服装业是典型的劳动密集型行业, 从服装生产下线装箱, 到进入仓库、盘点、出仓等环节的产品信息采集目前仍处于大量人工作业的阶段。配送拣选过程中需要大量人工长时间作业才能完成, 配送统计慢, 库存数据统计不及时准确, 都直接影响企业的效益。虽然条形码采集比人工采集节省了很多的人力资源和时间, 但是, 由于服装产品单品多, 款式、颜色、品种变化快等特点, 以及市场对企业高效率运作的要求, 条形码并不能做到多批量、远距离、自动识别读取数据, 也无法自动监控跟踪货品或相应设施, 限制了企业物流过程效率的更大化。无线射频技术 (Radio Frequency Identification, RFID) 不仅解决了条形码遇到的通常问题, 而且它可无接触式的读取信息, 数据存储量大, 能够自动识别跟踪货品, 因此可实现RFID系统的智能化管理, 很好地解决目前服装物流仓储配送环节存在的数据采集不精确和效率低, 以及数据利用率不高等问题, 实现精确快速的配送拣选、装箱、出货, 从而提高畅销服装的及时补货率, 减少滞销服装的库存积压率, 达到缩短供货周期, 提高企业效率的目的, 因此, 将RFID引进到服装仓储配送的信息化管理已得到业界的共识[1,2]。

RFID是一种非接触式对产品进行自动识别、数据采集跟踪的技术。典型的RFID系统一般由射频电子标签、读写器以及应用系统 (包括应用接口、传输网络、业务应用及管理系统等) 3部分构成。当物品标签进入读写器磁场时, 接收读写器发出的射频信号, 凭借感应电流所获得的能量发送出存储在标签芯片中的产品信息 (无源标签) , 或者主动发送某一频率的信号 (有源标签) , 阅读器读取信息并解码然后送至应用系统进行有关数据处理[3]。与传统条形码技术相比, RFID可一次识别多个标签并可将识别处理状态写入标签, 不受大小及形状限制, 具有耐环境性强, 穿透性强, 数据的记忆容量大, 重复利用性高等诸多优点, 而且RFID标签可唯一地标识产品。

鉴于RFID的显著特点, 本文将RFID与信息智能分析决策技术相结合, 研究服装供应链基于RFID的仓储配送智能化管理方法。首先, 在分析基于RFID供应链仓储配送运作流程的基础上, 探讨1个基于RFID的服装供应链仓储配送智能管理系统框架, 并建立拣选配送优化模型。根据该模型可计算服装拣选配送的最短距离, 由此得到拣选的优化路线和顺序。由于RFID系统读取和传输的RFID信息源不同, 其信息语义也不同。为此, 运用信息融合、联机分析技术及基于CBR的分析决策等智能分析技术, 研究服装供应链仓储配送的智能化管理方法, 以期为提高我国服装供应链的仓储配送效率提供有价值的参考。

基于RFID的服装供应链仓储配送流程包括源标签识别、出入库管理、基于RFID的分类拣货、补货以及畅销和滞销服装产品分析等。

基于RFID的服装标识使用EPC (Electronic Product Code, 产品电子编码) 对服装产品进行编码。EPC是最近几年国际最新发展起来的一种全球统一标识体系。1个EPC码是由96位字符构成, 包括起始位部分和3组数据部分。3组数据分别为厂家识别符、产品类型识别符和产品序列号。RFID读写器将单品服装的一些重要属性如:名称、等级、货号、型号、面料、里料、洗涤方式、执行标准、商品编号、检验员编号以及生产信息等写入对应的RFID标签, 并将该电子标签附加在服装上。这样, 就为每件服装赋予了难以伪造的唯一的RFID标识。RFID标签在服装上的附着方式有多种, 如植入服装、做成铭牌或吊牌方式等。植入服装一般可放置于衣服后领口处, 或衣袖处, 还可将标签做成纽扣, 作为衣服的第1个纽扣, 这样不易被损坏。若做成衣服铭牌或吊牌, 可在其中内置1个超高频标签, 记录各种信息, 便于识别和读取, 有效地提高服装供应链仓储配送的快速响应能力。

