基于情境的仓储知识主动共享技术

1.本发明涉及仓储知识管理领域，特别涉及基于仓储业务情境的知识管理、知识主动共享方面。


背景技术：

2.电子商务和互联网经济的繁荣极大地推动了物流仓储业的发展。为适应仓储行业的发展，仓储管理系统(warehouse management system，wms仓储管理系统)被开发出来并用以协助相关从业人员进行管理工作。随着业务量的不断增加，wms仓储管理系统中产生了大量业务数据，仓储管理人员也面临着越来越多的决策问题。加上决策时间有限导致的信息不确定等问题的影响，单靠人力进行决策存在着较大的风险。为尽可能做出正确的决策，仓储管理人员希望借助计算机技术在尽可能短的时间内获得最准确的知识以辅助决策。然而在仓储活动实际运作中，一线工作人员时常面临着难以清晰描述自身所需知识的窘境，导致知识查询和共享效率低下。
3.知识管理方面的研究指出：在决策支持系统中引入历史知识和情境等要素能够辅助决策者在面对当下问题时做出最优的决策，历史知识和情境是知识共享和重用的基础。因此，将仓储业务情境引入到仓储知识管理中既能辅助仓储管理作业人员完成知识获取，又能提高整体仓储运行效率。
4.对于上述知识管理方面的技术在实际实施操作过程中存在以下问题：现有技术在面对复杂仓储业务的情景时，不能将业务情境映射为图谱中的多个实体，从而无法获得精准业务情境所需要的历史知识和情境，导致一线工作人员对比较复杂的当前业务信息不能匹配到准确的历史知识和情境，从而降低工作效率。


