适用于B2B业务的“货到人”密集存储布局研究

龚志锋，陈滔滔，石 超，陈建银

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

随着互联网的高速发展，电子商务不断深入人们生活的各个领域，对仓储拣选效率提出了更高的要求，自动化设备的应用成为提高仓储物流效率的主流方案，各式各样的设备与方案如雨后春笋般不断涌出[1]。其中，使用类Kiva机器人的货到人拣选系统应用最为广泛[2]。此方案大多应用于B2C业务之中，适用于订单货物种类繁多的复杂拣选场景，可大大提升拣选效率。与此同时，此方案的仓储容量较为低下，不能充分利用仓库的Z轴空间，无法满足对仓容具有较高要求的业务，例如大批量出入库的B2B业务往往会选择普通的横梁式货架或自动化立体库[3]。

本文以此种类Kiva机器人的“货到人”拣选系统为对象，以重庆某仓库为背景，研究一种密集存储的方案，以改善原方案库容低下的缺点，使其应用能够不局限于B2C业务之中，而能够在一定程度上满足某些B2B业务的需求，同时也能够为日后自动化解决方案的研究开拓思路。

1 研究背景

本次研究以重庆某仓库为背景，该仓存储的业务主要为移动公司的手机终端以及电话卡，目前使用托盘地堆存储且每个库位都堆叠成双层来使用，库房使用率约为90%，处于爆仓状态；仓库日常出货方式为整托出库，部分散件出库，极少拆零，日常出入库约170托盘。为了提高库内机械自动化水平，缩减人工成本，计划使用AGV货到人拣选系统。

当前的类Kiva机器人的“货到人”拣选是以智能轮式机器人为载体，通过将“数据驱动方式”与“货到人”模式相结合的拣选模式[4]。在此模式中，货物存储在定制好的物料架之中，并按传统的单深布局排布，在有订单任务时，机器人只需将相应的物料架运至工作人员处，交由工作人员完成拣选。

图1 “货到人”存储区布局

图1为类Kiva机器人“货到人”模式的常用布局形式，有如下几个优点：

1）模仿传统货架的巷道布局形式，机器人取货时不会受到非目标物料架阻挡的情况。

2）物料架摆放区域与机器人通道固定，但物料架可以在划分好的摆放区域内动态存放，最终可以自然形成热销产品靠近工作站的有利布局[5]。

3）机器人通道数冗余，可以满足大量机器人同时运行而不发生拥堵。

但与此同时，此种布局形式存在着一个最大的弊端，即仓库空间利用率低下。具体表现在以下两个方面：

1）此布局划分出了大量的机器人通道，每两排物料架之间就有一条机器人通道，使得机器人通道占据了整个仓储空间的三分之一以上。

2）此布局并不能够充分利用仓库的高度，物料架只能摆放一层[6]。

由于这些短处，导致该模式基本用于仓库面积大、SKU种类多的B2C业务之中，对于一些业务量较小的B2B业务也不能够很好的满足。

因此本文通过研究密集存储方案，改进原布局方式，提高仓库空间利用率，以满足业务的需求。

2 密集存储方案研究

传统的密集存储货架有贯通式货架、重力式货架、穿梭式货架等，它们都有2个共同的特点，一是采用窄巷道甚至取消了货架间的巷道；二是充分利用了仓库的高度，采用多层结构[7]。因此，对于本次的研究对象，同样从此2方面进行考虑。

首先，若要往高度方向进行扩展，则必须搭建阁楼平台，导致施工复杂，同时额外设备过多，失去了Kiva模式轻型快捷的优势[8]；那么，对于另一个改进方向，取消货架之间的巷道，则是可以大大增加库位数量，同时可存储的SKU种类减少，SKU深度提高，较为契合B2B业务的特点[9]。因此，在总体布局上采用减少巷道数量的密集存储方案。经过研究与分析，提出以下三种方案。

2.1 整体式布局

本布局将传统布局中的巷道全部取消，将所有库位都紧密排布到一起，从而大大提高库位数量。具体的布置细节如图2所示。

1）当SKU数少，库存深度大时，采用图2(a)中的形式，每行只存放一类SKU，一侧入库，一侧出库，从而满足先进先出的原则。

2）当SKU数并不少时，采用图2(b)中的布局，每行存放2类SKU，每种SKU都在同一侧进行出入库操作，此情况下先进先出原则无法得到很好的满足。

本布局最大的优点便是充分利用了仓库的平面面积，使库位数量在只有一层的条件最大化；同时，缺点也同样明显，其无法很好的满足SKU较多的情况，且只有在SKU数较少时才能够满足先进先出原则。