在库存活动中, 实时获取服装信息的环节包括仓库成衣的接收、入库、订单拣货、出库以及库存服装产品统计等。当带有RFID标签的服装整箱进入RFID读写器磁场感应区域内, RFID读写器将自动捕获多个标签中的信息, 并将其传输到仓库管理系统 (Warehouse Management System, WMS) 。之后, 系统根据仓位信息安排入库位置, 并建立库存记录, 计算服装出入库配送距离等。在入库过程中, 应用RFID的自动识别系统的信息防碰撞功能, 能够1次读取多个不同RFID标签, 确认入库服装的数量、种类等, 并可跟踪服装的入库过程, 以确保货物被放入准确的货位, 同时自动生成库架库位地址等信息, WMS系统根据此信息自动进行货位货物信息的变更确认。出库时, 当装入服装的托盘或叉车经过门禁安装的固定读写器时, 服装上的RFID标签信息被读取, 系统根据该信息与发货单进行核对, 并更新服装库存状态[4,5]。对于畅销服装的补货, RFID系统自动显示该类产品的库存状态, 以及需要补货产品的款型、颜色、尺码等细节, 提示补货信息。此外, RFID系统通过自动统计服装产品的库存状况, 得到每类服装 (包括款型、颜色、尺码等) 在库停留时间, 发现哪类服装滞销、过季, 从而为管理者提供降价、促销等决策信息, 促进产品的销售。

基于RFID的服装供应链仓储配送系统分为3层结构, 即RFID物理层、数据层、业务逻辑处理层, 如图1所示。

第1层为RFID物理层。RFID读写器安置于仓库货架、叉车或周转箱等设施上。读写器包含有天线, 识别和读取进入其磁场范围RFID标签的信息, 并将读取的信息通过边缘服务器和RFID中间件发送到第2层的数据处理子系统进行信息处理。通常, 设定了IP地址的读写器对附加了RFID标签的整箱服装商品, 一次性地读取全部数据。为防止读取过程中多标签信息的碰撞, 设计1个边缘服务器应用多标签防碰撞算法, 定期轮询读写器, 消除重复操作, 从而实现服装仓储配送信息的自动获取识别。RFID中间件是介于RFID读写器硬件模块与数据库和应用软件之间的重要环节。RFID中间件与对象命名服务器ONS (Object Name Service) 通信, 查找识别唯一的RFID标签ID号, 并不断从EPC (电子产品码) 服务器数据库查询数据, 通过网关与外部系统通信[6,7]。RFID标签的卷标信息用实体标记语言 (PML) 说明服装信息, 用ONS提供EPC码的位置信息, 当RFID中间件需要查询或保存该服装信息的服务器网络地址时, ONS服务器提供EPC码与EPC信息服务器对照功能。

图1 基于RFID的服装供应链智能管理系统框架Fig.1Framework of apparel supply chain intelligent system based RFID  下载原图

第2层为数据采集和处理层。它解析和处理来自物理层读写器采集的且符合规定协议的各种原始数据, 并进行数据处理验证。

第3层为服装仓储配送业务逻辑处理层。业务逻辑处理层主要包括仓储配送优化、智能分析决策和数据处理3个模块。其中, 仓储和配送优化模块根据仓储拣货配送优化模型来分配仓库资源, 确定库存水平, 规划服装货品拣选配送路线和次序, 并与服装订单管理系统 (OMS) 、服装仓库管理系统 (WMS) 、运输管理系统 (TMS) 通信, 核对仓储或拣选服装的数量等信息, 实现出入库的自动复核和库存信息的及时更新。智能分析决策模块主要完成相似仓储配送实例的抽取检索与排序, 优化仓库和拣选配送路线, 调整配送流程。数据处理模块主要进行智能库存数据分析, 得出哪类服装畅销和哪类服装滞销, 由此制定优化的补货决策。

