• Description

德迅作為全球領先的物流解決方案提供商,他們參與為其中一位客戶規劃新倉庫。倉庫每天處理13K訂單行或750個挑選紙箱。該項目包括開發多階段揀選的最佳算法。計劃倉庫中的訂單由帶手推車(或fangos)的工人提供。帶手推車的工人會挑選貨物並按訂單將它們裝入紙箱。Kuehne + Nagel專家使用AnyLogic模擬來選擇正確的算法來構建最佳的採摘行程。

問題挑戰

計劃在這個倉庫中使用的手推車(見圖)一次最多可攜帶8個紙箱,其中4個位於手推車的秤上。當揀貨的重量與主數據中的重量不匹配時,稱重秤用於通過發出警報信號來提高揀選精度。

操作員只能填充位於秤上的紙箱。當秤上的紙箱裝滿時,他將其與下一個空的紙箱交換。因此,只有4個紙箱可供同時灌裝。此外,用於一個紙箱的物品可以存儲在沿著操作員路線的任何位置。

這些是倉庫需要一個嚴格的算法來建立最佳運輸以服務收到的訂單的原因。

倉庫小車

解決方法

Kuehne + Nagel專家提出了所需的算法。他們的想法是,操作員的揀選路線始終是直的,這樣操作員在交換紙箱後就不必返回。這意味著不能總是將最大數量的紙箱(8)分配給一次巡視。例如,一個紙箱可以包含來自路線的第一個和最後一個位置的物品,因此在它滿之前不能交換。

專家構建了倉庫的AnyLogic模擬模型,以使用真實歷史數據測試和驗證建議的算法。詳細模型反映了倉庫的物理佈局,物品的存放地點,小車操作員的移動,來料訂單,小車佔用和服務水平。操作員根據建議的算法移動和揀貨。

倉庫佈局優化

倉儲佈局和3D動畫 

專家透過兩個標準優化了運營商的路線:

  • 最大化每次旅行的平均紙箱數量。
  • 在每次旅行中最大化文章重疊(在一次旅行中為多個紙箱選擇相同的文章是可取的)。

建模者將包含260K實際訂單數據的Excel文件從2014年3月上傳到模型,然後使用此文件作為輸入數據運行模型。紙箱建築(根據採摘順序為不同的紙箱分配不同的訂單行)在公司倉庫管理系統中完成。

輸出統計數據包括每次旅行的平均紙箱數量,服務訂單的總持續時間,旅遊總距離,平均小車利用率和旅行的平均時間。

改善後

然後將從模型中收到的統計數據與舊倉庫的2014年3月統計數據進行比較。倉庫運行模擬的結果表明,通過建議的佈局配置,設備和運動算法,小車的利用率將從58%上升到94%。

這些結果將由Kuehne + Nagel用於證明客戶的投資效率。

此外,該模型將用於在倉庫中選擇正確的倉庫佈局和物品分配。開發人員還會改變電車數量,以便在服務水平和員工工作量之間找到最佳平衡點。