龔志鋒，陳滔滔，石 超，陳建銀

GONG Zhi-feng,CHEN Tao-tao,SHI Chao,CHEN Jian-yin

（北京科捷物流有限公司，北京 100085）

0 引言

隨著互聯(lián)網(wǎng)的高速發(fā)展，電子商務不斷深入人們生活的各個領域，對倉儲揀選效率提出了更高的要求，自動化設備的應用成為提高倉儲物流效率的主流方案，各式各樣的設備與方案如雨后春筍般不斷涌出[1]。其中，使用類Kiva機器人的貨到人揀選系統(tǒng)應用最為廣泛[2]。此方案大多應用于B2C業(yè)務之中，適用于訂單貨物種類繁多的復雜揀選場景，可大大提升揀選效率。與此同時，此方案的倉儲容量較為低下，不能充分利用倉庫的Z軸空間，無法滿足對倉容具有較高要求的業(yè)務，例如大批量出入庫的B2B業(yè)務往往會選擇普通的橫梁式貨架或自動化立體庫[3]。

本文以此種類Kiva機器人的“貨到人”揀選系統(tǒng)為對象，以重慶某倉庫為背景，研究一種密集存儲的方案，以改善原方案庫容低下的缺點，使其應用能夠不局限于B2C業(yè)務之中，而能夠在一定程度上滿足某些B2B業(yè)務的需求，同時也能夠為日后自動化解決方案的研究開拓思路。

1 研究背景

本次研究以重慶某倉庫為背景，該倉存儲的業(yè)務主要為移動公司的手機終端以及電話卡，目前使用托盤地堆存儲且每個庫位都堆疊成雙層來使用，庫房使用率約為90%，處于爆倉狀態(tài)；倉庫日常出貨方式為整托出庫，部分散件出庫，極少拆零，日常出入庫約170托盤。為了提高庫內機械自動化水平，縮減人工成本，計劃使用AGV貨到人揀選系統(tǒng)。

當前的類Kiva機器人的“貨到人”揀選是以智能輪式機器人為載體，通過將“數(shù)據(jù)驅動方式”與“貨到人”模式相結合的揀選模式[4]。在此模式中，貨物存儲在定制好的物料架之中，并按傳統(tǒng)的單深布局排布，在有訂單任務時，機器人只需將相應的物料架運至工作人員處，交由工作人員完成揀選。

圖1 “貨到人”存儲區(qū)布局

圖1為類Kiva機器人“貨到人”模式的常用布局形式，有如下幾個優(yōu)點：

1）模仿傳統(tǒng)貨架的巷道布局形式，機器人取貨時不會受到非目標物料架阻擋的情況。

2）物料架擺放區(qū)域與機器人通道固定，但物料架可以在劃分好的擺放區(qū)域內動態(tài)存放，最終可以自然形成熱銷產(chǎn)品靠近工作站的有利布局[5]。

3）機器人通道數(shù)冗余，可以滿足大量機器人同時運行而不發(fā)生擁堵。

但與此同時，此種布局形式存在著一個最大的弊端，即倉庫空間利用率低下。具體表現(xiàn)在以下兩個方面：

1）此布局劃分出了大量的機器人通道，每兩排物料架之間就有一條機器人通道，使得機器人通道占據(jù)了整個倉儲空間的三分之一以上。

2）此布局并不能夠充分利用倉庫的高度，物料架只能擺放一層[6]。

由于這些短處，導致該模式基本用于倉庫面積大、SKU種類多的B2C業(yè)務之中，對于一些業(yè)務量較小的B2B業(yè)務也不能夠很好的滿足。

因此本文通過研究密集存儲方案，改進原布局方式，提高倉庫空間利用率，以滿足業(yè)務的需求。

2 密集存儲方案研究

傳統(tǒng)的密集存儲貨架有貫通式貨架、重力式貨架、穿梭式貨架等，它們都有2個共同的特點，一是采用窄巷道甚至取消了貨架間的巷道；二是充分利用了倉庫的高度，采用多層結構[7]。因此，對于本次的研究對象，同樣從此2方面進行考慮。

