2023 年，Ontario 一家做电商代发的 3PL 仓老板找到我，手里攥着厂商的方案书：12 台托盘式 AMR，"刚好覆盖你的峰值"。他问我买几台，我说先别急着下单，先算账。
这家仓在南加内陆帝国一带，仓库一家挨着一家，他那栋 20 万平方英尺出头。业务一年到头两个面孔：平时一天四五百个托盘搬运动作，大促那几周直接翻倍还多。老板嫌 12 这个数字听着不吉利，凑整买了 14 台。不到一年，他给我打来电话，语气挺复杂：淡季白天，仓库里一半的车趴在充电桩上睡觉；旺季一到，收货口照样堵。车没少买，钱没少花，堵还是堵——后来复盘发现，堵的根本不是车不够，是车在巷道口和充电区排长队互相等。
这就是买 AMR 最常见的剧本：车队规模拍脑袋定，买完才发现问题。方向搞反了。不是先定买几台再看够不够干，而是先把任务量掰开揉碎，倒推出你到底需要几台。
单台车一天到底能干多少活
先把一台车放到显微镜底下看。AMR 的一天不是 24 小时满负荷干活，它的时间被三块吃掉：跑路、装卸等待、充电。
单次搬运周期是全部计算的起点。取货点到卸货点的距离、空车返回、有没有叉车等它装卸、窄巷道里要不要排队避让、WMS 任务下发的延迟，这些加起来就是一次任务的真实耗时。别拿厂商样本里的实验室数据，那是在空旷场地、无干扰、满电状态下跑出来的。拿你自己的场景测：跟车走几趟，掐表，取个靠谱的平均数。
算法其实就一句话：单台车一天能干的任务数，等于它实际能干活的分钟数，除以单次任务的分钟数。
拿一组量级走一遍就明白了。一次完整搬运（往返加两端等待）花十几分钟是常态，一台车一天刨去充电和调度损耗，真正干活也就十几个小时。算下来，单台车一天的有效任务数大概在几十个的量级。这个数字一出来，很多人第一反应是"比我想象的少"。对，AMR 不累，但它也不快——载重状态下也就人快走的水平，加上装卸等待和避让，时间就是这么被吃掉的。
充电这块最容易踩坑。很多人按标称续航算可用时间，实际运营里没人把电跑空再去充，都是利用任务间隙碎片化补电。调度系统好不好，直接决定充电占用吃掉你多少产能。同一款车，调度烂的和调度好的，单台日产能能差出一大截。选型时只看车不看调度软件，等于只看了半辆车。
还有一个影响算法的判断：自由导航的 AMR 是动态分摊任务的，同样任务量下通常比跑固定环路的 AGV 需要的车更少。但它的路径冲突随车数增长得比线性更快——Ontario 那家仓就是在这上面交的学费。
买多了和买少了，各自有多疼
先说买多了。一台托盘搬运式 AMR，从车到实施落地，投入是几十万美元的量级。多买两台闲置的，就是几十万美元趴在地上晒太阳。更隐蔽的代价是：车一多，交叉口、充电区、装卸点全变成排队点，车队互相等待，系统整体吞吐量不升反降。我亲眼见过加车加到效率下降的——调度算法处理不了那么多车的路径冲突，最后只能限流，等于花钱买了个更慢的系统。
再说买少了。平时没事，峰值一来直接堵线。堵线的代价在 3PL 仓里是按客户算的：时效承诺摆在那，堵一次，赔款是小事，丢客户是大事。Ontario 那家仓旺季堵收货口那次，最后是临时拉了十几个临时工、用人肉叉车救场，人工成本加上延误罚款，账算下来比当初多买两台车还贵。老板后来跟我说，早知道这笔账，当初就不该在 12 台上纠结吉利不吉利。
所以冗余不是"多买两台求心安"，它有讲究。冗余要覆盖两件事：设备故障和维护窗口。你的维修响应是几小时还是几天，直接决定冗余留多少。季节性波动大的仓，基准台数按"常规峰值"定——就是一年里经常出现的那种忙，而不是一年两周的极端峰值。极端峰值靠临时人工和加班去补，别为了两周买一年的车。这句话是整篇里最值钱的。
按这个步骤算，错不了多少
账要这么算。先把过去 12 个月的任务量数据拉出来，按天画出搬运任务数，找出两个数：一个是"常规峰值"，一年里经常达到的那种忙法；一个是极端峰值，心里有数就行。基准台数按常规峰值算。
然后测单台车在你这个场景里的单任务周期和日有效任务数，自己掐表，别用样本数据。基准台数等于常规峰值日任务量除以单台日产能，任务量忽高忽低的业务，再往上留两三成的余量。
冗余单独加。根据你的设备实际可用率和维修响应定，N+1 是起点，维护窗口长的往上加。
最后一步最关键：别一次买全。先按算出来的数字上一批，跑一到两个月，看真实数据再决定补不补——盯任务完成率、装卸点平均等待时长、充电桩排队频率这几个数。Ontario 那家仓如果当初先上 8 台跑一个季度，后面看数据补 2 台，总投入少将近一半，效果还更好。可惜这行里没有如果，只有发票。
公式摆在这：
所需台数 =（常规峰值日任务量 × 波动系数）÷ 单台日有效任务数 + 冗余台数
忠告只有一句：拿你自己的实测数字代进去算，别用平均任务量做分母、用理想速度做分子。这个公式不会骗你，骗你的永远是拍脑袋的那个数字。
