广告 | 点击查看

很难有一种解决方案天然适用所有场景,但“大小车组合”料箱解决方案或许是目前多变环境下,企业追求的优选存储拣选方案。

料箱机器人的前世今生

每种解决方案的背后都有技术支撑,作为集存储、输送、拣选为一身的智能仓储解决方案,料箱机器人解决方案最受关注的两个点是存储能力拣选效率。在拣货员没有被机械臂或夹具代替之前,想要达到拣选效率最大化的终极方法就是减少拣货员所有与“拣货”无关的动作:与其让人搬着箱子走来走去,不如用机器人把箱子送到人面前。这也是“货到人”提出以来被一以贯之的系统设计重点。

顺着这个思路继续拓宽,我们可以看到如今市面上有以下几种主流料箱机器人解决方案,由此也可以看到料箱机器人解决方案的大致发展方向。

第一种是独立作业的料箱机器人解决方案:机器人搬运料箱放到固定的拣选架上,或直接由机器人“背上”料箱,人从固定的拣选架或者从机器人所驮料箱货架上直接拣货。这种模式是料箱机器人解决方案的一种“试水”,创新可嘉,但劣势也较为明显。在技术层面而言,大型料箱机器人需在巷道上移动,而巷道数量、宽度设置是存在上限的,若想要靠增加机器人数量粗暴地提高效率,则会面临拥堵问题,大机器人全场跑的模式在效率上存在难以突破的瓶颈;在人机交互方面也存在一定问题,拣货员除了“拣货”动作外,需要对不同高度的料箱进行动作调整,同时承受几米高机器人矗立在面前的心里压迫感。目前这种解决方案的应用场景非常特殊,主要是针对客户提出的具体需求搭建的。

第二种是“料箱机器人+卸箱机+传输线”解决方案,这种方案是Miniload的变种,用机器人去替换部分传统自动化系统。简单来说,料箱机器人从高位货架中取多个料箱放置于其背篓上,一次性将多个料箱放置于出库卸箱机上,卸箱机将通过提升机及输送线将料箱一个一个输送到拣选工作位置。拣选完成后,料箱通过输送线及提升机运送到入库卸箱机。这种解决方案与Miniload类似,曾一度非常流行,但是其限制依旧明显:巷道数量影响了效率的上限。此外,卸箱机或输送线影响了整个系统的可扩展性,系统出现单点故障也会造成整个系统不能正常工作。

第三种则为“大小车组合”解决方案,也就是目前较为“火爆”的柔性料箱解决方案。所谓柔性,就是易实施部署、易拓展,能够快速搬迁或自由增减机器人,且单机器人故障不影响总体系统运行。当然,前两种解决方案也具有一定的柔性,但这一解决方案更立足于机器人的特性,而非简单的试水或对过去自动化解决方案的改良。它的底层思路和“料箱机器人+输送线”相去甚远,更类似于“料箱机器人+搬运机器人”进行“上存下拣”思路,其核心是:让不同的机器人干各自最擅长的事情,通过解耦减少模块或组件之间的依赖关系,进而提高整个系统的作业效率。

柔性:应对市场不确定性的手段

“大小车”解决方案是如今料箱解决方案的发展趋势吗?

答案是肯定的。智能仓储领域中机器人相关解决方案的增长量有目共睹,快仓、极智嘉、壹悟科技、海柔创新等头部中国机器人企业纷纷推出“大小车”解决方案。

快仓率先推出QuickBin解决方案,通过“料箱机器人+一层缓存+载具搬运机器人”的组合模式,将高效率、高存储、高稳定性的料箱机器人与小巧轻盈、高效灵活、高性价比的搬运机器人相互结合,有效解决“超高出入库流量”要求下“拆零拣选及海量SKU退货”人工作业效率低的痛点。

极智嘉在2021年推出“RS+P40”解决方案,整个解决方案主打“上存下拣”,由RS系列大机器人负责料箱在存储位和缓存位之间的垂直搬运, P40拣选小机器人负责料箱在平面上的水平搬运工作,机器人在大规模调度算法和预测算法的支持管理下各司其职。并且这对人机交互进行了改良,可以根据拣货员身高同步调节小机器人的“身高”,人机工程更加友好。

2022年,壹悟科技推出CO-PICK智能拣选解决方案,该解决方案基于人工智能算法等技术,在智能物流调度系统和智能机器人调度系统的软件支持下,采用多层级的库存自动化管理模式,有机组合多种AGV,对搬运效率和存储密度都进行了提升。

海柔创新在2023年8月发布HaiPick System 3标准化解决方案,该方案由勾取式箱式仓储机器人(ACR),极速潜伏式顶升机器人K50、配套的工作站和货架料箱、HaiQ智慧仓储管理平台等软硬件共同组成。ACR无需频繁出入,AMR负责将货物运送至人工拣选工作站,不同的机器人相互配合,优势互补,提升了存储密度和取放货效率。

据悉,海康机器人等企业也有料箱机器人与搬运机器人结合的“上存下拣”解决方案并已处于项目验收阶段,物流机器人企业在这一模式上的探索不一而足,但不难看出,目前市面上越来越多机器人企业纷纷开始推出柔性更高的“大小车组合”解决方案。这种变化趋势是由两方面原因造成的。从技术角度来讲,独立的料箱机器人解决方案存在结构性瓶颈,难以单纯通过提高硬件性能来解决,其作业效率始终受到限制。从市场角度说,受到劳动力成本上升、业务变化快、仓租成本上升等的因素影响,快速适应市场变化、降本增效成为企业心照不宣的要求。