首先，若要往高度方向進行擴展，則必須搭建閣樓平臺，導致施工復雜，同時額外設備過多，失去了Kiva模式輕型快捷的優(yōu)勢[8]；那么，對于另一個改進方向，取消貨架之間的巷道，則是可以大大增加庫位數(shù)量，同時可存儲的SKU種類減少，SKU深度提高，較為契合B2B業(yè)務的特點[9]。因此，在總體布局上采用減少巷道數(shù)量的密集存儲方案。經(jīng)過研究與分析，提出以下三種方案。

2.1 整體式布局

本布局將傳統(tǒng)布局中的巷道全部取消，將所有庫位都緊密排布到一起，從而大大提高庫位數(shù)量。具體的布置細節(jié)如圖2所示。

1）當SKU數(shù)少，庫存深度大時，采用圖2(a)中的形式，每行只存放一類SKU，一側入庫，一側出庫，從而滿足先進先出的原則。

2）當SKU數(shù)并不少時，采用圖2(b)中的布局，每行存放2類SKU，每種SKU都在同一側進行出入庫操作，此情況下先進先出原則無法得到很好的滿足。

本布局最大的優(yōu)點便是充分利用了倉庫的平面面積，使庫位數(shù)量在只有一層的條件最大化；同時，缺點也同樣明顯，其無法很好的滿足SKU較多的情況，且只有在SKU數(shù)較少時才能夠滿足先進先出原則。

2.2 區(qū)塊式布局

本布局在2.1節(jié)整體式布局的基礎上進一步劃分，通過留出少量的機器人通道將存儲區(qū)域劃分為若干塊，庫位數(shù)量有所減少，靈活性相對提高。具體布置如圖3所示：

圖2 整體式布局

1）區(qū)塊式布局有了更多的機器人通道，使存儲區(qū)域的暴露面積增大，出入庫位置增加，從而使出入庫效率大大提高。

2）與2.1節(jié)的整體式布局相同，本布局中，每個區(qū)塊的每行只存儲1～2類SKU，同樣有同端出入、一側入一側出2種形式，但由于劃分了區(qū)塊，使其能夠容納更多種類的SKU。

3）由于進行了區(qū)塊的劃分，本布局能夠將存儲的物料按總體的業(yè)務分類存放或按照商品的ABC熱度分塊存放，能夠更加合理清晰地對存儲區(qū)域進行管理。

圖3 區(qū)塊式布局

本布局吸收了上一布局的優(yōu)點，在犧牲了一定庫容量的同時，增加了出入庫位置，機器人的行走路徑更加自由，有利于提升出入庫的整體效率。此外，本布局可容納SKU種類有所提升，且可以更好地按照ABC分類進行排布。

2.3 L形布局

本布局在區(qū)塊式布局的基礎上對庫位的排列進行了改進，將傳統(tǒng)的直線排列改為L形。

一般情況下，同一SKU的貨物都按照直線進行排列，對于人工出入庫，直線排布條件下尋找貨位最為簡單快捷；而若是采用機器人出入庫，機器人可以直接查詢系統(tǒng)中的庫位信息，能夠快速找到對應的貨物位置，因此直線排布的優(yōu)勢被最大限度的縮小。

同時，如圖4所示，從前兩個布局中可以看出，存儲塊的四周除了出入庫點外，至少存在1～2條邊僅用于機器人通行，且整條邊全長都為同一SKU，造成高自由度存儲位置的浪費。

