基于智能體仿真的貨到人揀選系統貨架動態布局研究*

□ 董博文，宋 君，范瑋嘉，孫嘉欣，劉沐涵

(哈爾濱商業大學 管理學院，黑龍江 哈爾濱 150000)

1 引言

傳統倉儲訂單揀選大部分為“人到貨”模式，該模式存在揀貨效率低、人力成本大等缺點。傳統的倉儲模式還存在著貨架利用率低，貨物間距過大等問題，以上問題已經不能滿足現代化倉庫的發展。隨著電子商務的快速發展，近年來出現了一些適合電商物流多品種、高頻次、小批量特點的新模式，其中具有代表性的就是基于可移動貨架“貨到人”揀選模式。“貨到人”揀選模式是當訂單下達時，AGV小車根據訂單需求，找到其貨品所在貨架，進而將貨物運輸到揀選臺進行打包的揀選方式，該模式有效解決了傳統模式下的人力成本大、效率低等問題。

周方圓等[1]利用復雜二分網絡社團結構劃分的基本思想，設計了求解“貨到人”揀選模式下的儲位分配問題的快速有效算法，使得搬運總成本減少40%左右。俞雷霖等[2]提出了混合禁忌搜索算法HTS(Hybrid Tabu Search)來求解貨位分配與優化問題，提高了立體倉庫的運作效率。Zhenping Li等[3]研究了在“貨到人”智能倉庫中的 AGV 任務分配問題，建立對應的數學模型使成本最小。徐翔斌等[4]提出了基于移動機器人的揀貨系統(Robotic Mobile Fulfillment Systems，RMFS)，驗證了RMFS揀貨系統相比人工揀貨系統和AS/RS揀貨系統具有更高的揀貨效率、更好的系統可擴展性和柔性。李珍萍等[5]研究了“貨到人”揀選模式下的儲位分配問題，以訂單揀選過程中搬運貨架總時間最短為目標建立了整數非線性規劃模型，分別設計了求解模型的貪婪算法和單親進化遺傳算法，對其進行比較分析得出最優方案。包菊芳等[6]在考慮了SKU間關聯度的基礎上，建立最大SKU關聯度模型，并設計了模型求解的智能算法，使移動貨架搬運次數比隨機儲位策略減少了26.27%。何梅等[7]運用KIVA機器人的運行流程與技術特點，提出了T-SKU優化策略優化貨位管理。

綜上所述，現有文獻對于“貨到人”揀選模式下，AGV小車揀貨后返回位置研究甚少。而在該揀選模式下，小車揀貨完畢后的返回位置及動態布局是影響揀貨效率的關鍵因素。本文研究利用AnyLogic軟件將訂單代入，獲取三種貨架返回位置的效率并進行貨架返回位置的優化分析取得最優解，提高揀貨效率以及降低人力、物力資源及成本。

2 問題描述及分析

2.1 貨到人揀選作業流程

基于“貨到人”揀選模式下的智能倉儲系統布局如圖1所示，智能倉儲系統由人工揀貨區、存儲區、AGV停車區、補貨區等區域組成，圖中心上方排列整齊的矩形代表貨架，矩形框代表AGV小車行走的路線，最左側矩形部分為AGV小車停車區，用于停放閑暇時的AGV小車，最右側一列矩形塊代表揀貨口，該部分由人工負責揀貨，下方矩形塊代表補貨口，當貨品不足時，由下方補貨口補充貨物。當訂單下達時，AGV小車接受訂單，按照目標貨架位置規劃一條完整路線，按照既定路線在存儲區進行揀貨，揀貨完畢后，AGV小車載著目標貨架前往揀貨口由人工揀選貨物，此后AGV小車載著揀貨完畢的貨架送回至存儲區，繼續執行下一個任務，不斷重復上述過程，直至訂單結束。

圖1 智能倉儲系統仿真模型圖

在目前“貨到人”智能倉儲系統中，AGV小車從揀貨口將貨架放回至存儲區時，一般選擇返回該貨架原位置處，但是這種方式忽略了小車距離下一訂單貨架位置，導致揀貨效率變低。

