Inside Amazon's Smart Warehouse
在亞馬遜的智慧倉儲內
物流系統是由物流領域中，互相關聯、互相制衡、互相作用的若干組成部分，構成的具有某種功能的有機整體。
本文的研究範圍，在智慧物流的倉儲與分揀部分。該部分主要由物流公司獨立負責，屬於人造系統中，較為熱門且發展迅速的一類。我們在該部分中，將設計如何為智慧分揀機器人，收集資訊和進行決策。
傳統性立體倉儲環境
整個系統的外部交互點，來自於出入庫請求，智慧分揀機器人代替的，是以往分揀員和取貨車駕駛員的工作。收到任務數據後，在後台貨物數據庫檢索貨物，是否存在、其對應位置。然後調用機器人，去執行相應操作，並在操作結束後，給相應物流單，以記錄和狀態回饋。
分揀操作的動態規劃和環境資訊相關，環境變量主要有：其他揀選機器人的當前位置，和預計的時空資訊、暫存區的狀態和位置、倉庫佈局形狀等諸多因素。
本文會提及這些因素，對於揀選機器人可能造成的影響，並將控制這些因素的變化，在確認有可行性的基礎下，主要研究揀選機器人，在單寬度通道倉儲模型下的統一路徑規劃問題。
物流倉儲模型圖
1 定位(Positioning)
仿真系統很容易利用座標系中，點的位置的離散型變化，模擬機器人移動，畢竟所有機器人的移動模式，都基於對應的動作算法。而現實中給機器人定位，則需要一定方法，常用的方法有 Zigbee 信號定位、GPS 定位、紅外線辨識、聲學辨識等方式。
對於本文中仿真系統的應用場景，應用 Zigbee 或其他通信方式，進行多點通信定位，或結合一些其他方式進行，例如 RFID 技術較為有利，在信號獲取的同時，進行信號除雜降低噪聲的干擾。
GPS 定位由於對於室內環境的定位能力較弱、而紅外線辨識對透明物體，無法辨識等原因，並不適用，可以結合聲學辨識等方式，進行定位和避障，也可以使用地面畫線，和節點光學條碼等一系列方式，進行位置資訊同步。
2 調度方式(Scheduling method)
當機器人進入倉儲空間，勢必會遭遇衝突問題，即兩機器人預計在同一時間，到達同一位置，或新的貨物揀選需求出現。我們在此採用非匿名的統一調度方式，來處理這類問題，將所有機器人的位置數據，以及任務數據和環境的時間數據，與路網狀態數據結合，進行多維度的綜合運籌。
3 通信方式(Way of communication)
鑒於物流揀選機器人的應用場景，有線的通訊方式，非常不利於大範圍移動的機器人的活動，我們需要使用無線通訊方式。而無線通訊常有的信號、糾錯、握手等一系列問題，均可以參照仿照 PC 上常用的 TCP/IP 協議得到解決，借此完成系統中上位機和下位機之間的通訊。
即首先通過一系列數據互通，確認數據連接暢通，其次透過建立通訊和校驗機制，確保數據的正確傳遞。
使用普通的通訊協議，會產生大量輪詢，對整個系統中的通訊晶片的性能，和網路品質會有很高要求，同時也不能很好的完成需求。因此對於數據包的發送，我們可以借鑒人工神經網路的機制，即僅在與目標終端建立連接的發報端發送數據包。
同時建立簽名機制，為發報端和終端建立物理地址和虛擬地址的對應池。通常可以使用 IBM 的 MQTT 協議，就能初步完成消息發佈與訂閱式的資訊傳遞。
4 包傳遞(package-swap)
即貨物在分揀機器人之間傳遞的問題。分揀機器人可以交換貨物，一定程度上，可以解決分揀機器人，同時空衝突的問題。但由於包傳遞，會增加流程中的不穩定性、機器人的設計難度，以及時間上也會有不小損耗，故本文不採用包傳遞模式，進行算法模型設計，但此方法也是一種解決方案，故列舉出來以供比較。
5 背包容量(Backpack capacity)
即一個機器人能夠裝下多少貨物的問題。通常我們可以以件數、大小等多種方式控制，混合性倉庫甚至會需要多種不同分揀機器人，去適配不同類型的貨物，在此我們將問題簡化為同一類型的貨物，和分揀機器人來討論，將背包容量設置為一常數b。
6 原子性(Atomicity)
即操作的顆粒度，通常顆粒度越細，上位機計算壓力越大，而優化效果越好。在此我們採用單位時間概念，以一車寬為一單位長度n，則車移動 n 的時間為單位時間 t。每一個單位時間，我們都假設能完成通信指令的傳遞。暫時忽略停車和轉彎的實際用時。
7 倉儲貨架位置(storage rack position)
不同的貨架擺放方式，也會直接影響到揀選機器人的效率。該方法對於其他路網模型的相容性較高，研究成果擴展性較強，同時該模型可以最大化倉儲空間，也是物流車輛和倉儲快速對接的，一種最大化空間利用模型。
如今，在倉庫裡作業的不再是倉庫分揀員，而是一個個承載著貨架運行的智慧倉儲機器人。在未來，你能想像幾萬平米的倉庫中，不再需要人力作業嗎？
沒有留言:
張貼留言