英语原文共 38 页

机器人移动执行系统决策规则

摘要：机器人移动执行系统（RMFS）是一种新型的专门设计用于电子商务仓库的自动化的，货到人的物料处理系统。机器人将可移动的货架带到工作站，在这些工作站上放置或取出库存商品。本文模拟了拣货和补货过程，通过对每个问题的多个决策规则进行评估，研究了订单分配、货架选择和货架存储分配等问题。本次离散事件模拟真实的机器人运动，并跟踪每个货架上的每个库存单元。我们分析了七种性能指标，如吞吐量和订单交付时间，发现单位吞吐量与其他性能指标有很强的相关性。我们会改变机器人的数量、拣货站的数量、SKU的数量（库存单位）、订单的大小以及是否需要处理退货。拣货订单分配的决策规则对单位吞吐量有很大的影响，然而补货订单分配、货架选择和货架存储的规则对单位吞吐量的影响却不是很大。此外，对于具有大量SKU的仓库，即使库存单元的数量和存储区域的大小保持不变，也需要更多的机器人来实现更高的单位吞吐量。最后，对于库存单元数量多、拣货订单多的仓库，处理退货单只影响单位吞吐量。

1. 简介

随着电子商务的兴起，也创造了对新仓储系统的需求。传统的人工的“人到货”拣选系统在订单量较大时工作效果最好，即由许多SKU组成，因此可以合并在一起拣选。然而，电子商务订单通常很小，而且电子商务仓库因为需要包含各种各样的产品通常很大，这会导致提货人步行距离很长。与“人到货”拣选系统不同，“货到人”拣选系统消除了人工花费在行走上的时间。因此，它们可以达到更高的拣选效率。

机器人移动执行系统（RMFS）是一个自动化的“货到人”拣选系统。机器人在存储区和工作站之间来回运送存储库存商品称为“吊舱”的可移动货架。由于RMFSS消除了人工行走的时间，因此可以达到较高的拣选效率。实践表明，与人工的“人到货”拣选系统相比，“货到人”拣选系统拣选效率可以大幅提高。这些系统主要由亚马逊公司使用，该公司收购了发明RMF、Kiva系统的公司，并将其部署在其仓库中。最近，诸如swisslog、interlink、greyorange、Mobile Industrial Robots和scallog等竞争对手都已经推出了他们的RMF版本。

RMFS在[5]和[18]中有更详细的介绍。 他们提到许多运营决策问题尚未得到深入研究，例如客户订单分配到工作站或货架分配到货位。这些运营决策问题中的每一个都需要权衡。如果一个订单接近交付时间，则会将其分配给一个工作站，但当分配另外的订单，该订单与分配给该工作站的其他订单具有相同的物品时，这可能会导致每个货架的拣货次数增加，从而减少货架的搬运次数。此外，将货架分配到靠近工作站的货位可以缩短货架的行程时间，且在将来有需要的情况下，通过将货架分配到有利的货位来对库存进行排序，也可能会缩短行程时间。

这些权衡与系统中的机器人数量有关。 例如，对于仓库中拥有更多的机器人，可以进行更多的行程，因此当选择要运输到工作站的货架时，订单交付时间可以成为比每个货架的拣选数量更重要的标准。 权衡也与仓库中的资源和条件相关联。 例如，仓库中包含的SKU越多，就越难以将订单分配给拣选站，这样就可以从一个货架中拣到多个产品。

正如这些例子所表明的，需要找到解决RMFS中决策问题的方法，用于研究RMFS的性能指标，以及在改变诸如机器人数量的参数的情况下的性能指标。本文论述了这一需求。研究了拣货订单分配、补货订单分配、拣货货架选择、补货货架选择和货架货位分配决策问题，并针对每个问题提出了若干决策规则。为了了解运行性能中可能存在哪些权衡，我们使用不同的性能指标。此外，我们还改变了RMFS的三个参数，即是否需要处理退货订单、订单的大小和仓库中的SKU数量。这项研究的重点是拣货过程和补货过程，因为一个更有效的补货过程可以为拣货过程释放更多机器人。最后，拣选台的数量和每个拣选台的机器人数量也是改变的。

通过改变这些数字可以找出需要多少拣选台站和机器人可以为拣货人提供近乎连续的拣货货架。

第2节更详细地描述了RMFS系统，第3节指出了与RMFS相关的一些工作，第4节讨论了决策问题，第5节讨论了决策规则，第6节讨论了为评估决策规则而构建的仿真，而第7节解释了评估框架，第8节给出了分析结果，第9节说明了结论和未来研究方向。

1. 机器人移动执行系统

RMFS包括储存产品的货架（称为吊舱）、可以在货架下面移动并携带货架的机器人（见图1a）和拣选台。在一个拣选台拣选完一个货架的货物后，它可以返回到一个与之前不同的货位上，因此，仓库里的库存可以在一天中连续周转。

