沃尔玛Alphabot系统:物料搬运系统设计仿真

沃尔玛Alphabot系统:物料搬运系统设计仿真

问题

沃尔玛(Walmart)是全球营收最大的零售商,该公司正在寻找一种自动化技术,以帮助该公司快速发展的在线食品杂货业务更快地以更低的成本完成订单。他们想评估Alert Innovation的Goods-to-Person(GTP)概念Alphabot(一种基于AGV或机器人的系统),该系统可以通过使用能够在多层存储结构的三维空间中自主移动的推车,实现货物自动化拣货过程。Alphabot机器人,或称“机器人”,是一种自动驾驶汽车,可以在高密度存储系统中,对冷藏、常温、冷冻区域的物品进行收集,并将它们带到同事那里,以挑选单个物品来建立客户的订单。这项技术应该会使在线订单执行过程更加高效。

在对此产品进行大规模的金融投资之前,这家零售商想评估Alphabot概念的可行性,以及它对沃尔玛的适用性。Alert Innovation已经为该项目做了一些静态的电子表格计算,然而,Alert Innovation和沃尔玛一致认为由于系统的复杂性和需求、执行的可变性使用电子表格适用性较低。因此在沃尔玛商店进行投资和部署该系统之前,决定委托仿真咨询公司MOSIMTEC设计一个物料搬运仿真模型,用于独立技术的可行性评估。初步建模评估的目标是:

物料搬运仿真不仅可以帮助您了解在现实世界中部署该系统的真实成本,还可以确定针对商店的特定要求,以便将来在沃尔玛的众多商店中部署Alphabot。

解决方案

为了仿真Apababt系统在计算机仿真环境中的行为和操作(具有真实世界的复杂性和可变性)MOSIMTEC为项目选择了AnyLogic物料处理仿真软件。MOSIMTEC和AnyLogic能够通过数据输入动态构建设施布局,而无需访问每个布局更改的开发环境,这将有助于显著缩短模型开发时间并加快对多个Alphabot配置的评估。AnyLogic还提供了无与伦比的易部署性,使多个沃尔玛工程师可以运行物料搬运设计库,而无需安装额外的软件或购买昂贵的开发人员许可证。选择AnyLogic也是因为AlphaBot系统需要人工智能和控制算法。AnyLogic与Java集成的能力使程序员可直接在适当的脚本语言和格式中使用,无需来回转换算法思想,省去大量时间。

阶段1:包括AGV仿真在内的物料搬运仿真模型动画

沃尔玛最初的目标是,就Alphabot项目的启动与否做出一个决定。MOSITMEC通过7周的时间,学习该系统、设计机器人决策的初始控制算法、建立物料搬运仿真模型、分析结果,并将其结果提交给沃尔玛领导层。

在最终交付的模型中,可以指定不同的输入数据,比如机器人的数量、长度、宽度、加速度和不同区域的速度。物理机架配置,如通道数量、层、层间空间、工作站层数量,以及该系统的其他物理组件,都可以通过模型输入参数进行配置。还公开了控制逻辑参数,包括从各种工作分配方法中进行选择或设置的各种阈值,这些参数可供沃尔玛运行自己的分析。

阶段2:包括AGV仿真在内的物料搬运仿真模型动画

模型输入和输出统计信息集成在Excel前端,用户可以方便地配置和运行模型。在这个概念评估阶段,MOSIMTEC结合了基本的三维模型动画,该动画根据用户在Excel中定义的布局进行缩放。Excel中的输出结果包括一个摘要报告,其中包含关键指标、日志文件、场景比较、图表和图形。

在完成了系统能力的独立分析后,MOSIMTEC将AnyLogic物料搬运设计仿真模型转换为Alert Innovation的Alphabot系统,以便长期用于微调软件的控制算法,以最终部署生产。根据第一阶段的结果,沃尔玛开始投资Alphabot产品开发。Alert的工程师使用阶段1模型作为阶段2的基础,通过增加细节和测试各种控制算法来仿真不同的系统设计方案。模型增强包括:

通过更新的物料搬运系统模型,工程师能够验证最初的系统设计假设,并向Alphabot产品开发团队提供反馈。

结果

包含AGV仿真的Alphabot系统模型

包含AGV仿真的Alphabot系统模型

通过估算满足各种周转时间阈值所需的设备要求,初始物料处理设计模型的输出数据为在沃尔玛零售网络中的不同商店部署Alphabot提供了商业案例。仿真模型量化了系统在无约束需求条件下的性能,以确定其极限。该模型显示,Alphabot能够在不到8分钟的时间内挑选出95%的订单,平均挑选时间不到5分钟。

最初的模型后来进行了更新和扩展,用来了解各种详细设计备选方案的影响。该模型有助于确定哪些设计方案将导致最大的投资回报率,同时为未来的商店更好地确定系统规模。

沃尔玛和Alert Innovation在位于新罕布什尔州塞勒姆的沃尔玛超市(Walmart supercenter)和阿肯色州本顿维尔(Bentonville)的旗舰店开始了Alphabot的试点实施。


观看Amy Brown Greer、Christian Hammel博士和John Lert在AnyLogic会议上演示此案例研究的视频,或下载演示文稿

同类案例研究

更多案例研究