基于人工智能的自動化選貨系統設計

王占文

(承德市可持續發展促進服務中心，河北 承德 067000)

目前，人工智能技術已經在生產生活、醫療健康、環境保護等各方面廣泛的應用。倉儲物流作為一個快速發展的行業，深受人工智能的深刻影響。一些大型的電商平臺和物流企業，都在致力于發展新一代智能物流設備及系統。中小企業也在根據自身的實際情況，對既有設備進行改造或優化升級。依托傳統自動化設備的基本結構，將人工智能的基本算法融入其控制系統，實現設備在某些工況下的智能化，是一種可供中小企業選擇的設計方案[1-4]。

1 智能化選貨系統預期功能

某地區連鎖超市為回饋消費者，會經常向會員發放一些贈品，包括各類試用品、節日禮品和小件用品等。為此，常需要安排多名工作人員進行贈品的發放，不僅會占用大量人力，并且還會因為臨時安排的工作人不了解消費者的實際需求，而導致贈品選擇不合適，得不到消費者認可等問題。為了節約人力成本，同時能夠更好向消費者發放適合的產品，該超市計劃引進一批智能化選貨設備，以實現向消費者準確發放贈品。傳統的自動化倉儲系統難以滿足在無人工干預的情況下自主選擇贈品出庫，人工干預的情況下會降低效率，人工智能算法恰好能解決這一問題。

1.1 結構功能

在結構上，主要遵循傳統自動化立體倉庫的設計思路，同時結合實際使用環境，進行結構上的具體設計。傳統的自動化立體倉庫，在結構設計上實現的功能主要包括貨品入庫和出庫兩個方面。一個典型的入庫流程需要包括入庫申請、貨物準備、信息識別與分析、貨位尋址及入庫和庫存信息更新等內容[5]，如圖1所示。

出庫作業的主要流程與入庫作業相似，只是貨品的流向不同，如圖2所示。

本文所涉及到的智能化選貨系統除具有相似流程的入庫和出庫功能外，特殊之處在于貨品存儲種類少，常以小型物品為主，且出庫規模小，通常是可以設置在結賬出口附近，消費者在完成付款后，能夠快速響應，完成贈品出庫。因此，可以設計小型儲存貨架，減小占地面積，同時采用提高人工補貨頻率的方式來彌補存儲量的不足。對應的揀選設備，其對應的運動范圍主要是X和Z向，宜采用適于扁平空間的直角坐標系結構。

1.2 數據處理功能

數據處理功能方面主要實現出入庫信息記錄、庫存數據管理與更新、用戶數據分析等。其中出入庫信息記錄、庫存數據管理和庫存數據更新主要是確定當前貨品的種類、數量位置等信息，用戶數據分析主要是確定該用戶的消費習慣，用來實現給用戶揀選適合的贈品，也是實現整個系統從自動化到智能化的關鍵。

整個存儲區域，采用電子化標簽的設計。即通過計算機對貨位進行虛擬的區域劃分，并賦予相應的標簽，該標簽同樣賦給準備入庫的貨品，即相應的贈品。需要入庫時，只需要操作人員將待入庫物品放置在指定區域，即可完成圖1所示的入庫流程。當需要更新贈品內容時，只需要更改后臺的電子標簽，即可完成對新貨品的貨位分配與自動入庫。

商家可以根據預期贈品的類型對貨品進行分類，可以包括食品、用品、工具、服裝等大類，大類下面還可以有小類，如食品可以包括兒童食品、零食、熟食、蔬菜等，每一小類還可以繼續細分特征，包括價格，顏色，尺寸，重量，材質，口味等方面。系統會識別貨品的信息后，將其存儲在指定的區域。當需要向消費者發放贈品時，系統識別其用戶信息，同樣是以上述分類為基礎，并從多個維度分析出用戶的特點，判斷出最適合的贈品并完成出庫。

2 基于人工智能的自動化選貨系統設計與實現

2.1 系統組成

基于人工智能的自動化選貨系統，其基本組成應包含立體倉庫、揀選設備、輸送機、控制系統和其他附件等。其中立體倉庫可以根據實際規模大小，配置不同數量的存儲貨位。揀選設備主要實現將貨品放入相應的貨位，或從目標貨位將貨品取出并轉給輸送機。各功能的實現，主要在于控制系統對后臺的數據分析，并將分析結果發送給各結構運動控制器，控制器進而控制執行機構完成相應動作。為了更好的保障系統的穩定性、可靠性和安全性，還需要有其他輔助單元，如聲光警報器裝置等。圖3為智能選貨系統的組成圖。

2.2 人工智能算法應用

本文使用樸素貝葉斯(Bayes)分類算法實現上述功能，其基本數學原理是貝葉斯公式：

(1)

式中P(c)表示事件C發生的概率，P(c|x)為事件C在事件x中發生的概率。

為了驗證該算法在設計方案中應用的可行性，建立了一個含有300個用戶模擬消費記錄的簡化數據模型。結合當前酒杯、玩具和口紅三個贈品的特點，設定可供參考的關聯標簽為酒類、奶粉和化妝品，每個標簽各選100名消費者，將其消費數據進行記錄，用1表示發生此項消費，0表示未發生此項消費，如表1所示。據此，可以訓練出一個數據模型，當一個新的消費數據出現時，便可以通過該模型預測其購買(需要)酒類、奶粉和化妝品的概率的大小，進而關聯產生哪個贈品更適合。

表1 模擬消費數據記錄表

可見，標簽商品酒類、奶粉和化妝品發生的概率是相等的，均為1/3，近似取0.33，分別記作P(酒)=0.33，P(奶)=0.33，P(化)=0.33。下面以酒類標簽下發生食品事件的概率進行說明：假設在100個酒類標簽消費者中，有食品消費的人數是68人，沒有食品消費的人數是32人，則記做P(食|酒)T=0.68，P(食|酒)F=0.32。同理，假設P(服|酒)T=0.43，P(服|酒)F=0.57，P(工|酒)T=0.71，P(工|酒)F=0.29。當遇到某一消費者發生未購買食品，已購買服裝和工具的情況時，便可以將前面得到的概率值代入式(1)進行計算，從而得到該消費者購買酒類的概率P(酒|X)=P(酒)×P(食|酒)F×P(服|酒)T×P(工|酒)T=0.032 2。

同理，可以計算得到P(奶|X)和P(化|X)。

盡管計算結果并非消費者對某贈品的實際需求期望值，但是可以通過比較不同贈品之間的概率值大小，較為準確的得出消費者對當前贈品需求程度的排序，即得到了該消費者適合贈品的標簽。

將上述計算過程通過程序語言進行計算(貝葉斯算法為常見經典程序代碼，本文略)，得到各贈品適合程度的概率值并排序后，將排在最前面的信息發送給控制器，控制器將該結果與電子標簽關聯，可以驅動執行機構進行選貨出庫。這樣就完成了一次基于人工智能算法的自動化選貨操作。

3 結論

本文提出了一種基于人工智能的選貨系統的設計方案，通過經典的樸素貝葉斯算法與自動化倉儲系統的結合，能夠達到準確的實現根據顧客的消費習慣為其推薦適合的贈品的設計目標，并且能夠隨著數據的積累，實現準確性的不斷提高。此外，還可以通過使用更為先進的算法，對設備的智能化進一步升級，實現更為復雜的功能。