前兩期中，我們對移動(dòng)機器人（AGV）以及機器人調度控制系統（RCS）做了詳細解讀。在各行業(yè)倉儲物流中心，機器人系統的應用，不僅提高了作業(yè)效率，減輕了工作人員的勞動(dòng)強度，還有助于優(yōu)化資源、降低成本，具有良好的經(jīng)濟效益。

但是，在倉儲物流中心，“用好”“管好”機器人系統，協(xié)同人力，讓作業(yè)效率最大化，則需要更智能的倉儲管理系統。

?？低曋悄軅}儲管理系統iWMS應運而生。iWMS利用機器人系統作為執行載體，實(shí)現“貨到人”的可視化管理，集成多種倉儲優(yōu)化技術(shù)，穩定可靠、兼容性好，可與企業(yè)ERP等系統全功能對接，實(shí)現了機器人系統的快速部署，并與企業(yè)業(yè)務(wù)系統高效聯(lián)動(dòng)。在智慧供應鏈的專(zhuān)場(chǎng)，名為“運籌帷幄決勝千里”的大戲已然上演。

iWMS位于?？低旳I Cloud架構中的邊緣域圈層，實(shí)現了數據的匯聚、處理和智能化應用，這其中又蘊含了哪些智能算法和AI技術(shù)？

本期主講：AI賦能智能制造之智慧倉儲物流

iWMS由倉儲服務(wù)、任務(wù)處理服務(wù)、機器人控制服務(wù)，算法服務(wù)，工作站終端APP、移動(dòng)終端APP等組成。

在?？低暟卜喇a(chǎn)業(yè)智能制造基地，iWMS與移動(dòng)機器人、機器人調度控制系統構成智能倉儲及廠(chǎng)內物流解決方案，實(shí)時(shí)管理數十個(gè)不同類(lèi)型的倉庫，可同時(shí)處理數十萬(wàn)條出入庫訂單，效率提升70%以上。

iWMS×AI

借助基于數據挖掘、機器學(xué)習、深度學(xué)習等AI核心技術(shù)，iWMS提供四大算法服務(wù)：倉位推薦、智能組波次、庫存分配、貨架冷熱度預測，可對倉儲業(yè)務(wù)資源數據進(jìn)行分析處理，提供最優(yōu)執行方法。后續也可以不斷增加新的算法服務(wù)，適應更多更復雜的業(yè)態(tài)。

數據挖掘是指從大量的數據中通過(guò)算法搜索隱藏于其中信息的過(guò)程，是人工智能和數據庫領(lǐng)域研究的熱點(diǎn)問(wèn)題。

機器學(xué)習專(zhuān)門(mén)研究計算機怎樣模擬或實(shí)現人類(lèi)的學(xué)習行為，以獲取新的知識或技能，重組已有的知識結構使之不斷改善自身的性能。

深度學(xué)習是學(xué)習樣本數據的內在規律和表示層次，它的最終目標是讓機器能夠像人一樣具有分析學(xué)習能力。

1 挖掘物料關(guān)聯(lián)，出庫“只跑一趟”

通過(guò)數據挖掘關(guān)聯(lián)性規則、規劃算法等實(shí)現智能倉位推薦算法服務(wù)，給出貨架搬運次數少、倉位利用率高的入庫方案，提高整體入庫效率、倉位利用率，并通過(guò)物料之間的關(guān)聯(lián)關(guān)系提高訂單命中率以進(jìn)一步提高出庫效率。

舉個(gè)簡(jiǎn)單例子，生產(chǎn)過(guò)程中螺栓與螺母一般會(huì )配套使用，則認為這兩種物料關(guān)鍵度高，因此入庫時(shí)推薦上架到一個(gè)貨架上，出庫去產(chǎn)線(xiàn)時(shí)搬運一次貨架就可以實(shí)現這兩個(gè)物料的揀選，將會(huì )有效提高單個(gè)貨架訂單命中率，減少貨架搬運次數。

