发布时间:2023-10-02 01:28:52 来源:bandao半岛体育
栏目以仓储物流知识干货为主题进行整理编写,参考智能制造和智能物流领域的前沿论文与专著。在编译时对专有名词和部分术语的英文进行了保留,不足之处欢迎各位指正、讨论!
机器人搬运系统在仓配中心的应用愈来愈普遍。机器人拥有诸多特点:占用空间小、灵活性高、24小时不间断工作,这些特点与日益发展的电子商务运营领域高度适配。由于新型自动化机器人搬运系统拥有自主控制、灵活布局、网络化、动态运行等独特特性,此类系统的设计和操作控制问题是需要新的模型和方法加以解决。仓库的关键部分,即仓库设计、仓库规划和控制逻辑领域也都随机器人自动化仓库的发展进行革新。尽管工业机器人的相关发明与应用层出不穷,在现实中也较为常见,但是在学术理论层面上就没有被详细研究过。
互联网零售商仓库的特点是货物体积小但数量巨大,需要仓储系统能够同时处理多行小批量订单。在人工拣选系统中,拣货员要消耗大量时间在巷道中穿梭,进行电商仓库拣选时容易力不从心。而移动机器人履行系统(RMFS)中,机器人负责搬运移动式货架(Pod)并将其运送给在符合人体工程学设计的工作站中的拣货员。将物品送到拣货员手中,而不是让拣货员前往物品所在位置,这种策略可使拣货员的工作效率提高一倍(该数据来源于Wurman 等人2008 年研究)。该系统中机器人和移动式货架数量可以每时每刻增减,系统吞吐能力具有高柔性特点。这一特点对于需求波动大的互联网零售商来说尤为重要。
RMFS 的概念由 Jünemann在1989 年的研究中提出,2008年KIVA 公司在美国申请了相关专利。如今,该系统已在亚马逊的大量仓配中心投入到正常的使用中。与此同时,许多供应商也提出了移动式货架与机器人结合的解决方案,如瑞仕格的 CarryPick、GreyOrange 的 Butler、Scallog System和日立的 Racrew。
1.机器人驱动单元:这些机器人由中央计算机发出指令,将待取货的移动式货架运送到工作站进行补货或拣选,现在也有去中心或本地控制系统。
2.移动式货架:有两种标准尺寸。较小的移动式货架用于负载重量不超过 450 千克的产品,较大的移动式货架用于负载重量不超过 1300 千克的产品。
3.工作站:根据人体工学设计的区域,工人在此执行移动式货架的补货、拣选和包装。
使用 RMFS 拣选订单时,需要首先将订单分配给其中一个工作站,然后将货物分配给一个移动式货架和一台机器人。然后,机器人从其停留位置移动至移动式货架。此时机器人没有负载,可以在货架下方移动,无需使用巷道。一旦机器人到达目标订单所在货架下方,它就会举升货架,在巷道内将其运送到工作站。机器人进入工作站缓冲区进行排队(见图 2)。拣货员拣选订单所需商品,并将其添加到放置客户订单仓的货架/料箱中。然后,机器人会根据移动式货架的请求频率,将其送回存储位置。因此,移动式货架的存储位置是完全动态的。仓库布局能够准确的通过商品和订单的特点进行动态的自动调整。
目前,RMFS性能表现领域不进行过太多科学研究。RMFS相关的学术研究文献可分为三类:系统分析、设计优化和运行规划与控制。
Nigam 等人2014 年为 RMFS 建立了一个封闭排队网络模型。他们估算了基于周转类别存储策略的 RMFS 中单线订单的订单处理时间(throughput time)。Lamballais 等人2017年扩展了 Nigam 等人的研究,推导出了具有存储区域、具有单线及多线订单的RMFS 的旅行时间表达式。他们开发了一个 SOQN 来估算平均订单周期时间以及机器人和工作站的利用率。
Lamballais 等人2017年的研究表明,带有存储区域的 RMFS的最大吞吐能力对存储区域的长宽比并不敏感(除非长宽比严重失调)。研究表明,存储区域周围工作站的位置会直接影响吞吐能力。在他们的设置中,当使用分区存储策略时,工作站应位于存储区域的西面和东面;当不使用分区存储时,工作站应位于存储区域的北面和南面,以实现吞吐量的最大化。Yuan和Gong 2017年开发了一个OQN来估算RMFS的总订单处理时间。利用开发的模型,他们计算出了达到特定的订单处理时间时,机器人的最佳数量及其所需的平均速度。Zou 等人2018年使用 SOQN 优化了系统布局的形状。
Lamballais 等人的研究表明,利用基于周转货架的存储区,带有存储区的 RMFS的最大吞吐量可提高近 50%。Lamballais 等人分析结果不足之处在于,他们假设每个货架上的物品都是相同的;多线订单,需要多个货架。然而,在现实中,每个货架都包含多种产品,一个货架能满足订单的多个要求的情况有几率存在。Lamballais 等人通过研究怎么样将库存分散存储至不同货架上来解决这一问题。他们开发了一个 SOQN 来估算订单处理时间,然后优化了每个物品的存储货架数量、工作站数量与补货站数量的比例以及每个存储货架的补货水平,以最大限度地缩订单处理时间。根据结果得出,库存应尽可能分散到更多的货架中,以尽量缩短订单处理时间。此外,他们还发现,拣货站与补货站的最佳比例为 2 比 1,最佳补货量约为 50%。
Boysen 等人2017 年研究了 RMFS 工作站的订单排序问题。他们将该问题表述为一个混合整数程序。根据结果得出,与先到先得的订单排序规则相比,通过优化订单排序,只需一半的机器人就能完成订单执行过程。此外,研究还表明,利用共享存储策略,将相同的 SKU 分散到多个货架中,能更加进一步减少所需机器人数量。
Zou 等人2018 年研究了 RMFS的不同电池回收策略。他们开发了一个 SOQN 来模拟充电过程。他们得出结论,感应充电能提供最佳的系统吞吐时间。他们还发现,交换电池策略优于插入式充电策略,但成本更高。