出入庫場景說明
1.1 場景描述及對比
出入庫管理,即通過現代數字化技術完成對倉庫貨物出庫、入庫的有效識別、監控以及貨單貨物核對等。
一般場景下,貨車裝載需要管理的貨物到達倉庫門口,傳統入庫方案和RFID方案流程對比如下圖:
傳統方案,貨車到達庫門后,需要原地卸貨,管理員手持掃描槍進行貨物的面單識別,將貨物進行對比核對后,才開始進行入庫操作,大約持續x小時級別的時間。
而RFID方案下,部署完成后,直接進行卸貨,入庫。入庫完成即可自動核對,省去了卸貨盤點及人工掃描的步驟。
1.2 RFID方案端側部署設計
在RFID端側技術下,無線射頻能解決RFID標簽的激勵和信號識別,但核心的問題在于如何完成完成的貨物的進出方向判斷。
無線射頻是發散性的,其天線激發信號可以抽象為扇形,在天線覆蓋的扇形范圍內,RFID標簽都可能會被激發識別。但是僅靠一個扇形,是無法產生“方向”感,從任何一個方向進入扇形覆蓋范圍內都會被識別,也就無法完成貨物從庫門進入還是離開的識別,只能知道貨物在庫門周圍被識別過。
根據兩點確定一條直線的理論,我們通過在庫門里外分別部署一個無線射頻識別器(helper)來解決貨物識別方向判斷問題。
可以理解地,若一個貼有RFID標簽的貨物先被庫門外側helper激勵,再被內側helper激勵,我們認為該貨物在這一短時間內是進行了入庫操作;若貨物先被庫門內側helper激勵,再被外側helper激勵,認為是進行出庫操作。
如下端側部署架構示意圖所示:
在華為RFID收發分離技術下,需要在庫門或者通道內側和外側分別部署helper設備,用于激勵RFID標簽。
在更大范圍外部署receiver設備,負責接收RFID標簽激勵后的信號,從而識別和獲取有用信息。
出入庫場景難點
2.1 數據量大
RFID設備發射無線電波激勵標簽,在指定頻段下有強度的區別。為了覆蓋更大的識別范圍,一般射頻的強度都會適當提高,保證激發足夠次數RFID標簽,冗余標簽的掃描,提高準確率。因此在貨物通過的過程中,標簽感應的信號次數是很大的。
一般倉儲場景是解決人工效率的問題,同時識別的貨物會很多,標簽會很多,因此數據量會成倍增加。
2.2 數據清洗與分析
出入庫管理在設備側的真實模型是,RFID標簽在某時刻被helper掃描,而我們業務關注的其實是貨物在某時刻被庫門識別。RFID標簽數據需要被轉換為貨物數據,helper標識需要被轉換為關聯helper的設施,如出入庫空門。
另一方面,如上圖所示,貨物完整的出庫/入庫,是由多條RFID掃描事件分析出來的,需要由InHelper掃到,最終被OutHelper掃到,產生穩定的狀態變換才能分析出。并且實際情況下,Inhelper和OutHelper會有交叉覆蓋范圍,其狀態變換并不是線性的,需要較復雜的分析算法實現出入狀態變換。
最后,當并行有多個庫門時,門與門之間甚至會出現相互干擾掃描的情況,同一個貨物標簽會被1號門和2號門掃到,容易判斷出多門進出的異常事件數據。
如何使用IOT平臺解決
3.1設備接入服務
解決RECEIVER接入平臺,利用海量數據上行,高并發的能力,解決大量數據上傳的問題,實現數據實時上傳,以便后續分析模塊使用。
3.2數據分析服務
快速對接設備接入服務,能天然獲取設備的數據并進行有效分析。
可利用資產建模模塊,完成設備數據的清洗和轉換;利用實時流分析作業完成RFID數據的過濾、去噪、狀態推理,實現出入分析,產生事件數據。且實時流分析作業能支持各種輸出組件的對接,如DIS數據接入服務(kafka)、如SMN消息推送服務(可推送短信、郵件)等。
除此之外,數據分析服務能提供諸如實時分析、離線分析的能力,幫助用戶完成物聯網數據的基本統計和大數據分析能力,如倉庫庫門每日出入貨物總數等報表等。
方案構架設計
總體端側架構應該如下圖:
整體架構如下圖所示:
設備側組網完成后,helper激勵覆蓋范圍內的貨物標簽,receiver設備負責采集場內RFID標簽激勵后產生的信號,并通過串口連接工控機。工控機上使用配套程序并集成IOT Device SDK,將RFID信號由16進制報文轉換為json后連接IOT平臺設備接入服務,并上報數據。
IOT平臺層,設備接入服務負責設備的計入和管理,接收設備數據;數據分析服務進行數據轉換和分析。
數據分析服務可以將原始數據分析為事件數據傳入DIS服務等消息中間件,上層應用消費事件數據完成對應業務。
結語
以上便是基于RFID+IOT技術下,對倉儲管理中出入庫場景進行的分析和設計,接下來會詳細介紹如何使用IOT技術進行接入、建模、算法分析以實現數據清洗和事件分析。
編輯:jq
-
RFID
+關注
關注
388文章
6144瀏覽量
237766 -
DIS
+關注
關注
0文章
17瀏覽量
16460 -
識別器
+關注
關注
0文章
20瀏覽量
7579 -
IOT
+關注
關注
187文章
4204瀏覽量
196706
發布評論請先 登錄
相關推薦
評論