2.2 三種貨架返回位置描述

2.2.1 返回原位置

此種情況是三種情況中最為簡單的一種，這種方式貨架的相對位置是不變的，所以只需要綁定貨架和位置即可，揀貨后AGV小車原路返回即可實現這種返回方式。

但是，如果小車在最左側托起貨架，揀貨后小車需要原路返回，再到下一個訂單貨架處，此過程就會使小車花費在路程上的時間較長，導致效率變低。

2.2.2 返回離小車最近的位置

此種情況需要計算小車的相對距離，本文將路網抽象成二維數組，通過簡單計算相對距離來實現這種方式。

但這種情況也有一個很大的弊端：距離揀貨口附近的空位置會被快速占滿，這就導致仿真過程也會慢慢地向第一種情況演變，最終導致整體效率降低。

不僅如此，當右側距離揀貨口最近的貨架基本被占滿時，就會導致小車只能回到左側放置貨架，如果下一個訂單又在右側這就會導致AGV小車在路程上花費的時間相對較長。

2.2.3 返回下一個訂單最近的位置

第三種情況的實現較為復雜，需要根據下一個訂單計算目標貨架附近最近位置，因為小車無論需要將貨架放在哪里，總是會根據訂單去到下一個目標貨架，所以本文推測直接根據下一個訂單尋找下一個最近位置效率最高。

3 基于AnyLogic仿真模型的對比分析

3.1 模型構建與仿真過程

AnyLogic是一款針對離散、系統動力學、多智能體以及混合系統的建模和仿真工具，是一款獨創的仿真軟件，將智能體的建模方法與系統動力學相關方法相結合，其中包含各式各樣的庫和實體，滿足絕大多數建模者的需要。其應用領域包括物流業，制造生產業，行人交通、疏散仿真、城市規劃建設等。

本文模型當中主要涉及到AGV、訂單、揀貨臺、貨架四個活動對象。通過在AnyLogic軟件中分別為不同的活動對象創建屬性，編寫方法(函數)，設置事件狀態圖等方式設定活動主體的特征與行為，并實現活動對象之間的交互。基于此，本文構建出了三種返回模式的模型仿真。

3.1.1 訂單與AGV交互流程

首先，如圖2所示，根據數據源，貨架臺將會隨機擺放貨物，貨物上貨架的同時，AGV小車加載訂單，判斷第一個貨物臺等待命令，當按下按鈕時相當于對小車發送“開始”的消息，此時AGV被分配訂單，開始運行。

圖2 訂單與AGV小車交互流程

3.1.2 智能倉儲基本參數設置

本文基于現代智能倉儲建立一個基礎倉庫模型，基本參數設置如表1所示。

表1 倉庫參數設置表

3.1.3 仿真模型中關于AGV小車主要設計

①時間統計功能。

本文以從當前揀貨臺出發經過下一個目標貨架揀貨最后到達下一個揀貨臺所需時間為主標準，衡量三種方式的好壞。

②避障排隊等待。

本文以AGV小車進行避障及排隊操作消耗時間為副標準。為了提高揀貨效率，應盡可能縮短避障排隊等待時間。

3.1.4 仿真過程

在AnyLogic軟件中，搭建倉庫模型主題，按照以下步驟進行仿真模擬。

第一步設置四種活動對象的特征和行為，利用狀態圖和事件關系，實現相互之間的交互，搭建倉儲仿真模型。

第二步設置AGV小車的三種返回方式，計時函數，分別計算時間。

第三步運行仿真模型。

運行智能倉庫仿真模型，觀察仿真過程，運行過程中出現AGV未按照三種方式返回，或在托起、卸下貨架時出現問題，需要終止模型，重新修改AGV的行為(函數)。

圖3 Kiva模型仿真運行主界面圖

圖4 AGV小車托起貨架圖(3D)

圖5 AGV小車托起貨架圖(2D)

第四步收集仿真實驗數據。

在AnyLogic的控制臺中可以對行為、時間等指標進行可視化的顯示，只需在對應的活動對象中設置相對應的函數。其控制臺輸出如圖6、圖7所示。

圖6 控制臺全局圖

圖7 時間統計(左)排隊等待(右)

基于AGV貨架返回時間統計，排隊等待統計，這兩個指標均在一定程度上反映了三種方式和訂單的好壞。返回時間指標記錄三種返回方式的時間，是衡量三種返回方式的基本指標。排隊等待指標反應三種方式返回時選擇揀貨口的密集程度，等待時間越長，越擁擠，AVG效率越低。

3.2 三種返回模式揀貨效率對比分析

通過對三種返回方式分別進行仿真，并進行若干組實驗，記錄實驗仿真數據,在AnyLogic中處理實驗數據，最終其仿真結果如表3所示。

表2 三種不同返回方式所需要的時間

圖8 數據處理結果

圖9 三種返回方式時間散點圖

表3 三種返回方式平均運行時間

三種返回方式中第三種整體用時最短，效果最好，第二種方式排隊時長最短，因此反映出揀貨口利用效率最高，合理地使用三種方式可以使“貨到人”系統更加高效快速。

4 結論

為了有效提高“貨到人”揀選模式下的揀貨效率，通過研究揀貨后的不同貨架返回位置對倉庫訂單揀貨效率影響，基于三種返回位置是仿真實驗對比，得出貨架返回到離下一訂單最近的位置方式所需時間最短，揀貨效率最高。