CN113919555A - 一种基于大数据的全自动智能送料方法及*** - Google Patents
一种基于大数据的全自动智能送料方法及*** Download PDFInfo
- Publication number
- CN113919555A CN113919555A CN202111114048.1A CN202111114048A CN113919555A CN 113919555 A CN113919555 A CN 113919555A CN 202111114048 A CN202111114048 A CN 202111114048A CN 113919555 A CN113919555 A CN 113919555A
- Authority
- CN
- China
- Prior art keywords
- raw material
- warehouse
- production line
- raw materials
- goods
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000002994 raw material Substances 0.000 claims abstract description 344
- 238000004519 manufacturing process Methods 0.000 claims abstract description 231
- 239000000463 material Substances 0.000 claims abstract description 45
- 238000009826 distribution Methods 0.000 claims abstract description 43
- 230000002950 deficient Effects 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000007726 management method Methods 0.000 claims description 22
- 238000012384 transportation and delivery Methods 0.000 claims description 17
- 230000032258 transport Effects 0.000 claims description 12
- 238000002474 experimental method Methods 0.000 claims description 11
- 238000013439 planning Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 17
- 238000011161 development Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000002045 lasting effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4189—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system
- G05B19/41895—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the transport system using automatic guided vehicles [AGV]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/40—Minimising material used in manufacturing processes
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/60—Electric or hybrid propulsion means for production processes
