基于華為云IOT及無線RFID技術的智慧倉儲解決方案最佳實踐系列二----出入庫場景

1.?出入庫場景說明

1.1??? 場景描述及對比

出入庫管理，即通過現代數字化技術完成對倉庫貨物出庫、入庫的有效識別、監控以及貨單貨物核對等。

一般場景下，貨車裝載需要管理的貨物到達倉庫門口，傳統入庫方案和RFID方案流程對比如下圖：

傳統方案，貨車到達庫門后，需要原地卸貨，管理員手持掃描槍進行貨物的面單識別，將貨物進行對比核對后，才開始進行入庫操作，大約持續x小時級別的時間。

而RFID方案下，部署完成后，直接進行卸貨，入庫。入庫完成即可自動核對，省去了卸貨盤點及人工掃描的步驟。

1.2 RFID方案端側部署設計

在RFID端側技術下，無線射頻能解決RFID標簽的激勵和信號識別，但核心的問題在于如何完成完成的貨物的進出方向判斷。

無線射頻是發散性的，其天線激發信號可以抽象為扇形，在天線覆蓋的扇形范圍內，RFID標簽都可能會被激發識別。但是僅靠一個扇形，是無法產生“方向”感，從任何一個方向進入扇形覆蓋范圍內都會被識別，也就無法完成貨物從庫門進入還是離開的識別，只能知道貨物在庫門周圍被識別過。

根據兩點確定一條直線的理論，我們通過在庫門里外分別部署一個無線射頻識別器（helper）來解決貨物識別方向判斷問題。

可以理解地，若一個貼有RFID標簽的貨物先被庫門外側helper激勵，再被內側helper激勵，我們認為該貨物在這一短時間內是進行了入庫操作；若貨物先被庫門內側helper激勵，再被外側helper激勵，認為是進行出庫操作。

如下端側部署架構示意圖所示：

在華為RFID收發分離技術下，需要在庫門或者通道內側和外側分別部署helper設備，用于激勵RFID標簽。

在更大范圍外部署receiver設備，負責接收RFID標簽激勵后的信號，從而識別和獲取有用信息。

2. 出入庫場景難點

2.1?數據量大

RFID設備發射無線電波激勵標簽，在指定頻段下有強度的區別。為了覆蓋更大的識別范圍，一般射頻的強度都會適當提高，保證激發足夠次數RFID標簽，冗余標簽的掃描，提高準確率。因此在貨物通過的過程中，標簽感應的信號次數是很大的。

一般倉儲場景是解決人工效率的問題，同時識別的貨物會很多，標簽會很多，因此數據量會成倍增加。

2.2 數據清洗與分析

出入庫管理在設備側的真實模型是，RFID標簽在某時刻被helper掃描，而我們業務關注的其實是貨物在某時刻被庫門識別。RFID標簽數據需要被轉換為貨物數據，helper標識需要被轉換為關聯helper的設施，如出入庫空門。

另一方面，如上圖所示，貨物完整的出庫/入庫，是由多條RFID掃描事件分析出來的，需要由InHelper掃到，最終被OutHelper掃到，產生穩定的狀態變換才能分析出。并且實際情況下，Inhelper和OutHelper會有交叉覆蓋范圍，其狀態變換并不是線性的，需要較復雜的分析算法實現出入狀態變換。

最后，當并行有多個庫門時，門與門之間甚至會出現相互干擾掃描的情況，同一個貨物標簽會被1號門和2號門掃到，容易判斷出多門進出的異常事件數據。

3. 如何使用IOT平臺解決

3.1設備接入服務

解決RECEIVER接入平臺，利用海量數據上行，高并發的能力，解決大量數據上傳的問題，實現數據實時上傳，以便后續分析模塊使用。

3.2數據分析服務

快速對接設備接入服務，能天然獲取設備的數據并進行有效分析。

可利用資產建模模塊，完成設備數據的清洗和轉換；利用實時流分析作業完成RFID數據的過濾、去噪、狀態推理，實現出入分析，產生事件數據。且實時流分析作業能支持各種輸出組件的對接，如DIS數據接入服務（kafka）、如SMN消息推送服務（可推送短信、郵件）等。

除此之外，數據分析服務能提供諸如實時分析、離線分析的能力，幫助用戶完成物聯網數據的基本統計和大數據分析能力，如倉庫庫門每日出入貨物總數等報表等。

4. 方案架構設計

總體端側架構應該如下圖：

整體架構如下圖所示：

設備側組網完成后，helper激勵覆蓋范圍內的貨物標簽，receiver設備負責采集場內RFID標簽激勵后產生的信號，并通過串口連接工控機。工控機上使用配套程序并集成IOT Device SDK，將RFID信號有16進制報文轉換為json后連接IOT平臺設備接入服務，并上報數據。

IOT平臺層，設備接入服務負責設備的計入和管理，接收設備數據；數據分析服務進行數據轉換和分析。

數據分析服務可以將原始數據分析為事件數據傳入DIS服務等消息中間件，上層應用消費事件數據完成對應業務。

5. 結語

以上便是基于RFID+IOT技術下，對倉儲管理中出入庫場景進行的分析和設計，接下來會詳細介紹如何使用IOT技術進行接入、建模、算法分析以實現數據清洗和事件分析。

IoT IoT 智慧物流

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。