圖4 直線排列

為了充分利用每一條邊，采用L形布局。如圖5所示為L形布局的示意圖，此布局有以下特點：

1）與上一布局相同，將存儲區(qū)進行了劃分。

2）對長寬相近的區(qū)塊中的貨物采用L形的排列，而長寬相差較大的區(qū)塊不適合采用L形的排列形式。

3）采用L形排列的區(qū)塊充分利用了四周的每一條邊，沿著邊的方向每個貨位都能夠存儲不同的SKU，且都為出入庫點，滿足先進先出的原則。

4）由于充分利用了區(qū)塊的每一條邊，因此L形布局可存儲的SKU種類數(shù)大大增加，相比區(qū)塊式布局，會增加接近1倍的SKU數(shù)。而長寬相差較大的區(qū)塊不適合采用此種布局，若強行采用，則SKU數(shù)反而會下降。

2.4 中心對稱布局

圖5 L形布局

L形布局考慮到了充分利用存儲區(qū)域的每一條邊并顧及到了先進先出的原則，導致每個SKU占用了2條邊，仍沒有最大化地利用每條邊以區(qū)分不同的SKU，對于SKU數(shù)更多的業(yè)務場景，L形布局仍然有所不足。因此，考慮放棄顧及先進先出的原則，使每個SKU僅占用一條邊，從而使存儲區(qū)域沿邊長方向的每個庫位都能夠存儲不同的SKU。經(jīng)過研究分析，采用中心對稱式的布局形式，如圖6所示。

1）本布局建立在整體式布局的基礎上，并沒有對存儲區(qū)域進行劃分，去除多余通道，最大化庫容量。

2）存儲區(qū)域從整體上看被2條對角線切開，分為了4個三角，每個三角都由一條條的隊列構成，構成類似于正態(tài)分布的形式，每個隊列都能夠存儲一個SKU，沿存儲區(qū)域的周長方向，每個庫位都可以存放不同的SKU，4條邊都被充分的利用。

圖6 中心對稱布局

3 布局方案優(yōu)選

布局方案的選擇是一個較為復雜的問題，涉及到多種因素的考慮，包括庫容量、出入庫效率、先進先出原則等，且其中許多的因素無法定量的描述。而AHP法可以將復雜問題分解成各個組成因素（指標），再將這些指標按支配關系分組形成遞階層次結構，通過兩兩比較的方式確定層次中各個因素（指標）的相對重要性，最后確定備選方案相對重要性的總排序，是一種層次權重決策分析方法。因此采用層次分析法對布局方案進行優(yōu)選[10]。

3.1 建立層次結構模型

首先把需要決策的問題層次化，即根據(jù)目標層、準則層、方案層的結構將問題分解成不同的構成要素，形成一個不相交的層次結構模型。

本次研究中，共提出了整體式布局、區(qū)塊式布局、L形布局以及中心對稱布局4種方案，對此，以庫容大小、是否滿足先進先出原則、SKU數(shù)以及出入庫效率為指標進行評分對比，從而選出4個方案中的較優(yōu)者。此外，一旦建立好計算模型后，日后可以方便地加入新的評價指標。建立好的層次結構模型如圖7所示。

圖7 AHP層次結構模型

3.2 構造判斷矩陣

層次結構建立完成后，我們需要根據(jù)目標層，對準則層的各個因素賦予相對的權重。在大多數(shù)的社會經(jīng)濟活動中，尤其是復雜問題的比較中，元素的權重無法直接獲得，AHP法所用的導出權重法為兩兩比較法，通過使用相對尺度，降低比較不同性質因素的困難，從而提高結果的準確性。

本此計算各個指標的相對權重時采用9標度法，具體取值規(guī)則如表1所示。其中αij代表指標i與指標j的相對權重，一般取正整數(shù)1～9及其倒數(shù)。

表1 相對權重取值規(guī)則

根據(jù)以上取值規(guī)則，對各個指標的相對權重進行打分。本此的研究背景為重慶某倉庫的移動業(yè)務，其當前的首要問題是解決爆倉問題，且每日出入庫量并不大，因此各指標的重要性為：庫容＞先進先出＞SKU數(shù)＞出入庫效率，最終得到判斷矩陣，如表2所示。

