Deploying pickers and robots in cobot-based collaborative order picking systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As a promising application of cobots in labor-intensive warehouses, human-robot collaborative order picking systems provide a flexible and human-friendly picking solution by capitalizing on the best attributes of human pickers and robots. Few studies have determined operation modes of human-robot collaborative order picking systems to be beneficial to efficiency, cost, and the well-being of human workers. We identify four human-robot collaborative modes for order picking: single robot to single picker (Couple), single robot to multiple pickers (SR-to-MP), single picker to multiple robots (SP-to-MR), and multiple pickers to multiple robots (MP-to-MR). For each mode, we establish a fork-join queueing network model to analyze system performance and apply a fatigue-recovery model to estimate the fatigue of the pickers. The proposed fork-join queueing network model and fatigue-recovery model are validated by simulation. Although the throughput time and picker fatigue in the SR-to-MP mode can benefit from an appropriate zoning policy, we find, interestingly, that the zoning policy cannot reduce the throughput time in the SP-to-MR mode. The SP-to-MR mode is economical if a warehouse does not pursue a swift throughput time. A well-capitalized warehouse can adopt the SR-to-MP mode to improve the throughput time further in a more human-friendly manner.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle