1 引言
资产仓储管理在电力营销服务中占据重要地位，近年来计量资产库房不断智能升级改造。通过加大装备技术升级力度，提升自动化水平，实现机械智能化设备替代人的战略，有限解决了仓储传统人工管理的痛点。
即便如此，在实际仓储配送管理过程中，仍存在着亟待解决的难点。一是线上线下流程环节繁琐复杂，需求单位发起配送申请，线上流程与线下审批复杂，需来回往返多个班组、多个场所，多个层级部门审批；二是资产实时动态信息不明晰，人工记录台账信息需重复录入，增加了人员工作负担，且准确性不高；三是库房目前至少需配置两名资产管理员，负责资产领用配送工作，虽已实现智能拆码垛，但仍需人工参与部分出入库操作环节；四是库房目前仍需靠资产管理员维持领用排队秩序，未实现智能识别。
2 边缘AI关键技术
边缘AI技术[1]，即AI云脑系统，通过搭载机器人本体、图像识别系统、智能语音交互系统、室内组合导航系统、控制系统等集成，实现客户交流，人机对话，数据分析，智能识别与自动控制等。云脑AI系统通过积累各业务应用系统内大量基础信息，通过对庞杂的数据进行分析处理，通过多项数据信息融合处理，进行决策分析，提高资产配送科学性与合理性。通过对前期已经发生的资产数据进行分析，深度学习，融合感知层与决策层共同AI智能化，对资产管控、资金管控层面均具有较强决策支撑能力，提升管理效能，丰富客户体验。
该技术实时性与智能性更强，在“即时计算”的需求下，让数据在设备端更快速地处理，无需与云端多次传输，数据仅在源数据设备和边缘设备之间交换，不再全部上传至云计算平台，同时防范了数据泄露的风险。数据聚合性更优，可先在边缘进行过滤，然后汇总到中心再做加工，更多功能在边缘节点即可直接处理。
3 边缘AI技术应用场景
3.1 线上审批与智能出库管理
通过移动端APP开发线上审批模块，需求单位线上发起需求申请，各层级部门根据库存情况进行审批。移动端自动触发业务系统内配送申请流程，设备出库待办工单，传送至边缘AI云脑系统，AI系统触发本地仓储控制程序，按照领用数量堆垛机从储位上选取相应资产，AI机器人自动按动启动按钮，夹住托盘，进行出库操作[2]。
出库完毕后，AI机器人识别出库数量已完成，自动按动复位按钮，松开托盘，将整垛资产周转箱拖动至相应存放区，此时AI系统上传出库资产信息至业务系统，需求人员移动端收到已出库完成信息通知后，可至智能立体库存放区领用资产即可。
3.2 资产领用智能识别与交互
事先采集各单位资产领用人员及领用车辆信息，首先AI系统需分析该人员是否为可信任人员，可通过摄像机捕捉人脸图像后，图像引擎可对人脸进行分析，通过人脸特征与数据库图像之间的匹配，若判断为可信任人员，将自动开启门禁系统，按照先后顺序引导领用人员至存放区领取相应资产，自动识别单位人员信息与各单位资产进行匹配，避免资产混淆错领[3]。
AI系统将智能询问领用人员是否需要随资产配套领用周转箱，因资产均放在周转箱内，若不需要周转箱，领用人员将资产取出后，归还全部周转箱，同时需自动识别周转箱内资产是否尽数取出，未遗留资产至周转箱内[4]。若需要随资产配套领用周转箱，需自动记录每个单位领用周转箱数量，并定期通过短信方式进行自动提醒进行归还。
3.3 平库区资产智能入库管理
通过AI系统控制AGV智能搬运车进行资产入库。AI系统自动计算空余储位数量，控制AGV智能搬运车搬运相应数量周转箱资产至拆码垛机门处，AI自动按动启动按钮，夹住托盘，进行入库操作。
AI系统搭载高精度导航定位装置，通过激光导航技术和惯性导航技术，UWB技术的紧密结合，可适应库房区域内导航定位需求，并且具有较高的位置精度和轨迹精度，降低了单一导航方式精度低、对环境使用要求高的缺陷，提高了系统稳定性。同时，系统还结合超声波避障传感器、激光避障传感器多种手段，可有效识别周围环境中的障碍物及人员，防止碰撞导致的损坏及事故发生。
3.4 资产分析与采购资金决策
AI系统自动分析各单位各类资产领用数量与库存数量，自动形成电子台账，并设置库存预警阈值及冗余阈值。自动监测资产动向，对于库存冗余的单位，将自动判定该单位无法领用新资产，待库存资产消纳小于该阈值后，方可开放需求提报权限。对于库存短缺的资产，自动通知采购部门需要补充相应规格资产[5]。补充数量与采购金额，可通过对近三年各类用途各规格资产运行情况、现存需更换数量、年度月度需求数量及使用习惯、当年资金预算投入等多方面进行深度学习分析，科学合理的确定本年度资金预算下达计划及采购数量。
4 结论
通过以上边缘AI技术在计量资产无人智能仓储的应用研究，首先，仓储智慧服务能力将显著提升，自感知、自适应、自驱动的集成新技术的应用，将极大提高仓储出入库运营效率，减少各类资源消耗，助推企业提质增效。其次，移动互联网优势将得到突出体现，线上移动端作业，便携高效，信息数据共享开放，极大缩短业务办理环节与时限，线上业务闭环管控，实现数字化转型升级。最重要的是，将为实现无人化仓储最终目标注入强劲动能，AI技术与资源赋能，将取代低价值、高重复性的劳动，全力推动智慧供应链水平不断提升，为企业发展带来重大技术变革。
参考文献:
[1]方俊杰,雷凯.面向边缘人工智能计算的区块链技术综述.应用科学学报，2020,38(1)：21
[2]莫梓嘉,高志鹏,苗东.边缘智能：人工智能向边缘分布式拓展的新触角[J].数据与计算发展前沿,2020,(4).16-27.
[3]迎九.工业用边缘AI的应用场景、实现条件与案例分析.电子产品世界,2019, 26(12).
[4]Jiasi Chen,Xukan Ran.Deep Learning With Edge Computing: A Review[J].Proceedings of the IEEE,2019,107(8).1655-1674.
[5]施巍松,张星洲,王一帆.边缘计算：现状与展望[J].计算机研究与发展,2019,(1).69-89.
作者简介：
乔立春（1988.12-），女，工程师，大学本科，现从事电能计量工作。