表2 準則層對目標層的判斷矩陣

3.3 層次單排序

層次單排序指的是對于上一層的某個因素，本層的各個因素的相對權重，即根據(jù)準則層，對方案層的各個方案打分，同樣采用兩兩比較法，具體結果如下：

表3 方案層對庫容指標的判斷矩陣

表4 方案層對先進先出指標的判斷矩陣

表5 方案層對SKU數(shù)指標的判斷矩陣

表6 方案層對出入庫效率指標的判斷矩陣

3.4 判斷矩陣的一致性檢驗

因為客觀事物具有復雜性，導致我們在判斷事物時具有片面性與主觀性，具體表現(xiàn)為我們每次判斷事物的思維標準不可能完全相同。因此，在構造判斷矩陣時，一旦出現(xiàn)混亂且經(jīng)不起推敲的錯誤就有可能會引起決策失誤，所以為了使判斷在總體上保持一致，在對每一層構造判斷矩陣時都要作一致性檢驗。

令：

其中，λmax為判斷矩陣的最大特征值，n為判斷矩陣的階數(shù)，CI為一致性指標。

然后，根據(jù)CI與隨機一致性指標RI的比值得到一致性比率CR，若CR＜0.1，則說明判斷矩陣的不一致程度在容許范圍之內。RI的取值具體參考表7[10]。

表7 平均隨機一致性指標

經(jīng)過計算得到一致性比率，結果如表8所示。

表8 單層一致性檢驗計算結果

從計算結果可以看出，各層的各個矩陣的CR都滿足小于0.1，證明單層一致性檢驗通過。

3.5 層次總排序

本節(jié)中需要確定方案層對于目標層的相對重要性排序，此過程從最頂層的目標層開始依次往底層進行。

準則層4個因素B1，B2，B3，B4，其對目標層的排序為b1，b2，b3，b4，方案層4個因素P1，P2，P3，P4對準則層中因素Bj的層次單排序為p1j，p2j，p3j，p4j，得到如下匯總表。

表9 層次總排序

對結果進行層次總排序一致性檢驗：

因此，層次總排序通過一致性檢驗。

從表9中可以看出，中心對稱式布局（0.2947）＞整體式布局（0.2862）＞L形布局（0.2518）＞區(qū)塊式布局（0.1674）。因此最終選擇中心對稱式布局作為最終的評選結果。

4 結論

本文從Kiva機器人的“貨到人”模式中得到啟發(fā)，研究新的“貨到人”布局模式，增大原模式的庫容量，使其能夠適應B2B業(yè)務模塊，并以重慶某倉庫為研究背景，從設計的布局之中評選出較優(yōu)者，在此研究過程中，得到以下結論：

1）在布局模式的設計過程，以提高庫容量為首要原則，提高SKU數(shù)為次要原則，設計了4種方案，但可行的方案絕不僅有這4種，在未來的實踐研究中仍需不斷探索。

2）在采用AHP進行方案優(yōu)選時，評選準則根據(jù)研究背景中的倉庫進行選定與打分，當將其用于其他倉庫時，需要根據(jù)實際情況進行調整。

3）評選的方案各有優(yōu)劣，在不同的條件下進行打分，往往會得到不同的評選結果。在本研究背景中，當前倉庫對于庫容的重視程度遠遠大于其他因素，因此分數(shù)最高的兩個方案在布局上都是整體式的，將通道數(shù)量減到了最少，而其中中心對稱式布局在SKU數(shù)等其他因素中同樣有較好的比分，最終分數(shù)遠遠領先于其余方案。

本次研究為探索性研究，方案的可行性需要通過實踐進行檢驗，而層次分析法在今后方案的研究中不失為一種較好的決策方法，優(yōu)化指標的選取與打分，使其結果更加的科學合理。