技术实现要素：

5.本发明提供了一种基于情境的仓储知识主动共享技术，通过准确高效地知识共享促进仓储作业管理效率的提升，尤其是面对比较复杂的当下业务情境时，能够解决一线工作人员对于难以清晰描述自身所需知识的窘境，导致知识查询和共享效率低下影响工作效率的问题。
6.为实现上述目的，本发明提供如下技术方案：
7.基于情境的仓储知识主动共享技术，包括如下步骤：
8.步骤1：仓储情境知识库构建
9.首先将仓储业务情境融入到仓储知识中，并以图谱化的形式储存，然后利用仓储领域专家及工作人员的先验知识，以完成任务所涉及因素多少为依据对仓储任务进行复杂度划分(完成任务所需的实体属性数量为1～3个的情况下为简单任务，实体属性数量为4～7个的情况下为复杂任务)，根据划分结果结合仓储一线员工知识对仓储业务流程中的复杂任务设计相应的知识推理规则，最后由知识图谱及推理规则共同构成情境知识库；
10.步骤2：仓储业务情境获取
11.仓储业务情境获取渠道可分为工作流、仓储信息管理系统及仓储业务序列模型三类。通过工作流可获取当前任务、任务具体信息、任务执行人员及时间等信息，通过上述信息的检索获取和比对，可准确确定当前业务情境在历史知识和情境中的相关信息。仓储信息管理系统中的表单数据可确定当前或未来某段时间内的任务、任务相关内容、任务发生时间等信息，通过对该类信息的获取也完成业务情境的确定。基于业务序列的情境信息获取是上述两类情境信息获取方法地方补充，结合当前情境及业务序列模型，可完成未来某段时间内的业务情境推断，从而进一步完善仓储业务情境获取手段。
12.步骤3：业务情境实体提取算法
13.基于图谱模式将具体仓储业务情境分为了单实体任务情境和多实体任务情境。其划分依据为业务情境中所包含的情境实体个数，情境中若只涉及到步骤1实体中的位置、任务、用户、设备、操作员、时间和知识其中某个实体时，则将该类情境划分为单实体任务情境；若涉及到其中两个或两个以上的实体时，则将该类情境划分为多任务情境。
14.步骤4：基于业务情境知识需求设计情境实体提取算法
15.针对不同实体个数情境分别设计对应的实体提取算法。对于单个实体情境，设计算法对情境中的实体及关系进行提取；对于多实体情境，则需要将情境中所涉及的所有实体及关系进行提取。
16.步骤5：基于提取情境设计知识搜索算法及模糊推理系统
17.针对不同情境，提出不同的搜索算法，以确定不同情境下所需知识。面向简单仓储任务，将搜索所得知识节点通过仓储信息管理系统共享给业务情境中知识需求主体；面对复杂任务，将由业务情境获取的属性数据输入到设计的模糊推理系统，由系统推理得到业务情境所需的相关知识并输送给相关业务人员。
18.与现有技术相比，本发明的有益效果是：
19.针对复杂仓储业务情境，给出基于图谱实体的情境维度提取及拆分方法，将复杂的仓储业务情境映射为图谱中的多个实体。实体间的关系唯一确定，以仓储情境知识图谱为“元知识库”完成多维度情境匹配，通过多个实体间的联系，搜索情境所需要的历史知识。在此基础上，结合仓储业务人员的历史反馈，构建基于业务情境的主动知识共享框架，用于为仓储管理业务人员提供情境知识主动共享服务。
附图说明
20.图1为本发明基于情境知识库的主动知识共享算法设计思路示意图。。
21.图2为本发明基于情境知识库的主动共享整体框架示意图。。
22.图3为本发明面向复杂任务的知识推理规则示意图。
23.图4为本发明情境匹配算法设计思路示意图。
24.图5为本发明基于情境知识库的主动知识共享算法流程图。
25.图6为本发明基于工作流的业务情境提取方法示意图。
26.图7为本发明基于仓储业务数据的业务情境提取方法示意图。
27.图8为本发明基于仓储序列化模型的业务情境提取方法示意图。
28.图9为本发明面复杂任务的模糊推理系统框架示意图。
29.图10为本发明仓储知识管理系统的主动知识共享界面示意图。
具体实施方式
30.下面结合附图对本发明中的方式及算法进一步说明。
31.图1为本发明提出的基于情境的仓储知识主动共享总体流程。其主要思想是：首先是利用情境获取模块获取当前知识需求主体的情境信息，通过仓储管理系统人机交互界面实现仓储作业、决策人员的情境信息自动采集；然后构建以仓储领域本体、情境知识图谱及模糊推理规则为核心的仓储领域知识库；再后利用模糊推理机及情境匹配算法实现业务情境与情境知识的匹配；最后通过仓储管理系统实现知识的主动共享传输。
32.具体步骤如下：
33.步骤1、确定仓储知识主动共享算法具体流程，如图2所示。
