Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Skip to main content
  • Istanbul, İstanbul, Turkey

Ali Bolu

Depo yönetiminde, insanlardan daha fazla iş yapabilen, zaman ve enerji açısından verimliliği artırabilen otonom robotların kullanılması çok avantajlıdır. Dahası, manuel işlemler hatalara açıktır bu da büyük kayıplara neden olabilir. Bu... more
Depo yönetiminde, insanlardan daha fazla iş yapabilen, zaman ve enerji açısından verimliliği artırabilen otonom robotların kullanılması çok avantajlıdır. Dahası, manuel işlemler hatalara açıktır bu da büyük kayıplara neden olabilir. Bu nedenle, akıllı depo yönetimi araçlarının kullanımı, mevcut işletmeler için önemli bir ihtiyaç haline gelmiştir. Hareketli robotların çalıştığı akıllı depolardaki operasyonların yürütülmesinde ürünlerin depolanması, yol planlaması, görev planlaması ve kaynak tahsisi önemli problemlerdir. Zaman ve enerjiden tasarruf etmek için bu problemler en optimal şekilde çözülmelidir, ancak sistemin dinamikleri nedeniyle bu çok zordur. Robot, depolama alanı, istasyon ve sepetler gibi sınırlı kaynakların verimli bir şekilde yönetilmesi gerekmektedir. Bu çalışmada, çok robotlu depo sistemlerinde yol ve görev planlama problemine odaklandık. Robotların çakışmadan en optimal şekilde hareket etmesi ve görevleri sorunsuz bir şekilde tamamlaması karmaşık bir problemdir ve...
Using autonomous mobile robots is now a necessity for today’s large e-commerce warehouses to save time and energy, and to prevent human-based errors. Robotic Mobile Fulfillment System (RMFS) controls these robots as well as all other... more
Using autonomous mobile robots is now a necessity for today’s large e-commerce warehouses to save time and energy, and to prevent human-based errors. Robotic Mobile Fulfillment System (RMFS) controls these robots as well as all other resources and tasks in a warehouse. There are challenges in the management of an RMFS-based smart warehouse because of the high dynamics in the system. Limited resources such as robots, stations, totes, and item spaces should be managed efficiently after tracking their status continuously. In this study, we propose a centralized task management approach that is adaptive to the system dynamics. We describe a novel task conversion algorithm that generates tasks from a batch of orders and provides a high pile-on value. Then we propose an adaptive heuristic approach to assign generated tasks to robots, considering system dynamics such as the location of robots and pods, utilization of totes, and age of the tasks. To evaluate the proposed algorithms, we perf...