前兩期中，我們對移動(dòng)機(jī)器人（AGV）以及機(jī)器人調(diào)度控制系統(tǒng)（RCS）做了詳細(xì)解讀。在各行業(yè)倉儲(chǔ)物流中心，機(jī)器人系統(tǒng)的應(yīng)用，不僅提高了作業(yè)效率，減輕了工作人員的勞動(dòng)強(qiáng)度，還有助于優(yōu)化資源、降低成本，具有良好的經(jīng)濟(jì)效益。
  但是，在倉儲(chǔ)物流中心，“用好”“管好”機(jī)器人系統(tǒng)，協(xié)同人力，讓作業(yè)效率最大化，則需要更智能的倉儲(chǔ)管理系統(tǒng)。

SMART云上工廠

智慧供應(yīng)鏈

  海康威視智能倉儲(chǔ)管理系統(tǒng)iWMS應(yīng)運(yùn)而生。iWMS利用機(jī)器人系統(tǒng)作為執(zhí)行載體，實(shí)現(xiàn)“貨到人”的可視化管理，集成多種倉儲(chǔ)優(yōu)化技術(shù)，穩(wěn)定可靠、兼容性好，可與企業(yè)ERP等系統(tǒng)全功能對接，實(shí)現(xiàn)了機(jī)器人系統(tǒng)的快速部署，并與企業(yè)業(yè)務(wù)系統(tǒng)高效聯(lián)動(dòng)。在智慧供應(yīng)鏈的專場，名為“運(yùn)籌帷幄決勝千里”的大戲已然上演。
  iWMS位于海康威視AI Cloud架構(gòu)中的邊緣域圈層，實(shí)現(xiàn)了數(shù)據(jù)的匯聚、處理和智能化應(yīng)用，這其中又蘊(yùn)含了哪些智能算法和AI技術(shù)？

  本期主講

  AI賦能智能制造之智慧倉儲(chǔ)物流

  iWMS由倉儲(chǔ)服務(wù)、任務(wù)處理服務(wù)、機(jī)器人控制服務(wù)，算法服務(wù)，工作站終端APP、移動(dòng)終端APP等組成。

  在海康威視安防產(chǎn)業(yè)智能制造基地，iWMS與移動(dòng)機(jī)器人、機(jī)器人調(diào)度控制系統(tǒng)構(gòu)成智能倉儲(chǔ)及廠內(nèi)物流解決方案，實(shí)時(shí)管理數(shù)十個(gè)不同類型的倉庫，可同時(shí)處理數(shù)十萬條出入庫訂單，效率提升70%以上。

iWMS×AI

  借助基于數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等AI核心技術(shù)，iWMS提供四大算法服務(wù)：倉位推薦、智能組波次、庫存分配、貨架冷熱度預(yù)測，可對倉儲(chǔ)業(yè)務(wù)資源數(shù)據(jù)進(jìn)行分析處理，提供最優(yōu)執(zhí)行方法。后續(xù)也可以不斷增加新的算法服務(wù)，適應(yīng)更多更復(fù)雜的業(yè)態(tài)。

  數(shù)據(jù)挖掘是指從大量的數(shù)據(jù)中通過算法搜索隱藏于其中信息的過程，是人工智能和數(shù)據(jù)庫領(lǐng)域研究的熱點(diǎn)問題。

  機(jī)器學(xué)習(xí)專門研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重組已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。

  深度學(xué)習(xí)是學(xué)習(xí)樣本數(shù)據(jù)的內(nèi)在規(guī)律和表示層次，它的最終目標(biāo)是讓機(jī)器能夠像人一樣具有分析學(xué)習(xí)能力。

01挖掘物料關(guān)聯(lián)，出庫“只跑一趟”

  通過數(shù)據(jù)挖掘關(guān)聯(lián)性規(guī)則、規(guī)劃算法等實(shí)現(xiàn)智能倉位推薦算法服務(wù)，給出貨架搬運(yùn)次數(shù)少、倉位利用率高的入庫方案，提高整體入庫效率、倉位利用率，并通過物料之間的關(guān)聯(lián)關(guān)系提高訂單命中率以進(jìn)一步提高出庫效率。

  海工小講堂 發(fā)表于今天查看:13500

  舉個(gè)簡單例子，生產(chǎn)過程中螺栓與螺母一般會(huì)配套使用，則認(rèn)為這兩種物料關(guān)鍵度高，因此入庫時(shí)推薦上架到一個(gè)貨架上，出庫去產(chǎn)線時(shí)搬運(yùn)一次貨架就可以實(shí)現(xiàn)這兩個(gè)物料的揀選，將會(huì)有效提高單個(gè)貨架訂單命中率，減少貨架搬運(yùn)次數(shù)。

