小雪你好紧好烫好爽_k频道导航入口国产精品_91成人爽a毛片一区二区_羞羞漫画入口在线观看

服裝業是典型的勞動密集型行業, 從服裝生產下線裝箱, 到進入倉庫、盤點、出倉等環節的產品信息采集目前仍處于大量人工作業的階段。配送揀選過程中需要大量人工長時間作業才能完成, 配送統計慢, 庫存數據統計不及時準確, 都直接影響企業的效益。雖然條形碼采集比人工采集節省了很多的人力資源和時間, 但是, 由于服裝產品單品多, 款式、顏色、品種變化快等特點, 以及市場對企業高效率運作的要求, 條形碼并不能做到多批量、遠距離、自動識別讀取數據, 也無法自動監控跟蹤貨品或相應設施, 限制了企業物流過程效率的更大化。無線射頻技術 (Radio Frequency Identification, RFID) 不僅解決了條形碼遇到的通常問題, 而且它可無接觸式的讀取信息, 數據存儲量大, 能夠自動識別跟蹤貨品, 因此可實現RFID系統的智能化管理, 很好地解決目前服裝物流倉儲配送環節存在的數據采集不精確和效率低, 以及數據利用率不高等問題, 實現精確快速的配送揀選、裝箱、出貨, 從而提高暢銷服裝的及時補貨率, 減少滯銷服裝的庫存積壓率, 達到縮短供貨周期, 提高企業效率的目的, 因此, 將RFID引進到服裝倉儲配送的信息化管理已得到業界的共識[1,2]。

RFID是一種非接觸式對產品進行自動識別、數據采集跟蹤的技術。典型的RFID系統一般由射頻電子標簽、讀寫器以及應用系統 (包括應用接口、傳輸網絡、業務應用及管理系統等) 3部分構成。當物品標簽進入讀寫器磁場時, 接收讀寫器發出的射頻信號, 憑借感應電流所獲得的能量發送出存儲在標簽芯片中的產品信息 (無源標簽) , 或者主動發送某一頻率的信號 (有源標簽) , 閱讀器讀取信息并解碼然后送至應用系統進行有關數據處理[3]。與傳統條形碼技術相比, RFID可一次識別多個標簽并可將識別處理狀態寫入標簽, 不受大小及形狀限制, 具有耐環境性強, 穿透性強, 數據的記憶容量大, 重復利用性高等諸多優點, 而且RFID標簽可唯一地標識產品。

鑒于RFID的顯著特點, 本文將RFID與信息智能分析決策技術相結合, 研究服裝供應鏈基于RFID的倉儲配送智能化管理方法。首先, 在分析基于RFID供應鏈倉儲配送運作流程的基礎上, 探討1個基于RFID的服裝供應鏈倉儲配送智能管理系統框架, 并建立揀選配送優化模型。根據該模型可計算服裝揀選配送的最短距離, 由此得到揀選的優化路線和順序。由于RFID系統讀取和傳輸的RFID信息源不同, 其信息語義也不同。為此, 運用信息融合、聯機分析技術及基于CBR的分析決策等智能分析技術, 研究服裝供應鏈倉儲配送的智能化管理方法, 以期為提高我國服裝供應鏈的倉儲配送效率提供有價值的參考。

基于RFID的服裝供應鏈倉儲配送流程包括源標簽識別、出入庫管理、基于RFID的分類揀貨、補貨以及暢銷和滯銷服裝產品分析等。

基于RFID的服裝標識使用EPC (Electronic Product Code, 產品電子編碼) 對服裝產品進行編碼。EPC是最近幾年國際最新發展起來的一種全球統一標識體系。1個EPC碼是由96位字符構成, 包括起始位部分和3組數據部分。3組數據分別為廠家識別符、產品類型識別符和產品序列號。RFID讀寫器將單品服裝的一些重要屬性如:名稱、等級、貨號、型號、面料、里料、洗滌方式、執行標準、商品編號、檢驗員編號以及生產信息等寫入對應的RFID標簽, 并將該電子標簽附加在服裝上。這樣, 就為每件服裝賦予了難以偽造的唯一的RFID標識。RFID標簽在服裝上的附著方式有多種, 如植入服裝、做成銘牌或吊牌方式等。植入服裝一般可放置于衣服后領口處, 或衣袖處, 還可將標簽做成紐扣, 作為衣服的第1個紐扣, 這樣不易被損壞。若做成衣服銘牌或吊牌, 可在其中內置1個超高頻標簽, 記錄各種信息, 便于識別和讀取, 有效地提高服裝供應鏈倉儲配送的快速響應能力。