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Manufacturing & Machinery (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Game Theory and Decision Science (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种基于大数据的全自动智能送料方法及***,其方法包括以下步骤:为入库货物张贴条码,登记入库货物的货物信息并进行存储;采集生产线原料消耗数据以及原料配送时间数据,并根据生产线原料消耗数据和原料配送时间为计算生成各个生产线的原材料阈值A;当生产线上原料余量低于预设阈值A时,派遣AGV小车从原料仓库取出原料运输至对应生产线上料处;采集仓库原料消耗数据以及物流配送时间数据,并根据仓库原料消耗数据和物流配送时间数据生成仓库内各种原料的余量阈值B;实时采集仓库中的各种原料余量,且当仓库中某种原料余量低于预设余量阈值B时,生成原料采购需求发送至管理人员处。本申请具有节约人力物力和提高生产效率的效果。
Description
技术领域
本申请涉及物料管理的领域,尤其是涉及一种基于大数据的全自动智能送料方法及***。
背景技术
自动生产线是指由自动化机器体系实现产品工艺过程的一种生产组织形式。它是在连续流水线的进一步发展的基础上形成的。其特点是:加工对象自动地由一台机床传送到另一台机床,并由机床自动地进行加工、装卸、检验等;工人的任务仅是调整、监督和管理自动线,不参加直接操作;所有的机器设备都按统一的节拍运转,生产过程是高度连续的。
随着工业的发展,各种制造业都在不断的更新换代,生产制造的速度也在不断提升,随之而来的是原材料的消耗速度也大大提升,现在传统的制造业往往是依靠工人操作叉车、推车等运输车辆将原材料从仓库取出送到生产线的各个设备处。但是这样无疑要生产人员时刻观察物料的消耗情况,并派遣人员往复循环的运输物料,这样无疑需要消耗很多的人力资源且效率不高。
针对上述中的相关技术,发明人认为现有生产线原料监控和配送需要消耗大量人力物力且容易出现物料断层导致生产效率降低的现象。
发明内容
为了改善现有生产线原料监控和配送需要消耗大量人力物力且容易出现物料断层导致生产效率降低的现象,本申请提供一种基于大数据的全自动智能送料方法及***。
第一方面,本申请提供一种基于大数据的全自动智能送料方法,采用如下的技术方案:
一种基于大数据的全自动智能送料方法,包括以下步骤:
为入库货物张贴条码,登记入库货物的货物信息并进行存储,所述货物信息包括货物种类信息、货物品牌信息、货物数量信息、货物条码信息和货物位置信息;
采集各条生产线生产时的生产线原料消耗数据以及从原料仓库配送原料至生产线上料处所需的原料配送时间数据,并根据生产线原料消耗数据和原料配送时间为计算生成各个生产线的原材料阈值A;
实时读取各条生产线上料处原料的余量,当生产线上原料余量低于预设阈值A时,派遣AGV小车从原料仓库取出原料运输至对应生产线上料处;
采集原料仓库内各种原料的仓库原料消耗数据以及各种原料从下单到送达所需的物流配送时间数据,并根据仓库原料消耗数据和物流配送时间数据生成仓库内各种原料的余量阈值B;
实时采集仓库中的各种原料余量,且当仓库中某种原料余量低于预设余量阈值B时,生成原料采购需求发送至管理人员处。
通过采用上述技术方案,通过采集数据计算出各个生产线的原材料阈值A并实时监控各条生产线上的原料余量,实现生产线原料余量不足时及时派遣AGV小车从仓库取出原料,实现全自动送料,节约人力物力,确保生产线的生产效率;并且通过对仓库原料余量的监控,实现及时补充仓库原料,避免出现仓库原料不足导致生产线材料不足的现象,达到节约人力物力和提高生产效率的效果。
优选的,还包括定期采购不同品牌原料进行生产实验筛选出优质品牌原料,其具体包括以下步骤:
定期采集各种原料在网络上销量排名靠前的多个品牌并生成实验对比采购单发送至管理人员处;
在实验对比采购单上各种品牌的原料均采购入库后,以原料种类为基础对同种原料保持其他参量不变进行定量生产,并采集不同品牌同种原料在生产线上产出的次品数量,统计生成同种原料不同品牌的次品率;
汇总各种原料的不同品牌次品率生成次品率统计表,根据次品率统计表生成各种原料建议选择品牌意见并发送至管理人员处。
通过采用上述技术方案,通过定期对市面上各种品牌原料进行次品率实验调研,便于企业选取更加适合原料品牌,进一步节约企业的生产成本,提高企业利润空间,便于企业的良好发展,提高企业的核心竞争力。
