Mathias Ellmann 博士介绍移动机器人订单履行系统项目

协心Z机器人系统是翰宁下一个即将上市的产品线。这个系统有两个重要部分，一是高性能协心Z机器人，二是软件系统，也就是移动机器人订单履行系统（RMFS），该软件系统是和德国吕纳堡大学信息系统研究所运筹学研究组合作研发。Mathias Ellmann(马提亚斯埃尔曼)是移动机器人订单履行系统（RMFS）项目的博士后研究员，他毕业于德国汉堡大学，在汉堡大学取得了计算机科学博士的学位。埃尔曼博士的研究重点是，机器学习算法和大数据应用，他在视频中介绍了该项目概况。

视频文稿

大家好，我的名字是Mathias Ellmann，我是RMFS（移动机器人订单履行系统）项目的博士后研究员。

移动机器人订单履行系统（RMFS）项目是“规划仓库使用机器人”的最先进的研究项目之一。在这样的仓库里，拣货员通常是在固定的出货工作站或者补货工作站工作，而机器人可以沿着预设的路径移动装有不同货物的货架到拣货员的面前。当机器人把含有客户订单货物的货架移动到拣货员面前时，出货站的拣货员可以进行订单拣选工作，而补货站的工作人员则可以往货架上补充货物，以最大限度地提升仓库的存储能力。

在RMFS项目中，我们位于德国吕纳堡Leuphana大学的“运筹学”研究组与中国北京的翰宁智能科技公司合作。我们通过该项目的两个实体：“核心”和“转移”来指导和推进整个项目的进行。

在“核心”这一实体中，我们专注于获取运筹学知识、数学理论和机器学习算法。同时，我们还通过使用商业分析来提高对RMFS的理解。

我的研究是如何根据客户的需求推导出仓库的最佳结构。为此，我们使用了几个电子商务经销商的数据库。客户的需求在不停地迅速变化，所以我们认为仓库结构也应该随之改变。我们将展示，我们如何根据客户的需求进行学习并通过机器学习进行建模，如何以及何时应根据客户需求重新调整仓库。我们根据不同的因素来重组我们的仓库，包括：订单高峰、订单频率、货物种类、货物类别以及客户行为。通过对这些因素的研究，我们将最大化的提高仓库的产出效率，最小化客户的等待时间。我们正在研究可能的主导因素，如货物区域的大小和结构，货物在货物类别中的分布，或者也可能是机器人移动的路径和方向。

目前，我用编程语言Python开发了一个仓库管理软件用来进行一些实验。正如您所看到的，研究人员可以通过调整不同的参数来设置仓库。我们最近的研究包括用于完成订单的机器人计算最佳路径的算法。该算法可以接受以下设置：机器人的数量、机器人移动路径的方向（单向或双向)、仓库的结构以及仓库里面货物分布或者货物类别。该软件的组件是非常松散耦合,但却具有很高的内聚性，这样其他的研究人员也可以轻松使用或扩展它们。

“转移”这一实体的目标是：基于我们在“核心”实体中的发现，开发用于工业应用的最先进的软件系统。

这个研究项目有几点挑战。第一个就是构建一个模拟器用于执行实验。这些实验主要关注的是：如何使仓库能在短时间内轻松改变结构。一个仓库的结构或设置通常取决于仓库的所有者也就是电子商务经销商。因此,模拟器必须高度灵活才能用于测试不同设置。第二个挑战在于,理解电子商务经销商的客户、货物以及销售行为，以此来对仓库进行重组。根据货物的进出库的时间,我将会使用多种机器学习算法来对仓库结构进行建模。最后,我们尝试为不同的电子商务经销商推荐不同的仓库设置。

整个公司和“运筹学”研究小组的开发人员和研究人员都想要拓展未来物流和下一代机器人支持的仓库的可能性。我们希望我们能够在多个期刊上发表我们的工作成果，并能为电子商务经销商提供一个软件，来计算最佳仓库结构。

翰宁智能