1 引言
多品种、小批量的订单特点多见于电子商务物流中心的拆零拣选作业中。2013年公布的一项调查结果显示,在全国抽样的900多名受访者中,有70%的消费者每周至少网购1次,网购频率是欧洲消费者的4倍,由此可见,我国电商物流中心订单作业频率更高,多品种、小批次的订单特点更为突出。而这一订单特点在烟草、医药等流通行业也是大量存在的。在这种订单特点下,为了使物流服务更为高效,更为节约,这些企业在物流中心内部必须努力解决三个方面的问题:一是在有限的仓储空间内,尽可能的容纳更多SKU或产品数量,以覆盖更多的需求区域;二是在保持成本可控的前提下,尽可能的缩短仓库作业时间,提升作业速度,以适应更快的订单响应时效;三是在作业精准度进一步改善的前提下,尽可能的提高一次作业量,以节约越来越昂贵的劳动力投入。
基于以上背景,本文提出一种robot辅助人工拆零拣选模式的路径设计:首先,在robot辅助人工拆零拣选模式的思路下,对拣选条目的概率分布进行简单的假设和分析,进而以一次拣选时间最短为目标进行模型设计,最后用matlab对所设计的拣选路径进行仿真运算。希望本文在上述第二个问题上有一个全新的思路,一方面完善和补充拣选策略的研究内容,另一方面为其他研究者提供可参考的借鉴。
2 robot辅助人工拆零拣选模式设计
本文提出一种新的订单拣选方式,这种方式取消了传统的ABC分区拣选,主要适用于具有多频次、小批量、多品种的订单特点的拣选作业。当然,此订单可理解为直接将客户订单作为拣选单元,也可理解为将客户订单进行批量处理的作业单作为拣选单元,两种理解对本文的拣选模式设计不影响。本文设计的拣选方式的拣选区简化布局如图1所示。
图1
robot辅助人工拆零拣选方式示例图
参考图1,此拣选过程可描述为:robot载有2个或4个特制周转箱从订单分配区行驶至货架拣选区;然后顺次穿行于有拣选任务的所有通道,当行驶到某一拣选货位时,由所在分区的拣选员将所需拣选的商品拣选至robot对应的订单周转箱内;当robot完成记录的所有订单拣选任务后,行驶至分拣装箱作业区(或robot行驶至分拣装箱区后将所载周转箱自动或人工卸至输送带上,由输送带将周转箱运送至分拣装箱作业区),由分拣员复核装箱;完成上述任务后,robot行驶至订单分配区等待下一次拣选任务。
3 robot辅助人工拣选方式效率模型
3.1 基本假设
在对本文所述拣选方式的效率进行分析前,基于实际作业影响及模型需要考虑,笔者进行一些基本假设:
(1)拣选区货架具有相同长度和宽度,通道的宽度也一样;
(2)拣选人员按小区分布在分拣区内,等待robot的到达;
(3)拣选人员发生在货架垂直方向上的距离忽略不计;
(4)拣选通道两侧货架的物品所发生的左右移动距离忽略不计;
(5)同品不同批次的货物可以分布在不同的通道上;
(6)拣选订单上的拣选条目之间是相互独立的;
(7)拣选任务一次完成,不考虑缺货等异常现象;
(8)拣选订单上的拣选条目等概率分布在每个巷道内;
3.2 拣选条目的概率分布
在3.1节第8条假设的基础上,参考《拆零新模式中的组合数学和概率论问题》[1]一文中的结论:假设拣选区共有N个巷道,robot一次可载重K个条目,由于每个条目分布在任一巷道的概率相同,则这K个条目恰好分布在M个巷道的概率为:
其中, 是第二类Stirling数。根据robot所载特征周转箱的容量及实际订单特点,本文此处设定拣选条目K为20。巷道总数N需要根据分拣区所设计的仓储容量,所用货架类型等因素决定,即在引言中需要解决的第1个问题,本文不进行深入研究。
3.3 拣选效率模型
假设每条巷道长度为L,robot行走速度为v,每次分区人员拣选动作时间为t(含行走至货位、拣货、投箱、触发完成键所需时间),robot进出巷道的转弯时间为T1,每次订单分配区放置特制周转箱至robot、扫描周转箱、触发任务键等额外时间为T2,此处暂时忽略robot在非拣选巷道之间行走所花费的时间。则每次拣选的期望时间,即目标函数为:
其中,k个条目分布的期望巷道数为个。
为了适应本文所述订单类型的特点,拣选区选择为平库。平库通常使用规格为H2000*D600*W2000的隔板式货架(5层、每层4个货位),或规格为H2400*D1600*W2600流利式货架(四层,每层6个滑道),在这里我们称为一组货架。假定一组货架分为a层,每层b个货位,则一组货架可设定ab个货位。
3.3.1 考虑通道数和通道长度的效率模型
拣选区仓储规模可以根据企业的战略、市场行情、历史销售数据等因素确定,在这里我们用拣选区的货位总数来表示仓储规模。在拣选区仓储规模一定和拣选区面积允许的情况下,robot如果行走的通道长度越长,需要行走的通道数越少,然而却造成拣选通道内无效行走时间变长;robot如果行走的通道长度越短,需要行走的通道数越多,又会造成非拣选通道间行走的时间变长。因此,在拣选区仓储规模一定的情况下,合适的通道长度与合适的通道数,对拣选效率有一定的影响。