基于RFID的服装供应链仓储配送的主要活动包括服装货品的拣选与跟踪。而拣选与跟踪实现的决策因素是拣选距离和拣选顺序的优化。在此, 定义拣选距离主要指拣选过程中根据订单进行拣选操作时, 由于服装数量、类型、存放地点等不同, 要往返于仓库不同的巷道来获取货品, 由此而通过的距离。拣选顺序是指按订单需求拣选不同货品的先后顺序。存储于物流仓库中的服装信息和仓位信息等可由安置于仓库中不同点的若干个读写器读取并发往RFID供应链物流实时管理系统, 当实施拣选时, 这些信息可发送至装有RFID的搬运设备上[8], 如托盘、叉车或服装周转箱等。

设服装货品及拣选搬运等设备的位置信息以坐标数据来表示, 并设需要拣选的服装为p, 存储于仓库的仓位坐标为pi (pix, piy) ;f为搬运叉车, 其坐标为f (fx, fy) ;ai为仓库巷道;dpi, j为服装pi和服装pj的仓位间的距离, 单位为m, 则两类服装拣选的最小搬运距离为

式中xi, j或为0或为1, 当叉车或托盘i执行配送拣选的第j项任务时为1, 否则为0。

根据该模型计算出的结果即为配送移动的最短距离, 并由此可得到拣选配送的顺序。在该过程中, 通过RFID系统读取每次拣选服装的信息及搬运信息, 即可实现服装配送跟踪、拣选服装的核实以及在库服装的实时仓位信息的获取, 从而实现配送拣选的智能化管理。

假设有3个仓库巷道, 其长度分别为a1=180 m, a2=100 m, a3=75 m;某订单需要拣选3类服装, 其仓位分别为p1 (95, 120) , p2 (46, 82) , p3 (68, 60) , 拣选搬运叉车f的初始位置为f (45, 10) , 其配送可能走的所有路线为:f→p1→p2→p3、f→p1→p3→p2、f→p2→p1→p3、f→p2→p3→p1、f→p3→p2→p1、f→p3→p1→p2。

首先计算p1到p2的距离, 将叉车通过3个不同道的距离代入式 (2) , 可计算得到p1到p2的最短距离。

同理, 可计算出所有服装货品与货品及叉车与服装货品两点之间的距离, 根据式 (1) 分别计算所有选择路线的总距离, 如表1所示。从表可看到, 最优路线即为所有路线中的最短路线:f→p2→p1→p3, 最优拣选顺序是从叉车初始点开始去拣选服装p2, 再拣选服装p1, 最后拣选服装p3, 其最优路线距离为197 m。

表1 所有拣选配送路线及其距离Tab.1All of routes and distances for picking up   下载原图

m

表1 所有拣选配送路线及其距离Tab.1All of routes and distances for picking up

在服装拣选过程中, RFID读写器可安置于搬运设备上 (如叉车) , RFID无源标签贴于每个服装货物单元, 如包装箱或托盘上, 所有货物标签的信息都存储在系统数据库中[9]。叉车上装有电脑终端和有源RFID标签, 在叉车拣选搬运操作时, 订单信息通过订单管理系统 (OMS) 发送至业务逻辑处理子系统, 该子系统可根据仓库管理系统 (WMS) 中货品实际仓位信息给出需要拣选服装货品的位置信息, 并依据3.1讨论的优化模型给出优化拣选路径和顺序分配方案, 该方案可在叉车的电脑终端显示, 指导叉车的正确移动。当叉车拣选货物时, 叉车上的读写器读取货物包装箱或托盘上的标签信息, 随着叉车从起点到终点的移动, 拣选的服装在哪辆叉车上、服装产品的信息以及配送搬运移动位置状态变化等信息即可被读写到叉车上的有源标签中, 并通过RFID中间件发送到数据处理系统和业务逻辑处理系统进行业务流程处理和数据更新。