优选的,所述根据次品率统计表生成各种原料建议选择品牌意见并发送至管理人员处具体包括:根据次品率统计表计算生产一个合格产品时各种原料不同品牌的生产单价,并将生成各种原料的生产单价最低三个品牌作为建议品牌发送至管理人员处;其中产品在使用不同品牌原料生产时的生产单价计算公式为,x为生产单价,a为该品牌原料的单位价格,b为该品牌原料的次品率,c为单位该品牌原料在生产线上能够产出的产品数量,d为在生产线上生产一个产品除该原料外的其他耗材消耗费用。
通过采用上述技术方案,基于次品率表格计算各种品牌原料的生产成本,便于企业选择生产单价更低的原料,提高了企业的利润空间,增强了企业在同行业的价格竞争力,便于企业良性循环发展。
优选的,所述根据生产线原料消耗数据和原料配送时间为计算生成各个生产线的原材料阈值A具体包括:根据生产线原料消耗数据和原料配送时间按照预设的生产线阈值A计算公式计算生成各个生产线的原材料阈值A,所述生产线阈值A计算公式为A=q*(w+e),q为单位时间生产线消耗原料数量,w为AGV小车从接收到运输原料指令到将原料运输对应生产线上所需的的时间,e为容错时间系数。
通过采用上述技术方案,通过计算各个生产线的原材料阈值A,实现对各个生产线全自动智能送料,节约人力资源,并且确保AGV小车拥有充足时间将原料从仓库运输至生产线上的上料处,确保生产线原料供给充足,达到节约人力物力和提高生产效率的效果。
优选的,所述派遣AGV小车从原料仓库取出原料运输至对应生产线上料处还包括当AGV小车在配送原材料时出现中断停止状况,获取中断停止的AGV小车的定位信息,并将定位信息发送至操作人员处;同时获取中断停止的AGV小车的数据信息并进行储存。
通过采用上述技术方案,方便操作人员及时处理出现中断停止状况的AGV小车,确保AGV小车运输线路的畅通,同时通过采集中断停止的AGV小车的数据信息并进行储存,可以方便工程师分析AGV小车中断停止状况的出现原因,进而对***做出优化了,使得AGV小车可以在指令调度下稳定运行。
优选的,所述派遣AGV小车从原料仓库取出原料运输至对应生产线上料处还包括当AGV小车从原材料仓库中取出原材料时,读取原料外部的条码信息,并将读取到条码信息进行上传。
通过采用上述技术方案,通过agv小车取料时对取走的原料的条形码进行扫码,便于对照入库数据对仓库中的剩余原料存量数据进行精确管控,便于实时检测仓库中各种原料余量,确保仓库内原料充足,进而确保生产线持续运行,达到提高生产效率的效果。
优选的,所述根据仓库原料消耗数据和物流配送时间数据生成仓库内各种原料的余量阈值B具体包括:根据仓库原料消耗数据和物流配送时间数据根据预设的余量阈值B计算公式计算生成仓库内各种原料的余量阈值B,所述余量阈值B计算公式为B=y*[max(t1,t2)+u],y为单位时间仓库内原料,t1为原料下单后历史运输时间平均值,t2为下单平台给出的预计送达时长,u为物流容错系数。
通过采用上述技术方案,通过实时检测仓库中各种原料余量,确保仓库内原料充足,进而确保生产线持续运行,达到提高生产效率的效果。
第二方面,本申请提供一种基于大数据的全自动智能送料***,采用如下的技术方案:
一种基于大数据的全自动智能送料***,包括:
入库登记模块,用于为入库货物张贴条码,登记入库货物的货物信息并进行存储;
生产线阈值计算模块,用于采集各条生产线生产时的生产线原料消耗数据以及从原料仓库配送原料至生产线上料处所需的原料配送时间数据,并根据生产线原料消耗数据和原料配送时间为计算生成各个生产线的原材料阈值A;
生产线余量管理模块,用于实时读取各条生产线上料处原料的余量,当生产线上原料余量低于预设阈值A时,生成取货指令;
货物配送模块,用于接收生产线余量管理模块的取货指令,从仓库取出对应原料并送至对应生产线的上料处;
仓库阈值计算模块,用于采集原料仓库内各种原料的仓库原料消耗数据以及各种原料从下单到送达所需的物流配送时间数据,并根据仓库原料消耗数据和物流配送时间数据生成仓库内各种原料的余量阈值B;
仓库余量管理模块,用于实时采集仓库中的各种原料余量,且当仓库中某种原料余量低于预设。余量阈值B时,生成原料采购需求发送至管理人员处;
所述入库登记模块、生产线阈值计算模块、生产线余量管理模块、货物配送模块、仓库阈值计算模块和仓库余量管理模块相互通信连接。
