随着物联网技术和云计算技术的快速发展,物流园区已逐步成为物流企业大量集聚的空间区域,如何建立基于物联网技术的园区供应链管理集成平台,实现对物流资源及业务数据的有效采集,进而增强物流园区对社会物流资源的整合利用和优化配置效率,也已成为国内外学者关注的热点。
与现有供应链管理平台相比,物流园区供应链管理平台的构建面临以下问题:
1、移动工作任务,园区集聚的各类物流企业,其业务活动常常表现为较大空间范围内的频繁移动服务过程,对园区供应链业务数据采集的时效性和准确性要求更高;
2、高度专业分工,物流园区具有典型的产业集群特征,相关企业的专业分工程度较高,因此,对于企业之间协同信息传递的可靠性和及时性要求更高;
3、海量数据服务需求,集聚在物流园区的物流企业数量较多,对SaaS和PaaS服务模式的接受程度也较高,因此园区供应链管理平台的信息种类和数量都成倍增加,要求其具备高效的海量数据处理能力;
4、智能信息服务需求,随着园区数据海量特征的日趋突出,如何对海量物流数据进行智能挖掘与处理,支持企业在合适的地点和时间,及时准确地获得合适的信息或知识服务,也是当前物流园区供应链管理平台面临的重大挑战。
物联网技术的快速发展为上述问题的解决提供了新的思路。但现有物联网研究主要集中在物联网领域的共性基础关键技术研究上,如物联网编码技术、RFID射频识别、传感器、无线网络传输、高性能计算、智能控制等,但如何对海量物品信息进行后期的高效利用,对各类服务进行整合,并且提供给企业或个人更为人性化的服务,尚没有得到足够的重视。同时,已有的应用性研究也多见于智能交通、电力抄表和智能家居等,有关物流供应链管理领域的应用研究并不多见。
基于物联网技术的物流园区供应链管理平台是指通过传感器等终端数据采集设备、无线传感网络等各类物联网技术应用,实现对车辆、货物、集装箱、仓储等物流资源状态的全程监控,建立统一的园区多元数据集成中间件。在此基础上,采用SOA平台架构建立园区供应链集成管理平台,支持平台以SaaS软件方式为园区内外各类物流服务主体提供应用软件系统服务,以PaaS平台服务方式为园区内外用户提供各类Web服务。进而建立园区供应链“云计算”公共服务中心,通过园区供应链的数据挖掘,实现园区物流资源的优化配置。该平台的概念模型包括物流资源层、数据采集层、网络通信层、供应链数据层、供应链应用层、供应链服务层、供应链决策层等7大层次。
(1)物流资源层该层刻画了园区供应链管理面向物流资源对象的视图描述。
(2)数据采集层该层应用物联网关键技术实现了对各类物流资源实时状态的监控和跟踪。根据数据采集时间周期,分为3种:基于RFID等终端数据设备的实时数据采集;基于专用企业接口系统的定期数据采集;基于特定情况发生的应急数据采集,如发生特大自然灾害时有关道路通行信息的采集。
(3)网络通信层该层是在集成物流园区有线/无线网络和传感器网络的基础上,建立具有自适应自组织特征的物联网网络通信系统,重点实现基于混合汇聚点的无线传感器网络构建。
(4)供应链数据层该层提供了数据定义、数据集成、数据交换和数据分发等4类数据管理组件,建立了统一描述的多元物流数据视图模型以及支持园区物流资源及其业务数据自主统一访问的专用集成数据中间件。
(5)供应链应用层以SaaS应用模式为用户提供了包括货物运输管理系统、仓储管理系统、司机手机服务系统、货代管理系统、LCD/LED信息发布系统等在内的多类软件系统租赁服务。
(6)供应链服务层该层定义了资源定位服务、信息推送服务、资源调度服务等4类供应链通用服务单元,支持以PaaS平台服务方式为用户提供上述4类Web服务。
(7)供应链决策层重点建立并依托园区“云计算”公共服务中心,根据用户要求和园区资源优化配置目标,调度相关计算资源,开展分布海量数据挖掘;通过数据分析和挖掘结果,支持园区供应链的业务协同和管理优化。
支持园区供应链管理的物联网构建技术
物流园区的工作移动性和业务复杂性等特点,需要在集成有线/无线网络和传感器网络的基础上,建立适应多类型障碍、满足园区连通与覆盖目标,并支持RFID、EPC和移动数据终端等多种数据采集和交换方式的物联网,如图2所示。其中,园区物流供应链上各环节之间主要是通过VPN等有线网络进行商务数据的采集和交换,如仓储企业和运输企业之间的配送订单数据;物流企业与运输车辆、驾驶员等通过移动宽带等无线网络进行物流资源或物品状态数据的采集和交换,如车辆当前位置和可用状态数据;而对货物及运载货物的集装箱、托盘等储运工具在园区内部的实时状态监控,主要是采用园区传感器网络进行采集和交换,并通过和有线网络/无线网络的集成,以合适的方式推送给园区内外相关业务主体。
融合物联网数据的多源数据集成中间件技术