RFID系统获取的服装库存控制及配送的优化分析结果可作为一种信息源。由于每次这些信息的获取可能来自不同的供应链节点系统, 存在结构和语义的异构性, 这样的信息表示一致性较差, 往往会导致不完全的或不相关的知识库的建立, 因此有效地分析和融合这些信息, 并作为一种实例存入实例库, 可为服装仓储配送的智能化管理提供决策支持。基于RFID系统的服装仓储配送智能分析决策模块由4部分组成, 即基于RFID的仓储配送知识融合、联机分析处理、基于实例推理的检索引擎以及实例库, 如图2所示。

图2 服装仓储配送智能分析决策Fig.2Intelligent analysis decision on apparel warehousing distribution  下载原图

信息融合技术可根据信息的联系性, 整合各类信息源数据, 获取高质量的信息。当从RFID系统获取的仓储配送信息的语义不同时, 应用领域本体论 (Ontology) 建立1个概念模型, 定义领域Ontology词汇及其自学习算法, 以使信息智能更新。同时开发1个相应的RDFS (Resource Description Framework Schema) , 使用XML/RDF技术将这些异构信息转化为通用的信息表示, 并利用信息组合规则进行信息融合, 之后相关的信息可存入数据库和知识库。这样, 仓储和配送信息通过本体论的定义, 其领域标准词汇和关系就被明确地定义, 同时对本体论具体状态进行详细说明的一个知识库也可以形式化地定义, 其生成的实例知识库即是相关的和一致的。

联机分析处理 (Online Analytical Processing, OLAP) 模块主要对上述知识库以及数据仓库中大量数据进行抽取并转换到多维数据结构中, 调用多维数据集来执行有效的查询、分析。该模块包括数据仓库、OLAP软件和多维数据库管理系统 (MDBMS) 3部分。OLAP通过对每次RFID读取的服装仓储配送路径、仓位等信息的分析和存取, 提供对多维数据的切片、钻取、旋转等, 以便从不同角度提取有关数据的逻辑视图, 使信息更为准确。

该子模块应用CBR (Case-based Reasoning) 对OLAP处理的服装仓储配送信息建立检索引擎。CBR是利用旧问题的解来解决新问题, 其问题及其解组成1个实例 (Case) , 存储在实例库中。当对1个新仓储配送问题进行求解时, 先将新问题按某种特定方式进行描述, 然后在实例库中寻找与之相似的旧实例, 再按某种算法找出最相似的旧实例作为新问题的匹配, 将其解作为新问题的建议解;通过对建议解进行修正、校订, 得到新问题的确认解。新问题及其确认解又作为新的实例存入实例库。该子模块通过实例浏览、实例检索和实例排序3个功能来完成相应的检索任务。实例浏览功能主要显示实例库中仓储配送实例的树型结构。实例检索主要根据实例浏览的匹配结果来检索一系列实例[10]。之后, 实例排序功能由最近邻居算法分配权重系数给特征值, 然后根据相似度, 排序实例产生并生成新的实例。

实例库中存放服装仓储配送的实例, 实例的表示包含2方面的内容, 即服装仓储配送决策的描述, 如仓位的选择、库存水平的控制、拣选配货的路线、顺序等等和问题的智能分析决策方案。若用通用的数据类型来描述实例, 则实例库以树型结构储存实例, 包括有服装仓储配送实例的编号、实例索引及优化决策集等。实例编号是唯一确定一个实例的标识符, 实例索引是由描述问题的属性集合建立的, 当用检索引擎检索实例时, 即以实例编号作为实例抽取检索、匹配的依据。

服装RFID系统可提供准确、实时的数据, 提高服装供应链仓储配送效率。本文首先分析了基于RFID的供应链仓储配送运作流程, 给出了一个基于RFID的服装供应链仓储配送智能管理系统框架。基于该框架, 从服装配送拣选跟踪优化路线的视角, 建立了配送拣选跟踪模型, 以计算服装货品配送搬运的最短距离, 并由此可得到拣选的优化路线和顺序。由于RFID系统读取、跟踪和传输RFID标签的信息源不同, 其信息语义也有差别。为此本文通过信息融合技术、OLAP技术及CBR技术的分析来有效地融合、检索、分析和管理仓储配送信息, 实现服装仓储配送的智能化管理, 为提高服装供应链的仓储配送效率提供智能决策支持。