当电商成为时代特征,柔性则成为刚需。传统料箱解决方案发轫于上个世纪七八十年代,一套自动化存储设备的使用周期是十年以上,适配于业务规模量大且订单相对稳定的企业,与目前商业现状匹配程度不足。一套适配拆零拣选场景、只需要几个月部署、随时可以根据业务变动增减设备的“大小车”料箱解决方案在高速变化、业务波动大的时代自然更受青睐。

哪种解决方案能更好地满足甲方此时的需求,哪种解决方案便会在市场中脱颖而出。当下的市场环境不确定性激增,业务变动频繁,具有应对变化能力的柔性料箱解决方案成为企业应对市场不确定的手段,迅速撑起了智能仓储领域的一片天。

“大小车”的优势在哪儿?

电商、智能制造和鞋服是“大小车”解决方案的主要应用场景。不过,市场对于柔性料箱解决方案的热切需求,并不止步于此。企业如今在仓储物流环节既要少花钱,又要作业效率,还要能应对市场变化,能选择的余地并不多。在这么一个看似蒙代尔不可能三角的困境中, “大小车”解决方案的天然优势明显。

打开网易新闻 查看更多图片

Starlinks携手极智嘉打造机器人智能仓

打开网易新闻 查看更多图片

法国3PL企业Cubyn利用QuickBin进行巴黎仓库自动化升级

打开网易新闻 查看更多图片

壹悟科技携手锐太供应链共同赋能悠可美妆电商仓储项目

左右滑动查看更多案例

柔性是整个方案中最具吸引力的。应用层面来讲,高柔性意味着“大小车”解决方案能灵活调整数量,实施部署快,没有单点故障,一个机器人坏了并不会对整个系统造成影响。以往传统自动化解决方案往往需要18个月才能完成部署,“大小车”解决方案落地则只需三四个月。企业战略规划层面来讲,“大小车”解决方案能应对市场不确定性,最大程度地把控变化。如果企业未来三五年内的业务会出现调整,甚至仓库搬家,那么“大小车”解决方案的硬件能“拎包就走”,软件能根据新业务执行效率优化策略,自然和企业发展方向更加适配。

甲方企业在选择解仓储决方案时需求是相对明确的:在总预算确定的情况下提出具体的效率要求,在满足要求的重多方案中选择价格最低的。而“大小车”解决方案在性价比上的优势显而易见,这种方案主要的花费都集中在机器人身上,大型料箱机器人贵,小型料箱机器人便宜,企业可以按照自己的需求进行自由组合,不需要像其他解决方案一样考虑输送线、卸箱机等设备的额外花费。

此外,“大小车”解决方案经历三年的发展,目前成熟度较高。站在甲方的角度来看,高成熟度意味着经验丰富,风险低,服务好。如果甲方企业的咨询是机器人出货量大、全球案例库丰富、产品线和解决方案完善的机器人企业,自然不用担心被强推不适合自身需求的物流方案。

天然的护城河:大规模异构调度算法

机器人解决方案与传统自动化解决方案的差异体现在柔性,把机器人高度做到极致、把深位做多从技术上来讲都是可行的,但若以高柔性为最终目标是的话,往存储这个方向的“卷”是没有必要的。在“存储”一样的情况下,将“效率”卷到极致才是正解。

“大小车”解决方案的优势明显,技术门槛也同样明显。不过,“大小车”解决方案的技术门槛不是硬件配置,而是底层系统。该类方案往往涉及到数百台以上异构机器人,对大规模多源异构机器人集群调度能力有着较强的要求,对习惯于做单机器人调度的企业来说存在着一定门槛,是天然的技术护城河。市面上的头部机器人企业,在大规模异构机器人调度算法与系统的研发上也颇费心思。

壹悟科技的CO-PICK智能拣选解决方案的底层系统是由智能机器人调度系统(RCS)和智能物流调度系统(WCS)共同支撑的。RCS是开放式移动机器人调度平台,基于强大的工业级调度算法内核,可支撑大规模机器人混场调度作业,能集中调度不同AGV厂家的机器人。WCS的可配置性强,复杂作业任务分配和调度由核心业务调度优化引擎驱动。

快仓为其QuickBin解决方案研发了机器人集群操作系统(EVO),该智能算法针对大规模机器人集群调度、多类型机器人协同、跨场景运行等问题,通过启发式算法和整数规划精确算法结合的混合算法优化资源分配,负载均衡,库存分布,多种设备协同和交通控制等调度导航控制,提高系统效率。

机智嘉RS+P40“大小车”解决方案的机器人管理系统(RMS)能实时处理大规模移动机器人集群的路径规划、交通管理、任务分配、产能优化、可视化状态监控、地图维护和共享、多机型协同调度、安全急停等任务。在某电商零售行业的落地项目中,极智嘉RMS能同时对超百台RS料箱机器人和400多台P40拣选机器人进行调度。

技术不断迭代升级,相信“大小车”料箱解决方案在预测算法、人机互动、操作舒适度、仓库全流程效率方面都将有所提升。

综上所述,很难有一种解决方案天然适用所有场景,但“大小车”料箱解决方案或许是目前多变环境下,企业追求的优选存储拣选方案。

作者:罗丹

本文源自新媒体

本文版权归《物流技术与应用》所有,欢迎文末分享、点赞、在看!转载请联系后台。

广告宣传