在庫存活動中, 實時獲取服裝信息的環節包括倉庫成衣的接收、入庫、訂單揀貨、出庫以及庫存服裝產品統計等。當帶有RFID標簽的服裝整箱進入RFID讀寫器磁場感應區域內, RFID讀寫器將自動捕獲多個標簽中的信息, 并將其傳輸到倉庫管理系統 (Warehouse Management System, WMS) 。之后, 系統根據倉位信息安排入庫位置, 并建立庫存記錄, 計算服裝出入庫配送距離等。在入庫過程中, 應用RFID的自動識別系統的信息防碰撞功能, 能夠1次讀取多個不同RFID標簽, 確認入庫服裝的數量、種類等, 并可跟蹤服裝的入庫過程, 以確保貨物被放入準確的貨位, 同時自動生成庫架庫位地址等信息, WMS系統根據此信息自動進行貨位貨物信息的變更確認。出庫時, 當裝入服裝的托盤或叉車經過門禁安裝的固定讀寫器時, 服裝上的RFID標簽信息被讀取, 系統根據該信息與發貨單進行核對, 并更新服裝庫存狀態[4,5]。對于暢銷服裝的補貨, RFID系統自動顯示該類產品的庫存狀態, 以及需要補貨產品的款型、顏色、尺碼等細節, 提示補貨信息。此外, RFID系統通過自動統計服裝產品的庫存狀況, 得到每類服裝 (包括款型、顏色、尺碼等) 在庫停留時間, 發現哪類服裝滯銷、過季, 從而為管理者提供降價、促銷等決策信息, 促進產品的銷售。

基于RFID的服裝供應鏈倉儲配送系統分為3層結構, 即RFID物理層、數據層、業務邏輯處理層, 如圖1所示。

第1層為RFID物理層。RFID讀寫器安置于倉庫貨架、叉車或周轉箱等設施上。讀寫器包含有天線, 識別和讀取進入其磁場范圍RFID標簽的信息, 并將讀取的信息通過邊緣服務器和RFID中間件發送到第2層的數據處理子系統進行信息處理。通常, 設定了IP地址的讀寫器對附加了RFID標簽的整箱服裝商品, 一次性地讀取全部數據。為防止讀取過程中多標簽信息的碰撞, 設計1個邊緣服務器應用多標簽防碰撞算法, 定期輪詢讀寫器, 消除重復操作, 從而實現服裝倉儲配送信息的自動獲取識別。RFID中間件是介于RFID讀寫器硬件模塊與數據庫和應用軟件之間的重要環節。RFID中間件與對象命名服務器ONS (Object Name Service) 通信, 查找識別唯一的RFID標簽ID號, 并不斷從EPC (電子產品碼) 服務器數據庫查詢數據, 通過網關與外部系統通信[6,7]。RFID標簽的卷標信息用實體標記語言 (PML) 說明服裝信息, 用ONS提供EPC碼的位置信息, 當RFID中間件需要查詢或保存該服裝信息的服務器網絡地址時, ONS服務器提供EPC碼與EPC信息服務器對照功能。

圖1 基于RFID的服裝供應鏈智能管理系統框架Fig.1Framework of apparel supply chain intelligent system based RFID  下載原圖

第2層為數據采集和處理層。它解析和處理來自物理層讀寫器采集的且符合規定協議的各種原始數據, 并進行數據處理驗證。

第3層為服裝倉儲配送業務邏輯處理層。業務邏輯處理層主要包括倉儲配送優化、智能分析決策和數據處理3個模塊。其中, 倉儲和配送優化模塊根據倉儲揀貨配送優化模型來分配倉庫資源, 確定庫存水平, 規劃服裝貨品揀選配送路線和次序, 并與服裝訂單管理系統 (OMS) 、服裝倉庫管理系統 (WMS) 、運輸管理系統 (TMS) 通信, 核對倉儲或揀選服裝的數量等信息, 實現出入庫的自動復核和庫存信息的及時更新。智能分析決策模塊主要完成相似倉儲配送實例的抽取檢索與排序, 優化倉庫和揀選配送路線, 調整配送流程。數據處理模塊主要進行智能庫存數據分析, 得出哪類服裝暢銷和哪類服裝滯銷, 由此制定優化的補貨決策。

