MathArt | 你的物流智能了么？

实现智能物流的目标、满足精益化管理需求，是汽车制造业在工业4.0背景下进行产业升级的重要一环。

在生产智能化转型的需求背景下，原本有待完善的生产系统物流体系，面对不断攀升的物流以及库存管理成本，使得车厂生产效率难以提升，制造成本居高不下。

物料配送作为整个生产系统物流的关键，如何有效地协调人员、设备、物料智能化调度，实现人机料的一体化管理，已成为车厂无法忽视的难题。

在整车生产车间，往往存在一个集中配料仓库，汽车生产线上所需的所有物料都按照一定的次序摆放在仓库内，工人按照生产计划依次进行配料，当物料低于安全库存时就需要从仓库搬运物料为工位配料。

对于车间的配料作业，拖车拉动是目前车企使用最为广泛的模式——由工人判断配料请求时机，上游生产系统根据工位与零件的绑定关系生成配料任务，再由现场物流工人通过拖车终端主动确认任务并执行反馈。

由于整车配套生产，各种物料的消耗速度不一致，在车间配料区往往出现不同区域的工位同时需要补料的状况。当生产系统中存在多个配料任务及空闲拖车时，传统配料模式过多地依赖于工人的能动性，很容易引起工人抢单，造成现场混乱。

任务与拖车的不合理组合，使得部分拖车配料任务过多且作业路径过长，有些配料区域的物料配送不及时，影响生产节拍，造成现场抛料，同时增大了物料配送成本。

以上问题都将直接影响到整个生产系统的流畅性，导致整车生产厂的供应物流管理难度加大，甚至会造成生产停滞。

这时，为最大限度地提升现场物流工作效率、降低物流运作成本、保证生产线的稳定，就需要配料物流的运输链的及时性得到保证，在物流管理上具有更专业的信息技术手段和水平。

那么，车企又该如何实现补料作业从传统人工请求模式到智能化指派式的转变呢？这一转型离不开基于调度算法引擎的智能化调度与最优路径这两个模块的有效结合。

1．智能调度推断

为实现调度服务与上下游系统的完美集成，我们建议采用“规划前置，提前调整”的解决方案——在整批任务执行前，利用调度算法引擎，提前规划好拖车的分派任务及行驶路线。

为满足整个物流配送的流畅性及稳定性，调度服务需要与上游生产系统、下游执行系统进行有效的集成，由拖车终端应用根据调度结果确认并执行补料任务，进而提升物流拖车有效利用率，降低拖车人员投入。

2.最优路径匹配 

为实现任务智能组合、拖车优化分配，智能调度推新的同时，需综合考虑路障、路向、车速、拥堵等因素，实现最优路径匹配，为补料作业提供路径指导及作业顺序指导。

组合优化的同时综合考虑拖车负荷、拖车到取料点的时间，为可指派的拖车资源分配组合任务，完成物料的配送。从算法角度来看，就是将复杂的业务约束转化为运筹学中的数学问题，在不同约束条件下寻求某一目标函数的最大（小）值。

由于车间补料作业长期以来面临着实时送达、抛料浪费、组合限制、路障冲突等多重限制，当这些限制条件综合在一起时，多车多任务的组合优化就变得错综复杂，使得调度算法引擎的实施面临多重痛点。

传统模式的配料作业多依赖于工人的能动性，不同工人的作业方式不统一，使得业务流程和业务约束难以量化。

不同于市面的滴滴打车、菜鸟配送，车间调度更具微观化、细致化，调度结果需精确到厘米级别，结果的可靠性及有效性直接与生产息息相关。

另外，考虑车间调度的时效性，算法必须有较高的性能才能与上下游系统有效集成。

为解决以上痛点及难点，在涉及业务约束的配送环节，我们更推荐于采用收敛速度相对较快的人工智能算法：通过迭代循环，快速寻找问题的可行解。而在涉及非业务约束的配送环节时，我们则推荐采用求解结果准确的线性规划，准确求出问题的最优解。通过智能算法与运筹学的结合，实现整个调度算法的高效与稳定。

与传统配送方式相比，基于调度算法引擎以及路径优化模块的智能指派式配送，将有效缩短整体配料时间，提高拖车利用率，减少拖车人员投入及物料报警。高效的调度算法引擎与现场物流完美集成，真正实现物流的智能化运作与精益化管理。