动态需求下智能机器人仓储系统的存储策略研究

Robotic warehousing systems are rapidly developing and adopted by many E-commerce enterprises. How to manage the storage policy efficiently under dynamic demands, taking advantage of its flexibility, will limit its application, which is also one of the research gap. This project studies the estimation and optimization methods of storage policies under dynamic demands, considering three topics. First, to optimize the system throughput, we build throughput optimization model based on performance estimation for both dedicated and class-based storage policies, to optimize their storage scenarios under current demands and scenario adjustment for updated demands. Second, we propose hybrid storage policy, and build throughput optimization model based on two-class based performance estimation, to optimize its storage scenario and scenario adjustment. Third, to minimize the operating costs for three storage policies, we build cost minimization model with throughput constraint to optimize the storage scenario and system resources. We also conduct sensitivity analysis on cost factors to find the application condition of each storage policy. This project can promote the application of robotic warehousing systems and improve the management theory.

智能机器人仓储系统快速发展并被众多电商企业广泛使用。如何充分发挥其柔性优势，通过存储策略的有效管理来响应快速变化的顾客需求是该系统实际应用的瓶颈所在，同时也是理论研究的不足之处。在此背景下，本课题研究动态需求背景下智能机器人仓储系统存储策略的评估与优化理论方法，开展三方面研究内容：（1）以运行效率为优化目标，构建基于绩效评估的运行效率优化模型，研究指定与分类存储策略在当前需求下的优化存储方案和需求更新时的存储方案调整；（2）提出指定与分类存储的混合存储策略，构建基于双顾客类型绩效评估的运行效率优化模型，研究其优化存储方案和存储方案调整；（3）以运行成本为优化目标，构建带运行效率约束的成本优化模型，研究动态需求下三种存储策略的存储方案与资源配置的优化与调整问题，并通过成本因素的敏感性分析得出各自的适用环境。本项目对于推动智能机器人仓储系统的应用，进一步完善其科学管理理论具有重要意义。

智能机器人仓储系统快速发展并被众多物流企业广泛使用。如何在动态需求下进行运行策略的有效管理是该类系统实际应用的主要挑战，同时也是理论研究的不足之处。在此背景下，本项目分别以运行效率和运行成本为优化目标，对以智能机器人存取、分拣和配送系统的存储策略、指派策略等进行了深入研究，为智能机器人仓储系统的运行策略管理构建了理论分析框架，主要包括三方面研究内容：（1）以运行效率为优化目标，为智能机器人存取系统构建了期望行走时间模型，分析了随机存储策略和分类存储策略的系统绩效指标，并优化了两类存储策略下的系统尺寸，此外，开展了两项拓展研究，为智能机器人分拣系统构建了开环排队网络模型，优化了分拣目的地到分拣站台的指派策略，为智能机器人存取系统的堆垛机待命位策略和货物进出口策略构建了期望行走时间模型，分析了动态需求下的最优策略组合；（2）以运行效率为优化目标，在紧致化智能机器人存取系统中研究了指定与共享存储策略的混合存储策略，构建了基于双顾客类型的闭环排队网络模型进行绩效评估，研究了指定和共享存储区域的最优比例，以及需求变化时混合存储方案的调整方案；（3）以运行成本为优化目标，研究了智能机器人分拣系统和智能无人机配送系统的运行策略，为智能机器人分拣系统构建了基于闭环排队网络的绩效评估模型和成本优化模型，分析了系统布局、机器人路径规划和机器人到分拣站台的指派策略。为智能无人机配送系统构建了基于半开半闭排队网络的绩效评估模型和成本优化模型，优化了无人机到配送中心的指派策略和无人机的能源恢复策略。本项目丰富了智能机器人仓储系统的绩效评估与运行策略优化模型和理论方法，对于物流运营商根据供应链需求变化来进行运行策略调整具有重要意义。