基于RFID的服裝供應鏈倉儲配送的主要活動包括服裝貨品的揀選與跟蹤。而揀選與跟蹤實現的決策因素是揀選距離和揀選順序的優化。在此, 定義揀選距離主要指揀選過程中根據訂單進行揀選操作時, 由于服裝數量、類型、存放地點等不同, 要往返于倉庫不同的巷道來獲取貨品, 由此而通過的距離。揀選順序是指按訂單需求揀選不同貨品的先后順序。存儲于物流倉庫中的服裝信息和倉位信息等可由安置于倉庫中不同點的若干個讀寫器讀取并發往RFID供應鏈物流實時管理系統, 當實施揀選時, 這些信息可發送至裝有RFID的搬運設備上[8], 如托盤、叉車或服裝周轉箱等。

設服裝貨品及揀選搬運等設備的位置信息以坐標數據來表示, 并設需要揀選的服裝為p, 存儲于倉庫的倉位坐標為pi (pix, piy) ;f為搬運叉車, 其坐標為f (fx, fy) ;ai為倉庫巷道;dpi, j為服裝pi和服裝pj的倉位間的距離, 單位為m, 則兩類服裝揀選的最小搬運距離為

式中xi, j或為0或為1, 當叉車或托盤i執行配送揀選的第j項任務時為1, 否則為0。

根據該模型計算出的結果即為配送移動的最短距離, 并由此可得到揀選配送的順序。在該過程中, 通過RFID系統讀取每次揀選服裝的信息及搬運信息, 即可實現服裝配送跟蹤、揀選服裝的核實以及在庫服裝的實時倉位信息的獲取, 從而實現配送揀選的智能化管理。

假設有3個倉庫巷道, 其長度分別為a1=180 m, a2=100 m, a3=75 m;某訂單需要揀選3類服裝, 其倉位分別為p1 (95, 120) , p2 (46, 82) , p3 (68, 60) , 揀選搬運叉車f的初始位置為f (45, 10) , 其配送可能走的所有路線為:f→p1→p2→p3、f→p1→p3→p2、f→p2→p1→p3、f→p2→p3→p1、f→p3→p2→p1、f→p3→p1→p2。

首先計算p1到p2的距離, 將叉車通過3個不同道的距離代入式 (2) , 可計算得到p1到p2的最短距離。

同理, 可計算出所有服裝貨品與貨品及叉車與服裝貨品兩點之間的距離, 根據式 (1) 分別計算所有選擇路線的總距離, 如表1所示。從表可看到, 最優路線即為所有路線中的最短路線:f→p2→p1→p3, 最優揀選順序是從叉車初始點開始去揀選服裝p2, 再揀選服裝p1, 最后揀選服裝p3, 其最優路線距離為197 m。

表1 所有揀選配送路線及其距離Tab.1All of routes and distances for picking up   下載原圖

m

表1 所有揀選配送路線及其距離Tab.1All of routes and distances for picking up

在服裝揀選過程中, RFID讀寫器可安置于搬運設備上 (如叉車) , RFID無源標簽貼于每個服裝貨物單元, 如包裝箱或托盤上, 所有貨物標簽的信息都存儲在系統數據庫中[9]。叉車上裝有電腦終端和有源RFID標簽, 在叉車揀選搬運操作時, 訂單信息通過訂單管理系統 (OMS) 發送至業務邏輯處理子系統, 該子系統可根據倉庫管理系統 (WMS) 中貨品實際倉位信息給出需要揀選服裝貨品的位置信息, 并依據3.1討論的優化模型給出優化揀選路徑和順序分配方案, 該方案可在叉車的電腦終端顯示, 指導叉車的正確移動。當叉車揀選貨物時, 叉車上的讀寫器讀取貨物包裝箱或托盤上的標簽信息, 隨著叉車從起點到終點的移動, 揀選的服裝在哪輛叉車上、服裝產品的信息以及配送搬運移動位置狀態變化等信息即可被讀寫到叉車上的有源標簽中, 并通過RFID中間件發送到數據處理系統和業務邏輯處理系統進行業務流程處理和數據更新。

