托盘码在零售配送中心的应用分析

在配送中心内部,托盘是主要的存储设备之一,商品在配送中心集装、堆放、搬运和运输等作业环节中,往往都要借助于托盘。     

基于RFID的配送中心管理系统设计与应用

传统的配送中心管理系统难以满足配送中心对信息实时采集、作业自动化管理的要求,而无线射频识别技术具有非接触式、多目标自动识别的技术优势.在成熟仓库管理系统的基础上,提出了基于无线射频识别技术的配送中心管理系统设计方案.简要介绍了系统的基本作业环节,包括货品入库业务、货品出库业务、库存盘点及补货等业务流程.基于一个实际系统的研发与实施案例,论述了系统开发和实施过程中所涉及的软、硬件技术难点与解决方案,最后总结并分析了该配送中心管理信息系统的实施成果.     

如何塑造与管理现代化物流配送中心（下）——在库管理系统和运输系统

上期详细介绍了出货出库系统,本期主要介绍在库管理系统和运输系统两个模块。 在库管理系统 在库管理模块包含三个子模块,分别是：移库作业、盘点作业、流通加工。     

Re-YOLOv5:一种基于结构重参数化的钢材缺陷检测方法

钢材在生产的过程中很容易产生裂纹、斑点等缺陷,而目前对于所产生缺陷的检测技术还不是很成熟。为了实现对工业钢材生产过程中所产生的钢材缺陷进行实时鲁棒检测,以YOLOv5为基础,引入了结构重参数化方法,建立了Re-YOLOv5工业钢材缺陷检测模型。在该模型中,将YOLOv5的Neck层与Head层合并为Head层,用作预测,并且加入RepVGG模块和卷积层,输出预测结果。Backbone用作特征提取,可以在改善模型推理速度的同时提高检测准确率。同时,采用改进后的空间金字塔池化模块SPP^*对候选框进行分类和修正,以获取多尺度特征信息,并引入了有助于模型加深的CCBL模块。在公开的NEU-DET钢材缺陷图片数据集上进行测试,提出的模型的检测精度可达77.8%,与基线模型YOLOv5s相比,实现了6%的精度提升,且单幅图片的推理时间仅为8.9 ms,满足工业生产实时性需求。此外,该模型所占内存较小,便于部署到工业设备中。     

基于自组织增量-图卷积神经网络的金相图半监督学习

采用深度学习对钢铁材料显微组织图像分类,需要大量带标注信息的训练集.针对训练集人工标注效率低下问题,该文提出一种新的融合自组织增量神经网络和图卷积神经网络的半监督学习方法.首先,采用迁移学习获取图像数据样本的特征向量集合;其次,通过引入连接权重策略的自组织增量神经网络(WSOINN)对特征数据进行学习,获得其拓扑图结构,并引入胜利次数进行少量人工节点标注;然后,搭建图卷积网络(GCN)挖掘图中节点的潜在联系,利用Dropout手段提高网络的泛化能力,对剩余节点进行自动标注进而获得所有金相图的分类结果.针对从某国家重点实验室收集到的金相图数据,比较了在不同人工标注比例下的自动分类精度,结果表明:在图片标注量仅为传统模型12％时,新模型的分类准确度可达到91％.     

技术改造物流基因，走向第四方物流

时捷物流创立于2002年9月1日,配送中心占地面积33000平方米,已投入使用的仓储面积20000平方米,其中有7500平方米是2008年10月时新增建的。公司自有专业运输车辆125台、签约车辆40多台,并采用GPS卫星定位系统等先进技术进行管理。拥有大批专业物流管理人员和技术人员,与国内著名物流软件合作,为广大客户提供优质的配送服务。     

探路连锁超市的联合库存管理

"库存"一直是让零售业管理者们最头疼的问题,几乎所有的零售商都会受到库存的困扰,可以说"库存"已经变成困扰零售业发展的难题。传统的库存模式会让零售企业承受着巨大的库存成本和资金链断裂的风险,更要命的是在供应链上的信息流无法有效地实现共享,使得原始供应商收到的信息扭曲而导致需求放大现象。     

基于多尺度网格模型的物流配送中心选址候选集构建方法

针对物流配送中心选址候选集构建中的地理区域离散化问题,提出一种基于k-增长多尺度网格模型的选址区域离散化方法,根据区域选址敏感度不同,进行尺度差异化网格划分．在此基础上,提出了多尺度网格投影及膨胀算法,识别并剔除“限制性区域”及距其指定范围内的多尺度网格．数值实验表明了所提出的模型及算法的有效性．     

物流商流

物流是电子商务中实现“以顾客为中心”理念的最终保证,缺少了现代化的物流技术,电子商务给消费者带来的便捷就等于零。因此,物流是电子商务的重要组成部分。     

涂料及钢材处理

尽管世界上的某些国家,较明显的是Far East及发展中国家没用更多的环保法规来约束修船及造船商,但国内外的法规仍在发展扩大。船东必定会要求使用对环保更有利的涂料,如无锡的防污涂料及水性涂料。这样,“清洗”材料的优点总会贯彻到那些船厂。