"英文标题：Global General Warehousing Intelligent Sorting System Process and Efficiency Assessment Database
数据集概述
记录通用仓储领域智能分拣系统的全流程工艺环节与效率评估指标，涵盖从货物入分拣区、扫码识别、路径规划到分拣完成的全链条操作细节，以及分拣效率、准确率、设备负载等核心评估维度。
数据按工艺流程节点与评估周期组织，覆盖全球主要通用仓储场景的智能分拣系统类型，横跨多个运营周期。颗粒度精确至流程节点、设备单元、时间片段层级，支持系统工艺优化、效率瓶颈定位与设备选型评估。数据结构遵循仓储物流领域标准的工艺流程与效率评估框架，字段定义清晰，可直接用于系统性能分析与优化模型构建。
该数据集是提升通用仓储智能分拣系统运营效率的基础资源。智能分拣效率直接影响仓储周转速度、运营成本与服务质量，掌握工艺细节与效率特征对于仓储运营企业优化流程、设备供应商改进产品性能、研究机构开发智能分拣算法均具有关键意义。长周期的评估数据还可用于验证工艺优化方案的长期有效性、设备老化对效率的影响及不同场景下的系统适配性。
字段详情
数据集包含以下核心字段：
process_node_code：工艺节点编码，标识智能分拣系统的具体操作环节，如扫码识别、路径分配等unit_process_time：单元处理时间，单位秒/件，指单个货物在某工艺节点的平均处理时长sorting_accuracy_rate：分拣准确率，单位百分比，指分拣完成后货物归属正确的比例equipment_load_rate：设备负载率，单位百分比，指分拣设备的实际负载与额定负载的比值handling_throughput：处理吞吐量，单位件/小时，指单位时间内系统完成分拣的货物总量system_up_time_rate：系统 uptime 率，单位百分比，指系统在统计周期内的有效运行时间占比
适用场景
- 仓储运营企业分析分拣流程瓶颈，优化工艺节点时序与设备配置
- 智能分拣设备供应商评估产品在不同仓储场景下的性能表现，改进产品设计
- 物流研究机构开发智能分拣路径优化算法，验证算法对效率的提升效果
- 供应链管理企业评估仓储服务商的分拣能力，优化仓储资源配置决策
- 政府物流监管部门监测通用仓储领域智能分拣技术的应用效率与发展趋势"
