2017年8月, 国务院办公厅发布了《关于进一步推进物流降本增效促进实体经济发展的意见》, 提出了依托互联网、大数据、人工智能等先进信息技术, 推广应用高效便捷物流新模式。高速运作更新迭代的今天, 关乎一个企业存活的不只是营销与创新, 还有成本的控制。其实京东作为中国最大的自营式电商企业, 除了价廉以外, 物流配送是其相对其他商家最大的竞争优势, 但其改进物流时对仓库拣货作业的优化相对较少, 实际在配送中拣货作业的搬运成本约占总成本90%、人力占50%、时间占30%-40%。文章以京东仓库拣货作业为背景, 结合“大数据”、“人工智能”技术, 通过对订单分配优化及拣货员的路径规划, 设计高效智能、动态协同优化的京东仓库拣货作业规划, 不但能够解决目前物流配送效率低下的问题, 还能够合理配置人力资源、增加物流企业效益、完善服务功能。基于此, 对仓库拣货作业进行智能规划是有必要的。
关于本文章拟用技术, 现如今“大数据”、“人工智能”新兴技术被广泛的应用于各个产业领域并效益良好, 其中物流企业顺势智变升级, 何黎明[1] (2017) 提出物流大数据的广泛应用、人工智能技术的快速发展, 促进了中国智慧物流的发展。
目前国内外学者对拣货现状及发展进行了大量的研究。金鑫[2] (2016) 针对仓储业务中分拣环节存在的诸多问题, 提出一种基于GA遗传算法的仓储分拣业务优化策略;Sinisalo[3] (2016) 采用定性数据采集的方法, 对现有的拣货过程的现状进行了分析;乐美龙[4] (2016) 为了减少仓库拣货行走时间和提高拣货效率, 运用e M-Plant仿真工具, 建立拣选作业仿真模型。上述文献对拣货作业中所存在的问题及解决方案进行了研究。
本文章主要从订单分配优化和拣货路径规划两个层次对拣货作业规划设计进行研究。在订单分配角度, 张源凯[5] (2015) 采用改进的广度优先搜索算法生成了较好的订单分配方案集合;Khojasteh Y[6] (2016) 讨论了多通道自动仓库中的订单选择问题。在路径规划角度, 刘建胜[7] (2017) 研究了仓库拣货路径的优化, 采用蚁群算法优化求解的拣货路径算法。
上述文献为本文章中模型的构建及算法的设计提供了参考, 但这些研究成果只针对其中一个层次进行考虑分析, 没有对订单分配优化和路径规划两个层次进行反复迭代, 实现协同动态作业规划。基于此, 为降低拣货作业成本, 文章结合大数据、人工智能技术, 对多源异构数据进行收集处理, 分析预测, 构建订单分配模型和路径优化模型并设计相应算法, 实现拣货作业智能规划的动态协同分配。
拣货作业模型优化必定包含调度规划, 传统的调度模型决策变量、优化目标和约束条件往往非常简化, 然而实际工业场景具有复杂性, 绝大部分实际场景的决策优化问题很难描述的如此简单。文章研究智能规划方向属于动态优化问题, 拟在拣货作业优化系统的设计中借助机器学习对多源异构数据进行准确预测、建立模型, 研究包括以下几大模块:
(1) 借助大数据平台收集相关拣货数据
京东仓库每天产生巨量的订单拣货日志、步行拣货轨迹数据, 这些大量真实的数据信息构成了拣货作业大数据平台。利用大数据平台对拣货作业数据进行分析、挖掘, 会得到配送中心、拣货员、仓库区域, 分拣区的个性化信息, 以及有关各仓库区块路径的有效数据;
(2) 利用机器学习从数据中寻求规律, 对数据进行准确预估
机器学习模块负责从大量数据中寻求规律和知识, 利用历史的拣货员接收订单、拣货时长、空驶耗时等数据, 对未来订单的到达时间、拣货速度、步行导航路径等数据因素进行准确预估, 并通过实时维度的特征进行修正, 为构建模型提供准确的参数信息;
(3) 构建订单分配模型及路径优化模型并设计相应的算法
在拣货作业大数据平台以及机器学习的预测数据基础上, 结合领域知识、优化算法、机器学习策略以及相关图论算法, 基于分解协调思想, 构建订单分配模型及路径优化模型, 并设计了相应的算法。首先通过订单分配优化算法求解初始的订单分配, 然后通过路径优化算法获取各拣货员的最佳行驶路线, 进而, 订单分配优化算法根据路径优化结果调整分配方案。通过不断反复迭代, 形成智能的拣货作业规划, 以做出全局最优的分配决策, 并和拣货者高效互动, 规划出拣货者最优路径, 实现动态最优化;
(4) 根据实例验证研究的可行性及有效性
在已研究的基础上, 对京东仓库进行实地调研, 实际操作拣货作业过程, 获取所需模型参数, 运用MATLAB软件进行数值仿真, 验证研究的可行性及有效性。
基于互联网大数据、人工智能给各大领域带来突破的前提, 本文章拟在仓库拣货作业问题上, 建立能根据作业者特征、作业环境、任务完成进度等情况做出动态调整的调度优化模型, 并设计相关算法, 打造一个更具现代化、嵌入智能思想的仓库拣货区, 提高作业者拣货效率, 更加合理利用人工资源, 降低物流成本。
标签:
下一篇: 物联网技术在智能仓库管理系统中的应用