通过采用上述技术方案,通过采集数据计算出各个生产线的原材料阈值A并实时监控各条生产线上的原料余量,实现生产线原料余量不足时及时派遣AGV小车从仓库取出原料,实现全自动送料,节约人力物力,确保生产线的生产效率;并且通过对仓库原料余量的监控,实现及时补充仓库原料,避免出现仓库原料不足导致生产线材料不足的现象,达到节约人力物力和提高生产效率的效果。
优选的,所述货物配送模块包括控制器模块、路线规划模块和多个AGV小车,所述控制器接收到生产线余量管理模块发送的取货指令后,通过路线规划模块生成行驶路线后控制对应的AGV小车前往仓库取出对应原材料后运输至生产线的上料处。
通过采用上述技术方案,通过AGV小车实现全自动送料,节约人力送料所需要的人力资源,避免出现送料不及时的现象,确保生产线上原料的持续充足供给,达到提高生产效率节约人力资源的效果。
第三方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如上述方法任一种方法的计算机程序。
通过采用上述技术方案,通过采集数据计算出各个生产线的原材料阈值A并实时监控各条生产线上的原料余量,实现生产线原料余量不足时及时派遣AGV小车从仓库取出原料,实现全自动送料,节约人力物力,确保生产线的生产效率;并且通过对仓库原料余量的监控,实现及时补充仓库原料,避免出现仓库原料不足导致生产线材料不足的现象,达到节约人力物力和提高生产效率的效果。
综上所述,本申请包括以下至少一种有益技术效果:
1.通过采集数据计算出各个生产线的原材料阈值A并实时监控各条生产线上的原料余量,实现生产线原料余量不足时及时派遣AGV小车从仓库取出原料,实现全自动送料,节约人力物力,确保生产线的生产效率;并且通过对仓库原料余量的监控,实现及时补充仓库原料,避免出现仓库原料不足导致生产线材料不足的现象,达到节约人力物力和提高生产效率的效果;
2.通过AGV小车实现全自动送料,节约人力送料所需要的人力资源,避免出现送料不及时的现象,确保生产线上原料的持续充足供给,达到提高生产效率节约人力资源的效果;
3.通过定期对市面上各种品牌原料进行次品率实验调研,便于企业选取更加适合原料品牌,进一步节约企业的生产成本,提高企业利润空间,便于企业的良好发展,提高企业的核心竞争力;
4.基于次品率表格计算各种品牌原料的生产成本,便于企业选择生产单价更低的原料,提高了企业的利润空间,增强了企业在同行业的价格竞争力,便于企业良性循环发展。
附图说明
图1是本申请实施例中基于大数据的全自动智能送料方法的方法框图;
图2是本申请实施例中市场调研的方法框图;
图3是本申请实施例中基于大数据的全自动智能送料***的***框图。
附图标记说明:1、入库登记模块;2、生产线阈值计算模块;3、生产线余量管理模块;4、货物配送模块;41、控制器模块;42、路线规划模块;43、AGV小车;5、仓库阈值计算模块;6、仓库余量管理模块。
具体实施方式
以下结合附图1-3对本申请作进一步详细说明。
AGV小车指装备有电磁或光学等自动导航装置,能够沿规定的导航路径行驶,具有安全保护以及各种移载功能的运输车。工业应用中不需要驾驶员的搬运车,以可充电的蓄电池为其动力来源。一般可通过电脑来控制其行进路径以及行为,或利用电磁轨道(electromagnetic path-following system)来设立其行进路径,电磁轨道黏贴于地板上,无人搬运车则依靠电磁轨道所带来的讯息进行移动与动作。
本申请实施例公开一种基于大数据的全自动智能送料方法。参照图1,一种基于大数据的全自动智能送料方法,包括以下步骤:
S1、货物入库登记:为入库货物张贴条码,登记入库货物的货物信息并进行存储,所述货物信息包括货物种类信息、货物品牌信息、货物数量信息、货物条码信息和货物位置信息;
S2、计算各个生产线原材料阈值:采集各条生产线生产时的生产线原料消耗数据以及从原料仓库配送原料至生产线上料处所需的原料配送时间数据,并根据生产线原料消耗数据和原料配送时间为计算生成各个生产线的原材料阈值A;
S3、派遣AGV小车送料:实时读取各条生产线上料处原料的余量,当生产线上原料余量低于预设阈值A时,派遣AGV小车从原料仓库取出原料运输至对应生产线上料处;
S4、计算仓库中各种原料余量阈值:采集原料仓库内各种原料的仓库原料消耗数据以及各种原料从下单到送达所需的物流配送时间数据,并根据仓库原料消耗数据和物流配送时间数据生成仓库内各种原料的余量阈值B;
