大数据技术在京东仓储中的应用与实践——“大数据与智慧物流”连载之五

王天文/文

大数据技术在京东仓储中的应用与实践
——“大数据与智慧物流”连载之五

王天文/文

在未来仓库中，人工智能与设备的结合将会取代大部分物流作业，机器的智能会超越人的智能，做出比人更“聪明”的决策，追求仓库效率与成本的最优化。而对于拥有海量包裹物流需求的未来，机器与智能在物流领域的应用与实践将会越来越广泛。

随着电子商务的迅猛发展，物流需求日益膨胀，同时人力成本日益攀升，物流从业人员数量供给不足，从而导致仓配产能渐趋不足。据预测，到2020年，中国的包裹量将达到日均1.45亿个，这已不是单纯扩张人数和仓库面积就可以解决的问题。通过技术手段支持产能并降本增效迫在眉睫。

京东推出“无人仓”项目，实现了自动化时代到智能化时代的大跃迁，其智能化体现在，传统工业机器人将不再只是执行手臂，还将被赋予大脑智慧，使其具备自主判断和行为能力，从而完成复杂多变的仓储任务，为客户更快更好地提供物流服务。下面京东仓库搬运机器人——天狼系统的几方面“智慧”所在。

智能商品布局

《孙子兵法·势篇》中写道：“强弱，形也。”，这里的“强”字是一个动词，是“使其强大”的意思。我的理解是：要让有限军队变得坚不可摧，需要精心布置阵形、精心布局、精心安排兵力。运用在仓储物流管理的生产中，要想用有限库容和产能等资源达到高出库效率，需要精心安排商品库存分布和产能调配；因此，库存分布将变得尤为重要，我们在京东天狼系统中分别从如下几个方面，应用大数据分析等技术，对仓库的库存分布进行“精心安排”。

1.热销度

应用大数据分析技术，预测商品近期热销程度。对于热销商品（出库频次高的商品），存储于距离出库工作台近的位置，降低出库搬运总成本，同时提升出库效率。

图1 ：AGV

图2 ：货到人

图3 ：热销度

图4 ：相关度

2.相关度

目前不同商品之间在库内的存储区域分布是相关独立的，是互不影响的。然而，针对海量历史订单进行数据分析，我们得出结论——两商品同步下单的几率存在一定的耦合性。根据这种商品相关度的分析，设计商品之间的存储规律，令相关度高的商品存储于相同货架，达到优化拣货路径，减少机器人货架搬运次数，从而节省仓储设备资源，提高机器人人效。京东通过应用机器学习算法和遗传算法等优化算法，计算得出最优商品组合，即哪些商品存储在一起，能使得仓内货架整体内聚度（货架上商品之间相关度）最高。

3.分散存储

应用运筹优化等技术，追求全仓库存分散程度最大化，将相同或相似商品，在库区一定程度的分散存储，从而避免由于某区域暂时拥堵影响包含该商品订单出库，这样可以随时动态调度生产，实时均衡各区生产热度；同时，库区生产还可以支持并行生产，可无限平行扩展。

将以上原则制定为最优库存存储规则，一旦由于因素变化（比如热销度变化、相关度变化）或货架上商品库存变化等，系统会自动调整库存分布图，并对出库、入库、在库作业产生相应的最优决策指导。小车将自动执行相应搬运指令，将对的货架（库存）送至对的位置，完成库存分布的动态调整。

图5 ：分散存储

图6 ：仓库动态分区

图7 ：仓库动态分区

图8 ：资源匹配

图9 ：搬运小车路径规划

仓库动态分区

当订单下传到库房后，如果没有一个合理的订单分区调度，可能会带来不同区域订单热度不均问题，这个问题会导致以下两个现象：

现象1：各区产能不均衡，从而导致部分区域产能暂时跟不上。

现象2：部分区域过于拥挤，从而导致部分区域出库效率混乱且效率较低。

为解决这个问题，我们实时动态分析仓库订单分布，应用沃罗诺伊图分区技术，动态划分逻辑区，从而达到各区产能均衡的目的，使得设备资源利用率达到最大化和避免拥堵，进而提升仓库整体出库效率。

资源匹配

当WMS从ERP接受客户订单时，运用生产调度运筹优化模型，建立仓内供需最优匹配关系，使得全仓整体出库效率达到最大化。

搬运小车路径规划

当搬运小车接收搬运指令时，要将货物快速准确送达目的地，需要规划合理最优路径。那么,如何利用仓库优先的道路资源，为全仓搬运小车规划合理的搬运路线？京东应用时空大数据等技术，协调规划全仓搬运小车整体搬运路线，使得全仓小车有条不紊有序进行，最大程度减少拥堵。

智能化是物流行业发展必然趋势，我们可以通过技术手段来解决更多的物流问题，达到降本增效的效果。在未来仓库中，人工智能与设备结合将会取代大部分物流作业，机器的智能会超越人的智能，做出比人更“聪明”的决策，追求仓库效率与成本的最优化。而对于拥有海量包裹物流需求的未来，机器与智能在物流领域的应用与实践将会越来越广泛。

作者为京东商城运营研发部高级产品经理