混合ＴＯＰＳＩＳ方法在貨位優(yōu)化方案選擇中的應用

張懿媛　賀國先　魏鴻儒

摘要:貨位優(yōu)化方案的選擇是自動化立體倉庫中的重要決策。貨位布局合理關系著整個庫內作業(yè)的效率。根據(jù)貨位布局應遵循的原則,建立了選擇方案的指標體系。考慮到信息的不確定性,以區(qū)間數(shù)形式表示定性指標值,應用混合型TOPSIS方法建立了目標優(yōu)選的模型。最后通過實例對方法的有效性和實用性進行了驗證。

關鍵詞:混合型TOPSIS;貨位優(yōu)化;倉儲

中圖分類號:F253.4 文獻標識碼:A

Abstract: The selection of slotting optimization program is quite important in making inventory decision. Slotting optimization related to the efficiency of the entire warehouse operations. According to the principle of slotting optimization, an index system is proposed for choosing proper program. Under the consideration of communication uncertainty, qualitative index can be evaluated in the form of interval number, and the model for objective optimization is established by adopting Hybrid TOPSIS method. And an illustrative example is presented to demonstrate the feasibility and practicability of the proposed method in the end.

Key words: hybrid TOPSIS; slotting optimization; inventory

0引言

倉儲是指通過倉庫對商品與物品進行儲存與保管。倉儲是物流的重要組成部分,它是通過倉庫對物資進行儲存和保管。倉儲作業(yè)是以保管活動為中心,從倉庫接收商品入庫開始,到按需要把商品全部完好地發(fā)送出去為止的全部過程。

貨位優(yōu)化(Slotting Optimization)是用來確定每一貨品恰當儲存方式,在恰當?shù)膬Υ娣绞较碌目臻g儲位分配。貨位優(yōu)化追求不同設備和貨架類型特征、貨品分組、貨位規(guī)劃、人工成本內置等因素以實現(xiàn)最佳的貨位布局,能有效掌握商品變化,將成本節(jié)約最大化。因此,貨位優(yōu)化的最終目標就是通過提高生產(chǎn)力和將無用的運動減到最少來降低成本[1]。

貨位優(yōu)化是一個多目標優(yōu)化問題,可以采用多目標決策來解決。貨位優(yōu)化并不是固定不變的,在不同情況下,貨位的布局是不同的。而且,對于每個指標,重要性是不一樣的,如何選擇多目標的方案,正是本文研究的內容。本文先使用AHP法確定各指標的權重,然后使用TOPSIS方法,進行方案選擇。

1貨位優(yōu)化方案的指標體系

在選擇優(yōu)化方案的時候,首先要確定指標體系,以保證不同的優(yōu)化要求。在貨位優(yōu)化中,主要考慮以下幾點[2]:(1)上輕下重。這樣做是為了使貨架承載穩(wěn)定,不會在倉儲的過程中發(fā)生貨架傾倒的現(xiàn)象。(2)出庫頻率。將出庫頻率較大的貨物放置在距離出庫臺較近的地方,而將出庫頻率較小的貨物放置在較遠的地方,這樣對于出貨頻率大的貨物,可以縮短出庫時間,提高揀選的效率。(3)分巷道存放。防止因某巷道堵塞影響某種物料的出庫,產(chǎn)生中斷。(4)產(chǎn)品相關性。相關性大的商品在商品訂購時經(jīng)常會被同時訂購,所以應盡可能存放在相鄰位置。

這4個指標均涉及較多的影響因素,且指標內涵也不是十分清晰,很難精確量化。本文采用區(qū)間型數(shù)值表示這些指標將更加符合實際情況,由此構成目標優(yōu)選的混合型多屬性決策問題。

2基于混合型TOPSIS方法

逼近理想解排序法(TOPSIS)是一種多屬性決策方法。其基本原理,是通過檢測評價對象與最優(yōu)解、最劣解的距離來進行排序,若評價對象最靠近最優(yōu)解同時又最遠離最劣解,則為最好;否則為最差。其中最優(yōu)解的各指標值都達到各評價指標的最優(yōu)值。最劣解的各指標值都達到各評價指標的最差值。

評價的步驟如下:

(2)由公式(1),規(guī)范化決策矩陣如表5。

(3)由公式(2),構造加權規(guī)范化決策矩陣C如表6。