基于Flexsim的貨位優(yōu)化仿真

李汝仙

（昆明理工大學(xué) 城市學(xué)院，云南 昆明 650051）

基于Flexsim的貨位優(yōu)化仿真

李汝仙

（昆明理工大學(xué) 城市學(xué)院，云南 昆明 650051）

基于EIQ分析方法對(duì)某配送中心大宗物資倉(cāng)庫(kù)進(jìn)行了貨位優(yōu)化。為了驗(yàn)證該貨位優(yōu)化策略的有效性，分別建立了基于隨機(jī)存儲(chǔ)策略及EIQ貨位優(yōu)化存儲(chǔ)策略的倉(cāng)儲(chǔ)仿真模型。對(duì)比了在同等出庫(kù)任務(wù)下，兩種模型完成訂單揀貨任務(wù)所耗費(fèi)的時(shí)間及叉車(chē)行走距離，仿真結(jié)果顯示，在貨物出庫(kù)具有明顯的數(shù)量及頻率差異時(shí)，根據(jù)此特性進(jìn)行貨位優(yōu)化能有效提高倉(cāng)儲(chǔ)作業(yè)效率。

貨位優(yōu)化；EIQ分析方法；隨機(jī)存儲(chǔ)策略；EIQ貨位優(yōu)化策略；仿真

1 引言

在競(jìng)爭(zhēng)日益激烈的今天，客戶希望獲得快速、高頻次的配送服務(wù)。要滿足客戶需求，除了在配送環(huán)節(jié)進(jìn)行合理的安排之外，貨物在倉(cāng)庫(kù)中的處理環(huán)節(jié)也至關(guān)重要。要快速完成揀貨、復(fù)核、打包、配送等作業(yè)，需要縮短貨物的出入庫(kù)移動(dòng)距離，縮短作業(yè)時(shí)間，從而提高勞動(dòng)效率并降低成本。而要達(dá)到這樣的效果，必須在貨物入庫(kù)時(shí)依據(jù)貨物特性（如貨物的需求頻次、需求數(shù)量、重量、體積等）為其分配貨位，即實(shí)現(xiàn)貨位的動(dòng)態(tài)優(yōu)化分配。

2 文獻(xiàn)綜述

對(duì)于貨位優(yōu)化而帶來(lái)的倉(cāng)儲(chǔ)作業(yè)效率的提升，目前很多相關(guān)研究都是以建立解析模型的方法來(lái)進(jìn)行分析驗(yàn)證的。利用數(shù)學(xué)模型進(jìn)行研究，建模要求極高，而且實(shí)際情況會(huì)增加對(duì)模型的約束，從而提高模型復(fù)雜度。此外，解析模型不利于人們獲得對(duì)系統(tǒng)真實(shí)而直觀的感受。

系統(tǒng)仿真將要研究的對(duì)象系統(tǒng)模型化為分析已存在的系統(tǒng)或計(jì)劃建立的系統(tǒng)。與解析模型不同，仿真技術(shù)建立的模型能夠反映現(xiàn)實(shí)中較為復(fù)雜的因果關(guān)系與時(shí)間約束，能夠詳細(xì)描述模型中的行為以動(dòng)態(tài)反映整個(gè)模型。由于仿真技術(shù)的如上特點(diǎn)，越來(lái)越多的研究已經(jīng)開(kāi)始將仿真技術(shù)應(yīng)用于倉(cāng)儲(chǔ)管理中以便輔助決策。

