﻿ 基于Apriori算法的立体仓库系统
 计算机系统应用  2001, Vol. 29 Issue (9): 115-120 PDF

1. 中国科学院大学, 北京 100049;
2. 中国科学院 沈阳计算技术研究所, 沈阳 110168;
3. 沈阳高精数控智能技术股份有限公司, 沈阳 110168

Three-Dimensional Warehouse System Based on Apriori Algorithm
CAO Lei1,2, SUN Yong2, JIAO Yan-Fei3, WANG Song2, LI Dong-Mei2
1. University of Chinese Academy of Sciences, Beijing 100049, China;
2. Shenyang Institute of Computing Technology, Chinese Academy of Sciences, Shenyang 110168, China;
3. Shenyang Golding NC Technology Co. Ltd., Shenyang 110168, China
Abstract: The traditional warehouses use manual or man-machine methods to transport goods, use paper and pen to record related inventory and data of incoming/outgoing, which has many problems such as low efficiency, many security risks, and high employment cost. The development of modern industry and commerce has put forward a higher demand for warehouse storage technology, which is not only limited to the cost category, but also becomes a strategic tool to obtain profits. This study introduces the whole structure, the functions of each subsystem and the design of the main parts of the automated three-dimensional warehouse system. In order to further improve the production efficiency and improve the overall profitability of the company, this paper, based on the laboratory automated three-dimensional warehouse system, applies Apriori algorithm of association rule data mining, mines the outbound information, and provides more scientific suggestions on production and outbound. The system has the characteristics of high automation, intelligence and information management, which is of great significance to improve the efficiency of warehouse management and increase the profits of enterprises.
Key words: automation     three-dimensional warehouse system     Apriori algorithm

1 Apriori算法概述

Apriori是一种关联规则算法, 从已有的数据集中挖掘有关联关系的数据项, 企业可以参考这些关联数据集制定决策. Apriori算法在大数据集上以连接的方式产生候选项, 并同步计算出支持度, 通过剪枝得到关联度高的频繁项集.

1.1 频繁项集标准

 $Support(X,Y) = P(XY) = \frac{{number(XY)}}{{num(AllSamples)}}$ (1)

 $C{{on}}fidence(X \Leftarrow Y) = P(X|Y) = P(XY)/P(Y)$ (2)

 $\begin{split} L{{i}}ft(X \Leftarrow Y) &= P(X|Y)/P(X)\\ & = Confidence(X \Leftarrow Y)/P(X) \end{split}$ (3)

1.2 Apriori算法思想

Apriori算法旨在找出最大的k项存在关联关系的频繁集. 以支持度作为标准. 通过迭代, 先找出候选1项集和它的支持度, 剪枝去掉不符合要求的候选1项集, 得到频繁1项集. 对新的频繁1项集进行连接, 得到候选2项集, 继续剪枝得到频繁2项集. 循环迭代直到找到频繁k+1项集. 最后的频繁k项集即是最后结果. 假设事务集数据库M详细内容如图1所示, 最小支持度为50%, 则计算过程如图2所示.

 图 1 事务集数据库M

 图 2 Apriori算法挖掘过程图

1.3 Apriori算法流程

1) 扫描数据集, 对1项候选集C1剪枝去掉小于阈值的项集, 得到1项频繁集L1;

2) 对L1自连接, 得到候选集C2, 剪枝去掉小于阈值的项, 得到2项集L2;

3) L2与L1连接得到3项集C3, 剪枝去掉小于阈值的项, 得到3项集L3;

4) 循环重复前3步, 得到最大频繁项级Lk.

2 系统框架

 图 3 总体框架图

 图 4 仓库管理系统服务器开发框架

3 系统模块及业务描述

3.1 信息管理系统

3.2 监控调度系统

 图 5 信息管理系统功能结构图

 图 6 服务器端监控调度界面图

3.3 手持终端部分

3.4 数据挖掘模块

 图 7 手持终端功能结构

Library(xlsx) #加载

Workbook<–“C:/CK2019.xlsx” #读取数据

Library(arules)

Data<–as(split(mydata\$qc,mydata), ”transactions”)

Attributes(data)

Rules<–apriori(data,parameter = list (minlen = 2, support = 0.23, confidence = 0.5))

 图 8 挖掘结果

4 结论与展望

 [1] 耿姣. 基于C/S模式的远程计算机监控软件的设计. 数字技术与应用, 2019, 37(12): 170, 172. [2] 何丽霞. PLC在电气自动化控制中的应用探讨. 中国新技术新产品, 2019(21): 12-13. DOI:10.3969/j.issn.1673-9957.2019.21.008 [3] 孙波, 姜平, 周根荣, 等. 基于改进遗传算法的AGV路径规划. 计算机工程与设计, 2020, 41(2): 550-556. [4] 江唯. 智能立体仓储系统运行效率优化技术研发[硕士学位论文]. 南京: 南京理工大学, 2017. [5] 崔晶. 基于堆垛机故障风险的存储策略和模型研究[硕士学位论文]. 太原: 山西大学, 2013. [6] 董明宇. 基于RFID的智能仓储管理系统的设计与实现[硕士学位论文]. 大连: 大连理工大学, 2018. [7] 邓峰. 应用二维码技术实现物资仓储规范化管理. 铁路采购与物流, 2018, 13(10): 23-25. DOI:10.3969/j.issn.1673-7121.2018.10.007 [8] 苏诚, 许朋刚, 代志良. 智能仓储系统设计与开发应用. 机械, 2017, 44(10): 65-71. DOI:10.3969/j.issn.1006-0316.2017.10.015 [9] 林茂. 穿梭车式密集仓储系统设计与应用−以K制药企业为例[硕士学位论文]. 济南: 山东大学, 2016. [10] 徐心宇. 物流中心自动化立体仓库管理系统的设计与实现[硕士学位论文]. 哈尔滨: 哈尔滨工业大学, 2015. [11] Deng MX, Mao J, Gan XW. Development of automated warehouse management system. Proceedings of 2018 2nd International Conference on Electronic Information Technology and Computer Engineering (EITCE 2018). Shanghai, China. 2018. 851–856.