此处假设仓库的仓储规模用总货位数D表示,则仓库需要 组货架;每组货架宽度为W,通道数为N(一个通道可放置2排货架,每排货架由多组货架构成),则通道长度 。
如设定通道横向宽度为 ,每排货架的纵深宽度为 ,则robot行走一个非拣选通道的距离为 。由此,可以得到考虑了仓储规模之后的效率模型如下:
其中 为robot行走的非拣选通道的期望通道数。
3.3.2 考虑拣选员的作业耗时影响的效率模型
拣选员的作业时间,即robot等待拣选完成时间分为,行走到拣选货位的时间,然后完成拣货、投箱、按下完成键的时间。因此,可以分为两个部分:一部分是拣选员从非拣选货位走到拣选货位的时间,拣选货位在通道上是随机分布的,假定拣选货位分布在通道两侧任何货位的概率相同,由于拣选员在上一拣选动作后位置的随机性,因此行走距离是一个期望值,此处不考虑拣选员所负责的分区内巷道横向行走的距离;另一部分是拣货、投箱、按下完成键的耗时,由于受货位高低、拣选员本身作业速度等的影响,也不近相同,但可以根据现场的测算得出大体的常数值。
根据以上分析,设定拣选员行走速度为V0,耗时为t0 ,第二部分时间为t1 ,拣选员每次站位到拣选货位的平均距离可如下计算得到:拣选员行走的距离可描述为“在一条线段(0,L) 上,任取 ,由此进一步深化的效率模型为:
4 robot辅助人工拆零拣选效率分析
效率模型(4)式中,货架的属性a、b、W;拣选员的时间t1、v0;T1、T2对模型分析暂无影响。根据分析的需要,设定效率模型的常数值分别取a=4,b=5,W=2m,t1=4s,v=1.5m/s,v0=1m/s,T1=3s,T2=20s;D=4400,d=0.6m,l=1.5m 。
由前3.2节分析可知,本文确定的拣选条目数K为20,通过(4)式利用matlab仿真计算可得20个拣选条目概率最大的分布通道数,及其在此通道数下的拣选总耗时,如表1所示。
表1 一次拣选20个条目耗时及概率表
M 值
|
K 值
|
N 值
|
目标函数值
|
K个条目恰好分布在M个巷道的概率
|
13
|
20
|
20
|
320.8708
|
0.2811
|
13
|
20
|
22
|
316.6018
|
0.2681
|
14
|
20
|
27
|
308.4761
|
0.2600
|
15
|
20
|
28
|
305.1075
|
0.2524
|
15
|
20
|
29
|
305.0255
|
0.2592
|
15
|
20
|
30
|
305.1206
|
0.2631
|
15
|
20
|
31
|
305.3783
|
0.2646
|
15
|
20
|
33
|
306.3306
|
0.2615
|
15
|
20
|
35
|
307.7938
|
0.2525
|
16
|
20
|
40
|
310.1535
|
0.2673
|
由表1可知,在一次拣选20个条目和规划总货位为4400个的条件下,通道总数为29,通道长度为7.6m时,总耗时为305.0255秒最少。进一步结合每个通道恰好是l=2m的倍数通过matlab取整得此种条件下,最佳规划通道总数为22个,通道长度为10m,一次拣选20个条目耗时为316.6018秒,平均每个条目耗时15.83秒,则一台robot与分区拣选人员配合的情况下,每小时最高可完成227.4个条目。
为了让本文选用的拣选方式有一个改进性的认识,在同样假设下,本文依然采用《拆零新模式中的组合数学和概率论问题》中拣选台车方式“如果每次拣选20个条目,平均每个条目拣选时间为25s,则单人每小时最大可拣选144个条目” 的结论,很明显本文所述的拣选方式每小时的效率提高了57.93%。
以本文算例的结论计算,分拣区的面积约为594m2。那么,在这个区域内最佳的分区是多少呢?本文此处暂不探讨。如果以一个分区1位拣选员,1个通道作为1个分区,一天工作8小时计算,本文所述拣选方式一台robot配合22位拣选员作业,平均一天可完成1819.32个条目。而使用拣选台车的方式,完成1819.32个条目,需要1.6人。再进一步来说,如果一天需要完成181932个拣选条目,使用拣选台车的方式至少需要160人,而使用robot辅助人工拣选方式的话,只需100台robot和22位拣选人员,一线作业人员的优化效果就显而易见了。
5 结论
拣选路径及效率的优化问题一直是物流领域广泛关注的优化问题之一 。面对多频次、多品种、小批量的客户订单特点,目前国内大部分拆零拣选的方式依然以人工作业为主,还没有提出全新的拣选方式,而考虑客户订单中物品的数目和种类对优化结果的影响进行效率分析,更加符合现实中拣选作业的真实情况。本文在此基础上建立了robot辅助拆零拣选方式的效率模型,并通过matlab进行了算例仿真计算。结果证明,本文提出的拣选方式每小时的作业效率较台车拣选方式提高了57.93%,拣选作业人员得到了极大的优化,可有力的减少一线作业人员的成本。同时,通过本文构建的效率模型还可以进行分拣区不同仓储规模的最佳巷道数和巷道长度的测算。