李俊等[1]基于改進(jìn)的最近鄰居策略以及ABC庫(kù)存分類(lèi)調(diào)度策略對(duì)貨物入庫(kù)進(jìn)行了仿真，認(rèn)為ABC庫(kù)存下的入庫(kù)操作整體呈現(xiàn)穩(wěn)定性，能夠保持貨位的穩(wěn)定利用率。改進(jìn)的最近鄰居策略在入庫(kù)效率方面有明顯優(yōu)勢(shì)，但在部分情況下也會(huì)出現(xiàn)波動(dòng)，甚至效率下降。姜法筍等[2]應(yīng)用ABC分區(qū)法，對(duì)產(chǎn)品根據(jù)出入庫(kù)頻率進(jìn)行ABC分類(lèi)，對(duì)庫(kù)位按照與出入庫(kù)站臺(tái)的距離遠(yuǎn)近分為ABC三個(gè)區(qū)，將貨物與庫(kù)位區(qū)域進(jìn)行匹配，對(duì)某配件自動(dòng)化立體倉(cāng)庫(kù)進(jìn)行了仿真，通過(guò)對(duì)比堆垛機(jī)作業(yè)時(shí)間得出ABC分區(qū)的貨位優(yōu)化策略從作業(yè)效率上來(lái)講優(yōu)于隨機(jī)貨位分配。嚴(yán)云中等[3]對(duì)堆垛機(jī)執(zhí)行多次出入庫(kù)操作所用的時(shí)間進(jìn)行了分析，提出了傳統(tǒng)庫(kù)位物理地址按照行列進(jìn)行分配的方式對(duì)堆垛機(jī)運(yùn)行效率造成的影響，提出了依據(jù)存放物料出入庫(kù)頻率來(lái)進(jìn)行庫(kù)位號(hào)編排的思路。俞雷霖等[4]提出了求解自動(dòng)化立體倉(cāng)庫(kù)貨位分配與優(yōu)化的混合禁忌搜索算法。該算法生產(chǎn)貨位分配的初始解采用如下機(jī)制：先通過(guò)零件的重量屬性選擇該種重量級(jí)別應(yīng)該存儲(chǔ)的庫(kù)區(qū)，再?gòu)脑搸?kù)區(qū)中選擇堆垛機(jī)運(yùn)行路徑最短的貨位來(lái)存放零件。如果庫(kù)區(qū)沒(méi)有空余貨位則擴(kuò)大搜索范圍，從所有庫(kù)位中選擇堆垛機(jī)運(yùn)行路徑最短的貨位來(lái)存放零件。黃銀娣等[5]對(duì)汽車(chē)制造企業(yè)的倉(cāng)儲(chǔ)系統(tǒng)貨位分配進(jìn)行了優(yōu)化決策，根據(jù)庫(kù)位相對(duì)于各個(gè)出入庫(kù)站臺(tái)的距離計(jì)算貨位距離特征碼，貨位優(yōu)化的目標(biāo)為使得出入庫(kù)距離最短以及垂直方向上貨物的重心最低兩個(gè)目標(biāo)，據(jù)此得出貨位優(yōu)化方案。

近期的研究都注意到了貨位優(yōu)化的重要意義，分別使用了不同的策略進(jìn)行貨位優(yōu)化，本文將結(jié)合EIQ分析方法實(shí)行對(duì)某配送中心的貨位優(yōu)化研究。

3 某配送中心貨位優(yōu)化研究

本節(jié)將分別從配送中心訂單特性及貨架分區(qū)兩個(gè)方面對(duì)該配送中心貨位優(yōu)化進(jìn)行研究。

3.1 某配送中心簡(jiǎn)介

某配送中心成立于2005年，為客戶提供倉(cāng)儲(chǔ)、運(yùn)輸、配送、流通加工等服務(wù)。該配送中心目前與食品企業(yè)M合作，為其31家門(mén)店提供倉(cāng)儲(chǔ)配送服務(wù)。食品企業(yè)M的下游門(mén)店根據(jù)門(mén)店物資消耗情況向配送中心下訂單，配送中心根據(jù)所接收到訂單執(zhí)行揀貨、打包、配送等活動(dòng)。食品企業(yè)M大量常溫食材及其他物質(zhì)存儲(chǔ)于該配送中心常溫庫(kù)房中。本文主要研究該配送中心大宗物資存儲(chǔ)區(qū)域的貨位優(yōu)化問(wèn)題。

3.2 某配送中心訂單特性分析。

本文的研究對(duì)象為配送中心大宗物資儲(chǔ)存貨位優(yōu)化，選取了存儲(chǔ)于常溫庫(kù)房的16種物資（單位：公斤）進(jìn)行訂單特性分析。

3.2.1 訂單EIQ分析匯總表。表1為該配送中心某月訂單EIQ分析匯總，在此基礎(chǔ)上本文將主要進(jìn)行IQ-IK（品項(xiàng)出貨量與出貨頻次）交叉分析。

3.2.2 IQ-IK交叉分析。根據(jù)表1的EIQ分析匯總表中的IQ及IK數(shù)據(jù)，制作基于品項(xiàng)出貨量以及出貨頻次的散點(diǎn)圖，如圖1所示。

圖1 配送中心品項(xiàng)IQ-IK交叉分析散點(diǎn)圖

由圖1可知，在16種品項(xiàng)中，各類(lèi)貨物在出貨量和出貨次數(shù)方面存在較大的差異，以最為典型的大米為例，大米無(wú)論從出貨數(shù)量還是出貨次數(shù)來(lái)說(shuō)，都遠(yuǎn)遠(yuǎn)超過(guò)其他品項(xiàng)。淹雞粉、烤排外抹、帕馬森芝士粉等產(chǎn)品屬于典型的出貨量及出貨頻次都十分小的類(lèi)型，這些貨物出庫(kù)的訂單特性將為后續(xù)的貨位優(yōu)化提供依據(jù)。