物流园区供应链中多种数据接入和交互方式的存在,使得不同物流资源的数据格式存在较大差异,必须建立支持不同应用程序独立于异构数据源访问的统一数据集成中间件。它包括资源属性数据模型、物流业务数据模型、空间地理数据模型、过程数据模型、元数据模型和知识数据模型等6类数据管理模型。
其中,资源属性数据模型、物流业务数据模型和空间地理数据模型属于静态源数据。通过中间件中的数据格式定义模块、源数据解释模块、数据迁移管理模块和数据质量控制模块,可以为园区供应链管理平台提供上述不同类型数据的标准接入功能,并将分散存放的上述数据抽象为结构化的分布式数据库。过程数据模型反映的是通过园区物联网实时采集的物品动态过程数据特征。通过数据中间件中的数据存取管理模块和数据质量控制模块,可以实现上述海量过程数据流的高效存储和访问,通过数据中间件中的分布异构数据源整合模块,则可以将对来自不同传感器节点的数据进行汇总、清洗和整理,得到完整记录物品运动状态的过程数据流概要模型。元数据组织模型是通过数据映射模块、XML表达模块、数据转换模块和语义冲突解决模块,建立的园区供应链数据集成视图模型。它根据实体关系,采取合适的数据结构对资源属性数据、物流业务数据、空间地理数据和过程数据之间的网络关系添加语义注解,并根据数据标准进行数据转换和规范表达,可以支持不同应用系统的独立自主访问。知识数据模型反映的是支持园区供应链管理优化的各类知识信息,如车辆调度优化信息、配送路线优化信息等。这些信息是通过元数据抽取模块、数据访问模块、数据集成模块和数据挖掘模块,对原始数据进行处理得到的知识信息,在合适的时间和地点被主动推送给不同的主体,用以实现园区供应链上各环节之间的协同运行。
基于任务情境的信息智能推送服务技术
物联网技术的应用不仅要为园区供应链平台提供强大的数据采集和通信服务,更为关键的是要为园区供应链上不同主体之间的数据交换,尤其是如何根据不同主体面临任务环境的差异,进行业务信息或知识的智能推送,提供强大的技术支撑。任务情境是指园区供应链管理任务面临内外环境因素的特征。通过建立基于任务情境的信息智能推送服务系统,可以根据任务情境感知处理信息,提供适时适地的数据交换和分发服务,强调增强系统对复杂环境下任务需求的敏感性和适应性。
其中,数据交换服务提供了兼容对等交换与主从交换的混合业务数据交换模式及机制,能够支持园区供应链管理平台通过物联网数据中心、云计算公共服务中心、企业数据专用接口等多种途径,进行任务情境数据采集和业务数据交换;数据分发或推送服务则提供了任务情境感知和触发组件,能够实现任务情境特征的结构化描述,并通过预先设定的情境触发规则,支持园区供应链管理平台为成员企业提供主动、及时和针对性的信息分类智能推送服务,如基于服务请求者查询触发的定向信息推送服务、基于任务时间情境触发的信息推送服务、基于任务地点情境触发的信息推送服务和基于任务用户偏好情境触发的信息推送服务。
基于“云计算”公共平台的园区供应链决策优化技术
基于“云计算”模式的园区供应链决策优化系统构成如图5所示。其核心是在园区“云计算”公共服务模式的总体架构下,建立由园区内外应用系统服务器、GIS应用服务器、物流企业服务器等软硬件资源构成的计算资源协作群,通过海量分布计算资源的敏捷调度,使每个用户均能享受园区“云计算”平台提供的分布异构海量数据分析和挖掘服务。其中,园区供应链全局控制节点Agent负责对用户任务进行结构化分解,确定所采用的数据挖掘模型及其相关数据集,然后为不同的子任务执行找到相应的Web服务资源节点,实现挖掘任务与相关计算资源的动态绑定,进而汇总各个局部节点传递的数据和知识,并以可视化方式提交给用户。各分节点Agent则根据全局控制节点Agent分配的子任务集合,提供局部自治的数据挖掘,并将相关子任务执行结果返回给上层节点。
物流园区供应链管理平台架构在物联网和云计算技术上,不仅能够支持对物流资源及相关物品的全程动态跟踪,实现适时适地的信息智能分类推送服务,而且能够支持平台以SaaS、PaaS和IaaS等方式为园区供应链上各企业提供各类IT资源应用服务,对于支持物流企业依托园区供应链管理平台,组建面向不同任务的物流服务供应链,并实现园区供应链协同管理,具有重要的意义。应用实践充分表明,该平台实施有利于提高物流园区软硬件信息资源的共享效率,显著降低园区信息化投资成本,增强园区社会物流资源整合能力。
四大物联网技术架构物流园区供应链管理平台
来源:互联网 发布日期:2012-04-29 22:15:06 浏览:14829次
导读:随着物联网技术和云计算技术的快速发展,物流园区已逐步成为物流企业大量集聚的空间区域,如何建立基于物联网技术的园区供应链管理集成平台,实现对物流资源及业务数据的有效采集,进而增强物流园区对社会物流资源的整合利用和优化配置效率,也已成为国内外...