RFID系統獲取的服裝庫存控制及配送的優化分析結果可作為一種信息源。由于每次這些信息的獲取可能來自不同的供應鏈節點系統, 存在結構和語義的異構性, 這樣的信息表示一致性較差, 往往會導致不完全的或不相關的知識庫的建立, 因此有效地分析和融合這些信息, 并作為一種實例存入實例庫, 可為服裝倉儲配送的智能化管理提供決策支持。基于RFID系統的服裝倉儲配送智能分析決策模塊由4部分組成, 即基于RFID的倉儲配送知識融合、聯機分析處理、基于實例推理的檢索引擎以及實例庫, 如圖2所示。

圖2 服裝倉儲配送智能分析決策Fig.2Intelligent analysis decision on apparel warehousing distribution  下載原圖

信息融合技術可根據信息的聯系性, 整合各類信息源數據, 獲取高質量的信息。當從RFID系統獲取的倉儲配送信息的語義不同時, 應用領域本體論 (Ontology) 建立1個概念模型, 定義領域Ontology詞匯及其自學習算法, 以使信息智能更新。同時開發1個相應的RDFS (Resource Description Framework Schema) , 使用XML/RDF技術將這些異構信息轉化為通用的信息表示, 并利用信息組合規則進行信息融合, 之后相關的信息可存入數據庫和知識庫。這樣, 倉儲和配送信息通過本體論的定義, 其領域標準詞匯和關系就被明確地定義, 同時對本體論具體狀態進行詳細說明的一個知識庫也可以形式化地定義, 其生成的實例知識庫即是相關的和一致的。

聯機分析處理 (Online Analytical Processing, OLAP) 模塊主要對上述知識庫以及數據倉庫中大量數據進行抽取并轉換到多維數據結構中, 調用多維數據集來執行有效的查詢、分析。該模塊包括數據倉庫、OLAP軟件和多維數據庫管理系統 (MDBMS) 3部分。OLAP通過對每次RFID讀取的服裝倉儲配送路徑、倉位等信息的分析和存取, 提供對多維數據的切片、鉆取、旋轉等, 以便從不同角度提取有關數據的邏輯視圖, 使信息更為準確。

該子模塊應用CBR (Case-based Reasoning) 對OLAP處理的服裝倉儲配送信息建立檢索引擎。CBR是利用舊問題的解來解決新問題, 其問題及其解組成1個實例 (Case) , 存儲在實例庫中。當對1個新倉儲配送問題進行求解時, 先將新問題按某種特定方式進行描述, 然后在實例庫中尋找與之相似的舊實例, 再按某種算法找出最相似的舊實例作為新問題的匹配, 將其解作為新問題的建議解;通過對建議解進行修正、校訂, 得到新問題的確認解。新問題及其確認解又作為新的實例存入實例庫。該子模塊通過實例瀏覽、實例檢索和實例排序3個功能來完成相應的檢索任務。實例瀏覽功能主要顯示實例庫中倉儲配送實例的樹型結構。實例檢索主要根據實例瀏覽的匹配結果來檢索一系列實例[10]。之后, 實例排序功能由最近鄰居算法分配權重系數給特征值, 然后根據相似度, 排序實例產生并生成新的實例。

實例庫中存放服裝倉儲配送的實例, 實例的表示包含2方面的內容, 即服裝倉儲配送決策的描述, 如倉位的選擇、庫存水平的控制、揀選配貨的路線、順序等等和問題的智能分析決策方案。若用通用的數據類型來描述實例, 則實例庫以樹型結構儲存實例, 包括有服裝倉儲配送實例的編號、實例索引及優化決策集等。實例編號是唯一確定一個實例的標識符, 實例索引是由描述問題的屬性集合建立的, 當用檢索引擎檢索實例時, 即以實例編號作為實例抽取檢索、匹配的依據。

服裝RFID系統可提供準確、實時的數據, 提高服裝供應鏈倉儲配送效率。本文首先分析了基于RFID的供應鏈倉儲配送運作流程, 給出了一個基于RFID的服裝供應鏈倉儲配送智能管理系統框架。基于該框架, 從服裝配送揀選跟蹤優化路線的視角, 建立了配送揀選跟蹤模型, 以計算服裝貨品配送搬運的最短距離, 并由此可得到揀選的優化路線和順序。由于RFID系統讀取、跟蹤和傳輸RFID標簽的信息源不同, 其信息語義也有差別。為此本文通過信息融合技術、OLAP技術及CBR技術的分析來有效地融合、檢索、分析和管理倉儲配送信息, 實現服裝倉儲配送的智能化管理, 為提高服裝供應鏈的倉儲配送效率提供智能決策支持。