02機(jī)器學(xué)習(xí)加持，波次聚類群分

  針對iWMS訂單出庫模塊中組波次訂單存在多個(gè)貨架之間耦合，導(dǎo)致貨架搬運(yùn)次數(shù)多的情況。按照全局聚類，提總再分的思路，結(jié)合動(dòng)態(tài)規(guī)劃和機(jī)器學(xué)習(xí)的方法對整個(gè)大訂單池進(jìn)行分解與重組，同時(shí)考慮訂單時(shí)效性，揀選效率等因素，實(shí)現(xiàn)智能組波次算法服務(wù)，降低訂單的平均揀選時(shí)間。

  針對分播墻出庫業(yè)務(wù)一次下發(fā)多個(gè)訂單，而這些訂單散落分布在不同的貨架上，并需要將物料根據(jù)訂單播種到分播墻各個(gè)貨格上，根據(jù)這樣的業(yè)務(wù)情況，動(dòng)態(tài)波次算法先對訂單聚類組合，通過機(jī)器學(xué)習(xí)動(dòng)態(tài)調(diào)整訂單和貨架的出庫順序，實(shí)現(xiàn)盡可能少的搬運(yùn)貨架次數(shù)，完成訂單任務(wù)。

  海工小講堂 發(fā)表于今天查看:23500

  如下圖，各色塊代表了一個(gè)小波次，數(shù)字是訂單號(hào)，ABCD等字母是貨架號(hào)。在一個(gè)訂單池中，以物料為維度，iWMS將物料重合度高的訂單組合在一個(gè)小波次中。再以貨架（多倉）為維度，將需求物料在同一個(gè)貨架上的訂單進(jìn)行集合組建出庫波次，以提高出庫整體訂單命中率。

  在這種模式下，每個(gè)貨架的平均搬運(yùn)次數(shù)從2.10下降到1.03，倉庫揀選作業(yè)的效率大幅提升。智能組波次真正嘗試了從“數(shù)據(jù)提供支持”向“數(shù)據(jù)智能進(jìn)行決策”的進(jìn)化，用更柔性的方式控制生產(chǎn)節(jié)奏。

03智能搜索規(guī)劃，分配得心應(yīng)手

  庫存分配算法服務(wù)內(nèi)含一系列規(guī)劃算法和智能搜索算法，可將訂單需求與庫存做精準(zhǔn)匹配的同時(shí)，輸出貨架搬運(yùn)次數(shù)最少的最優(yōu)出庫方案，并兼顧特殊業(yè)務(wù)需求如清倉或效率優(yōu)先，提高整體出庫效率。

  針對庫容緊張的應(yīng)用場景，可以使用優(yōu)先清空倉位策略，快速釋放庫容，提高倉庫周轉(zhuǎn)率。對于有效率要求的應(yīng)用場景，可以使用效率優(yōu)先策略，通過需求數(shù)量去匹配庫存，以最少的揀貨次數(shù)完成出庫。

  海工小講堂 發(fā)表于今天查看:33500

  如下圖，例如某品牌墨鏡的庫存有5條，分列在A、B、C、D、E這5個(gè)貨架上，其對應(yīng)數(shù)量分別是1、3、5、7、9個(gè)。

  若此時(shí)出庫的需求數(shù)量是9個(gè)，清空倉位優(yōu)先時(shí)，則出A+B+C（9=1+3+5）共3個(gè)貨架；效率優(yōu)先時(shí)，則出E（9=9）1個(gè)貨架。

04深度靈智集結(jié)，從分析到預(yù)測

  通過對倉庫中物料的每日出庫歷史數(shù)據(jù)進(jìn)行探索性分析，從出庫歷史數(shù)據(jù)中挖掘到有效信息，基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)技術(shù)對每種物料未來一天的出庫量進(jìn)行預(yù)測，實(shí)現(xiàn)貨架冷熱度預(yù)測算法服務(wù)。

  將預(yù)測得到每種物料未來一天的出庫量作為衡量物料冷熱度的關(guān)鍵指標(biāo)，判斷貨架的冷熱度，再調(diào)度機(jī)器人實(shí)時(shí)動(dòng)態(tài)調(diào)整貨架位置。如下圖，紅色區(qū)塊代表高熱度貨架，會(huì)優(yōu)先排布到離揀選臺(tái)更近的地方。

  AI、機(jī)器人和智能算法的智慧碰撞造就了不同凡響的智能倉儲(chǔ)管理系統(tǒng)iWMS。它一方面應(yīng)對了更加多樣化的現(xiàn)場設(shè)備和更加復(fù)雜的作業(yè)場景，另一方面實(shí)現(xiàn)了更高的作業(yè)效率和準(zhǔn)確率，讓柔性、可視化的供應(yīng)鏈管理運(yùn)維觸手可及，幫助制造企業(yè)搭建智慧內(nèi)物流系統(tǒng)，搶占“智”造升級(jí)的先機(jī)。