（a）携带货架的机器人 （b）RMFS中的补货/放回过程（红色：机器人和货架移动）

图1 RMFS的基本要素

图1b显示了存储和放回货架的过程，其中机器人在工作站和货位之间传输货物。在该示例中，从补货站开始，两个具有4个和8个货物的SKU（绿色和橙色）的补货订单被安排存储在一个通过机器人从库存中取出的货架上。在这个补货过程中，相关的蓝色SKU也可以进行操作。在工作站给货架补完货后，货架就会再次被存储在库存中。接下来，如果这个货架被选择将要在拣选站进行拣选，则机器人就会将它带到该站。然后，工作站的操作员从货架中选择与工作站处已打开的订单行匹配的单元，并将它们放入各个拣配订单的箱中。一旦拣货订单完成，货架就会离开拣货站并由其他仓库系统处理。如果仓库中存在分区，则拣配订单可能只是较大客户订单的一部分，并且必须在后续分拣过程中与其他部分拣货订单进一步合并。如果客户订单已经在拣货站全部拣选完成，订单所有货物就会被打包成纸箱，并准备立即装运，没有进一步处理。后者可能仅在电子商务操作中，每一行的数量很小。每一个存储和放回是一个机器人循环中的一个RMFS。在一个周期中，机器人不放下或离开机架，直到它返回到货位上。但需要注意的是，如果进一步补货和突然的拣选作业能够完成的话，货架可能在被放回的过程中被搬去进一步补货或者货架在去补货的过程中被搬去拣选站拣选。为了清楚起见，在上面的例子中，我们将每个周期中的货架的访问限制为一个站点。当机器人的操作是周期性的时，库存单元通过系统的流动在补给站（通过存储补充订单）开始，并在拾取站（通过执行拾取顺序）退出。然而，与其他系统相比，这个系统有相当多的多余库存移动，因为当货架被带到一个站而移动时，不仅仅是移动了需要的单元，而是包含的所有单元。当非空货架移动到补给站，这种情况也会发生在补货作业中。

机器人使用路径点系统在仓库中导航，该系统以网格形式布置。路径是一系列相连的路径点，所有机器人必须同时沿其路径引导，同时避免碰撞和死锁。没有搬运货架的机器人可以在固定货架下面移动，因此可以走其他路径，而搬运货架的机器人不行，因为后者不能使用被占用的存储位置。系统布局如图2所示，包括储存货架的储存区、围绕储存区分组的拣货和补给站和工作站之间的机动区，以及每个工作站的缓冲区。机器人将一个吊舱从存储区通过机动区运送到目标工作站的缓冲区，且同时只挑选或补充一个货架。补给站的工人用新的库存补充货架。相比之下，在拣货站的工人拣选货架中的产品来完成订单。拣选工人可以同时为多个未完成的拣货订单拣货。对于这两种操作，机器人需要在各自补货或拣选站的接入点停止。在每个工作站旁边的缓冲区内，携带货架的机器人可以排队等待。在布局的中间，使用多个航路点作为可能的存储位置，货架不使用时可以放置在这些存储位置中。这些存储位置都可以从通道直接到达，并且已存储的货架对进入这些货位不造成影响。通道内的交通是单向的，以避免交通堵塞和减少拥挤。

图2:RMFS布局的俯视图

系统能够适应不断变化的需求条件。例如，如果某些SKU的订单率下降，则包含这些SKU的货架可以移到离拣货站更远的地方。这种重新定位为高订单率的SKU的货架释放了拣货站附近的存储位置。从工作站返回时，可以重新定位货架，因此可以根据不断变化的需求对库存进行连续排序。

3．相关工作

迄今为止，还没有对RMFS进行详细的基于离散事件模拟的研究。此外，目前对RMFS的研究大多是利用排队网络来研究战略层面的设计问题。这项工作的目的是通过使用一个非常详细的集成了操作员面临的大多数动态影响的模型框架来提供有关RMFS的见解从而补充在这方面的研究。接下来，我们首先概述了基于排队网络的研究，并以基于仿真的工作结束这一部分。