S5、实时采集仓库材料余量:实时采集仓库中的各种原料余量,且当仓库中某种原料余量低于预设余量阈值B时,生成原料采购需求发送至管理人员处。通过采集数据计算出各个生产线的原材料阈值A并实时监控各条生产线上的原料余量,实现生产线原料余量不足时及时派遣AGV小车从仓库取出原料,实现全自动送料,节约人力物力,确保生产线的生产效率;并且通过对仓库原料余量的监控,实现及时补充仓库原料,避免出现仓库原料不足导致生产线材料不足的现象,达到节约人力物力和提高生产效率的效果。
参照图2,上述方法还包括定期采购不同品牌原料进行生产实验筛选出优质品牌原料,其具体包括以下步骤:
A1、市场调研:定期采集各种原料在网络上销量排名靠前的多个品牌并生成实验对比采购单发送至管理人员处;
A2、采集各个品牌的次品率:在实验对比采购单上各种品牌的原料均采购入库后,以原料种类为基础对同种原料保持其他参量不变进行定量生产,并采集不同品牌同种原料在生产线上产出的次品数量,统计生成同种原料不同品牌的次品率;
A3、汇总生成次品率统计表:汇总各种原料的不同品牌次品率生成次品率统计表,根据次品率统计表生成各种原料建议选择品牌意见并发送至管理人员处。通过定期对市面上各种品牌原料进行次品率实验调研,便于企业选取更加适合原料品牌,进一步节约企业的生产成本,提高企业利润空间,便于企业的良好发展,提高企业的核心竞争力。
上述步骤A3中根据次品率统计表生成各种原料建议选择品牌意见并发送至管理人员处具体包括:根据次品率统计表计算生产一个合格产品时各种原料不同品牌的生产单价,并将生成各种原料的生产单价最低三个品牌作为建议品牌发送至管理人员处;其中产品在使用不同品牌原料生产时的生产单价计算公式为,x为生产单价,a为该品牌原料的单位价格,b为该品牌原料的次品率,c为单位该品牌原料在生产线上能够产出的产品数量,d为在生产线上生产一个产品除该原料外的其他耗材消耗费用。基于次品率表格计算各种品牌原料的生产成本,便于企业选择生产单价更低的原料,提高了企业的利润空间,增强了企业在同行业的价格竞争力,便于企业良性循环发展。
上述步骤S2中根据生产线原料消耗数据和原料配送时间为计算生成各个生产线的原材料阈值A具体包括:根据生产线原料消耗数据和原料配送时间按照预设的生产线阈值A计算公式计算生成各个生产线的原材料阈值A,所述生产线阈值A计算公式为A=q*(w+e),q为单位时间生产线消耗原料数量,w为AGV小车从接收到运输原料指令到将原料运输对应生产线上所需的的时间,e为容错时间系数。通过计算各个生产线的原材料阈值A,实现对各个生产线全自动智能送料,节约人力资源,并且确保AGV小车拥有充足时间将原料从仓库运输至生产线上的上料处,确保生产线原料供给充足,达到节约人力物力和提高生产效率的效果。
上述步骤S3中派遣AGV小车从原料仓库取出原料运输至对应生产线上料处还包括当AGV小车在配送原材料时出现中断停止状况,获取中断停止的AGV小车的定位信息,并将定位信息发送至操作人员处;同时获取中断停止的AGV小车的数据信息并进行储存。方便操作人员及时处理出现中断停止状况的AGV小车,确保AGV小车运输线路的畅通,同时通过采集中断停止的AGV小车的数据信息并进行储存,可以方便工程师分析AGV小车中断停止状况的出现原因,进而对***做出优化了,使得AGV小车可以在指令调度下稳定运行。
上述步骤S3中派遣AGV小车从原料仓库取出原料运输至对应生产线上料处还包括当AGV小车从原材料仓库中取出原材料时,读取原料外部的条码信息,并将读取到条码信息进行上传。通过AGV小车取料时对取走的原料的条形码进行扫码,便于对照入库数据对仓库中的剩余原料存量数据进行精确管控,便于实时检测仓库中各种原料余量,确保仓库内原料充足,进而确保生产线持续运行,达到提高生产效率的效果。
上述步骤S4中根据仓库原料消耗数据和物流配送时间数据生成仓库内各种原料的余量阈值B具体包括:根据仓库原料消耗数据和物流配送时间数据根据预设的余量阈值B计算公式计算生成仓库内各种原料的余量阈值B,所述余量阈值B计算公式为B=y*[max(t1,t2)+u],y为单位时间仓库内原料,t1为原料下单后历史运输时间平均值,t2为下单平台给出的预计送达时长,u为物流容错系数。通过实时检测仓库中各种原料余量,确保仓库内原料充足,进而确保生产线持续运行,达到提高生产效率的效果。
本申请实施例还公开一种基于大数据的全自动智能送料***。参照图3,一种基于大数据的全自动智能送料***包括:
