足訂購的貨物），還包括非物理的需求，如：預訂或購買商品或服務時的滿意度、交貨的及時性和商品的完整性。換句話說，物流系統的核心問題是要使交貨方式滿足消費者的需求。

圖2 ILS工作區

ILS的工作流程如圖3所示，由4個階段組成，即訂單收集、訂單分組、確定合格的訂單以及為合格的訂單安排送貨。工作流程中的最后階段是安排訂單，目的是優化貨物的交付時間。這個階段的核心問題是確定訂單和車隊承運人的組合，以便實現所有的貨物能在最佳時間分布。ILS使用蜂群優化（BCO）算法作為排程優化的方法。BCO算法包括兩個階段，即向前階段和向后階段。向前階段的目的是探索可供選擇的解決方案，而向后階段的目的是確定在向前階段的備選方案中的最佳方案。

圖3 ILS工作流程圖

2.2 自適應倉庫系統

自適應倉庫系統（AWS）是在分配物品之前儲存待處理物品的庫房。存儲庫要保持貨物的質量。因此，AWS必須使用FEFO（先過期先出）的方法確定貨物的輸入和輸出。

在現有的研究中，FLC常被用來處理模糊操作，使用微控制器ATmega32，基于RFID信號的讀數，以控制倉庫的溫度和濕度。為了檢測倉庫中的貨物種類，使用了RFID CR 013。RFID CR 013是一個有源閱讀器，只有在主程序要求時才能傳輸數據。RFID系統提供關于儲存貨物的理想溫度和濕度以及貨物可以儲存多長時間的信息。微控制器ATmega32被用于AWS的核心，該微控制器處理傳感器、顯示器、RFID系統、執行器和FCL之間的所有硬件通信。該微控制器還處理FCL輸入的數據，并進行FCL計算。FCL的輸出是根據微控制器發出的信號，通過操縱執行器而獲得理想狀態。

3 結果和分析

上文中所描述的概念在上海一家規模較大的分銷公司中得到了具體的落實。公司第一個改進業務是引入倉庫管理系統，該系統有一個集中的數據庫用于存儲信息，包括：產品位置、訂單和交易歷史等信息。雖然沒有衡量標準，但對日常工作的改善效果十分顯著。下一個部分是實施人工智能算法的過程。將人工智能算法應用到從訂單規劃和產品定位過程，再到將產品運送到客戶手中的整個過程。而訂單分揀優化模塊也被應用，在平均路線長度方面也有所改進。之后，該算法被改進并適用于不同的倉庫布局中。

在表1中，顯示了算法實施1個月和9個月后的對比分析。可以注意到，隨著時間的推移，訂單的平均揀選路線長度變短，小訂單的長度減少最多。原因在于產品較少的訂單有更多的改進空間，而且產品的移動速度也很慢，只有在位置空閑時才會移動到建議的位置。

表1 平均路線長度變化表

下一個需要改進的方面是確定哪些產品放在揀選區以及產品數量，以便它們能夠被輕易地獲取。揀貨區的容量和內容預測的算法提供了超過90%的訂單產品數量，同時從庫存到揀選區的轉移減少了16.2倍，也減少了4%以上的交易總量。異常檢測是用來檢測不正常情況的，例如：客戶訂單信息中的輸入或計算錯誤。目前，算法檢測到的每一個異常都會由公司人員進行交叉檢查。在所有的訂單中，約有3.55%的訂單被算法檢測為異常情況。算法調整之后，可以將異常檢測納入WMS當中，包含用戶輸入或計算部分。目前庫存計劃算法正處于測試階段。當有訂單時，該算法建議要訂購的產品數量。負責庫存計劃的工作人員通過分析，給予有用的反饋。根據目前的結果，估計庫存補給可以減少5%，并在未來6個月內達到10%。

車輛路線的算法是在每個階段使用啟發式方法，該算法的主要目的是為了在合理的時間間隔內，找到能夠滿足設定限制的解決方案。將該算法的路線與具有多年經驗的管理人員手動創建的路線進行比較，能夠發現在客戶數量約為100人的情況下，算法使用的車輛至少要比經理少用一輛車。在上述客戶數量的情況下，成本降低了大約30%。節省成本的原因是使用了較小的車輛、更多數量的車輛，以及累計減少的旅行距離。在客戶數量超過100人的情況下，節省的費用接近40%。

4 結 語

倉庫管理系統是分銷行業工作流程中的一個重要部分，也是配送公司工作流程中的重要組成。文章所描述的概念是使用人工智能算法來改善標準倉庫管理系統，通過優化庫存計劃、初始產品的放置，完善庫存到揀選區的轉移過程以及訂單揀選、運輸和跟蹤過程，為用戶提供最佳的解決方案。建立客戶可以在下訂單的同時根據其喜好獲得建議的門戶網站。異常情況檢測算法將被改進和調整，以便在其他倉庫流程中得以有效的使用。另外，倉庫管理系統GPS跟蹤應用程序也將被改進，增加額外的分析和算法來進行智能跟蹤和路線比較。訂單揀選的算法將通過增加額外的約束條件來改進，如：重量、易碎性、體積和其他現實世界的約束。