深潜

建立智能配送中心始于数据

首次发布于

从r 频率识别 在将产品标签添加到HVAC系统的自动控制之后,许多配送中心(DC)都采用某种形式的智能技术或物联网来构建,以优化性能。

随着收集和处理数据能力的扩展,集成平台可能会很快使DC自动化更多的建筑物管理和维护。借助正确的传感器和数据,自学习设施可以通过在潜在的维护问题出现之前发现它们,从而改善设施性能,提高驱动效率并减少停机时间。

集成智能系统以优化建筑性能

JDA的最新报告 托运人说,配送中心正在整合更多的技术,并且正在发生巨大的变化,因为托运人努力做到响应敏捷。约翰逊·斯蒂芬斯咨询集团(Johnson Stephens Consulting Group)董事总经理桑迪·斯蒂芬斯(Sandy Stephens)预计,设施内RFID的使用将进一步增长,以收集有关库存位置和单个订单的全面实时信息。更多的配送中心还将使用预测分析来改善劳动力计划,并更有效地适应数量和订单的变化。

然而,尽管许多区议会正在使用物联网来优化其流程和设备,但新的机会正在出现,以改善建筑物本身的性能。由于配送中心的面积可能达到数十万甚至数百万平方英尺,因此这些技术可能会产生巨大的影响。

西门子美洲建筑技术(BT)事业部总裁戴夫·霍普说:许多建筑物已经通过摄像机,恒温器,警报器和监视器生成了大量数据,但其中许多并未以集成方式使用。

德勤的报告 指出,工业4.0应用正在DC设施管理中发现许多新应用。现在可以对传感器和智能管理系统进行远程控制,以监视HVAC系统或湿度并收集有关运行状况的数据。借助智能系统,可以对数据进行分析,以确保整个设施更高的效率和更好的性能。

这些技术还可以识别建筑物的不同层,以分析系统,服务和运营之间可能的相互依存关系。物联网应用程序和基于云的设备有望简化建筑管理。”德勤说。

数据有助于从头开始构建智能DC

西门子与霍尼韦尔(Honeywell)等其他公司正在开发集成的建筑解决方案,该解决方案将来自不同系统的数据整合在一起,以创建一个统一的平台来优化建筑性能。这些电子系统的成本正在下降。回报和财务回报越来越好……这是关于我们如何从[数据]中获得更多价值,” Hopping说。

设计人员已经在使用数据来优化建筑设计以支持流程和设备。 Stephens在过去的20年中一直使用专有工具来更有效地设计需求和MHE系统周围的布局。在那段时间发生的变化是数据的可用性和功能。

Stephens说:“随着我们拥有更好的数据,[设计]能力不断提高,这对我们设计配送中心的方式产生了重大影响,因为可以提供SKU级别的数据,并且计算机系统可以处理更大的数据库。”

现在正在从头开始设计最先进的DC,并始终将数据放在首位。然而,随着技术的采用取决于投资回报,配送中心所有者和设施经理将不仅需要考虑建筑成本,还需要考虑长期运营和生命周期成本以及性能。


他们将能够建造较小的建筑物,从而可以减少平方英尺面积并降低建筑成本。

戴夫·霍普

西门子建筑技术(BT)部门总裁-美洲


“你必须表现出回报。您必须出示退货单。在新建建筑中,您要建造一栋较小的建筑吗?您将能够减少服务成本和合同吗?您能减少坐在建筑物中的人数吗?”跳来跳去。

霍普说,正如建筑师和承包商已转向建筑信息模型(BIM)以获得对设计,建造和管理建筑物的更多见解一样,利用数据来对长期建筑物的性能进行建模可能会有好处。

使用DC建筑物数据进行建模不仅可以更好地利用空间,还可以更好地预测建筑物生命周期内的长期维护和运营性能。在高级应用中,甚至可以使用传感器来跟踪建筑物中的各个运动,以分析与建筑物设计相关的过程和工作流。然后,可以将这些数据用于未来配送中心的设计或优化现有配送中心。

“当他们将来设计建筑物或重新配置建筑物时,他们将能够清除浪费并更好地配置空间以提高利用率。否则他们将能够建造更小的建筑物,从而可以减少平方英尺面积并降低建造成本。”霍普姆说。

预测性分析以预测和自动化维护

霍普说,西门子的目标是帮助创建“自我维持和自我操作”的自主建筑。这项技术可以应用于医院,办公大楼,工厂和配送中心,从而减少了管理和运营大楼的人员需求。传感器和数据分析将执行大部分的监督,仅在必要时才需要人工干预。

霍普说:“我们还没有到那儿,但这就是我们要前进的方向。” “这是关于能够根据需求而不是某些制造商每月,每季度进行计划的时间来预测建筑物中何时需要维修的东西。”

在智能配电中心中,传感器和数据将管理建筑物并将预测性维护传达给工程师,不仅包括传送带,载重汽车和货架等,还包括HVAC和安全性等建筑系统。西门子Navigator等集成式建筑平台使设施管理人员能够跟踪屋檐下几乎每个系统的性能。

真正的价值是可以在这些事情发生之前甚至在人类看到之前就对其进行预测。 Hopping说,这种类型的机器学习可以从许多方面减少停机时间并提高效率。建筑物将能够连续运行分析,以在设备故障发生之前进行预测,或者根据趋势和人员的预期移动来预测安全需求。 Hopping说,随着建筑物变得越来越智能,它们最终将变得自治并“始终在学习”。

在一个示例中,系统可能会发现通风系统消耗的功率要多一些。然后,系统可以使用温度监视器检查环境并比较历史读数以发现消耗量一直在增加,并且风扇输出高于正常水平。通过交叉检查维护记录,使用情况和制造商的建议,可以确定应该更换皮带。然后,系统将自动订购新皮带并安排工作订单以进行更换。所有这些都可能在几秒钟内发生。

Hopping说:“下一个发展方向是真正的分析,再加上机器学习,以能够进行预测指标……我们正在努力使基础设施和建筑物更智能。”

跟随 推特

提起下: 商业大厦