入库登记模块1,用于为入库货物张贴条码,登记入库货物的货物信息并进行存储;
生产线阈值计算模块2,用于采集各条生产线生产时的生产线原料消耗数据以及从原料仓库配送原料至生产线上料处所需的原料配送时间数据,并根据生产线原料消耗数据和原料配送时间为计算生成各个生产线的原材料阈值A;
生产线余量管理模块3,用于实时读取各条生产线上料处原料的余量,当生产线上原料余量低于预设阈值A时,生成取货指令;
货物配送模块4,用于接收生产线余量管理模块3的取货指令,从仓库取出对应原料并送至对应生产线的上料处;
仓库阈值计算模块5,用于采集原料仓库内各种原料的仓库原料消耗数据以及各种原料从下单到送达所需的物流配送时间数据,并根据仓库原料消耗数据和物流配送时间数据生成仓库内各种原料的余量阈值B;
仓库余量管理模块6,用于实时采集仓库中的各种原料余量,且当仓库中某种原料余量低于预设。余量阈值B时,生成原料采购需求发送至管理人员处;
入库登记模块1、生产线阈值计算模块2、生产线余量管理模块3、货物配送模块4、仓库阈值计算模块5和仓库余量管理模块6相互通信连接。通过采集数据计算出各个生产线的原材料阈值A并实时监控各条生产线上的原料余量,实现生产线原料余量不足时及时派遣AGV小车43从仓库取出原料,实现全自动送料,节约人力物力,确保生产线的生产效率;并且通过对仓库原料余量的监控,实现及时补充仓库原料,避免出现仓库原料不足导致生产线材料不足的现象,达到节约人力物力和提高生产效率的效果。
参照图3,货物配送模块4包括控制器模块41、路线规划模块42和多个AGV小车43,所述控制器接收到生产线余量管理模块3发送的取货指令后,通过路线规划模块42生成行驶路线后控制对应的AGV小车43前往仓库取出对应原材料后运输至生产线的上料处。通过AGV小车43实现全自动送料,节约人力送料所需要的人力资源,避免出现送料不及时的现象,确保生产线上原料的持续充足供给,达到提高生产效率节约人力资源的效果。
本申请实施例还公开一种计算机可读存储介质,其存储有能够被处理器加载并执行如上述方法中的计算机程序,所述计算机可读存储介质例如包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施例仅用以说明本发明的技术方案,而非对发明的保护范围进行限制。显然,所描述的实施例仅仅是本发明部分实施例,而不是全部实施例。基于这些实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明所要保护的范围。尽管参照上述实施例对本发明进行了详细的说明,本领域普通技术人员依然可以在不冲突的情况下,不作出创造性劳动对本发明各实施例中的特征根据情况相互组合、增删或作其他调整,从而得到不同的、本质未脱离本发明的构思的其他技术方案,这些技术方案也同样属于本发明所要保护的范围。
Claims (10)
1.一种基于大数据的全自动智能送料方法,其特征在于:包括以下步骤:
为入库货物张贴条码,登记入库货物的货物信息并进行存储,所述货物信息包括货物种类信息、货物品牌信息、货物数量信息、货物条码信息和货物位置信息;
采集各条生产线生产时的生产线原料消耗数据以及从原料仓库配送原料至生产线上料处所需的原料配送时间数据,并根据生产线原料消耗数据和原料配送时间为计算生成各个生产线的原材料阈值A;
实时读取各条生产线上料处原料的余量,当生产线上原料余量低于预设阈值A时,派遣AGV小车从原料仓库取出原料运输至对应生产线上料处;
采集原料仓库内各种原料的仓库原料消耗数据以及各种原料从下单到送达所需的物流配送时间数据,并根据仓库原料消耗数据和物流配送时间数据生成仓库内各种原料的余量阈值B;
实时采集仓库中的各种原料余量,且当仓库中某种原料余量低于预设余量阈值B时,生成原料采购需求发送至管理人员处。
2.根据权利要求1所述的一种基于大数据的全自动智能送料方法,其特征在于:还包括定期采购不同品牌原料进行生产实验筛选出优质品牌原料,其具体包括以下步骤:
定期采集各种原料在网络上销量排名靠前的多个品牌并生成实验对比采购单发送至管理人员处;
在实验对比采购单上各种品牌的原料均采购入库后,以原料种类为基础对同种原料保持其他参量不变进行定量生产,并采集不同品牌同种原料在生产线上产出的次品数量,统计生成同种原料不同品牌的次品率;
汇总各种原料的不同品牌次品率生成次品率统计表,根据次品率统计表生成各种原料建议选择品牌意见并发送至管理人员处。
