近日，由人工智能物流產(chǎn)業(yè)聯(lián)盟主辦、曠視科技和《物流雜志與應(yīng)用》雜志承辦的“AI+物流燈塔直播間”第四期如期開講。本期直播邀請到北京科技大學(xué)教授、博士生導(dǎo)師、《物流技術(shù)與應(yīng)用》執(zhí)行主編趙寧教授，以《數(shù)字孿生與AI物流》為題進行了分享。
Part1：數(shù)字孿生、AI物流、智能調(diào)度等概念的產(chǎn)生及發(fā)展
1. 數(shù)字孿生：數(shù)字孿生是物理世界的數(shù)字化表示，2003年由Grieves教授首次提出。與傳統(tǒng)仿真相比，具有忠實映射、共同進化、基于模型的優(yōu)化等特點。
2. 智慧物流：利用集成智能化技術(shù)，使物流系統(tǒng)具有思維、感知、學(xué)習(xí)、推理判斷和自行解決某些問題的能力。其發(fā)展呈現(xiàn)智能化、一體化/層次化、柔性化、社會化等趨勢。
3. 智能調(diào)度：又稱基于知識的調(diào)度，即充分應(yīng)用有關(guān)問題域的知識，盡可能減少組合爆炸，使最佳調(diào)度或組合問題獲得有效解決的調(diào)度方法。核心目標是穩(wěn)、準、快地找到最優(yōu)解。
4. 物流仿真：對物流系統(tǒng)進行系統(tǒng)建模，并在計算機上編制相應(yīng)應(yīng)用程序，模擬實際運行狀況，并統(tǒng)計和分析模擬結(jié)果，用以指導(dǎo)實際物流系統(tǒng)的規(guī)劃設(shè)計與運作管理。
5. 數(shù)字孿生和其他相似技術(shù)的區(qū)別：
①數(shù)字孿生VS動畫：動畫本質(zhì)服務(wù)人類，非服務(wù)自然或工業(yè)系統(tǒng)。數(shù)字孿生不僅僅是對外部物理世界形象的鏡像反映，更重要的是對物流設(shè)備或者系統(tǒng)性能的模仿。
②數(shù)字孿生VS仿真：仿真分為連續(xù)系統(tǒng)和離散事件系統(tǒng)。物流仿真屬于離散事件系統(tǒng)仿真，其本質(zhì)是通過大量重復(fù)實驗，統(tǒng)計系統(tǒng)性能。
?、蹟?shù)字孿生VS虛擬調(diào)試：虛擬調(diào)試的價值在于用低成本的計算機實驗代替高成本的物理實驗。二者區(qū)別在于物理仿真一般面向系統(tǒng)，虛擬調(diào)試一般面向設(shè)備。
?、軘?shù)字孿生VS虛擬監(jiān)控：虛擬監(jiān)控即用虛擬仿真動畫代替攝像頭拍攝現(xiàn)場視頻的技術(shù)。虛擬監(jiān)控受現(xiàn)場實時數(shù)據(jù)驅(qū)動，虛擬仿真是靠系統(tǒng)內(nèi)在邏輯驅(qū)動仿真和動畫。
Part2：數(shù)字孿生在智能物流領(lǐng)域應(yīng)用的原理基礎(chǔ)及發(fā)展現(xiàn)狀
智能物流興起的基礎(chǔ)是智能制造的飛速發(fā)展?，F(xiàn)階段，隨著信息技術(shù)、物聯(lián)網(wǎng)和制造環(huán)節(jié)融合， “工業(yè)4.0”時代到來，其特征機器輔助人腦決策。其中，人工神經(jīng)網(wǎng)絡(luò)和智能算法是人工智能的重要技術(shù)層面。
在智能物流領(lǐng)域，對于物流設(shè)備來說，除通過來源于現(xiàn)場的數(shù)據(jù)來進行“訓(xùn)練”外，數(shù)字孿生的出現(xiàn)讓其可以通過“仿真調(diào)度”自動“試錯”和優(yōu)化。具體來說，首先建立高保真的“仿真模型”，通過其反饋性能值來“優(yōu)化算法”(或人工神經(jīng)網(wǎng)絡(luò)等)。優(yōu)化后的算法可以調(diào)整決策參數(shù)，進而作用于仿真模型。
仿真調(diào)度原理展示
