[发明专利]一种基于机器学习的化工仓储调度优化方法、介质及设备

说明书

本发明涉及仓储物流技术领域，具体涉及一种基于机器学习的化工仓储调度优化方法、介质及设备，所述方法包括采用历史数据集内的数据进行数学建模后通过机器学习建立预测模型，向预测模型输入变量计算获得辅助决策信息；将决策信息输出与仓储管理系统并判断是否满足现有仓储处理能力，若是则按照决策信息进行执行，若否，则进行人工协调仓储处理，并保存人工协调仓储处理信息加入历史数据集内；本发明通过用机器学习方法训练历史数据并构建数学模型；新数据基于数学模型能够推导出辅助决策信息，并将结果推送到仓储管理系统，优化仓储，降低成本；且能够将预测模型进行服务封装植入到仓储管理系统，提供决策支持，方便实操者执行时参考。

技术领域

本发明涉及仓储物流技术领域，具体涉及一种基于机器学习的化工仓储调度优化方法、介质及设备。

背景技术

化工行业运输目前仍处于信息化发展相对落后的阶段，化工品往往具有比较独特的特点，如商品体积大、重量大、人体伤害大、形态多样等。化工商品在仓储过程中进行调配都需要大量的车辆、人员、场地，这过程当中非常依赖与个人的经验操作，很容易造成效率低下、安全隐患、成本偏高的问题。

发明内容

本发明所要解决的技术问题是：提供一种通过基于历史数据和机器学习算法，计算出一个适用于化工行业的人、车、地的机器学习模型，可以在进行仓储调度前提供预测评估数据，供管理者参考的基于机器学习的化工仓储调度优化方法、介质及设备。

为了解决上述技术问题，本发明采用的第一种技术方案为：

一种基于机器学习的化工仓储调度优化方法，包括：

采用历史数据集内的数据进行数学建模后通过机器学习建立预测模型，向预测模型输入变量计算获得辅助决策信息；

将决策信息输出与仓储管理系统并判断是否满足现有仓储处理能力，若是则按照决策信息进行执行，若否，则进行人工协调仓储处理，并保存人工协调仓储处理信息加入历史数据集内。

为了解决上述技术问题，本发明采用的第二种技术方案为：

一种介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于机器学习的化工仓储调度优化方法。

为了解决上述技术问题，本发明采用的第三种技术方案为：

一种设备，至少包括存储器、处理器，所述存储器上存储有计算机程序，所述处理器在执行所述存储器上的计算机程序时实现上述的基于机器学习的化工仓储调度优化方法。

本发明的有益效果在于：通过用逻辑回归(Logistic Regression)和支持向量机(Support Vector Machine)机器学习方法训练历史数据(存储方式、数量、货物名称、货物类型、单位体积、单位重量等)并构建数学模型[多标签决策树(Multi-label DecisionTrees)]；新数据基于数学模型能够推导出人、车、机、货、场，并将结果推送到客户WMS系统，优化仓储，降低成本；在现有模型基础上，通过计算机软件编程，对预测模型进行服务封装，以便高效植入到仓储管理系统，提供专业仓库作业决策支持：依据具体资源约束与目标设定，该管理系统可以事前从流程、设施、设备、人员、时间等方面进行模拟，输出能力最大方案，方便实操者执行时参考。

附图说明

图1为本发明具体实施方式的一种基于机器学习的化工仓储调度优化方法的业务流程图；

图2为为本发明具体实施方式的一种基于机器学习的化工仓储调度优化方法的预测模型流程图；

具体实施方式

为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。

请参照图1以及图2，一种基于机器学习的化工仓储调度优化方法，包括：