4.根据权利要求1所述的一种基于大数据的全自动智能送料方法,其特征在于:所述根据生产线原料消耗数据和原料配送时间为计算生成各个生产线的原材料阈值A具体包括:根据生产线原料消耗数据和原料配送时间按照预设的生产线阈值A计算公式计算生成各个生产线的原材料阈值A,所述生产线阈值A计算公式为A=q*(w+e),q为单位时间生产线消耗原料数量,w为AGV小车从接收到运输原料指令到将原料运输对应生产线上所需的的时间,e为容错时间系数。
5.根据权利要求1所述的一种基于大数据的全自动智能送料方法,其特征在于:所述派遣AGV小车从原料仓库取出原料运输至对应生产线上料处还包括当AGV小车在配送原材料时出现中断停止状况,获取中断停止的AGV小车的定位信息,并将定位信息发送至操作人员处;同时获取中断停止的AGV小车的数据信息并进行储存。
6.根据权利要求5所述的一种基于大数据的全自动智能送料方法,其特征在于:所述派遣AGV小车从原料仓库取出原料运输至对应生产线上料处还包括当AGV小车从原材料仓库中取出原材料时,读取原料外部的条码信息,并将读取到条码信息进行上传。
7. 根据权利要求1所述的一种基于大数据的全自动智能送料方法,其特征在于,所述根据仓库原料消耗数据和物流配送时间数据生成仓库内各种原料的余量阈值B具体包括:根据仓库原料消耗数据和物流配送时间数据根据预设的余量阈值B计算公式计算生成仓库内各种原料的余量阈值B,所述余量阈值B计算公式为B=y*[max(t1,t2)+u],y为单位时间仓库内原料,t1为原料下单后历史运输时间平均值,t2为下单平台给出的预计送达时长,u为物流容错系数。
8.一种基于大数据的全自动智能送料***,其特征在于,包括
入库登记模块(1),用于为入库货物张贴条码,登记入库货物的货物信息并进行存储;
生产线阈值计算模块(2),用于采集各条生产线生产时的生产线原料消耗数据以及从原料仓库配送原料至生产线上料处所需的原料配送时间数据,并根据生产线原料消耗数据和原料配送时间为计算生成各个生产线的原材料阈值A;
生产线余量管理模块(3),用于实时读取各条生产线上料处原料的余量,当生产线上原料余量低于预设阈值A时,生成取货指令;
货物配送模块(4),用于接收生产线余量管理模块(3)的取货指令,从仓库取出对应原料并送至对应生产线的上料处;
仓库阈值计算模块(5),用于采集原料仓库内各种原料的仓库原料消耗数据以及各种原料从下单到送达所需的物流配送时间数据,并根据仓库原料消耗数据和物流配送时间数据生成仓库内各种原料的余量阈值B;
仓库余量管理模块(6),用于实时采集仓库中的各种原料余量,且当仓库中某种原料余量低于预设;
余量阈值B时,生成原料采购需求发送至管理人员处;
所述入库登记模块(1)、生产线阈值计算模块(2)、生产线余量管理模块(3)、货物配送模块(4)、仓库阈值计算模块(5)和仓库余量管理模块(6)相互通信连接。
9.根据权利要求1所述的一种基于大数据的全自动智能送料,其特征在于:所述货物配送模块(4)包括控制器模块(41)、路线规划模块(42)和多个AGV小车(43),所述控制器接收到生产线余量管理模块(3)发送的取货指令后,通过路线规划模块(42)生成行驶路线后控制对应的AGV小车(43)前往仓库取出对应原材料后运输至生产线的上料处。
10.一种计算机可读存储介质,其特征在于:存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111114048.1A CN113919555A (zh) | 2021-09-23 | 2021-09-23 | 一种基于大数据的全自动智能送料方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111114048.1A CN113919555A (zh) | 2021-09-23 | 2021-09-23 | 一种基于大数据的全自动智能送料方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113919555A true CN113919555A (zh) | 2022-01-11 |
Family