[14]创建了排队网络，类似于早期排队网络，用于自动车辆存储和退出系统（AVS / RS）和自动存储和退出系统（AS / RS）（见[8]和[16]）。 他们的排队网络捕获了拣货和补货操作，但无法实际模拟机器人的运动，因此他们估算了单行订单的吞吐时间。 [10]为单行和多行订单创建不同的排队网络，且在存储区域中有无分区，仅捕获拾取操作，但他模拟了真实的机器人移动过程。 他们的模型通过评估大量可能的设计可以准确估计预期的订单周期时间，工作站利用率和机器人利用率 [10]，确定存储区域尺寸和存储区域周围的工作站位置如何影响最大订单吞吐量。[11]开发一个在解决该类问题的排队网络策略。它们显示了每个SKU的货架数量和货架的补给水平对订单吞吐量的影响，并显示了拣货站数量与补给站数量的最佳比率。他们发现，即使每个SKU有多个货架，也最好在货架完全空之前进行补货。[19]使用半开放排队网络分析将机器人分配到拣选站站的策略。研究发现，当拣货工人的拣选效率发生变化时，随机策略明显优于所提出的基于处理速度的分配规则。[20]建立一个半开放的排队网络，用于评估RMFS中电池管理的效果。比较了电池换用、自动插入式充电和感应式充电的策略。作者得出的结论是，如果机器人的价格和回收时间较低，电池交换通常比插入式充电更昂贵，而感应充电在吞吐量和成本上都优于插入式充电。

[5]和[18]提到了他们在实际操作中遇到的几个决策问题。[2]的研究是在操作层面上解决决策问题的少数研究之一。他提供了优化分批拣货订单并且安排拣货订单以及运输到工作站的货架的顺序的方法。他的研究中表明，优化的拣货订单处理只需要基于简单决策规则的拣货订单处理所需机器人数量的一半。[15]利用基于仿真的方法，优化了工业机器人协同人工拣货系统的仓库布局。作者设计了一种综合方法，对某些设计决策和控制策略的选择进行了研究。在这个研究中，仿真被用作为一种“解决方案工具和评估系统”（见[15]）。[4]使用基于仿真的方法评估了人工拣选系统的策略集的性能。作者利用DEA作为一种工具，在策略集之间获得可比较的性能指标。[1]使用了与本次研究相类似的离散事件仿真方法来评估基于网格的自动化存储系统的存储策略。作者发现，即使是简单的策略也能提高系统效率，这鼓励了对更复杂策略的研究。[9]开发一个马尔可夫决策过程（MDP）模型来解决资源再分配问题，即决定应有多少工人和机器人被分配到拣货和补货过程中可以让整个过程连续运转。与补货有关的假设在上述各篇论文中存在很大差异并且在实际应用中补货途径的数量也各不相同。

4．决策问题

本节介绍本文中考虑的决策问题，并将它们放在RMF中其他决策问题的环境中。通过拣货订单或补货订单向系统发出请求。

我们在操作层面上的决策结构分为四个步骤：（1）订单分配（OA）、向工作站分配拣货或补货订单；（2）任务创建（TC）、为机器人创建任务；（3）任务分配（TA），向机器人分配任务，以及（4）路径规划（PP），机器人将沿其创建的路径移动。有两种订单分配决策：将拣货订单分配到拣货站，称为拣货订单分配（POA）问题；将补货订单分配到补货站，称为补货订单分配（ROA）问题。在第二步中，任务定义为将特定的货架传输到特定的工作站并返回到特定的存储位置。因此，对于每个工作站，任务创建决策问题包括（2.1）货架选择（PS）决策问题和（2.2）决定返回货架的存储位置、货架存储分配（PSA）决策问题这两个子问题。货架选择（PS）决策问题对于拣货和补货流程是不同的，因为对于拣货流程，拣货订单的到期时间在选择货架时非常重要。拣货过程中的货架选择称为拣货货架选择（PPS），补货过程中的货架选择称为补货货架选择（RPS）。任务创建使用拣货订单和补货订单分配来选择合适的货架，然后将对所选货架的请求转换为在工作站和存储区域之间进行货架运输的任务。任务分配通过构建机器人要执行的一系列任务来创建行程。这些顺序任务隐式地定义了行程，并作为路径规划算法的输入，在路径规划算法中生成机器人要遵循的路径。

战略层面——仓库建设时的决策

工作站放置

储存区尺寸标注

策略级别-开始工作周、工作日或轮班时的决策

每个SKU的吊舱数量

拣货数量与补货站数量之比

补货水平

资源重新分配

运营级别-实时决策

（1）订单分配（OA）

拣货订单分配（POA）

补货订单分配（ROA）

（2）任务创建（TC）

（2.1）货架选择（PS）

拣选货架选择（PPS）

补充货架选择（RPS）

（2.2）货架储存分配（PSA）

（3）任务分配（TA）

（4）路径规划（PP）

图3：决策问题及其关系的层次概述

图3显示了RMFS中战略、策略和运营层面的决策问题概述，本文中的问题如图3所示，本文关注的是运营层面的决策问题。我们使用术语“决策规则”指的是解决决策问题的相当简单的方法。本文的目的是评估每个决策问题的几个决策规则。一些决策规则可能

资料编号：[4045]