相关内容
- AI风险治理亟需产业实践方案
- 中国大模型“搅动”硅谷,巨头恐慌,大佬发声:中国AI已追上美国
- 2025, AI进入“飞天”时刻
- 面壁智能发布多模态大模型MiniCPM-o 2.6,让AI一直“睁着眼”
- OpenAI o3 碾压式 AI 数学成绩遭质疑:既当选手又是裁判
- 松绑人工智能监管,面临多个现实挑战,特朗普公布5000亿美元AI投资计划
- 反击DeepSeek,OpenAI大动作!
- 微软 AI 战略面临重大挑战:大量旧电脑难以升级至 Win11
- 院士专家呼吁加强人工智能科普 培养学生算法意识
- 培育新质生产力,这些人工智能实践令人振奋
- 每年 CES 都在产生共识,今年的共识是「端侧 AI」
- 一个大胆的猜测:GPT-5早已存在,只是被OpenAI藏起来了?
- 美媒:中美人工智能研究合作很活跃
- AI领先者共话2025:大模型迎来下半场 Agent、机器人成应用爆发点
- 人工智能的诺奖时刻:重塑科学的未来
- DeepSeek开源推理大模型R1:纯强化学习实现接近OpenAI o1水平,成本降至1/30
- 微软科学家自述确诊“AI疲劳症”!如何在快速发展的AI浪潮中保持清醒
- AI大模型的能力比拼或许不再拘泥于“算力”
- 刘亮:数据已成为人工智能发展基础设施,加快高质量数据共享开放
- 刚刚,特朗普联手奥特曼,狂砸5000亿美元启动AI「星际之门」
AiLab云推荐
最新资讯
- OpenAI紧急直播,ChatGPT疯狂开挂「深度研究」!10分钟爆肝万字现AGI雏形,刷榜人类最后考试
- 人工智能的诺奖时刻:重塑科学的未来
- DeepSeek风暴席卷全球,AI走进县城日常生活还要多久?
- 超级企业动态|DeepSeek掀起中美人工智能竞争新风暴
- 反击DeepSeek,OpenAI大动作!
- Cerebras CEO:DeepSeek引发企业客户对其AI芯片需求暴增
- 谷歌希望更多人、行业了解 AI,力求塑造公众认知
- AI表现出痴呆症?顶尖大模型集体翻车
- 顶级AI智能体不会社交,创业远不如人类!CMU等:最多完成24%任务
- 中国大模型“搅动”硅谷,巨头恐慌,大佬发声:中国AI已追上美国
本月热点
- AI大模型评测:豆包中文对话最强,OpenAI o1推理和数学占优
- 刷屏的DeepSeek-V3能力到底如何?自称ChatGPT 真相或指向“AI污染”
- 谷歌据悉要求美国联邦贸易委员会解除微软云对OpenAI技术的独家托管
- 前OpenAI首席研究官:AI下一步是什么?
- 2024年媒体十大流行语:新质生产力和人工智能等入选
- 今年 25% 的欧洲风投资金流向 AI 初创企业
- 北京智源发布2025年AI十大趋势:世界模型有望成多模态大模型下一步
- 中国大模型“搅动”硅谷,巨头恐慌,大佬发声:中国AI已追上美国
- 国内各大AI产品功能横向对比及使用建议(2024年12月):文本生成、图片生成&图片处理、智能体篇更新汇总
- 人工智能热度再起,AI技术全面渗透是大势所趋
热门排行
-
机构看衰、专家批评项目艰难,大语言模型会不会成为即将破碎的AI泡沫?
阅读量:7069
-
人工智能对材料科学研究有哪些深远影响?谢建新院士分享
阅读量:6337
-
这个会议一天提及AI 500次,最后的结论是什么?
阅读量:6223
-
OpenAI 罕见开源!低调发布的新研究,一出来就被碰瓷
阅读量:5921
-
机构看衰、专家批评项目艰难,大语言模型会不会成为即将破碎的AI泡沫?
阅读量:5190
-
AI攻占诺奖背后:新的技术革命成为社会进步发展的重要引擎
阅读量:5154