文｜李岱東 金桂根 餘榮洋 王國莉 黎建強 王佳
摘 要：如何提升智能密集倉儲系統中四向穿梭車的出入庫效率，本文提出了一種基于多Agent的多車排程優化技術和方法，并以JX物流中心項目為例建構優化模型，通過項目運作實際資料的驗證，實作基于多Agent的單層單車、單層多車、多層多車的協同排程優化，可以有效提高智能密集庫的出入庫效率，對四向穿梭車系統的開發和應用有較好的實踐意義。
關鍵詞：四向穿梭車、排程優化、多Agent、效率
一、序言
電子商務和智能制造發展助推了智能倉儲技術的創新，針對生産物流品規少、批量大的特點，以及倉儲空間高效利用的因素，以貨架穿梭車為存取裝置的智能密集倉儲技術近年來發展迅猛。貨架穿梭車是一種以貨架軌道導向的存取和搬運裝置，通過傳感器、編碼器及伺服控制等技術，精确定位各個輸入、輸出及存儲工位，通過計算機排程管理系統，接收物料後進行自動往複穿梭搬運，并通過垂直提升機實作換層作業。
托盤貨架穿梭車一般指四向穿梭車和子母穿梭車，其中四向穿梭車将子母穿梭車合二為一，可在主道、子道運作，實作多層多車協同并行作業模式，為智能物流存儲系統提供新的解決方案，是傳統巷道堆垛機立體存儲模式之外的重要智能倉儲創新模式。但智能密集倉儲系統的缺點是不能較好地實作物料的先進先出，出入庫效率相對較低，穿梭車排程系統的政策和算法顯得尤為重要，而多Agent系統的自治性、反應性和主動性特點能更好地适應密集倉儲的多車排程效率問題。
四向穿梭車系統是依靠系統内的穿梭車輛和提升機結構互相配合完成多車多層出入庫任務，利用提升機與穿梭車本身配置互相通信，在通過計算機軟體作業系統、倉庫管理系統完成換層及出入庫作業，相比堆垛機出入庫系統減少了巷道通道，很大程度提高了存儲空間的使用率。密集倉儲系統一般每層均放置一台四向穿梭車，可最大限度提高系統響應時間，進而增加系統的吞吐量，減少平均出入庫時間；但實際營運中可能會出現多台穿梭車使用率不均，進而導緻巷道堵塞，出入庫效率大打折扣，是以多車協同排程優化技術顯得迫切和重要。
采用Agent人工智能理論的排程系統通過Agent智能行為和Agent個體之間的協商可以讓排程系統變得高速和高效。本文通過分析四向穿梭車密集存儲結構和特征，建構了基于多Agent技術的四向穿梭車密集倉儲排程優化模型，并将多Agent合作求解技術應用到排程政策中，取得了較好的優化效果。
二、密集倉儲四向穿梭車結構模型
多Agent系統結構通常包括以下三種類型：集中式、分布式和混合式。在分布式結構當中，每個Agent的狀态是相對相等的，充分發揮每個Agent的自治性和協商性。不同的任務排程環節對應不同的作業流程，根據系統這一特點，建立基于多Agent的密集倉儲四向穿梭車結構模型，如圖1所示，其中包含了各類别Agent之間的資訊互動過程以及各Agent的主要功能，在訂單進入系統當中後，向出入庫系統發出訂單需求資訊，再根據訂單貨品類型等資訊配置設定給各個倉儲貨架Agent，再由倉儲系統排程穿梭車以及提升機，共同排程協作，完成最終的出入庫訂單任務。
根據分析系統的運作機制，将整個結構模型MAS（Multi-Agent System）分解為資訊層、控制層、通訊層以及執行層，各Agent功能如下：
1.資訊層Agent
資訊層Agent位于本系統中第一級别，負責整個系統中的資訊采集、資訊處理，同時主要負責協調規範下一級别控制層的各種Agent的行為，即訂單管理Agent、出入庫管理Agent和倉儲管理Agent。雖然每個控制層的Agent各自都具有自治性，但當這一級Agent之間産生競争沖突時，由上級Agent來解決。
2.控制層Agent
控制層Agent主要負責系統中的各項任務的配置設定，例如訂單配置設定、穿梭車及提升機的排程和貨位配置設定等一系列具體任務，控制層Agent對于各自所管轄的範圍内的資源和任務，具有自主性和獨立性，同時也需要調節執行層各Agent之間的行為。
