面向物流仓储的基于边缘计算的高价值工业制品外包装表面破损识别研究

高价值工业制品具有重要的经济和战略价值,其物流仓储过程中的破损和损失不仅会带来高昂的直接和间接成本,还会对生产和供应链产生严重的影响。其中,及时发现和处理高价值工业制品外包装表面的破损可以避免货物继续损坏。边缘计算可以通过利用物联网、图像处理、人工智能等先进技术,对货物外包装表面破损情况进行实时监测和预警,从而大幅提高物流仓储的安全性和效率。文章面向物流仓储,基于边缘计算对高价值工业制品外包装表面破损识别展开研究,以期为构建现代化物流和仓储体系、提高高价值工业制品的物流运输质量提供一定参考。

基于机器视觉的物流包装条码特征快速提取与识别方法研究

随着技术的进步,特别是机器视觉技术的迅猛发展,条码的读取与识别已经不再依赖于传统的条码扫描器。机器视觉为条码的快速、准确和自动化读取提供了新的技术路径。然而,复杂的物流环境、不同的包装材料以及各种环境因素(如光线、遮挡)会影响机器视觉系统的性能。文章对基于机器视觉的物流包装条码特征快速提取与识别方法展开深入研究,以期为实际物流场景中的条码识别提供一种更为高效和准确的技术手段。

计及多目标约束的成品卷烟销售订单配送调度优化

针对制造业供应链中的跨地域多运输中心大数据订单物流调度问题,对涉及多约束条件和多目标的异构运输车辆调度问题展开研究。根据烟草制造工业的实际运输任务需求,考虑制造订单安排、车辆准运证限制、运输车辆物理限制、运输时间窗、排产出库时间等实际约束,搭建了以包括车辆等待卷烟出库的最短运输时间,最低运输费用及最高车辆利用率为优化目标的成品烟物流车辆跨地域调度优化模型。设计了基于差分进化的混合多元宇宙算法(DE-MVO)用以解决该模型。最后基于某烟草工业企业的实际生产订单数据进行实验,将所设计的算法分别与粒子群(PSO)算法、差分进化(DE)算法、鲸鱼优化(WOA)算法、遗传优化(GA)算法、乌鸦搜索(CSA)算法、天鹰座优化器(AO)、多元宇宙(MVO)等前沿算法进行横向对比,对比结果表明所设计的算法在全局搜索能力、寻优精度等方面更优于其他算法,进一步表明所建立的模型在求解制造业供应链运输车辆调度问题中具有可行性。

工业制品仓储出库检测视频适用性研究

随着工业制品的不断发展和市场需求的增加,仓储出库检测对确保产品质量和安全性的重要性日益凸显。传统的人工检测方法存在效率低、误差大等问题,不适应大规模仓储出库需求的现状。视频技术可以实现非接触式的检测,具备快速、准确和可靠的优势,并且与自动化、智能化仓储管理相互融合,为提高仓储出库效率和质量管理提供新的解决方案。因此,本文对工业制品仓储出库检测视频的适用性进行研究,以期为相关行业人员提供参考。

工业制品仓储出库动态外观检测硬件装置样机质量提升研究

在工业制品仓储出库的过程中,动态外观检测是确保产品质量的重要环节。而传统的人工检测方法存在着效率低、准确性不高的问题。为了提高仓储出库动态外观检测的质量和效率,研究人员应关注并致力于开发新的硬件装置样机。因此,本文针对工业制品仓储出库动态外观检测硬件装置样机质量提升展开研究,以期提高仓储出库动态外观检测的准确性和效率,减少次品出货的风险。

物流车辆调度管理系统的应用与技术实现探究

物流运输在现代经济社会中发挥着非常重要的作用,而物流车辆调度管理在物流运输过程中占有重要地位,有效提高物流车辆调度管理效率和水平,有利于整个物流运输效率的提升,对企业以及整个国家的经济发展都具有重要的促进作用。基于此,本文研究分析了现代社会物流车辆调度管理系统的应用与技术实现方法,希望能够为以后相关方面的研究工作提供一些借鉴和参考。

卷烟辅料智能化配盘系统的规划与设计

卷烟辅料添加是整个卷烟生产线上的重要生产工序。目前,该工序在运行过程中存在较多的影响因素,如果不能很好地处理各项因素之间的关系,将会影响生产线效率。文章以卷烟辅料智能化配盘系统规划设计为研究方向,结合系统设计要求,做好系统设计过程中的各项设计元素处理,提高系统设计质量。总体而言,本次系统规划设计可以在一定程度上提高生产过程的运行效率,降低人工成本,对提高生产效率具有重要意义。

