通过仓库仿真选择最佳拣货算法

通过仓库仿真选择最佳拣货算法

全球领先的物流解决方案提供商Kuehne+Nagel社应客户要求参与规划一个新仓库。 仓库每天将处理13000个订单行或750个拣货箱。该项目包括开发用于多订单同时拣选的最佳算法。 按计划,仓库中的订单将由带有手推车(或厢式货车)的工人操作。工人带手推车进行拣货,然后按订单将货物放在货箱中。对此, Kuehne + Nagel的专家使用AnyLogic仿真来选择正确的算法以构建最佳的拣选路径。

问题:

仓库手推车

仓库手推车

此仓库计划使用的手推车(见图片),一次最多可携带8个货箱,其中4个是放在手推车的电子秤上。电子秤的功能是在挑选货物的重量与主数据不匹配时会发出报警信号,以此增加拣选的准确率。

操作员只能填充那些放置在秤上的货箱。 当秤上的货箱装满时,将其与下一个空货箱交换。因此,每次只能同时进行4个箱子的填充。此外,一个货箱的物品可能存储在操作员路线上的任何位置。

这就是为什么仓库需要严格的算法,以构建最佳的拣货流程以服务于接收的订单。

解决方案

Kuehne+Nagel的专家提出了所需的算法。他们的想法是,让操作员每次的拣选路径始终是前进的,这样无需在换箱后返回。这就意味着,一个拣选路径可能无法达到最大装货数(8)。举例说明下,假设一个货箱的订单货物是位于拣选路径的第一个和最后一个位置,但这个货箱是只能在装满后才能换空箱。

专家建立了仓库的AnyLogic仿真模型,将用真实的历史数据来测试和验证建议的算法。 搭建的详细模型反映了仓库的物理布局、物品的存放地点、手推车操作员的移动、收到的订单、手推车的占用情况以及服务水平。 操作员根据建议的算法移动和拣货。

仓库布局优化

仓库布局和3D动画

专家通过两个标准优化了操作员的路径:

建模人员将2014年3月包含260K的实际订单数据的Excel文件上传到模型,然后使用该文件作为输入数据运行模型。 在公司仓库管理系统中完成了货箱构建(根据拣配顺序将不同的订单行分配给不同的纸箱)。

输出统计信息包括每个路径的平均货箱数量、服务订单的总持续时间、路径的总距离、手推车平均利用率和路径的平均时间。

结果

然后,将模型得到的统计数据与旧仓库2014年3月的统计信息进行比较,仓库操作的仿真结果表明,使用建议的布局配置、设备和移动算法,手推车的利用率将从58%提高到94%。

Kuehne + Nagel将使用这些结果来证明客户的投资效率。

此外,该模型将用于选择正确的仓库布局和仓库之间的商品分配。开发人员还将改变手推车的数量,以在服务水平和员工工作量之间找到最佳平衡。

同类案例研究

更多案例研究

Get a brochure with industry case studies

下载