2.2 区块式布局

本布局在2.1节整体式布局的基础上进一步划分，通过留出少量的机器人通道将存储区域划分为若干块，库位数量有所减少，灵活性相对提高。具体布置如图3所示：

图2 整体式布局

1）区块式布局有了更多的机器人通道，使存储区域的暴露面积增大，出入库位置增加，从而使出入库效率大大提高。

2）与2.1节的整体式布局相同，本布局中，每个区块的每行只存储1～2类SKU，同样有同端出入、一侧入一侧出2种形式，但由于划分了区块，使其能够容纳更多种类的SKU。

3）由于进行了区块的划分，本布局能够将存储的物料按总体的业务分类存放或按照商品的ABC热度分块存放，能够更加合理清晰地对存储区域进行管理。

图3 区块式布局

本布局吸收了上一布局的优点，在牺牲了一定库容量的同时，增加了出入库位置，机器人的行走路径更加自由，有利于提升出入库的整体效率。此外，本布局可容纳SKU种类有所提升，且可以更好地按照ABC分类进行排布。

2.3 L形布局

本布局在区块式布局的基础上对库位的排列进行了改进，将传统的直线排列改为L形。

一般情况下，同一SKU的货物都按照直线进行排列，对于人工出入库，直线排布条件下寻找货位最为简单快捷；而若是采用机器人出入库，机器人可以直接查询系统中的库位信息，能够快速找到对应的货物位置，因此直线排布的优势被最大限度的缩小。

同时，如图4所示，从前两个布局中可以看出，存储块的四周除了出入库点外，至少存在1～2条边仅用于机器人通行，且整条边全长都为同一SKU，造成高自由度存储位置的浪费。

图4 直线排列

为了充分利用每一条边，采用L形布局。如图5所示为L形布局的示意图，此布局有以下特点：

1）与上一布局相同，将存储区进行了划分。

2）对长宽相近的区块中的货物采用L形的排列，而长宽相差较大的区块不适合采用L形的排列形式。

3）采用L形排列的区块充分利用了四周的每一条边，沿着边的方向每个货位都能够存储不同的SKU，且都为出入库点，满足先进先出的原则。

4）由于充分利用了区块的每一条边，因此L形布局可存储的SKU种类数大大增加，相比区块式布局，会增加接近1倍的SKU数。而长宽相差较大的区块不适合采用此种布局，若强行采用，则SKU数反而会下降。

2.4 中心对称布局

图5 L形布局

L形布局考虑到了充分利用存储区域的每一条边并顾及到了先进先出的原则，导致每个SKU占用了2条边，仍没有最大化地利用每条边以区分不同的SKU，对于SKU数更多的业务场景，L形布局仍然有所不足。因此，考虑放弃顾及先进先出的原则，使每个SKU仅占用一条边，从而使存储区域沿边长方向的每个库位都能够存储不同的SKU。经过研究分析，采用中心对称式的布局形式，如图6所示。

1）本布局建立在整体式布局的基础上，并没有对存储区域进行划分，去除多余通道，最大化库容量。

2）存储区域从整体上看被2条对角线切开，分为了4个三角，每个三角都由一条条的队列构成，构成类似于正态分布的形式，每个队列都能够存储一个SKU，沿存储区域的周长方向，每个库位都可以存放不同的SKU，4条边都被充分的利用。

图6 中心对称布局

3 布局方案优选

布局方案的选择是一个较为复杂的问题，涉及到多种因素的考虑，包括库容量、出入库效率、先进先出原则等，且其中许多的因素无法定量的描述。而AHP法可以将复杂问题分解成各个组成因素（指标），再将这些指标按支配关系分组形成递阶层次结构，通过两两比较的方式确定层次中各个因素（指标）的相对重要性，最后确定备选方案相对重要性的总排序，是一种层次权重决策分析方法。因此采用层次分析法对布局方案进行优选[10]。

3.1 建立层次结构模型

首先把需要决策的问题层次化，即根据目标层、准则层、方案层的结构将问题分解成不同的构成要素，形成一个不相交的层次结构模型。

本次研究中，共提出了整体式布局、区块式布局、L形布局以及中心对称布局4种方案，对此，以库容大小、是否满足先进先出原则、SKU数以及出入库效率为指标进行评分对比，从而选出4个方案中的较优者。此外，一旦建立好计算模型后，日后可以方便地加入新的评价指标。建立好的层次结构模型如图7所示。