2 機器學(xué)習加持，波次聚類(lèi)群分

針對iWMS訂單出庫模塊中組波次訂單存在多個(gè)貨架之間耦合，導致貨架搬運次數多的情況。按照全局聚類(lèi)，提總再分的思路，結合動(dòng)態(tài)規劃和機器學(xué)習的方法對整個(gè)大訂單池進(jìn)行分解與重組，同時(shí)考慮訂單時(shí)效性，揀選效率等因素，實(shí)現智能組波次算法服務(wù)，降低訂單的平均揀選時(shí)間。

針對分播墻出庫業(yè)務(wù)一次下發(fā)多個(gè)訂單，而這些訂單散落分布在不同的貨架上，并需要將物料根據訂單播種到分播墻各個(gè)貨格上，根據這樣的業(yè)務(wù)情況，動(dòng)態(tài)波次算法先對訂單聚類(lèi)組合，通過(guò)機器學(xué)習動(dòng)態(tài)調整訂單和貨架的出庫順序，實(shí)現盡可能少的搬運貨架次數，完成訂單任務(wù)。

如下圖，各色塊代表了一個(gè)小波次，數字是訂單號，ABCD等字母是貨架號。在一個(gè)訂單池中，以物料為維度，iWMS將物料重合度高的訂單組合在一個(gè)小波次中。再以貨架（多倉）為維度，將需求物料在同一個(gè)貨架上的訂單進(jìn)行集合組建出庫波次，以提高出庫整體訂單命中率。

在這種模式下，每個(gè)貨架的平均搬運次數從2.10下降到1.03，倉庫揀選作業(yè)的效率大幅提升。智能組波次真正嘗試了從“數據提供支持”向“數據智能進(jìn)行決策”的進(jìn)化，用更柔性的方式控制生產(chǎn)節奏。

3 智能搜索規劃，分配得心應手

庫存分配算法服務(wù)內含一系列規劃算法和智能搜索算法，可將訂單需求與庫存做精準匹配的同時(shí)，輸出貨架搬運次數最少的最優(yōu)出庫方案，并兼顧特殊業(yè)務(wù)需求如清倉或效率優(yōu)先，提高整體出庫效率。

針對庫容緊張的應用場(chǎng)景，可以使用優(yōu)先清空倉位策略，快速釋放庫容，提高倉庫周轉率。對于有效率要求的應用場(chǎng)景，可以使用效率優(yōu)先策略，通過(guò)需求數量去匹配庫存，以最少的揀貨次數完成出庫

如下圖，例如某品牌墨鏡的庫存有5條，分列在A(yíng)、B、C、D、E這5個(gè)貨架上，其對應數量分別是1、3、5、7、9個(gè)。

若此時(shí)出庫的需求數量是9個(gè)，清空倉位優(yōu)先時(shí)，則出A+B+C（9=1+3+5）共3個(gè)貨架；效率優(yōu)先時(shí)，則出E（9=9）1個(gè)貨架。

4 深度靈智集結，從分析到預測

通過(guò)對倉庫中物料的每日出庫歷史數據進(jìn)行探索性分析，從出庫歷史數據中挖掘到有效信息，基于神經(jīng)網(wǎng)絡(luò )的深度學(xué)習技術(shù)對每種物料未來(lái)一天的出庫量進(jìn)行預測，實(shí)現貨架冷熱度預測算法服務(wù)。

將預測得到每種物料未來(lái)一天的出庫量作為衡量物料冷熱度的關(guān)鍵指標，判斷貨架的冷熱度，再調度機器人實(shí)時(shí)動(dòng)態(tài)調整貨架位置。如下圖，紅色區塊代表高熱度貨架，會(huì )優(yōu)先排布到離揀選臺更近的地方。

AI賦能智能制造

AI、機器人和智能算法的智慧碰撞造就了不同凡響的智能倉儲管理系統iWMS。它一方面應對了更加多樣化的現場(chǎng)設備和更加復雜的作業(yè)場(chǎng)景，另一方面實(shí)現了更高的作業(yè)效率和準確率，讓柔性、可視化的供應鏈管理運維觸手可及，幫助制造企業(yè)搭建智慧內物流系統，搶占“智”造升級的先機。