根據(jù)IQ-IK分析可知，根據(jù)出貨量及出貨頻次兩個(gè)指標(biāo)，各貨物按照從大到小順序排列，見(jiàn)表2。依據(jù)表2，16種貨物每月需求量為72托盤(pán)，占用72個(gè)托盤(pán)貨位。在安排貨位時(shí)，應(yīng)該按照上表的順序優(yōu)先安排序號(hào)較小的貨物，將其安排在易于出庫(kù)的貨位。在本文中，為了將貨位出庫(kù)難易程度進(jìn)行量化，將計(jì)算取貨時(shí)叉車(chē)行進(jìn)至每個(gè)貨位所消耗的時(shí)間，所消耗的時(shí)間越小，表明該貨位越易于出庫(kù)。

3.3 某配送中心貨架分區(qū)

為簡(jiǎn)化問(wèn)題，只研究該配送中心中貨架的一排。托盤(pán)貨架區(qū)每排貨架18列，8層。貨架列寬1 350mm，層高800mm，每個(gè)貨位存儲(chǔ)一個(gè)托盤(pán)。該排貨架共有貨位18×8=144個(gè)，可存儲(chǔ)144個(gè)托盤(pán)，為每月需求量的兩倍。在后續(xù)研究過(guò)程中，假設(shè)庫(kù)房初始庫(kù)存為需求量?jī)杀?，?44個(gè)貨位全部裝滿，則對(duì)應(yīng)的每種貨物存量為表2的兩倍，即大米占用70個(gè)貨位，黃油皇占用16個(gè)貨位，依此類(lèi)推。

3.3.1 貨架貨位取貨時(shí)間計(jì)算。該配送中心出庫(kù)采用叉車(chē)，叉車(chē)的提升速度為0.2m/s，水平行進(jìn)速度為1.67m/s。單個(gè)托盤(pán)貨位長(zhǎng)L=1 350mm、單個(gè)托盤(pán)貨位高H=800mm。假設(shè)叉車(chē)取貨時(shí)，以貨架第一層第一列外邊界交點(diǎn)為原點(diǎn)，先水平勻速行進(jìn)至目標(biāo)貨位所在列正中，再將貨叉提升至相應(yīng)貨位，則若以tij表示第i列j層貨位的取貨時(shí)間，有：

按式（1）可以得出叉車(chē)行進(jìn)至每個(gè)貨位取貨所需時(shí)間，時(shí)間越小說(shuō)明該貨位取貨效率越高，按照時(shí)間從小到大排序，結(jié)果見(jiàn)表3。

3.3.2 貨物與貨位匹配關(guān)系。依據(jù)表3及16種貨位的優(yōu)先級(jí)及存儲(chǔ)量，可得貨位與貨物編號(hào)的匹配關(guān)系，見(jiàn)表4。

表1 某配送中心某月訂單EIQ匯總（單位：kg）

表2 各類(lèi)貨物IQ-IK排序

本節(jié)通過(guò)訂單特性分析及貨架貨位取貨優(yōu)先級(jí)分析得出了貨物與貨位的匹配關(guān)系，該匹配關(guān)系將為后續(xù)貨位優(yōu)化仿真提供依據(jù)。

4 基于Flexsim的貨位優(yōu)化仿真

本節(jié)將分別基于隨機(jī)存儲(chǔ)策略和EIQ的貨位優(yōu)化存儲(chǔ)策略建立仿真模型，比較在同等出庫(kù)訂單任務(wù)下，兩種策略完成訂單所需的時(shí)間以及叉車(chē)行走的距離，通過(guò)這兩個(gè)指標(biāo)能夠反映存儲(chǔ)策略對(duì)出庫(kù)業(yè)務(wù)的影響。

4.1 模型布局

入庫(kù)區(qū)：16個(gè)發(fā)生器產(chǎn)生16種貨物，貨物規(guī)格為托盤(pán)，為了與出庫(kù)過(guò)程中的托盤(pán)打包相區(qū)分，在貨物產(chǎn)生及后續(xù)的存儲(chