产品|智能仓储AGV调度仿真优化平台

前言

随着我国社会主义市场经济的不断发展，以及互联网技术的普及，我国电子商务等产业迎来了新的发展高峰。为减少订单履行成本，满足客户多样化需求，增强核心竞争力，主流电商企业纷纷加大对仓储物流的投资力度，这为仓储业的发展带来了广阔的发展空间。

与此同时，业务需求则呈现出复杂化的趋势，加之行业竞争愈演愈烈，人力仓储业的不足显得愈发突出。针对此问题，数据魔术师团队耗费将近一年的时间，开发了这款智能仓储AGV调度优化仿真平台，其可以对输入的仓库布局、AGV 数量与速度，结合实际生产的订单产生情况及调度策略，进行仓储管理系统运行过程的可视化仿真模拟，实时追踪 AGV 与货架的状况，并自动计算出该系统的运行效率指标。

开发目的

协助企业布局仓储系统

该仿真平台尽可能全面地考虑了仓储管理在实际中的各种约束条件，能够模拟仓库的布局与分区、AGV 小车的指派及行进决策，帮助企业在建设新的生产系统之前，做好比较详尽的规划。

作为仿真项目的结果，平台提供的仿真数据报告能够较为准确地评价整体工作效率，从而辅助企业进行有效决策，确定最佳的仓库设计，或对货架布局、资源配置、派送策略等进行必要的更改，最终达到降低成本，减少服务响应时间，扩大企业再生产的目的。

协助研究人员测试算法

同时，平台也解决了智能调度算法领域研究人员的测试痛点，为其开发、检验算法效率提供了可能。基于平台搭建的可视化界面，研究人员可以调用不同类型的算法进行测试，改进存在的缺陷，并基于此进一步开发新的 AGV 调度算法，以更直观的方式将设计的模型呈现给涉众。

技术路线

为了实现开发目标，团队使用了一系列的研究方法进行探索，具体归纳为以下的技术路线图：

现有功能

目前阶段，团队研发的 AGV 调度仿真平台已经能够实现以下基本功能：

01 模型建立阶段

可自定义的仓库布局

平台提供了可自定义的仓库布局，目前已经能够满足货架数量在上千量级仓库 AGV 调度的模拟。

针对企业具体的需求，借助第三方地图定制器 Tiled 可以快速实现仓库初始布局的设定工作。仓储系统内装载点、货架这类关键设施的数量、位置均可根据使用者的具体需求，实现个性化的定制。

订单生成与接收

订单支持两种方式的生成。

一方面，系统可以按照客户的运营逻辑设置参数，随机生成订单；另一方面，企业也可以将自身的实际订单数据导入系统，从而更准确地模拟仓储系统的实际运行。

每一笔订单包含一种或多种数量不同的、需要运输的货品，订单生成后，AGV 小车会自动前往相应的装载点接收订单。订单生成位置、订单生成间隔和小车装卸货的速度等系统配置均可根据使用者的需求进行相应的调整，实现了高度定制化。

02 模型运行阶段

货架状态可视化

模拟界面货架内颜色的变化，使得使用者能够迅速掌握各个货架的状态。随着货架上不断地添加存货，货架将从无货变为黄色。当货架已满时，显示区将自动转为红色。

此外，在数据界面我们还提供了更详细的货架信息，拖动滚动条即可很方便地浏览特定货架的容量和当前装载量。

订单路线可追踪

AGV 小车在装载点接到订单后，开始按照指定派送策略进行送货，由空闲（绿色）变为忙碌（黄色）。同时，每辆小车上都会显示下一个目标货架的编号。订单派送的顺序可以在数据界面相应的位置显示，方便使用者追踪每笔订单的派送顺序和状态。

派送效率可评估

在数据面板，平台提供有派送路线总长度、每笔订单平均派送时间以及平均空闲时间等一系列指标，为使用者分析仓储物流的派送效率提供了便利。

03 策略优化

可供选择和比较的优化策略

针对关键、复杂的 AGV 路径优化问题，平台采取了智能搜索技术、元启发式算法、动态优化算法、群体智能算法等对 AGV 派送策略进行组合优化。

操作面板当前支持多种策略的调用，只须点击下拉列表即可在多种指派、配送和等待策略间快速切换。既方便了企业直观了解智能优化算法带来的效益提升空间，也为算法设计者进一步评估和提高优化算法的效率提供了可能。

未来，系统将进一步融入深度强化学习方法，以及大数据分析技术进行组合优化，尽可能实现仓库货架、出入口、 AGV 位置的有效优化，有效增加WMS系统工作性能，降低企业成本。

多AGV防撞机制

由于仓储系统选用了 AGV 无人驾驶小车来实现货物的派送，在距离很近的情况下，全自动化的 AGV 行进可能会出现相互干扰或者造成死锁的情况。针对可能出现的 AGV 相撞事件，我们设计了相应的防撞机制以避免这类事件，从而最大程度降低 AGV 之间的干扰、冲突甚至死锁。

拟实现的功能

在现有基础上，团队将继续推进该 AGV 仿真平台的建设，推出更优质的版本，载入更多更丰富的策略和算法，不断推动优化实施决策计算速度优化，为大家带来更便捷和个性化程度更高的仿真平台，实现以下功能：

• 利用大数据技术辅助决策：使用大数据技术、深度强化学习等方法，对问题透彻分析建模，挖掘仓储订单与货物派送的关键信息。加大搜索空间与统计学习强度，提高系统决策的效率。

• 实时决策与优化：使用中心实时决策的高性能计算服务器，辅助云计算服务，以及 AGV 移动端计算的资源进行实时决策计算优化，切实增强系统计算性能，降低系统响应时间。

• 仓库布局智能优化：运用多种启发式搜索算法、深度强化学习方法，以及大数据分析技术进行仓库布局优化、调度策略优化、放货分区优化，尽可能实现仓库货架、出入口、 AGV 位置的有效优化，有效增加 WMS 系统工作性能，降低企业成本。

• 界面优化：完善可视化界面，使得测试报告涵盖大量关键统计信息；提高模型的可交互性，开发便于上手的地图编辑和运行参数输入功能。

• 个性化服务：根据企业不同需求，提供个性化服务，以期实现优化目标。