图7 AHP层次结构模型

3.2 构造判断矩阵

层次结构建立完成后，我们需要根据目标层，对准则层的各个因素赋予相对的权重。在大多数的社会经济活动中，尤其是复杂问题的比较中，元素的权重无法直接获得，AHP法所用的导出权重法为两两比较法，通过使用相对尺度，降低比较不同性质因素的困难，从而提高结果的准确性。

本此计算各个指标的相对权重时采用9标度法，具体取值规则如表1所示。其中αij代表指标i与指标j的相对权重，一般取正整数1～9及其倒数。

表1 相对权重取值规则

根据以上取值规则，对各个指标的相对权重进行打分。本此的研究背景为重庆某仓库的移动业务，其当前的首要问题是解决爆仓问题，且每日出入库量并不大，因此各指标的重要性为：库容＞先进先出＞SKU数＞出入库效率，最终得到判断矩阵，如表2所示。

表2 准则层对目标层的判断矩阵

3.3 层次单排序

层次单排序指的是对于上一层的某个因素，本层的各个因素的相对权重，即根据准则层，对方案层的各个方案打分，同样采用两两比较法，具体结果如下：

表3 方案层对库容指标的判断矩阵

表4 方案层对先进先出指标的判断矩阵

表5 方案层对SKU数指标的判断矩阵

表6 方案层对出入库效率指标的判断矩阵

3.4 判断矩阵的一致性检验

因为客观事物具有复杂性，导致我们在判断事物时具有片面性与主观性，具体表现为我们每次判断事物的思维标准不可能完全相同。因此，在构造判断矩阵时，一旦出现混乱且经不起推敲的错误就有可能会引起决策失误，所以为了使判断在总体上保持一致，在对每一层构造判断矩阵时都要作一致性检验。

令：

其中，λmax为判断矩阵的最大特征值，n为判断矩阵的阶数，CI为一致性指标。

然后，根据CI与随机一致性指标RI的比值得到一致性比率CR，若CR＜0.1，则说明判断矩阵的不一致程度在容许范围之内。RI的取值具体参考表7[10]。

表7 平均随机一致性指标

经过计算得到一致性比率，结果如表8所示。

表8 单层一致性检验计算结果

从计算结果可以看出，各层的各个矩阵的CR都满足小于0.1，证明单层一致性检验通过。

3.5 层次总排序

本节中需要确定方案层对于目标层的相对重要性排序，此过程从最顶层的目标层开始依次往底层进行。

准则层4个因素B1，B2，B3，B4，其对目标层的排序为b1，b2，b3，b4，方案层4个因素P1，P2，P3，P4对准则层中因素Bj的层次单排序为p1j，p2j，p3j，p4j，得到如下汇总表。

表9 层次总排序

对结果进行层次总排序一致性检验：

因此，层次总排序通过一致性检验。

从表9中可以看出，中心对称式布局（0.2947）＞整体式布局（0.2862）＞L形布局（0.2518）＞区块式布局（0.1674）。因此最终选择中心对称式布局作为最终的评选结果。

4 结论

本文从Kiva机器人的“货到人”模式中得到启发，研究新的“货到人”布局模式，增大原模式的库容量，使其能够适应B2B业务模块，并以重庆某仓库为研究背景，从设计的布局之中评选出较优者，在此研究过程中，得到以下结论：

1）在布局模式的设计过程，以提高库容量为首要原则，提高SKU数为次要原则，设计了4种方案，但可行的方案绝不仅有这4种，在未来的实践研究中仍需不断探索。

2）在采用AHP进行方案优选时，评选准则根据研究背景中的仓库进行选定与打分，当将其用于其他仓库时，需要根据实际情况进行调整。

3）评选的方案各有优劣，在不同的条件下进行打分，往往会得到不同的评选结果。在本研究背景中，当前仓库对于库容的重视程度远远大于其他因素，因此分数最高的两个方案在布局上都是整体式的，将通道数量减到了最少，而其中中心对称式布局在SKU数等其他因素中同样有较好的比分，最终分数远远领先于其余方案。

本次研究为探索性研究，方案的可行性需要通过实践进行检验，而层次分析法在今后方案的研究中不失为一种较好的决策方法，优化指标的选取与打分，使其结果更加的科学合理。