ID=79235798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111114048.1A Pending CN113919555A (zh) | 2021-09-23 | 2021-09-23 | 一种基于大数据的全自动智能送料方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113919555A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115081991A (zh) * | 2022-07-21 | 2022-09-20 | 北矿智云科技(北京)有限公司 | 一种原料管理方法、装置、电子设备和存储介质 |
-
2021
- 2021-09-23 CN CN202111114048.1A patent/CN113919555A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115081991A (zh) * | 2022-07-21 | 2022-09-20 | 北矿智云科技(北京)有限公司 | 一种原料管理方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102346739B1 (ko) | 오더 처리 방법 및 장치, 서버 및 저장 매체 | |
US20240069536A1 (en) | Automated Manufacturing Facility and Methods | |
CN109492965B (zh) | 物流管理***及电子设备 | |
CN114386917A (zh) | 一种工厂物流调度***及方法 | |
TWI665616B (zh) | 倉儲管理系統及其方法 | |
CN114331291A (zh) | 一种智能制造用原料管理方法及*** | |
CN110689305A (zh) | 仓储货物更新的方法、装置和物流*** | |
CN113220765B (zh) | 一种面向零售终端机成本控制数据仓库的数据组织方法 | |
Caputo et al. | A model for planning and economic comparison of manual and automated kitting systems | |
CN117217662A (zh) | 一种仓库物流管理*** | |
CN113919555A (zh) | 一种基于大数据的全自动智能送料方法及*** | |
WO2023146940A1 (en) | Systems and methods of merging retail products between containers to optimize storing capacity of retail storage facilities | |
CN110775506A (zh) | 一种成品智能分拣及自动入出库*** | |
CN112875123B (zh) | 一种智能仓储物流流程方法 | |
CN111401814B (zh) | 数据处理方法、装置、电子设备及计算机可读介质 | |
CN117726265A (zh) | 一种基于智能手机终端的冷链物流信息平台 | |
CN117331358A (zh) | 仓库物料上料控制*** | |
CN117114556A (zh) | 一种提高运力调度效率的管理方法、***及装置 | |
CN115587771A (zh) | 一种基于pda识别的智能仓库管理方法及*** | |
CN113159671A (zh) | 基于智能驾驶的物料输送方法及装置 | |
Saaidia et al. | A survey on supermarket concept for just-in-time part supply of mixed model assembly lines | |
CN110766353A (zh) | 一种精益物流柔性配送方法、计算机可读存储介质及物流设备 | |
CN113419536B (zh) | 一种agv无人自动驾驶控制方法及*** | |
CN202102490U (zh) | 一种实现动态站台分配的供应商在线送货预约*** | |
CN117933941A (zh) | 基于大数据的智能管控平台及其运行方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |