AI+物流灯塔直播间｜听赵宁教授讲讲“数字孪生与AI物流”那些事儿

“AI+物流灯塔直播间”第四期如期开讲,本期直播邀请到北京科技大学教授、博士生导师、《物流技术与应用》执行主编赵宁教授，以《数字孪生与AI物流》为题进行了分享。

具体来看，赵宁教授此次分享主要聚焦于以下3个方面：

1. 数字孪生、AI物流、智能调度等概念的产生及发展。

2. 数字孪生在智能物流领域应用的原理基础及发展现状。

3. 数字孪生和仿真等在多层穿梭车和KIVA机器人等系统调度研究中的应用及科研成果。

Part1：数字孪生、AI物流、智能调度等概念的产生及发展

1. 数字孪生：数字孪生是物理世界的数字化表示，2003年由Grieves教授首次提出。与传统仿真相比，具有忠实映射、共同进化、基于模型的优化等特点。

2. 智慧物流：利用集成智能化技术，使物流系统具有思维、感知、学习、推理判断和自行解决某些问题的能力。其发展呈现智能化、一体化/层次化、柔性化、社会化等趋势。

3. 智能调度：又称基于知识的调度，即充分应用有关问题域的知识，尽可能减少组合爆炸，使最佳调度或组合问题获得有效解决的调度方法。核心目标是稳、准、快地找到最优解。

4. 物流仿真：对物流系统进行系统建模，并在计算机上编制相应应用程序，模拟实际运行状况，并统计和分析模拟结果，用以指导实际物流系统的规划设计与运作管理。

5. 数字孪生和其他相似技术的区别：
①数字孪生VS动画：动画本质服务人类，非服务自然或工业系统。数字孪生不仅仅是对外部物理世界形象的镜像反映，更重要的是对物流设备或者系统性能的模仿。
②数字孪生VS仿真：仿真分为连续系统和离散事件系统。物流仿真属于离散事件系统仿真，其本质是通过大量重复实验，统计系统性能。
③数字孪生VS虚拟调试：虚拟调试的价值在于用低成本的计算机实验代替高成本的物理实验。二者区别在于物理仿真一般面向系统，虚拟调试一般面向设备。
④数字孪生VS虚拟监控：虚拟监控即用虚拟仿真动画代替摄像头拍摄现场视频的技术。虚拟监控受现场实时数据驱动，虚拟仿真是靠系统内在逻辑驱动仿真和动画。

Part2：数字孪生在智能物流领域应用的原理基础及发展现状

智能物流兴起的基础是智能制造的飞速发展。现阶段，随着信息技术、物联网和制造环节融合， “工业4.0”时代到来，其特征机器辅助人脑决策。其中，人工神经网络和智能算法是人工智能的重要技术层面。

在智能物流领域，对于物流设备来说，除通过来源于现场的数据来进行“训练”外，数字孪生的出现让其可以通过“仿真调度”自动“试错”和优化。具体来说，首先建立高保真的“仿真模型”，通过其反馈性能值来“优化算法”（或人工神经网络等）。优化后的算法可以调整决策参数，进而作用于仿真模型。

仿真调度原理展示

但是，现阶段“调度应用”存在一些现实问题：如调度模型难以完全考虑所有现实因素（多机器人的拥堵问题、死锁问题）；动态信息难获取（如机器人故障，异体检测）；优化目标难确定（效率最高/路径最短/命中率最高）；约束难确定（空机器人可穿货架，不可穿立柱；单行道/双行道的选择）；调度算法评价难（在10个机器人仓库应用良好的算法在100个机器人的仓库是否依然有效）等。 

同时，在“调度应用”方面，则存在目标不明确（除了动画，能解决什么问题）；仿真建模完全定制成本高，周期长、耗费人力多；仿真结果与物理结果偏差大。仿真速度接近甚至慢于物理时间等问题。针对上述问题，赵宁教授表示，解决上述问题的终极方法就是面向AI物流的数字孪生。

Part3：数字孪生和仿真等在多层穿梭车和KIVA机器人等系统调度研究中的科研成果

赵宁教授分享了有关多层穿梭车和kiva机器人的相关学术研究成果。比如多层穿梭车在设计的时候需要考虑层数、列数、排数及提升机数量等，会涉及很多不同方案的选择。赵宁教授团队通过设定不同cycle-time（任何一个输入库任务耗费的时间周期）下的throughput（单位时间内的输入库数量）测定，探究数字孪生在多层穿梭车组合方案测定中的应用价值。

在Kiva机器人系统调度研究领域，通过在相应仿真系统中设定不同的参数，并内置一些算法和模型，如机器人空载可穿货架、机器人寻址、避让等，让仿真系统实现模块化和参数化，从而实现大量的仿真调度实验。直播中，赵宁教授分享了一个例子：通过对比货架横置和竖置不同布局下的拣货数量情况，得知货架横置更容易造成机器人拥堵的初步实验结果。

此外，赵宁教授介绍到，真正的物流仿真还涉及很多方面：如系统设计对拣货量影响、机器人调度、机器人路线规划、仓库规模及布局对机器人行走距离定量影响；RMFS系统要素如机器人数量、拣选站数量、SKU数量、订单数量、订单分配原则；优化目标如站点访问次数最少、机器人移动距离最短、拣货量最大；系统模型单服务台排队模型、多服务合排队模型；优化算法如改进A*算法、变邻域搜索、遗传算法、Diikstra算法、模拟退火算法等。

直播最后，赵宁教授对未来数字孪生和智能物流的发展方向和相关问题进行了展望和预测：

1. 智能物流对传统物流模式带来极大变革，消灭了许多应用人力造成的痛点，同时带来用好智能装备的新需求。

2. 智能物流系统的设计、调度、仿真一体化是有前景的应用方向。

3. 智能物流和数字孪生的结合是未来的方向。

4. 调度的“稳、准、快”和仿真的“真、快”是发展核心，对物流装备产业具有很强的应用价值。

5. 企业侧重落地,高校侧重前沿,物流装备领域的创新需要企业和高校在研发层面深度融合。

更多精彩观点，请点击下方链接观看赵宁教授直播回放：