大数据营销的特点(大数据分析在营销中的作用)
713
2022-05-29
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。