34.(1)情境维度确定。情境信息获取主要是指对当前仓储作业、决策情境相关信息进行获取。情境信息的获取离不开传感器、rfid等情境感知设备及技术，而当前国内仓储大多已拥有上述设备及技术，具备良好的情境信息获取基础。除了利用上述设备及技术获取主是需求主体的基本信息外，本文为实现后续情境匹配，将仓储情境知识图谱数据模型中的“任务”也纳入到情境信息中。并将情境信息数据结构定义为四元组：i＝《o,t,g,k》，其中i(information)代表知识需求主体的当前情境信息，o(operator)代表当前知识需求主体的基础信息，t(task)代表当前知识需求主体的作业、决策任务，g(goods)则是表示与当前任务相关的货物，k(knowledge)代表当前知识需求主体已具备的专业知识。考虑到仓储情境知识图谱中的任务与货物实体为仓储情境的主要划分依据，本文所提出的仓储情境知识匹配算法的主要元素为前文提到的情境信息四元组：i＝《o,t,g,k》中的t(task)和g(goods)；
35.(2)情境知识确定。情境知识确定是基于业务情境主动知识共享的核心，考虑到不同仓储业务情境下需要不同的知识确定方法，本文利用模糊推理和情境知识匹配算法进行情境知识确定。其中情境匹配算法通过对当前情境节点与情境知识图谱中的相关节点进行相似度计算，完成当前情境与图谱情境的匹配，以此确定当前业务情境下所需知识；模糊则是推理借助仓储情境知识库中存储的模糊推理规则及情境知识图谱对当前业务情境信息进行推理从而确定当前情境下所需要的知识。
36.(3)知识输送。在情境维度及情境知识确定后，仓储管理系统首先会根据情境信息四元组确定当前任务的执行者；然后通过情境知识图谱检索出其当前已掌握的知识；最后通过对比已有知识及任务情境所需知识，筛选出任务相关且执行者欠缺的知识并主动共享给任务执行者。
37.(4)共享反馈。对用户借助知识共享前后完成任务的效率等进行记录，并给予接受中长期知识共享服务的用户反馈渠道，以便后期用户知识掌握信息的了解及知识库的更新。
38.步骤2、面向仓储复杂任务，利用模糊推理算法对输入的货物属性及任务变量进行推理并输出相应的策略。为顺利进行上述推理，首先需要对推理规则进行设定形成推理规则库，如图3所示。
39.步骤3、仓储情情境维度确定主要依靠工作流、仓储信息管理系统和业务序列模型完成。如图4、图5、图6所示。
40.情境匹配算法和知识主动共享如图7、图8所示，为完成情境知识匹配，本发明借鉴jaro-winkler距离的字符串相似性算法。基于不同字符串之间“共有”字符数量及排序顺序
进行计算，在对本体实体中相对较短文本对象(类似rdfs:label等)进行相似性计算时表现优异。
41.假设c1，c2为待比较的两个字符串，二者的jaro相似度可表示为：为待比较的两个字符串，二者的jaro相似度可表示为：其中m表示两个字符串中相同的字符数，|ci|表示字符串的长度，q表示c1和c2相互匹配的字符串中需要换位才能使匹配字符串相同的字符数(如：martha和marhta的字符匹配，但需要将t和h换位才能把martha变成marhta，因此此时的q取2)。进行匹配操作时，只有当c1和c2的字符相同，且距离不超过时才认为两个字符是匹配的。将c1与c2匹配的字符进行比较。二者的jaro-winkler相似度表示为：simw(c1，c2)＝sim(c1，c2)+lp[1-sim(c1，c2)]；其中l为字符串c1和c2的公共前缀长度(最大值取4)，p为常量因子(常量p的默认值为0.1)。
[0042]
步骤4、模糊推理系统是实现专家知识到业务决策的桥梁，推理模型是否合适一定程度上决定了推理效果的好坏。mamdani模糊推理方法针对多输入参数和多推理规则的模糊推理具有独特优势，且推理过程直接明了。本发明所提出的模糊推理中涉及多个输入变量，因此选用mamdani模糊推理算法完成本文的模糊推理，其具体推理过程如图9所示。
[0043]
步骤5、基于情境的仓储知识管理系统，主动共享界面如图10所示，当情境获取模块监测到业务情境后，知识管理系统后端算法会快速推算出该情境下业务人员所需知识，并通过知识管理系统主动推送给相关业务人员。
[0044]
示例：1.任务(task)实体节点相似性计算。本文所进行的任务节相似度计算主要以前文2.1.2中提出的“仓储抽简任务”实体名称为依据，以任务名称为主体完成相似度计算。2.货物(goods)实体节点相似性计算。现已有学者
[16]
构建了物流货物本体，其根据国际scg(standard classification goods)分类法及物流运输仓储所关注的货物属性信息物流货物本体分成了两大类。按照scg分类法下的货物共20大类，92小类；按照物流运输仓储所关注的货物属性分类下的货物共13大类。本文关于仓储货物的本体构建主要考虑后者的复用，因此将以上述13类为主要属性对货物(goods)节点进行相似度计算。
[0045]
共享反馈主要用于共享后知识接收者进行评价及记录用户借助知识共享前后完成任务的效率等，并给予接受中长期知识共享服务的用户反馈渠道，以便后期用户知识掌握信息的了解及知识库的更新。

