沃尔玛的Alphabot:用仿真设计物料搬运系统

沃尔玛的Alphabot:用仿真设计物料搬运系统

问题

世界上收入最大的零售商沃尔玛(Walmart)正在寻找一种自动化技术,以帮助该公司快速增长的在线杂货业务更快、更低的成本完成订单。他们希望评估Alert Innovation的商品对人(GTP)概念Alphabot®,该概念可以通过使用能够在多层次存储结构中进行所有三维操作的自主移动机器人,在商店层面实现在线杂货店的自动化。Alphabot机器人,或称“机器人”,是一种自动驾驶车辆,可以在高密度存储系统中收集环境温度、冷冻温度和冷冻温度区域的物品,并将其交给挑选单个物品的员工,以建立客户订单。Alert Innovation将Alphabot®作为一种技术,使在线订单的店内履行更快、更高效。

零售商希望在对产品开发做出财务承诺之前,评估Alphabot®概念的可行性及其对沃尔玛的适用性。Alert Innovation已经为该项目进行了一些静态电子表格计算,但是,Alert Innovation和沃尔玛都同意,由于系统复杂性以及需求和执行的可变性,电子表格无法依赖。在做出财务承诺并在沃尔玛商店部署该系统之前,决定委托模拟咨询公司MOSIMTEC设计一个物料搬运模拟模型,以进行独立的技术可行性评估。该初始建模评估的目标是:

物料搬运模拟不仅有助于了解在现实世界中推出该系统的真实成本,还可以确定未来在沃尔玛其他门店可能部署Alphabot®的具体门店要求。

解决方案

为了在具有真实世界复杂性和可变性的计算机模拟环境中建模Alphabot®的行为和操作,MOSIMTEC为该项目选择了AnyLogic材料处理模拟软件。MOSIMTEC和AnyLogic能够从数据输入动态构建设施布局,而不需要访问每个布局更改的开发环境,这将大大减少模型开发时间,并能够更快地评估多个Alphabot®配置。AnyLogic还提供了无与伦比的部署便捷性,因此多个沃尔玛工程师可以运行物料处理设计模型,而不需要安装额外的软件或购买开发者许可证。选择AnyLogic也是因为Alphabot®系统需要广泛的控制算法。AnyLogic与Java集成的能力消除了在合适的脚本语言和程序员能够接受的格式之间来回转换算法思想所花费的过多时间。

阶段1:物料搬运模拟模型
包括AGV模拟在内的动画

沃尔玛最初的目标是就Alphabot®项目的启动做出决定。在七周内,MOSITMEC能够学习该系统,设计bot决策的初始控制算法,建立物料搬运模拟模型,分析结果,并向沃尔玛领导层展示研究结果。

在最终交付的模型中,沃尔玛经理可以指定不同的输入,比如机器人的数量、长度、宽度、加速度和不同区域的速度。物理货架配置,如通道数量、层数、层间空间和工作站层数,以及该系统的其他物理组件,都可以通过模型输入参数进行配置。控制逻辑参数,包括从各种工作分配方法中选择或设置各种阈值,也被公开,供沃尔玛运行他们自己的分析。

第2阶段:物料搬运模拟模型
包括AGV模拟在内的动画

模型输入和输出统计数据集成在Excel前端,因此用户可以轻松配置和运行模型。在这个概念评估阶段,MOSIMTEC整合了基本3D模型动画,该动画根据用户在Excel中定义的布局进行缩放。Excel中的输出结果包括一个摘要报告,其中包含关键指标、日志文件、场景比较、图表和图形。

在完成对系统能力的独立分析后,MOSIMTEC将AnyLogic材料处理设计模型转换为Alert Innovation,长期用于微调软件控制算法,最终用于生产部署。基于第一阶段的成果,沃尔玛开始了Alphabot®产品的开发。Alert Innovation的工程师使用阶段1模型作为阶段2的基础,通过增加细节级别和测试各种控制算法来模拟不同的系统设计方案。模型增强包括:

通过更新的材料处理模拟模型,工程师能够验证原始系统设计假设,并向Alphabot®产品开发团队提供反馈。

包含AGV仿真的Alphabot系统模型

包含AGV仿真的Alphabot系统模型

结果

通过估算满足各种周转时间阈值所需的设备需求,初始物料搬运设计模型的输出为更广泛地部署Alphabot®提供了商业案例。仿真模型量化了无约束需求条件下的系统性能能力,以测试其极限。该模型显示,Alphabot®能够在不到8分钟的时间内挑选95%的在线杂货订单,平均挑选时间不到5分钟。

随后对初始模型进行了更新和扩展,以了解各种详细设计方案的影响。该模型有助于Alert Innovation确定哪些设计方案将产生最大的ROI,并为未来的部署更好地确定系统规模。

2019年3月,沃尔玛和Alert Innovation在新罕布什尔州塞勒姆的沃尔玛超市推出了Alphabot®的概念验证试验。


观看Amy Brown Greer、Christian Hammel博士和John Lert在AnyLogic会议,或下载演讲.

类似案例研究

更多个案研究

获取一份包含行业案例研究的小册子

下载
Baidu