服务热线：010-62964229
格瑞纳根植于教育行业，让仿真软件从理论教学到应用实践
格瑞纳根植于教育行业，让仿真软件从理论教学到应用实践
沃尔玛（Walmart）是全球最大的零售商，为快速增长的在线零售业务，能够以更低的成本更快地完成订单，沃尔玛正在寻找一种自动化技术。Alphabot技术的核心是一个移动机器人，它具有在多级存储结构中在所有三维空间中操作的独特能力。将Alphabot应用到线上订单业务，实现商店级在线杂货自动化存取系统。Alphabot机器人是一种自动驾驶设备，可以在高密度的存储空间运行，自动从室温、冷藏和冷冻仓库中拣选货物，按照订单将商品整合到一起，运送到沃尔玛员工手上进行送货。Alert Innovation开发的Alphabot系统能够大大缩短在线订单在店内的处理时间，加快配送速度。
在确定产品应用的财务申请前，沃尔玛希望评估Alphabot概念的可行性和适用性。Alert Innovation已经用电子表格对项目进行了计算，但是，由于系统复杂性和需求、执行的变化，Alert Innovation和沃尔玛双方都认为，不能仅依靠电子表格的计算来评估。因此，在财务款项申请前，聘请了仿真咨询公司MOSIMTEC，设计一个材料处理仿真模型进行独立技术可行性评估。初始建模评估的目标是：
物料处理仿真不仅能帮助确定系统部署在在实际系统中的真实成本，还可以确定未来在沃尔玛其他门店部署Alphabot®的具体要求。
为能在计算机建模中准确地模拟Alphabot®的行为和操作，反映真实世界的复杂性和可 变性，MOSIMTEC选择了AnyLogic仿真软件。MOSIMTEC充分利用AnyLogic的特性，从输 入数据动态构建设施布局，缩短模型开发时间，快速地评估多组Alphabot®的配置。
此外，在Alphabot®系统中程序员需要开发大量的控制算法，而AnyLogic的Java自定义开发功能，可以帮助将这些算法思想快速、轻松地进行测试。
阶段1：包括AGV仿真在内的物料搬运仿真模型动画
沃尔玛目标最初是为了确定是否实施Alphabot项目。7周内，为支持项目决策，MOSITMEC学习了该系统，设计了初始的机器人控制算法，建立了物料搬运仿真模型，进行了测算并将其结果提交给沃尔玛的领导层。
最终，在交付的初始模型中，沃尔玛经理可以指定不同的输入，比如机器人的数量、长度、宽度、加速度和不同区域的速度；还可以进行物理货架的配置，如过道数量、层数、各层之间的空间和工作站的层数，以及配置系统的其他物理组件。同时，公开了模型的控制逻辑参数，包括用于工作分配和设置各种阈值的参数，可以自行配置。
阶段2：包括AGV仿真在内的物料搬运仿真模型动画
模型的输入输出数据连接到一个Excel前端，用户可以非常便捷地配置和运行模型。在整个项目模型的评估阶段，MOSIMTEC还整合了一个3D模型动画，模型动画可根据用户在Excel中定义的配置信息进行布局调整。最终的输出结果通过Excel输出一个摘要报告，包含关键指标、日志文件、场景比较、图表和图形等信息。
完成系统能力的独立分析后， MOSIMTEC将AnyLogic物料搬运设计模型重点转移到Alert Innovation，用于微调软件控制算法，便于进行最终的生产部署。根据第一阶段的成果，沃尔玛继续进行Alphabot系统开发。Alert Innovation工程师使用第1阶段模型作为第2阶段的基础，增加了控制算法的细节和测试，用来仿真不同的系统设计方案。模型增强的部分包括：
通过更新的物料搬运仿真，工程师能够验证原始系统的设计假设，并向Alphabot产品开发团队提供反馈。
包含AGV仿真的Alphabot系统模型
最初的物料搬运设计模型，能够显示满足各种目标周转时间所需的设备要求，为更广泛地部署Alphabot的业务提供帮助。物料搬运设计模型还量化了在无约束需求下系统的性能限制，并显示95%的真实在线杂货订单，Alphabot能够在不到8分钟的时间内拣货完成，平均拣货时间不到5分钟。
随着项目的进展，初始模型也进行了相应的更新和扩展，以便更好地理解各种详细设计方案的影响。模型帮助Alert Innovation确定了哪些备选方案将产生最大的投资回报率，以及如何帮助将来的部署配置系统。
沃尔玛和Alert Innovation已于2019年3月在新罕布什尔州塞勒姆的一家沃尔玛实体店开始测试Alphabot自动配货系统。
