栏目以仓储物流知识干货为主题进行整理编写，参考智能制造和智能物流领域的前沿论文与专著。在编译时对专有名词和部分术语的英文进行了保留，不足之处欢迎各位指正、讨论！

  机器人搬运系统在仓配中心的应用愈来愈普遍。机器人拥有诸多特点：占用空间小、灵活性高、24小时不间断工作，这些特点与日益发展的电子商务运营领域高度适配。由于新型自动化机器人搬运系统拥有自主控制、灵活布局、网络化、动态运行等独特特性，此类系统的设计和操作控制问题是需要新的模型和方法加以解决。仓库的关键部分，即仓库设计、仓库规划和控制逻辑领域也都随机器人自动化仓库的发展进行革新。尽管工业机器人的相关发明与应用层出不穷，在现实中也较为常见，但是在学术理论层面上就没有被详细研究过。

  互联网零售商仓库的特点是货物体积小但数量巨大，需要仓储系统能够同时处理多行小批量订单。在人工拣选系统中，拣货员要消耗大量时间在巷道中穿梭，进行电商仓库拣选时容易力不从心。而移动机器人履行系统（RMFS）中，机器人负责搬运移动式货架（Pod）并将其运送给在符合人体工程学设计的工作站中的拣货员。将物品送到拣货员手中，而不是让拣货员前往物品所在位置，这种策略可使拣货员的工作效率提高一倍（该数据来源于Wurman 等人2008 年研究）。该系统中机器人和移动式货架数量可以每时每刻增减，系统吞吐能力具有高柔性特点。这一特点对于需求波动大的互联网零售商来说尤为重要。

  RMFS 的概念由 Jünemann在1989 年的研究中提出，2008年KIVA 公司在美国申请了相关专利。如今，该系统已在亚马逊的大量仓配中心投入到正常的使用中。与此同时，许多供应商也提出了移动式货架与机器人结合的解决方案，如瑞仕格的 CarryPick、GreyOrange 的 Butler、Scallog System和日立的 Racrew。

  1.机器人驱动单元：这些机器人由中央计算机发出指令，将待取货的移动式货架运送到工作站进行补货或拣选，现在也有去中心或本地控制系统。

  2.移动式货架：有两种标准尺寸。较小的移动式货架用于负载重量不超过 450 千克的产品，较大的移动式货架用于负载重量不超过 1300 千克的产品。

  3.工作站：根据人体工学设计的区域，工人在此执行移动式货架的补货、拣选和包装。

  使用 RMFS 拣选订单时，需要首先将订单分配给其中一个工作站，然后将货物分配给一个移动式货架和一台机器人。然后，机器人从其停留位置移动至移动式货架。此时机器人没有负载，可以在货架下方移动，无需使用巷道。一旦机器人到达目标订单所在货架下方，它就会举升货架，在巷道内将其运送到工作站。机器人进入工作站缓冲区进行排队（见图 2）。拣货员拣选订单所需商品，并将其添加到放置客户订单仓的货架/料箱中。然后，机器人会根据移动式货架的请求频率，将其送回存储位置。因此，移动式货架的存储位置是完全动态的。仓库布局能够准确的通过商品和订单的特点进行动态的自动调整。

  目前，RMFS性能表现领域不进行过太多科学研究。RMFS相关的学术研究文献可分为三类：系统分析、设计优化和运行规划与控制。

  Nigam 等人2014 年为 RMFS 建立了一个封闭排队网络模型。他们估算了基于周转类别存储策略的 RMFS 中单线订单的订单处理时间（throughput time）。Lamballais 等人2017年扩展了 Nigam 等人的研究，推导出了具有存储区域、具有单线及多线订单的RMFS 的旅行时间表达式。他们开发了一个 SOQN 来估算平均订单周期时间以及机器人和工作站的利用率。

  Lamballais 等人2017年的研究表明，带有存储区域的 RMFS的最大吞吐能力对存储区域的长宽比并不敏感（除非长宽比严重失调）。研究表明，存储区域周围工作站的位置会直接影响吞吐能力。在他们的设置中，当使用分区存储策略时，工作站应位于存储区域的西面和东面；当不使用分区存储时，工作站应位于存储区域的北面和南面，以实现吞吐量的最大化。Yuan和Gong 2017年开发了一个OQN来估算RMFS的总订单处理时间。利用开发的模型，他们计算出了达到特定的订单处理时间时，机器人的最佳数量及其所需的平均速度。Zou 等人2018年使用 SOQN 优化了系统布局的形状。

  Lamballais 等人的研究表明，利用基于周转货架的存储区，带有存储区的 RMFS的最大吞吐量可提高近 50%。Lamballais 等人分析结果不足之处在于，他们假设每个货架上的物品都是相同的；多线订单，需要多个货架。然而，在现实中，每个货架都包含多种产品，一个货架能满足订单的多个要求的情况有几率存在。Lamballais 等人通过研究怎么样将库存分散存储至不同货架上来解决这一问题。他们开发了一个 SOQN 来估算订单处理时间，然后优化了每个物品的存储货架数量、工作站数量与补货站数量的比例以及每个存储货架的补货水平，以最大限度地缩订单处理时间。根据结果得出，库存应尽可能分散到更多的货架中，以尽量缩短订单处理时间。此外，他们还发现，拣货站与补货站的最佳比例为 2 比 1，最佳补货量约为 50%。

  Boysen 等人2017 年研究了 RMFS 工作站的订单排序问题。他们将该问题表述为一个混合整数程序。根据结果得出，与先到先得的订单排序规则相比，通过优化订单排序，只需一半的机器人就能完成订单执行过程。此外，研究还表明，利用共享存储策略，将相同的 SKU 分散到多个货架中，能更加进一步减少所需机器人数量。

  Zou 等人2018 年研究了 RMFS的不同电池回收策略。他们开发了一个 SOQN 来模拟充电过程。他们得出结论，感应充电能提供最佳的系统吞吐时间。他们还发现，交换电池策略优于插入式充电策略，但成本更高。