地址：北京市朝阳区安翔路8号
网址：www.ksdupsdyw.com
主动库房订单 picking已成为在不单纯添加更多劳动力或空间的情况下，行进吞吐量、存储密度和精确性的中心杠杆。本文将介绍首要的订单 picking架构，怎样规划高密度布局，以及怎样依据峰值需求和生命周期本钱来规划体系。您将看到比如货到人网格、静态或动态 picking 模块以及依据ASRS的规划等挑选怎样结束传统布局几倍的存储容量，一同结束快速、符合人体工学的 picking。方针是为工程师和运营领导者供给有用的体系级视图，以便他们能够指定、比较和证明其设备的正确库房订单 picking处理计划。
这四种活动界说了在主动化库房订单拣选中，人员、机器人和库存怎样互动。人-货（P2G）在拣货人员行走或与随行机器人一同作业时坚持存储静态，具有较低的本钱开支和高布局灵活性，但行走时刻和人工本钱较高。货-人（G2P）运用络绎车、网格或ASRS将托盘或纸箱带到人体工学作业站，消除通道后，行走间隔缩短，存储密度行进到2-3倍。依据网格的ASRS与机器人的结合还经过主动化产品检索来行进精确性 机器人到货品 (R2G) 将移动拣选机器人放入现有的货架中，这适用于棕色场地和夜间或高峰运营，但受视觉、抓取和货架拜访凌乱性的捆绑。货品到机器人 (G2R) 将主动存储和检索体系 (ASRS) 或输送机与固定单元的机器人拣选相结合；它将大部分直接劳动从拣货面移除，并跟着人工智能视觉的改进，对整箱和越来越多的单件拣选十分有力。 实践上，高功用的主动化库房拣选一般会混合运用P2G或R2G以结束灵活性，并与G2P或G2R相结合以构成布满、高吞吐量的中心。
静态拣选模块运用固定货架、流利货架和夹层货架。它们的初始本钱较低，且动力和保护需求低，但拣货员有必要前往产品，因而它们适用于安稳的需求和安稳的产品品种。动态拣选模块将输送机、络绎车、移动货架或主动存储和检索体系（ASRS）集成在一同，以移动库存或容器，最大限度地运用空间并结束高密度存储，有时在结合主动化体系时，其存储容量可抵达传统布局的三倍以上。零件到拣货员的概念现已证明，拣货速度能够抵达每小时每人约1000条订单，比手动办法高出8到15倍。这使得动态模块成为高SKU、高 volume 主动化库房拣货员的抱负挑选。 旅行间隔是首要的糟蹋。权衡之处在于更高的本钱开支、更凌乱的保护以及对操控和WMS集成的更大依托，因而，总具有本钱模型有必要包含在整个生命周期内的动力、服务和晋级途径。关于具有波动性产品组合和频频从头摆放的运营而言，一般更倾向于动态模块，由于它们能够在更小、增量的过程中扩展和从头配备。
高密度主动化库房拣选依托于对立方空间的活跃运用。现代ASRS和络绎体系能够将托盘或托盘堆叠到12-24米高，供给标准通道布局的2-3倍的存储密度具有最小通道空间的高密度货架。依据网格的体系也能够运用垂直高度；当正确配备时，它们会平衡网格高度与“开掘时刻”，以献身密度为价值来行进检索速度网格高度和箱位配备。货架战略应按速度和单位负载切开SKU：高速小件产品放入布满的网格或络绎存储，而较慢或粗笨的SKU运用双深或络绎货架。这种混合最大限度地行进了每平方米的存储量，一同将快速移动的产品坚持在靠近拣选端口的方位，以结束高吞吐量。
关于主动库房订单 picking，布局有必要尽量削减人类和机器人行走间隔。ABC 分区将热销的 SKU 最靠近拣选和包装区域，然后削减处理时刻和拥堵经过 ABC 剖析进行拣选区域优化。动态分配，由 WMS 数据驱动，依据需求改动不断从头定位 SKU，与静态布局比较，能够行进全体功率 double‑digit percentages吞吐量进步战略。在 G2P 和 ASRS 环境中，消除或缩小拣选通道会将行走间隔转移到机器人和络绎车上，然后显着削减每次拣选的 manual 行走间隔经过依据网格的 ASRS 削减行走间隔。结果是每个操作员每小时处理的订单更多，而且每个机器人循环的运用功率更高。
精确衡量存储与人之间的“接口”对吞吐量至关重要。在网格和滑情况进行体系中，端口的数量和方位强烈影响料箱的行走时刻；智能安排，包含地道或中央方位的端口，能够削减行走并下降在满意峰值需求时所需的机器人数量占地面积和端口安排。一般运用模仿来承认机器人舰队的规划，以使体系坚持在拥堵捆绑以下，一同仍结束每小时方针线最佳机器人安置在取件站，符合人体工程学的规划和高速和标准端口的正确组合保证操作员在不疲劳的情况下能够坚持规划的取件速度。这些布局和标准选择计划的结合使机械容量与实践订单配备文件相共同，然后结束安稳和高吞吐量的操作。
在物料转移设备挑选中，手动托盘转移车、滚筒手推车和液压托盘车在优化作业流程中起着至关重要的作用。此外，先进的处理计划如半电动拣选车在高密度环境中行进了生产力。
关于主动化库房订单 picking，依据数据而非均匀值来规划体系。从每班次、每天和旺季的每小时订单行数初步，然后将其转换为每个作业站或机器人所需的 picking 行数。现代的 parts-to-picker 体系每人工时能够抵达约 1,000 行订单，是传统手动 picking 的 8-15 倍关于类似的安装。要害 KPI 包含每 labor hour 的订单行数、每行订单的本钱、订单周期时刻和设备运用率。运用这些来查验额外班次与更多机器人或端口的场景。一向模仿峰值：使用实际的添加和季节性要素，然后加上安全余量，以便体系能够吸收短期激增而不发生过度排队或加班。
主动库房订单拣选的总具有本钱在很大程度上由动力和保护本钱以及本钱开支驱动。动态体系中的络绎车、升降机和移动机器人供给了十分高的吞吐量和空间运用率，但比静态模块消耗更多的动力并需求更多的计划保护，由于它们有许多电动组件。运用传感器数据和WMS/操控日志进行猜测性保护，以在缺点发生前检测到失常的循环时刻、电机电流或过失代码并在低负载窗口进行干涉。结合运用节能战略，例如睡觉模式、优化的机器人部队巨细和非高峰时段的料箱预定位，以在体系全寿数期间下降每订单的kWh，一同坚持服务水平。
主动库房订单 picking在以下情况下作用最佳：建筑、布局和标准选择计划依据真实需求和SKU数据。活动挑选，如P2G、G2P、R2G和G2R，有必要与订单特征、建筑捆绑和劳动力战略相匹配，而不仅仅是技能趋势。然后，垂直存储、网格体系和智能货架混合将立方空间转换为布满且快速的库存拜访。
工程师应将行程间隔视为中心糟蹋。运用G2P或G2R中心、ABC分区和动态分段，将运动转移到机器上，并坚持操作员在人体工程学站位。经过模仿来规划标准端口、机器人和拾取站，使机械才干、软件和劳动力在峰值负载下坚持共同，而不是均匀负载。
总具有本钱有必要在每个选择计划中与吞吐量并排。从第一天起就规划动力、保护和晋级途径的高本钱动态模块、ASRS和先进的Atomoving订单拾取器能够下降每行的本钱。猜测性保护和动力处理坚持高正常工作时刻和低每订单kWh。
最佳项目始于数据、模型代替计划和分阶段投资。遵循这种以工程为主的办法的团队构建了主动拣选体系，在峰值时坚持安稳，跟着添加扩展，并供给耐久的财政酬报。
主动订单拣选是指经过运用技能，如机器人或主动扶引车（AGVs），来帮助从库存中挑选产品以实施客户订单的进程。该办法旨在削减人为过失，行进速度，并行进功率。其方针是精确拼装所恳求的产品，一同优化运营功用。
订单 picking的首要方针是精确实施订单。可是，库房司理一般旨在行进职工生产力、保证安全并优化 picking 进程。这些方针有助于简化操作，并在规矩的时刻内满意客户的需求。有关订单 picking 方针的更多详细信息，您能够参阅库房订单 picking 办法.
为了行进拣选功率，库房能够经过将高需求物品存储在更靠近包装区域的方位来优化布局，然后削减行走时刻。按类型、巨细或需求安排物品也能加快这一进程。此外，充分运用垂直空间能够行进存储容量和安排功率。了解更多关于行进拣选功率的信息，请拜访 Kardex 博客。