3.通訊層Agent
互動和通訊Agent主要負責各Agent之間的資訊互動，以達到減少各Agent之間耦合性。各Agent之間通訊是基于通信斷言機制來進行互動和傳輸。
4.執行層Agent
執行層是具體執行任務的各種Agent，在接收到控制層Agent下達的任務時，各執行層Agent對于任務進行競争，最終由獲得任務的Agent完成任務并回報結果。
各Agent類型及功能見表1。
在多Agent密集倉儲穿梭車系統中，Agent之間的互動主要展現在訂單管理Agent與出入庫月台Agent、出入庫月台Agent與倉儲貨架Agent、倉儲貨架Agent與穿梭車提升機Agent以及多穿梭車Agent與提升機Agent之間。各類Agent之間以招投标方式實作任務配置設定和互相協作執行任務。是以在系統中各Agent之間的協調排程步驟主要有以下三步：
(1)任務派發環節：招标環節采用廣播招标，基于多Agent的密集倉儲四向穿梭車模型中執行功能相同的Agent，其資料庫、知識庫以及狀态都不同且在實時變化，為確定系統運作最優化，招标者Agent 将标書實時發送至每個投标者Agent，即每個投标者Agent都将接收到招标者Agent發出的招标資訊，再根據自身情況判斷是否發起投标。
(2)任務請求環節：投标者在接到任務消息時，會檢查自身能力，首先檢查是任務緩沖池的剩餘容量，是否可以接收新的作業任務，其次判斷是否符合完成任務的基本要求，最後判斷是否能在規定時間窗内完成任務所需要求。若滿足以上條件，多Agent系統将會制作标書送至投标Agent，投标Agent接受任務後将任務加入任務緩沖池，并按合同執行任務，最終對結果進行回報。
(3)執行評價：針對招标投标環節所回報的資料資訊，對該任務完成程度進行評價。
三、項目案例及優化模型建構
JX物流中心是以智能密集倉儲為中心，集快速處理客戶訂單和配送功能為一體的現代化物流項目，完成物料準确快速的存儲、複核、集貨、發運等業務。智能密集倉儲系統包括四向穿梭車、提升機、貨架、出入庫站台及計算機排程管理系統，平面布局如圖2所示。
1.主要技術名額
（1）存儲貨位數：5000貨位（6層貨架）；
（2）設計最大儲量：80000-100000件；
（3）存儲物料規格（SKU）：30個；
（4）入庫流量：滿足生産線3000件/天的産能，滿足500件/小時的入庫流量；
（5）出庫流量：滿足每天發貨大箱10000件/天，有效工作時間按6小時計算；
（6）裝置配置：4台貨架穿梭車，2台提升機。
2.建立多Agent模型
根據四向穿梭車MAS模型，建立基于多Agent的密集存儲四向穿梭車排程模型，如圖3所示，其協調排程管理政策及機制如圖4所示。
3.資料處理與設定
通過對計算機系統資料進行預處理及設定後，對連續時間、儲位進行資料分析，得到系統運作基礎資料。
（1）貨架梭車在進行出入庫作業時，一動作周期具體分解為：接貨（升降）-換軌-勻加速直線運動-勻速直線運動-勻減速直線運動-放貨（升降）；
（2）換軌時間5S、升降時間6S；
（3）在進行換軌時，隻需要子道向主道詢問路徑（通訊時間4S）；
（4）T實際=T總=t升降+n*t換軌+t直線+
t通訊；
（5）系統要求到達70PL/h（4台車）的流量，按照均分原則，每層物料間隔時間為4PL/min；
（6）針對多車模型，在主道隻能一輛小車通過，目前車離開主道後，後車可以即刻進行。
4.模型參數設定驗證
在實際任務主導下，因要達到
T實際=T總，四向穿梭車在直線道上速度未知，進行多次資料校驗，對平均速度進行參數化設定，使單車單循環的作業時間近似等于實際時間，在允許誤差到達2%以下，得到可行性參數。
5.基于多Agent的單車與多車任務排程優化
