28、货物到人订单拣选策略中重复动作分析

最新推荐文章于 2025-12-31 12:46:56 发布

原创最新推荐文章于 2025-12-31 12:46:56 发布 · 61 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#货物到人 #订单拣选 #重复动作

智能时代的数学与机器学习专栏收录该内容

31 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

货物到人订单拣选策略中重复动作分析

在订单拣选设计中，如果主要关注交付方面而忽视人的因素，可能会产生负面后果。例如，曾有电商仓库的工人在繁忙季节因恶劣的工作条件导致多种健康问题而进行抗议。重复工作指的是一次又一次以相同的动作顺序执行简短任务，这在许多电商配送中心建议的每秒拣选一次的方式中很明显。重复工作会导致长时间工作轮班时上肢疼痛，当工人在 30 秒内重复相同的过程或动作时，该工作就被归类为重复性工作。

研究方法

模拟方法的选择 ：货物到人（GtP）系统由多个组件协同工作，以实现物品自动检索到拣选人员手中。因此，需要一种系统的方法将人的因素与 GtP 组件集成。模拟是进行与人类健康和安全相关调查的理想方法，它可以快速改变不同的重要变量，如人体测量学、仓库布局、物品大小、物品重量和重复周期时间。本研究使用 SIEMENS Jack® 软件对订单拣选系统进行模拟，该软件是 PLM 家族的一部分。
数字拣选人员模型 ：根据相关研究，大多数拣选人员来自亚洲。基于此，根据 Jack 上的可用数据库为该人群创建了四个数字人体模型。女性身高分布范围为 142 厘米至 185 厘米，男性身高为 160 厘米至 195 厘米。本研究选择了不同的百分位数，涵盖了最常见的身高，包括两名男性和两名女性。软件采用了 95 百分位男性 Jeff、50 百分位女性 Eva、50 百分位男性 Bill 和 5 百分位女性 Jill。
仓库布局组件 ：模拟一个正确的仓库是重要且繁琐的步骤，需要符合传统电商仓库的要求。典型的电商仓库包括拣选站、货架小车区域和输送区域。拣选策略模拟了使用小车的随机库存方式，新到的物品通常被随机包装在任何可用的箱子中，物品随机位于货架小车的任何一侧，然后进行扫描，形状和重量也都是随机选择的。
数据收集步骤 ：
1. 创建订单拣选列表。
2. 执行订单拣选过程。
3. 从舒适度评估工具获取数据。
4. 从任务分析工具（LBA、疲劳分析、MEE、SSP、RULA 和 OWAS）获取数据。
5. 生成人体工程学报告。
6. 分析结果。
重复任务分析 ：在非高峰时间运营时，电商仓库通常希望达到更高的拣选率，工人被要求每 10 秒拣选一件物品，这意味着在一个班次中需要重复拣选近 2900 次。Jack® 支持在 TSB 人体工程学分析中进行重复分析，允许任务多次执行，用户还可以为物品分配重量以确保准确估计。对四个数字人体模型进行了重复分析，并生成人体工程学数据进行比较分析。

数据收集与结果

以 Jeff 为例，展示了从软件生成的人体工程学报告中提取的结果。在重复拣选周期中，任务分析工具包持续收集以下数据：
|分析工具|分析内容|Jeff的结果|
| ---- | ---- | ---- |
|舒适度评估|评估维持可接受身体姿势和支撑的能力，同时保持工人的整体健康|一些重复动作干扰了 Jeff 的舒适度，特别是他的躯干和膝盖，与频繁弯腰拣放物品和蹲下够低架物品有关|
|疲劳和恢复分析|暴露使 Jeff 面临疲劳风险的任务，通过计算任务所需的恢复时间来评估|脚踝存在多个疲劳风险，右踝和左踝的恢复时间分别为 4.4 秒和 8.5 秒|
|下背部分析（LBA）|评估对 Jeff 下背部造成最大损伤的动作、脊柱力量和姿势|在 8 小时内重复任务 2900 次期间，Jeff 的下背部没有相关风险|
|代谢能量消耗（MEE）|监测是否符合 NIOSH 代谢能量消耗标准，计算能量消耗并确定消耗最多能量的任务|Jeff 的总体能量消耗率为 2.65 Kcal/min，低于 2.721 Kcal/min 的阈值，符合 NIOSH 标准|
|静态强度预测（SSP）|确定工人是否能根据自身人体测量学处理需要姿势用力的任务，并分析负责完成任务的身体部位|Jeff 的颈部、手腕和肩部的显著屈曲百分比令人担忧|
|快速上肢评估（RULA）和奥瓦科工作姿势分析（OWAS）|RULA 探索拣选人员执行工作时上肢疾病的来源，OWAS 提供执行任务时最舒适姿势的方法|Jeff 的 RULA 显示上肢肌肉骨骼损伤风险较低，但弯腰拣选低架物品时系统触发警告；OWAS 分析显示大多数重复任务在可接受范围内，但弯腰任务需要纠正措施|

对于 Eva（50 百分位女性），她的表现接近阈值，特别是 MEE 的能量消耗率仅比阈值低 0.006 Kcal/min，LBA 分析显示有一定的压缩和力矩。她的总代谢成本为 3314.9 Kcal，需要更多的恢复时间，尤其是膝盖和臀部的肌肉。此外，她无法够到更高的货架，建议使用梯子等高架平台设备。

Bill（50 百分位男性）在八小时轮班中的分析符合预期，MEE 分析显示能量消耗率为 2.69 Kcal/min，低于阈值 0.031 Kcal/min，LBA 分析的累积压缩和力矩未超过可接受的阈值。然而，RULA 和 OWAS 分析在他弯腰拣取地板上的物品或够取低架物品时触发了警告警报。

Jill（5 百分位女性）在轮班期间似乎超过了阈值，MEE 分析显示能量消耗率为 2.80 Kcal/min，高于阈值 0.079 Kcal/min，LBA 分析的得分也高于阈值。她承受了一定的累积压缩和力矩，有受伤的倾向，并且容易疲劳，尤其是膝盖和臀部的肌肉需要更多的恢复时间。此外，她无法够到上层货架，建议使用梯子等措施来解决健康和安全问题。

graph LR
    A[开始] --> B[创建订单拣选列表]
    B --> C[执行订单拣选过程]
    C --> D[获取舒适度评估数据]
    C --> E[获取任务分析工具数据]
    D --> F[生成人体工程学报告]
    E --> F
    F --> G[分析结果]
    G --> H[结束]

通过对不同百分位的数字人体模型进行分析，可以看出不同身材的拣选人员在执行订单拣选任务时面临着不同的人体工程学挑战。后续将进一步探讨如何根据这些结果来优化仓库的设计和拣选策略，以减少工人受伤的风险，提高工作效率和舒适度。

货物到人订单拣选策略中重复动作分析

结果对比与建议

为了更直观地展示不同模型的人体工程学结果，下面将四个模型的主要指标进行对比：
|模型|舒适度|疲劳风险|下背部风险|代谢能量消耗率（Kcal/min）|静态强度问题部位|上肢及姿势风险|
| ---- | ---- | ---- | ---- | ---- | ---- | ---- |
|Jeff|躯干和膝盖不适|脚踝疲劳风险|无|2.65（低于阈值）|颈部、手腕、肩部|弯腰和特定姿势有风险|
|Eva|接近阈值|膝盖和臀部需更多恢复时间|有一定压缩和力矩|略低于阈值|未提及明显问题|未提及明显问题，但够不到高货架|
|Bill|符合预期|未提及明显问题|未超阈值|2.69（低于阈值）|未提及明显问题|弯腰取物触发警告|
|Jill|超过阈值|膝盖和臀部易疲劳|超阈值|2.80（高于阈值）|未提及明显问题|无法够到上层货架|

从上述表格可以看出，不同身材的拣选人员在各项指标上表现差异较大。对于身材较高的 Jeff，虽然整体表现较为稳定，但部分姿势会带来不适和疲劳风险；而身材较小的 Jill 则面临着较多超过阈值的情况，受伤和疲劳的风险更高。

基于这些结果，提出以下建议：
- 任务分配 ：根据工人的身材特点，合理分配任务。例如，像 Jeff 这样身材高大的工人，可以分配到需要够取较高位置物品的区域；而身材较小的工人，如 Jill 和 Eva，可以安排在较低货架区域工作，并配备必要的辅助工具，如梯子。
- 姿势改进 ：针对可能导致疲劳和受伤的姿势，进行改进和培训。例如，通过 OWAS 分析可知，Jeff 弯腰取物的不适程度高于蹲下取物，因此可以教导工人采用更舒适和安全的姿势进行操作。
- 设备辅助 ：为无法够到某些货架的工人提供合适的辅助设备，如梯子、升降平台等，以减少因够取物品而带来的身体负担。

模拟的实际应用与意义

本次模拟通过对不同身材的数字人体模型进行订单拣选任务的分析，具有重要的实际应用价值。
- 仓库设计优化 ：根据不同身材工人的需求和挑战，可以对仓库的布局和货架高度进行优化设计。例如，将常用物品放置在大多数工人能够轻松够到的位置，减少弯腰、蹲下和伸展等动作，从而降低工人的疲劳和受伤风险。
- 工作流程改进 ：通过分析不同任务对工人身体的影响，可以对订单拣选的工作流程进行改进。例如，合理安排任务的顺序和节奏，避免工人长时间重复同一动作，给身体足够的恢复时间。
- 人员招聘与培训 ：在人员招聘过程中，可以参考模拟结果，选择更适合仓库工作的工人。同时，在培训过程中，针对不同身材工人的特点，进行有针对性的培训，提高工人的工作效率和安全性。

graph LR
    A[仓库设计优化] --> B[合理布局货架高度]
    A --> C[放置常用物品在易取位置]
    D[工作流程改进] --> E[合理安排任务顺序]
    D --> F[控制任务节奏]
    G[人员招聘与培训] --> H[参考模拟结果招聘]
    G --> I[针对性培训不同身材工人]