但是，現(xiàn)階段“調(diào)度應(yīng)用”存在一些現(xiàn)實問題：如調(diào)度模型難以完全考慮所有現(xiàn)實因素(多機器人的擁堵問題、死鎖問題);動態(tài)信息難獲取(如機器人故障，異體檢測);優(yōu)化目標難確定(效率最高/路徑最短/命中率最高);約束難確定(空機器人可穿貨架，不可穿立柱;單行道/雙行道的選擇);調(diào)度算法評價難(在10個機器人倉庫應(yīng)用良好的算法在100個機器人的倉庫是否依然有效)等。
同時，在“調(diào)度應(yīng)用”方面，則存在目標不明確(除了動畫，能解決什么問題);仿真建模完全定制成本高，周期長、耗費人力多;仿真結(jié)果與物理結(jié)果偏差大。仿真速度接近甚至慢于物理時間等問題。針對上述問題，趙寧教授表示，解決上述問題的終極方法就是面向AI物流的數(shù)字孿生。
Part3：數(shù)字孿生和仿真等在多層穿梭車和KIVA機器人等系統(tǒng)調(diào)度研究中的科研成果
趙寧教授分享了有關(guān)多層穿梭車和kiva機器人的相關(guān)學(xué)術(shù)研究成果。比如多層穿梭車在設(shè)計的時候需要考慮層數(shù)、列數(shù)、排數(shù)及提升機數(shù)量等，會涉及很多不同方案的選擇。趙寧教授團隊通過設(shè)定不同cycle-time(任何一個輸入庫任務(wù)耗費的時間周期)下的throughput(單位時間內(nèi)的輸入庫數(shù)量)測定，探究數(shù)字孿生在多層穿梭車組合方案測定中的應(yīng)用價值。
在Kiva機器人系統(tǒng)調(diào)度研究領(lǐng)域，通過在相應(yīng)仿真系統(tǒng)中設(shè)定不同的參數(shù)，并內(nèi)置一些算法和模型，如機器人空載可穿貨架、機器人尋址、避讓等，讓仿真系統(tǒng)實現(xiàn)模塊化和參數(shù)化，從而實現(xiàn)大量的仿真調(diào)度實驗。直播中，趙寧教授分享了一個例子：通過對比貨架橫置和豎置不同布局下的揀貨數(shù)量情況，得知貨架橫置更容易造成機器人擁堵的初步實驗結(jié)果。
此外，趙寧教授介紹到，真正的物流仿真還涉及很多方面：如系統(tǒng)設(shè)計對揀貨量影響、機器人調(diào)度、機器人路線規(guī)劃、倉庫規(guī)模及布局對機器人行走距離定量影響;RMFS系統(tǒng)要素如機器人數(shù)量、揀選站數(shù)量、SKU數(shù)量、訂單數(shù)量、訂單分配原則;優(yōu)化目標如站點訪問次數(shù)最少、機器人移動距離最短、揀貨量最大;系統(tǒng)模型單服務(wù)臺排隊模型、多服務(wù)合排隊模型;優(yōu)化算法如改進A*算法、變鄰域搜索、遺傳算法、Diikstra算法、模擬退火算法等。
直播最后，趙寧教授對未來數(shù)字孿生和智能物流的發(fā)展方向和相關(guān)問題進行了展望和預(yù)測：
1. 智能物流對傳統(tǒng)物流模式帶來極大變革，消滅了許多應(yīng)用人力造成的痛點，同時帶來用好智能裝備的新需求。
2. 智能物流系統(tǒng)的設(shè)計、調(diào)度、仿真一體化是有前景的應(yīng)用方向。
3. 智能物流和數(shù)字孿生的結(jié)合是未來的方向。
4. 調(diào)度的“穩(wěn)、準、快”和仿真的“真、快”是發(fā)展核心，對物流裝備產(chǎn)業(yè)具有很強的應(yīng)用價值。
5. 企業(yè)側(cè)重落地,高校側(cè)重前沿,物流裝備領(lǐng)域的創(chuàng)新需要企業(yè)和高校在研發(fā)層面深度融合。
更多精彩觀點，請點擊下方鏈接觀看趙寧教授直播回放：https://wx.vzan.com/live/tvchat-1550830926?v=1636685869559#/
（轉(zhuǎn)載）