技术特征：
1.基于情境的仓储知识主动共享技术，其特征在于，包括以下步骤：步骤1：构建仓储情境知识库，首先将仓储业务情境融入到仓储知识中，并以图谱化的形式储存，然后针对仓储业务流程中的复杂任务设计相应的知识推理规则，最后由图谱及规则共同构成情境知识库；步骤2：结合wms仓储管理系统、工作流及仓储业务序列模型完成当前或未来某段时间业务情境的获取和推理；步骤3：根据仓储情境知识库中的图谱模式对获取的情境进行分类处理，确定情境中的类型；步骤4：根据仓储情境知识库中的图谱模式对获取的情境进行分类处理，利用字符串匹配算法确定当前情境中的任务类型；步骤5：根据步骤4中获取的任务实体属性分别进行知识匹配及推理工作，针对简单任务利用“实体——关系”对相关知识点进行搜索，形成知识列表，并推送给情境中的用户；针对复杂类任务，将任务相关数据属性输入到模糊推理系统，利用推理系统进行知识推理和输送。2.根据权利要求1所述的基于情境的仓储知识主动共享技术，其特征在于：步骤1中本发明所构建本体的领域和范围主要为：仓储常规运营、日常巡检、设备维修保养。3.根据权利要求2所述的基于情境的仓储知识主动共享技术，其特征在于：步骤1中对概念模型中的位置、设备、任务、操作员、知识和货物等维度进一步地细分。4.根据权利要求3所述的基于情境的仓储知识主动共享技术，其特征在于：设备类维度细分为34个子实体，货物类维度细分为13类子实体，知识类维度细分为9类子实体，位置类维度下继续细分为10类实体，操作员维度下细分为19类子实体，任务类维度根据序列化模型继续细分为31类子实体。5.根据权利要求1所述的基于情境的仓储知识主动共享技术，其特征在于：基于本体的仓储情境知识图谱搭建步骤包括：数据集标注、命名实体识别及关系抽取模型训练、原始知识语料选择、三元组知识抽取、图谱储存。6.根据权利要求5所述的基于情境的仓储知识主动共享技术，其特征在于：命名实体识别模型训练是利用标注好的数据对bilsm-crf模型进行训练的具体设计为：batch_size＝40、epoch＝20、learning_rate＝0.00001；将测试集放入训练好的模型进行实体抽取，准确率为98.7％，召回率为69.8％。7.根据权利要求5所述的基于情境的仓储知识主动共享技术，其特征在于：利用训练好的模型对原始语料进行三元组知识抽取获得217条三元组。8.根据权利要求1所述的基于情境的仓储知识主动共享技术，其特征在于:本发明构建的图谱共包括499个实体节点和989条关系。9.根据权利要求1所述的基于情境的仓储知识主动共享技术，其特征在于:本发明构建的规则推理库共包括货物重量、货物出入库频率、货物易损程度以及货物价值等四个输入变量以及货位分配策略输出变量，其中输出变量考虑到等考虑货架位于仓库中的位置、货架高度及巷道等三个因素，共12种策略因素，共12条输出策略。10.根据权利要求9所述的基于情境的仓储知识主动共享技术，其特征在于:本发明构建的规则推理库共包括50条推理规则。
11.根据权利要求1所述的基于情境的仓储知识主动共享技术，其特征在于：步骤2中将业务情境分为两部分，一部分是根据工作流及wms仓储管理系统获取的当前业务情境，一部分是根据业务序列模型推断的未来某段时间的业务情境。

技术总结
本发明公开了一种基于情境的仓储知识主动共享技术，包括如下步骤：步骤1：构建仓储情境知识库；步骤2：仓储业务情境获取；步骤3：基于业务情境知识需求设计情境实体提取算法；步骤4：基于业务情境知识需求设计情境实体提取算法；步骤5：基于提取情境设计知识搜索算法，针对不同情境，提出不同的搜索算法，以确定并获取不同情境下所需知识。本发明提供了基于情境的仓储知识主动共享技术，实现了基于业务情境的知识共享，用于减少仓储管理人员决策中的失误，尤其是面对比较复杂的物业情境时提高一线工作人员的作业效率。线工作人员的作业效率。线工作人员的作业效率。


技术研发人员：邱小平 杨科 王旭 陈炯
受保护的技术使用者：西南交通大学
技术研发日：2023.07.06
技术公布日：2023/10/6