该公司是一家全球领先的物流解决方案供应商，曾参与为其一家客户规划一个新仓库。仓库每天处理13K条订单线或750个挑箱。该项目包括开发多阶拣选的最佳算法。按照计划，仓库里的订单将由带着手推车的工人提供服务。有手推车的工人会按顺序把货物挑出来，然后放进纸箱里。Kuehne+Nagel的专家使用AnyLogic模拟来选择正确的算法来构建最优的挑选行程。
问题:
该仓库计划使用的手推车(见图)一次最多可以装载8个纸箱，其中4个放在手推车的秤上。当拾取的货物重量与主数据不符时，称量秤会发出报警信号，以提高拾取精度。
操作者只能填满那些放在秤上的纸盒。当秤上的一个纸盒满了时，他就把它换成另一个空的。因此，只有4个纸箱可以同时灌装。另外，一个纸箱的物品可以储存在操作者路线上的任何位置。
这就是为什么仓库需要一个严格的算法来建立最优的拣货路线，以服务收到的订单。
解决方案:
Kuehne+Nagel的专家提出了所需的算法。他们的想法是，运营商的取货路线将永远是直的，这样运营商在交换纸箱后就再也不用回来了。这就意味着一个旅行团不能总是有8个最大数量的纸箱。例如，一个纸箱可以包含来自路线的第一个和最后一个位置的物品，所以它不能交换，直到它是满的。
专家们建立了仓库的AnyLogic仿真模型，使用真实的历史数据对算法进行了测试和验证。详细的模型反映了仓库的物理布局，物品的存放位置，电车操作员的移动，进入的订单，电车占用和服务水平。操作人员根据建议的算法移动和挑选货物。
仓库布局和3D动画
专家通过两个标准对运营商的航线进行优化:
- 最大化每次旅行的平均纸箱数量。
- 最大限度的文章重叠在每个旅游(选择相同的文章为多个纸箱在一个旅游是可取的)。
建模人员上传了一个Excel文件，其中包含2014年3月的260K真实订单数据，然后使用该文件作为输入数据运行模型。在公司仓库管理系统中进行纸箱搭建(根据拣选顺序将不同的订单线分配到不同的纸箱上)。
输出统计包括每次旅游平均装满纸箱的数量，总服务订单的持续时间，总旅游的距离，平均电车利用率，平均旅游时间。
结果:
然后将模型收到的统计数据与旧仓库2014年3月的统计数据进行比较。仓库作业仿真结果表明，采用建议的布局配置、设备和移动算法，小车利用率将由58%提高到94%。
这些结果将被Kuehne+Nagel用于为客户证明投资效率。
此外，该模型将用于选择正确的仓库布局和货物在仓库中的分布。开发商也会改变电车的车号，以找到服务水平和员工工作量之间的最佳平衡。