电商货仓是电子商务整个网络系统进行物资收发和物资存储的终端, 电商货仓中库存量的准确检测和预测是包管物资收发宁静, 提高电商物资收发效率的要害。研究电商货仓的准确检测要领, 对增进电子商务和电子物流行业的生长具有重要意义。物联网技术的进步更为有力地推进了优化电商货仓检测技术。物联网技术通过电子标签识别技术、物联网的网络层、感知层和应用层进行电商货仓物资的信息标识和识别, 接纳无线射频感知与检测技术进行信息读取和信息处理, 提高货仓的物资治理效率
以信息收罗和数据加工的大型物联网技术为基础, 对电商货仓进行物资检测和信息处理。接纳无线射频 (RFID) 识别技术实现对电商货仓物资的在线追踪和信息收罗, RFID识别历程中受到不确定进出库信息数据的滋扰, 同时也会爆发大宗数据冗余, 导致对电商货仓的准确检测性能欠好, 对物流输出的信息预计精度不高
基于大型物联网技术构建电商货仓的物流数据信息传输模型, 以产品生产企业作为电商货仓检测的触发主体, 追溯电商销售产品的生产历程, 从生产开始到加工、包装、运输、销售、消费整个路程都需要通过货仓进行物资的存储和收发。因此, 电商货仓的检测系统总体架构上可以分为对电商货仓的物资存储信息数据收罗前端和数据治理终端, 出货量是电商货仓运行效率和电商利润最大的关联性因子�？悸俏锪鞅厩� (区位因素) 以及租用货仓的本钱, 进行货仓使用效率的最大化调理
在电商货仓的检测中, 需要对货仓的存储物资资源信息进行超高频射频识别技术 (UHF RFID) , 接纳决策树结构要领挖掘和调理电商货仓中心的数据。令公共仓储区的信息吞吐量为A={a1, a2, …, an}, 为零散的、随机的训练集, B={b1, b2, …, bm}为决策树的类别集, 在货仓资源治理中心, ai属性值体现参考的实际吞吐量{c1, c2, …, ck}。利用货仓资源的信息增益Gain评估物流速度的最优破裂度和互信息量。在决策树模型下, 随着电商产品销售, 电商货仓的负载容量获得合理调理。结构电商货仓的负载容量信息调理输出增益表达式为:
式中:pi指收罗的原始RFID数据属于电商货仓物资类别bi类元素所占的比重;Bj体现在RFID数据训练集中含有物资类别为ax属性中cv值的元素荟萃。
为使得电商货仓存储和利用效率最大化, 需要使物流效益以及物资收发的速度抵达最佳匹配
在物流负载压力恒定的情况下, 为了提高电商货仓的物资检测性能, 需要在产品销售和货仓进出库吞吐量之间抵达均衡, 获得货仓的容量匹配函数为:
凭据容量匹配函数, 构建基于物流供应链的电商货仓信息存储训练集, 将存储的物资资源容量划分为若干个子集, 提取所需信息知识。在资源信息读取和挖掘历程中, 阅读器将一个特定频率的无线电波发送到电商货仓中的电子标签, 各个标签接纳无线射频识别技术编码物资信息, 提取电商货仓的存储信息。
在C4.5决策树模型下, 剖析提取货仓物流信息特征主身分, 实现对电商货仓吞吐量和容量的准确检测和预估。引入C4.5决策树模型, 电商货仓存储容量的目标测试数据标签识别概率为P (1) =[1-L-1]m-1, 而主特征深度为k时, 对标签的识别概率为:
当多个电商货仓标签同时保存于阅读器的可读规模内时, 货仓存储容量的总比特位均值为:
预测电商货仓进出库流量的历程中, 接纳平均时隙线性叠加货仓收支库流量, 用四元组 (Ei, Ej, d, t) 体现货仓收支库的决策树模型, 其中Ei, Ej是需要建立的边向量Source节点 (即节点i和j) , d为输入货仓的物流流量序列的交互数据, t为货仓物资收支库的交互所需时间。接纳博弈模型均衡调理收支库的流量
凭据货物配送清单安排出库时间和运输量, 则物资占用货仓的时间系数Ti, j (t) 为:
同理, 凭据货物的配送需求在货仓中进行实时堆垛, 可以盘算出物资存储于货仓中的空间与时间关联性的函数怀抱值Ui, j (t) , 为:
式中:zi (t) , zj (t) 体现电商货仓收支库的博弈模型关联度置信度函数和置信区间
式中:C1, S1, S2均为常量;k体现目今电商货仓中物资标签个数。获得电商货仓吞吐量的效益量标准化系数为:
在C4.5决策树模型下, 剖析提取的货仓物流信息特征主身分, 实现效劳品级及收益指标的线性匹配。为使得货仓的检测输出匹配度VT最优, 须满足:
, 获得电商货仓物流信息参量检测的特征值为:
凭据电商货仓物流负载的特征值排序, 准确检测进出口货仓的物资, 特征排序结果为:
该排列组合数据有效地反应了电商货仓中物资信息的存储容量和收支库信息量。
测试电商货仓的物资容量检测准确性、收支库检测准确性和电商货仓的物资收发时间, 并剖析各项性能。各个货仓的存储容量、单位治理本钱以及机械化作业指数参量见表1。
将差别要领检测电商货仓的存储吞吐量获得的检测结果如图2所示。接纳10 000次Monte Carlo实验, 测试货仓物资收发的实时数据, 获得检测性能曲线如图3所示。
凭据图2和图3得知, 接纳本文要领进行电商货仓的存储容量与性能检测, 预测结果与实际值接近, 盘算得知均方根误差较小, 而古板要领与实际值差别性较大, 说明本文要领对货仓吞吐量的预测准确度更高。
为提高货仓的物资治理效率, 本文在大型物联网技术基础上优化设计电商货仓检测要领。首先基于电子标签技术构建电商货仓存储系统的物联网架构模型, 接纳超高频射频识别技术进行电商货仓系统的物流流量追踪和信息特征提取, 然后在C4.5决策树模型下剖析提取货仓物流信息特征主身分, 实现对电商货仓吞吐量和容量的准确检测。研究得出, 接纳本文要领对货仓的吞吐量预测和物资收发实时检测的精度较高, 提高了电商货仓的物资收发效率, 在电商货仓的物资收发治理中具有较高的应用价值。
【本文标签】
【责任编辑】yd2333云顶电子游戏云仓
yd2333云顶电子游戏冷链物流与茶百道告竣相助：在现代快节奏的生活中 ，奶茶已经成为了许多人生活中的···【详情+】
yd2333云顶电子游戏家人们！春暖花开 ，春意盎然 ，在这个温暖的日子 ，荣誉降生在安徽的铜陵 ，等了很久···【详情+】
手机二维码