（1）單車任務出入庫排程
在進行單任務出入庫任務時，存在多個穿梭車以及多台提升機競争同一任務的情況，這種情況下的入庫過程采用分布式控制的方式，控制決策由控制層的各Agent之間互相通訊協調來實作，對于單任務出入庫來說，存在于一個最優選的穿梭車以及提升機選擇，是以要對于各執行層Agent進行名額評價，主要名額有：穿梭車到出入庫站台的時間，穿梭車預計完成任務的時間，穿梭車的排隊任務名額，穿梭車的健康名額，穿梭車的使用率等。各子Agent需要互相協商，根據名額公式計算出自身能力值，同時對該任務進行競标，随後由控制層Agent進行決策并配置設定任務，能力計算如下。
式中：C(t)表示各子Agent的總能力值，ha (t)表示健康名額，T(Lxy，Le)、T(Le，Lij)采用時間計算各子Agent完成任務的能力，A表示目前子Agent是否空閑，空閑為1，否則為0。
（2）多車任務出入庫排程
在進行多任務出入庫任務時，采用集中控制方式，各子Agent将自己的能力轉化為參數遞交給排程系統中，随後采用改進的匈牙利算法，将所有完成任務的子Agent的能力名額參數構成一個代價矩陣，随後通過匈牙利算法對矩陣進行轉換，最終得到一個簡化矩陣，最終矩陣中為1的元素代表任務配置設定給這些子Agent。
STEP1 輸入效率矩陣，并且每行中減去最小元素；
STEP2 從每列中減去該列最小元素；
STEP3 每行中隻有一個0，則對該0進行标記，對于标記所在列進行劃線，依次劃線；
STEP4 每列中隻有一個0，對該0進行标記，對于标記所在行劃線，依次劃線；
STEP5 矩陣中是否還存在未劃線的0，若存在則轉到STEP6，否則STEP8；
STEP6 是否存在有0的閉回路，若不存在則轉到STEP3，否則STEP7；
STEP7 順回路方向每一個間隔的0進行标記，對标記所在行列劃線，随後轉到STEP8；
STEP8 是否每一行都有被标記的0，都存在則轉到STEP10，否則STEP9；
STEP9 找出未被直線覆寫的最小元素k，做成新矩陣bij=aij-ui-vj，轉到STEP2；
STEP10 對應的1為最優配置設定解。
四、基于多Agent的排程優化結果分析
四向穿梭車運作基礎資料如表2所示，基于多Agent的四向穿梭車排程優化模型及政策在JX物流中心的應用，優化前和優化後系統運作資料如表3、表4所示。
從運作資料來看，雙車能力比單車能力提升了65%左右的效率，且對比系統優化前運作資料來看，出入庫可提高約30%的效率。
案例項目中，為使四向穿梭車的使用率進一步提高，達到預期的優化目标，結合以上優化排程技術，優化輔助措施如下：
1.增加空車傳回路徑通道
增設空車傳回路徑，使路徑長度縮短，減少所用時間，提升出入庫效率。
2.來料均衡入庫
若入庫來料不均衡，會導緻某層小車一直處于停滞等待狀态，導緻出入庫效率降低，應在入庫前端進行來料預處理，盡可能實作SKU混合入庫。
3.将2/3區進行區域模數劃分
根據對物料托盤批次數和系統資料進行分析，對占比較高的物料批次進行區域規劃存儲，如2/3區劃分為區域模數。
五、結論
将Agent技術與密集倉儲四向穿梭車系統相結合，将系統中的各項流程及裝置映射成為相應的Agent子產品，并對這些Agent子產品設計相應的行為和功能，通過各Agent之間的協商機制，可以使智能Agent融入倉儲排程系統，可以提高系統的整體能力，同時可以使系統能夠靈活處理各種突發事件，減少異常事件對于系統整體效率的影響，使系統靈活魯棒性更強。
實作智能密集倉儲系統中多台四向穿梭車運作排程的競合博弈，多台穿梭車智能體學會彼此合作和互相競争，互相協同完成存取貨、行走搬運的出入庫任務；使用多Agent的數學算法和邏輯找到多車物流排程、動态路徑規劃的最優解，實作系統運籌優化。