微波EDA网,见证研发工程师的成长!
首页 > 射频和无线通信 > 射频无线通信文库 > 基于RFID实现物流可视化技术

基于RFID实现物流可视化技术

时间:05-15 来源:互联网 点击:

物流应该是物联网的第一个应用领域,在某种程度上也可以说是狭义物联网的主要应用领域。很多新兴技术都是先用在军事上,直到规模化应用、成本降低后才转为民用。RFID在美国陆军后勤系统中的应用给了在RFID领域一拥而上的国内企业两点启示:一是物联网市场应该靠应用来拉动;二是从不缺钱的美国陆军在军事后勤现代化过程中特意使用成熟的商用软件,那么,国内企业如果花自己的钱,在民用RFID市场上还会大手大脚吗?本文对于企业在物流中的遇到的难题或许有一定的借鉴作用。

 “大军未动,粮草先行”说的是后勤在战争中的重要作用。在很大程度上,交战双方在战场上拼杀的背后,比拼的是各自的工业实力,而这种嵌在战争物资中的工业实力正是通过后勤系统精确地传递到战场上的每一个散兵坑。这种可视化的精准物流是建立在RFID技术之上的。

物流应该是物联网的第一个应用领域,在某种程度上也可以说是狭义物联网的主要应用领域。很多新兴技术都是先用在军事上,直到规模化应用、成本降低后才转为民用。

RFID在美国陆军后勤系统中的应用给了在RFID领域一拥而上的国内企业两点启示:一是物联网市场应该靠应用来拉动;二是从不缺钱的美国陆军在军事后勤现代化过程中特意使用成熟的商用软件,那么,国内企业如果花自己的钱,在民用RFID市场上还会大手大脚吗?

美国陆军后勤现代化

如今,美国陆军正在经历一次深刻的现代化转型,以便将陆军打造成敏捷、多功能而且能应对全球反恐战争挑战的远征军。在这一过程中,美国陆军后勤部门再也无法忍受使用了30年的笨拙的后勤管理系统。

于是,一个与美国陆军现代化转型相适应的后勤现代化计划(LMP)于1999年底启动。LMP是美国陆军诸多实现业务转型的核心计划之一,也是陆军一体化后勤业务(SALE)的基础。LMP的目标是建立流畅的供应链,提升配送效率,减少战场后勤支持人员,使得装备完善的陆军作战人员可以随时应对现在和未来的战争威胁。

为了消除专用软件开发带来的人力、财力和时间成本上的巨大投入以及专用软件难以适应未来的需求等弊端,美国陆军决定采用SAP的商用软件,以改造陆军国家级的后勤系统和业务流程。这应该是全球最大的ERP项目之一。

美国陆军装备司令部于2006年夏将LMP的实施交由业务信息系统项目执行办公室(PEO EIS)负责。PEO EIS为美国陆军提供信息基础设施和信息管理系统。PEO EIS掌管着30亿美元的年度预算,大约是美国陆军IT预算的35%。

PEO EIS刚刚发布了2010年国防系统客户报告――《PEO EIS目录》。该目录涵盖通信与计算基础设施、后勤、人力资源、财务、收购、医疗和生物统计学等领域。在后勤领域,直接用到RFID的有联合自动识别技术(J-AIT)、移动跟踪系统(MTS)。

联合自动识别技术

作为美国国防部负责全球资产跟踪的部门,联合自动识别技术产品管理部门(PdM J-AIT)既负责国防部有关自动识别技术和RFID产品的采购,也管理着美军基于RFID技术的全球物流可视化基础设施(RF-ITV)。

RF-ITV网络在全球43个国家拥有包括集成RFID的卫星跟踪系统在内的8600多个RFID读写站,可以通过对RFID标签的跟踪,实现准实时的数据自动采集、聚合、恢复与服务,从而为美国国防部、北约和美国的其他盟友在远程物流和联合作战方面提供军用物流供应链的可视化服务。

基于RFID应用的J-AIT解决方案横跨美国国防部物流供应链,主要包括以下内容:发货时,将货物的选择、包装、装载信息存储在集装箱上的RFID标签中,并自动将数据转发到后台系统中;货物到达后,进行验证并自动更新库存记录;与存储相关的库存和场地管理;转运过程中的货物集中托运;对零件、组件和部件的跟踪;有害材料的跟踪等。作为美国国防部的整体跟踪解决方案,J-AIT还提供对项目全生命周期的支持,并可与美国国防部物流系统兼容和互操作。

在产品和服务方面,J-AIT解决方案还提供整套的数据采集、传输工具和技术,其中包括主动与被动RFID技术、支持数据阵列的条形码、无线数据采集技术、惟一标识管理、无线安全,并且符合电磁辐射安全条例的要求。

位于美国硅谷的Savi技术公司1994年成为美国国防部在RFID领域的供应商。之后,Savi技术公司又成为RF-ITV网络的主要供应商。2006年,美国最大的军火商之一洛克希德马丁公司将Savi技术公司收归旗下。

移动跟踪系统

在战场上,负责后勤保障的士兵手持通信终端与车辆和供应站进行实时通信,以便实时跟踪车辆的位置。在各级指挥所,站在美国国家地理空间情报局地图前的指挥员,通过GPS提供的定位数据和由L波段卫星提供的双路通信,指挥车辆驾

Copyright © 2017-2020 微波EDA网 版权所有

网站地图

Top