库内+内格尔是一家全球领先的物流解决方案提供商，该公司参与了为其客户规划新仓库的工作。该仓库每天将处理13K个订单或750个挑选箱。该项目包括开发多阶选择的最佳算法。按照计划，仓库里的订单将由推着手推车(或牙牙机)的工人来提供。推着手推车的工人会把货物拣出来，按订单装进纸箱里。Kuehne+Nagel专家使用AnyLogic模拟来选择正确的算法来构建最佳的挑选行程。
问题
该仓库计划使用的手推车(见图)一次最多可以搬运8个纸箱，其中4个放在手推车的称秤上。称量秤用于提高拣货精度，当所拣货物的重量与主数据不符时，会发出报警信号。
操作人员只能填充那些放在秤上的纸箱。当秤上的纸盒满了，他就把纸盒换成下一个空纸盒。所以每次只能装4箱。此外，一个纸箱的物品可以存储在操作员路线的任何位置。
这就是为什么仓库需要一个严格的算法来构建最优的拣选行程，以服务传入的订单。
解决方案
Kuehne+Nagel的专家提出了所需的算法。他们的想法是，操作员取货的路线总是笔直的，这样操作员就不必在交换纸箱后返回。这意味着最多的纸箱数量(8)不能总是分配给一次旅行。例如，一个纸箱可以装从路线的第一个和最后一个地点的物品，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来测试和验证所建议的算法。详细的模型反映了仓库的物理布局、物品的存放地点、电车操作员的活动、入站订单、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
专家们通过两个标准优化运营商的路线:
- 最大限度地提高每次旅行的平均纸箱数量。
- 最大限度地增加每次旅行中的物品重叠(在一次旅行中为多个纸箱选择相同的物品更可取)。
建模人员将一个包含2014年3月260K实际订单数据的Excel文件上传到模型中，然后将其作为输入数据运行模型。在企业仓库管理系统中进行了纸箱构建(根据取箱顺序为不同的纸箱分配不同的订单线)。
输出统计数据包括每一趟的平均装纸箱数量、服务订单的总时长、总行程、平均推车利用率和平均行程时间。
结果
然后将从模型接收的统计数据与旧仓库2014年3月的统计数据进行比较。仓库运行仿真结果表明，采用建议的布局配置、设备和移动算法，小车利用率将从58%提高到94%。
这些结果将被德迅纳格尔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之间的分布。开发人员还将改变手推车的数量，以在服务水平和员工工作量之间找到最佳平衡。