仓储知识库 | 仓库自动化系统（五）：移动机器人履行系统RMFS

前言

机器人搬运系统在仓配中心的应用越来越广泛。机器人拥有诸多特点：占用空间小、灵活性高、24小时不间断工作，这些特点与日益发展的电子商务运营领域高度适配。由于新型自动化机器人搬运系统拥有自主控制、灵活布局、网络化、动态运行等独特特性，此类系统的设计和操作控制问题需要新的模型和方法加以解决。仓库的关键部分，即仓库设计、仓库规划以及控制逻辑领域也都随着机器人自动化仓库的发展进行革新。尽管工业机器人的相关发明与应用层出不穷，在现实中也较为常见，但是在学术理论层面上几乎没有被详细研究过。

本期内容以仓库自动化系统发展历程为主题展开，以理论视角系统评述新型自动化机器人搬运系统的相关研究及实践。内容主要来自Kaveh Azadeh 、René de Koster 、Debjit Roy 2023年发表的Robotized and Automated Warehouse Systems: Review and Recent Developments《仓库自动化系统:综述及近期发展》一文。

目录

• 仓库自动化系统综述

  仓储、运输和订单拣货过程的建模方法

• 堆垛机/叉车自动存取系统（AS/RS）

  回转式/循环系统、垂直升降库

• 巷道式密集存储（穿梭车）系统

• 网格式密集存储（穿梭车）系统

• 移动机器人履行系统

• 仓库自动化未来展望

移动机器人履行系统

系统概述

互联网零售商仓库的特点是货物体积小但数量巨大，需要仓储系统能够同时处理多行小批量订单。在人工拣选系统中，拣货员需要花费大量时间在巷道中穿梭，进行电商仓库拣选时容易力不从心。而移动机器人履行系统（RMFS）中，机器人负责搬运移动式货架（Pod）并将其运送给在符合人体工程学设计的工作站中的拣货员。将物品送到拣货员手中，而不是让拣货员前往物品所在位置，这种策略可使拣货员的工作效率提高一倍（该数据来源于Wurman 等人2008 年研究）。该系统中机器人和移动式货架数量可以随时增减，系统吞吐能力具有高柔性特点。这一特点对于需求波动大的互联网零售商来说尤为重要。

RMFS 的概念由 Jünemann在1989 年的研究中提出，2008年KIVA 公司在美国申请了相关专利。如今，该系统已在亚马逊的大量仓配中心投入使用。与此同时，许多供应商也提出了移动式货架与机器人结合的解决方案，如瑞仕格的 CarryPick、GreyOrange 的 Butler、Scallog System和日立的 Racrew。

图1  RMFS

RMFS 由三个主要部分组成：

1.机器人驱动单元： 这些机器人由中央计算机发出指令，将待取货的移动式货架运送到工作站进行补货或拣选，现在也有去中心或本地控制系统。

2.移动式货架： 有两种标准尺寸。较小的移动式货架用于负载重量不超过 450 千克的产品，较大的移动式货架用于负载重量不超过 1300 千克的产品。

3.工作站： 根据人体工学设计的区域，工人在此执行移动式货架的补货、拣选和包装。

图2展示了 RFMS 工作站及其组件。

图2  RMFS工作站 (来源：亚马逊)

使用 RMFS 拣选订单时，需要首先将订单分配给其中一个工作站，然后将货物分配给一个移动式货架和一台机器人。然后，机器人从其停留位置移动至移动式货架。此时机器人没有负载，可以在货架下方移动，无需使用巷道。一旦机器人到达目标订单所在货架下方，它就会举升货架，在巷道内将其运送到工作站。机器人进入工作站缓冲区进行排队（见图 2）。拣货员拣选订单所需商品，并将其添加到放置客户订单仓的货架/料箱中。然后，机器人会根据移动式货架的请求频率，将其送回存储位置。因此，移动式货架的存储位置是完全动态的。仓库布局可以根据商品和订单的特点进行动态的自动调整。

文献评述

目前，RMFS性能表现领域没有进行过太多科学研究。RMFS相关的学术研究文献可分为三类：系统分析、设计优化和运行规划与控制。

1.系统分析

Nigam 等人2014 年为 RMFS 建立了一个封闭排队网络模型。他们估算了基于周转类别存储策略的 RMFS 中单线订单的订单处理时间（throughput time）。Lamballais 等人2017年扩展了 Nigam 等人的研究，推导出了具有存储区域、具有单线及多线订单的RMFS 的旅行时间表达式。他们开发了一个 SOQN 来估算平均订单周期时间以及机器人和工作站的利用率。

2.设计优化

Lamballais 等人2017年的研究表明，带有存储区域的 RMFS的最大吞吐能力对存储区域的长宽比并不敏感（除非长宽比严重失调）。研究表明，存储区域周围工作站的位置会直接影响吞吐能力。在他们的设置中，当使用分区存储策略时，工作站应位于存储区域的西面和东面；当不使用分区存储时，工作站应位于存储区域的北面和南面，以实现吞吐量的最大化。Yuan和Gong 2017年开发了一个OQN来估算RMFS的总订单处理时间。利用开发的模型，他们计算出了达到特定的订单处理时间时，机器人的最佳数量及其所需的平均速度。Zou 等人2018年使用 SOQN 优化了系统布局的形状。

3. 运行规划与控制

Lamballais 等人的研究表明，通过使用基于周转货架的存储区，带有存储区的 RMFS的最大吞吐量可提高近 50%。Lamballais 等人分析结果不足之处在于，他们假设每个货架上的物品都是相同的；多线订单，需要多个货架。然而，在现实中，每个货架都包含多种产品，一个货架能满足订单的多个要求的情况可能存在。Lamballais 等人通过研究如何将库存分散存储至不同货架上来解决这一问题。他们开发了一个 SOQN 来估算订单处理时间，然后优化了每个物品的存储货架数量、工作站数量与补货站数量的比例以及每个存储货架的补货水平，以最大限度地缩订单处理时间。结果表明，库存应尽可能分散到更多的货架中，以尽量缩短订单处理时间。此外，他们还发现，拣货站与补货站的最佳比例为 2 比 1，最佳补货量约为 50%。

Boysen 等人2017 年研究了 RMFS 工作站的订单排序问题。他们将该问题表述为一个混合整数程序。结果表明，与先到先得的订单排序规则相比，通过优化订单排序，只需一半的机器人就能完成订单执行过程。此外，研究还表明，通过使用共享存储策略，将相同的 SKU 分散到多个货架中，可以进一步减少所需机器人数量。

Zou 等人2018 年研究了 RMFS的不同电池回收策略。他们开发了一个 SOQN 来模拟充电过程。他们得出结论，感应充电能提供最佳的系统吞吐时间。他们还发现，交换电池策略优于插入式充电策略，但成本更高。