传统制造企业的仓储作业可以借助AGV并结合自身企业的特点和仓储模式的优化，从而提高仓储效率，减少人员劳动强度，实现“货到人”的智能仓储模式。
在迈向“工业4.0”时代的道路上，在国家推动由“中国制造”向“中国智造”转变的大背景下，各类企业在智能产品、智能制造、智能物流等领域不断创新发展，满足各类应用场景的智能化工具得以不断迭代和大规模应用。

       目前，一些传统制造企业在仓储物流管理方面，开始借鉴和运用成熟的电商智能仓储的经验，通过AGV来实现高效、少人的仓储分拣作业。本文主要结合A公司的具体实践，介绍了AGV在制造业仓储分拣业务中的运用，从而达到优化仓储流程，提高工作效率，实现少人化和“货到人”的工作方式。

一、建设背景
       A公司在仓储物流管理方面仍存在着一些传统的习惯和方式，例如：部品纳入状态多以子部品方式纳入，按总成部品纳入的状态比较少，导致仓储部品的种类较多；再加上公司品质控制的要求，需要对出入库部品进行批次/成套管理，所以在入库时要按批次进行入库作业，出库时要按生产需求进行分拣齐套工作。

       由于信息化管理系统的限制，一直还在使用纸质出入库单和拣货单，依靠物流人员进行出入库和分拣的齐套工作，员工不仅要牢记所辖区域的部品存储情况，每人每天还要往复步行大约20km进行分拣齐套工作，作业效率低，劳动强度大。我们通过IE分析得出详细的数据。
 
       从分析数据中分析，步行和核对票据信息的平均占用时间约64%。能否运用现有智能化设备来消除或减少这些损失，并提高生产效率，减少作业者的劳动强度，将传统的“人找货”模式转变为“货到人”模式？这成为需要考虑的问题。
 
       1953年第一台AGV（Automated Guided Vehicle）出现，作为一种改装牵引车，可沿着固定线路牵引拖车。通过几十年发展，AGV从磁导航发展到激光、惯性、视觉等非线性导航方式，可以满足不同应用场景的需求，尤其随着最近几年电商高速发展的需要，以亚马逊kiva为代表的二维码导航AGV面世，辅以配套的WMS（Warehouse Management System）和RCS（Robot Control System）系统，从而改善了大规模仓储出入库作业的方式，大大提高了仓储效率，减少了作业者的劳动强度，同时也利于企业降低成本和提高安全性。

       根据智能AGV在电商行业应用的情况看，可以解决仓储行业的痛点和难点，但如何将电商类智能AGV运用到类似A公司这样传统制造业的仓储作业中，提高仓储效率，减少人员劳动强度，实现“货到人”，是本次研究的主题。

二、具体实践

       为了运用这套智能手段，我们首先要了解和解析电商仓储与传统制造业仓储的区别，甄别出各自内在需求及要点，整合出适合制造业仓储的智能AGV运用方案。制造业仓储与电商仓储的区别。
 
       A公司的仓储采用固定库位、存拣一体、按生产批次、按供给职场进行分拣的运营流程，与现在大部分电商采用的灵活库位、存拣分离、按订单先后（但有合批功能）、按接力方式等进行分拣的运营流程，存在很大差别。
 
       为了控制在库量和运营成本，结合两种方式的特点，我们选择了灵活库位，存拣分离，按生产批次、按供给职场等进行分拣的运营流程：

1. 利用WMS系统可以进行高效的库位管理，将原来固定库位“留”给某个零件的库位，在其没有库存的时候能存放其他零件，提高仓储坪效。
2. 
2.存拣分离，借助电商行业较为常用和成熟的潜伏式二维码导航AGV用于搬运作业，减少人员的步行损失。
在电池的选择上，电商企业普遍使用三元锂电池，因为其使用环境要求AGV车辆小巧和运行时间长，所以三元锂电池体积小、能量密度大的特点更适合，但传统制造业更看重安全，对车辆尺寸可以适当放宽，所以选择了磷酸铁锂电池。
3.按生产批次、按供给职场进行分拣的要求是制造业品质保证的手段之一，必须坚持。因此，相对于电商仓储来说，对出入库策略和AGV数量计算方式会有所不同。
       在出入库策略方面：电商的货物很少需要成套出库，但制造业大部分货物都需要成套出库，所以为了提高每次运载过来的货架拣选命中率（命中率为“2”代表：1次载取货架平均能命中2个所需物品），需要对货物的出库情况进行分析，优化入库方式。
       
       我们从部品的几个管理维度进行分析，比如：供给职场（出库位）、使用车型等进行统计和分析出部品对应的配送场所的数量、对应使用车型的数量，再结体积和容器数量，来设计入库策略。表2是部分部品的分析数据。

       目的是提高单次AGV搬运货架出库时的部品命中率。可以看到，我们的入库分为出库位、车型、体积、存储数量。
 
       比如：有1个部品都是1个职场（出库位）和1种车型使用，那它们就应该先选择距离该出库位近的货架/货位范围，从中选择有这个车型其他部品的货架，再从这些货架中判断存储位置（体积）和存储数量（是否超限额），来最终选择最优货架。
       
       如果有1个部品都是2个职场（出库位）使用，并且是2个车型/品种使用，可以简单理解为：1个部品用于发动机总成，也用于整车，就可判断这些货架的存储位置（体积）和存储数量（是否超限额）。

       但如果用于3个车型/品种使用，就需要优先判定离该出库位近的货架/货位范围后，然后判定各位置的存储数量（少则补），再判定车型均衡（如果后续能连接生产计划，可以指定补哪个车型）。
 
       采取这样的入库原则，就能最大限度保证出库时的部品命中率。一般情况下，电商在计算AGV车辆数量的时候，一般采用“2”作为命中率，但实际在传统制造业中，可能会达到“8”甚至更高。再结合出库品质保证等要求，这样计算AGV的方式就会与电商有所差异。

一般来说，AGV数量的计算需要考虑以下几个方面：
1.出入库频率，以及每批数量、上下货命中率和生产节拍。
2.车辆性能，包括移动速度、举升、转向时间、交通管控、充电比例。
3.场地布局、库位设置与调配。
通过计算AGV直接移动时间、间接移动时间和拣选时间来进行核算，如表5、表6。
从表5、6中的计算数据可以看出，当命中率为“2”时，AGV台数需要12台。当命中率为“8”时，AGV台数需要10台。
 
       为何命中率提高了4倍，AGV车辆却没有相应减少4倍呢？其中的关键是：以人员效率最大化，还是以设备效率最大化。因为这里所说的命中率为“8”，并不是所有批次都可以达到“8”。从表4可以看出，有一部分部品的对象车型/品种数量还是比较少，甚至为“1”，所以如果直接减少AGV数量，选择设备效率最大化，会造成在某个时间段，作业者的拣货时间小于AGV的移动时间，这样就会造成作业者的停止损失。如果希望保证作业者一直处于拣货状态，就要增加AGV数量，保证连续几次命中率为“1”的时候，作业者能一直处于拣货状态，在连续几次命中率为“n”的时候，让AGV载着货架过来等待或者让其去充电。如何选择，需要根据不同的情况调整计算参数，来核算AGV数量，我们还是选择了以人员效率最大化的方式。