基于订单智能协同处理的产销存一体化管理

搭建了最优订单及最优车辆配置的数学模型,实现了订单自动拆分、运力资源配置、计划智能生成等;并结合下一周期发货信息和本期实时库存,提前预知各发货点的资源需求,预先安排生产计划。通过建立综合性、一站式解决方案,最终实现生产、销售、仓储的一体化管理。结果表明:经对自动生成的计划与实际业务计划比对,精确匹配率达45%,可执行率达95%;通过精准预排产及前置性移库,库存资源保障率由75%提升至92%。

基于改进LSTM的原烟仓储堆垛内部温度预测方法

原烟作为一种高价值生产原料,在养护过程中需要对仓储堆垛内部的温度变化进行严格的监控和预测,以降低火灾发生导致巨额经济损失的风险。基于粒子群算法的混合长短记忆模型(PSO-SOM-LSTM),首先对数据进行预处理,将数据归一化再采用SOM聚类分别构建各类数据集;其次构建LSTM神经网络结构,输入训练数据进行训练;随后,基于PSO算法优化SOM-LSTM的网络权重,带入神经网络进行数据预测,并与四种不同的预测方法进行对比,证明了PSO-SOM-LSTM算法的优越性;最后通过均方根误差(RMSE)等指标来衡量实验结果,计算出均方根误差为0.0435左右。实验结果表明,在RMS指标下,PSO-SOM-LSTM比SOM-LSTM减少了2.46%,比单一神经网络减少了8.94%,具有较优的预测效果。该算法可以实现较为精确的原烟仓储堆垛内部温度预测。

智能调度大数据的可视化技术探究

科学技术水平的不断提升,互联网的逐渐深入,带动了电网智能化发展,电力行业进入大数据时代。在智能电网建设中,为保障电网安全、稳定运行,电力调度是关键,承担着监视并控制电网运行、管理各种电力业务的重任。随着电网智能化水平不断提升,电力数据逐渐增多,原有可视化技术已经无法满足需求,电力调度的困难度增大,电网运行可靠性受到影响,阻碍了智能电网发展步伐。对此,文章探讨了智能调度大数据的可视化技术,以便及时识别智能电网运行风险并控制,增强电网运行可靠性。

物联网多目标运输路径调度系统的设计与实现分析

近年来,我国物流产业取得了日益迅猛的发展。在物流产业成本中,车辆运输、配送耗费的成本占据的比重较大。为降低运输和配送耗费的成本,有必要基于物联网设计多目标运输路径调度系统。本文简述了物联网在物流领域中的应用,浅析了物联网多目标运输路径调度系统的设计思路,探究了物联网多目标运输路径系统的模块配置,以期为相关研究提供借鉴。

基于计算机视觉的卷烟辅料智能配盘系统设计

为了提高卷烟辅料配盘效率,设计了基于计算机视觉的卷烟辅料智能配盘系统。首先,在设置视觉采集装置和主控装置的基础上,分析计算卷包机台辅料的需求量。其次,将识别的目标辅料图像信息发送至主控装置,校验无误后将对应的需求数据信息发送至操作端,执行配盘动作,直至需求的辅料均完成配盘。最后,在配盘过程中,视觉采集装置采集当前卷包机台辅料的存储量,当达到最大值后停止配盘。测试结果表明,该系统可以大大提高配盘效率,缩短配盘执行时间。

基于机器学习的成品卷烟销售订单配送调度 优化算法研究与应用

为解决卷烟工业企业成品卷烟销售订单配送调度过程中存在的工作效率低、管理不科学、人工作业量大等问题,基于机器学习设计了一种智能配送调度算法。首先将待调度的成品卷烟销售订单进行凝聚聚类,然后利用专家策略函数和机器策略函数构建搜索树,再通过构造调度优化评价函数进行配送调度决策。以红云红河烟草(集团)有限责任公司2020年4月部分成品卷烟销售订单为例,对精确算法、遗传算法以及机器学习算法进行对比测试。结果表明:与精确算法和遗传算法相比较,机器学习算法具有更好决策性能及全局收敛性,在相同待调度订单数据前提下,使用车辆数分别减少13.28%和10.14%,运输里程减少5%和7.2%,时间成本减少68%和45%,多点组合车次数分别增加11.75和8.07百分点。该方法可为提高成品卷烟销售订单配送调度效率提供支持。