报告人：杨朋，清华大学深圳国际研究生院副教授，博士生导师
报告时间：2024年10月26日下午15:00
报告地点：机械楼D530
报告摘要：
密集型机器人仓储系统是一种新型货到人仓储系统，能够显著提高存储密度，降低系统运营成本。本研究从规划层和策略层对密集型机器人仓储系统进行建模分析和优化，实现系统高密度和高效率的齐驱并进。本研究以密集型悬挂式机器人仓储系统为例，构建嵌套式半开排队网络来评价系统性能，开发密集型机器人仓储系统通用化性能分析和设计优化方法。通过数值实验分析系统布局、存储和翻倒策略、资源配置及设备阻塞等方面对系统性能的影响，获得提升密集型机器人仓储系统概念设计和运作水平的管理启示。本研究关注密集型机器人仓储系统的关键共性决策问题—考虑翻倒的货位分配。密集型机器人仓储系统中存储、翻倒和拣选决策是相互关联的，大大增加了货位分配问题的复杂性。本研究将考虑翻倒的货位分配问题分别建模为基于移动步骤的模型和基于翻倒拣选流的模型，开发基于逻辑 Benders 分解和定价算法来有效求解流模型。与商用求解器相比，算法的求解速度平均提高10.87 倍。与常见货位分配策略相比，考虑翻倒的货位分配策略显著减少了总移动距离，有效支撑系统的高密度存储和高效率运作。
个人简介：
杨朋，清华大学深圳国际研究生院数据与信息研究院/物流与交通学部副教授，博士生导师。主要从事机器人仓储系统、动态订单履约技术、人工智能+仓储物流、物流仓储设施能耗优化及减碳运作等方向研究。先后主持国家重点研发计划子课题1项、国家自然科学基金项目3项、广东省自然科学基金1项，深圳市研究项目4项，与行业领军企业开展密切产学研合作，与国际领先仓储物流研究团队合作紧密。在Transportation Science，IISE Transactions，TRE，T-ASE，IJPR等重点期刊上发表论文50余篇，担任Computers & Industrial Engineering期刊领域主编，受邀担任MSIE 2025国际会议程序委员会主席，INFORMS Conference on Service Science等多个国际会议的分会主席。指导的多名研究生获得清华大学优秀硕士论文/优秀毕业生。课程教学多次获评校课评和教评前5%，《仓储系统建模与分析》课程被评为清华大学校级精品课程。开发的《仓储系统建模与分析》慕课为国内外首门聚焦仓储系统的在线课程，已被国内外17余所高校使用，获评首批全国工程类研究生在线示范课程。获评2021年度清华大学 青年教师教学优秀奖（全校共10人），获评2024年中国物流与采购联合会科技创新青年奖。
