基于华为云IOT及无线RFID技术的智慧仓储解决方案最佳实践系列二----出入库场景

1. 出入库场景说明

1.1    场景描述及对比

出入库管理，即通过现代数字化技术完成对仓库货物出库、入库的有效识别、监控以及货单货物核对等。

一般场景下，货车装载需要管理的货物到达仓库门口，传统入库方案和RFID方案流程对比如下图：

传统方案，货车到达库门后，需要原地卸货，管理员手持扫描枪进行货物的面单识别，将货物进行对比核对后，才开始进行入库操作，大约持续x小时级别的时间。

而RFID方案下，部署完成后，直接进行卸货，入库。入库完成即可自动核对，省去了卸货盘点及人工扫描的步骤。

1.2 RFID方案端侧部署设计

在RFID端侧技术下，无线射频能解决RFID标签的激励和信号识别，但核心的问题在于如何完成完成的货物的进出方向判断。

无线射频是发散性的，其天线激发信号可以抽象为扇形，在天线覆盖的扇形范围内，RFID标签都可能会被激发识别。但是仅靠一个扇形，是无法产生“方向”感，从任何一个方向进入扇形覆盖范围内都会被识别，也就无法完成货物从库门进入还是离开的识别，只能知道货物在库门周围被识别过。

根据两点确定一条直线的理论，我们通过在库门里外分别部署一个无线射频识别器（helper）来解决货物识别方向判断问题。

可以理解地，若一个贴有RFID标签的货物先被库门外侧helper激励，再被内侧helper激励，我们认为该货物在这一短时间内是进行了入库操作；若货物先被库门内侧helper激励，再被外侧helper激励，认为是进行出库操作。

如下端侧部署架构示意图所示：

在华为RFID收发分离技术下，需要在库门或者通道内侧和外侧分别部署helper设备，用于激励RFID标签。

在更大范围外部署receiver设备，负责接收RFID标签激励后的信号，从而识别和获取有用信息。

2. 出入库场景难点

2.1 数据量大

RFID设备发射无线电波激励标签，在指定频段下有强度的区别。为了覆盖更大的识别范围，一般射频的强度都会适当提高，保证激发足够次数RFID标签，冗余标签的扫描，提高准确率。因此在货物通过的过程中，标签感应的信号次数是很大的。

一般仓储场景是解决人工效率的问题，同时识别的货物会很多，标签会很多，因此数据量会成倍增加。

2.2 数据清洗与分析

出入库管理在设备侧的真实模型是，RFID标签在某时刻被helper扫描，而我们业务关注的其实是货物在某时刻被库门识别。RFID标签数据需要被转换为货物数据，helper标识需要被转换为关联helper的设施，如出入库空门。

另一方面，如上图所示，货物完整的出库/入库，是由多条RFID扫描事件分析出来的，需要由InHelper扫到，最终被OutHelper扫到，产生稳定的状态变换才能分析出。并且实际情况下，Inhelper和OutHelper会有交叉覆盖范围，其状态变换并不是线性的，需要较复杂的分析算法实现出入状态变换。

最后，当并行有多个库门时，门与门之间甚至会出现相互干扰扫描的情况，同一个货物标签会被1号门和2号门扫到，容易判断出多门进出的异常事件数据。

3. 如何使用IOT平台解决

3.1设备接入服务

解决RECEIVER接入平台，利用海量数据上行，高并发的能力，解决大量数据上传的问题，实现数据实时上传，以便后续分析模块使用。

3.2数据分析服务

快速对接设备接入服务，能天然获取设备的数据并进行有效分析。

可利用资产建模模块，完成设备数据的清洗和转换；利用实时流分析作业完成RFID数据的过滤、去噪、状态推理，实现出入分析，产生事件数据。且实时流分析作业能支持各种输出组件的对接，如DIS数据接入服务（kafka）、如SMN消息推送服务（可推送短信、邮件）等。

除此之外，数据分析服务能提供诸如实时分析、离线分析的能力，帮助用户完成物联网数据的基本统计和大数据分析能力，如仓库库门每日出入货物总数等报表等。

4. 方案架构设计

总体端侧架构应该如下图：

整体架构如下图所示：

设备侧组网完成后，helper激励覆盖范围内的货物标签，receiver设备负责采集场内RFID标签激励后产生的信号，并通过串口连接工控机。工控机上使用配套程序并集成IOT Device SDK，将RFID信号有16进制报文转换为json后连接IOT平台设备接入服务，并上报数据。

IOT平台层，设备接入服务负责设备的计入和管理，接收设备数据；数据分析服务进行数据转换和分析。

数据分析服务可以将原始数据分析为事件数据传入DIS服务等消息中间件，上层应用消费事件数据完成对应业务。

5. 结语

以上便是基于RFID+IOT技术下，对仓储管理中出入库场景进行的分析和设计，接下来会详细介绍如何使用IOT技术进行接入、建模、算法分析以实现数据清洗和事件分析。

IoT IoT 智慧物流

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。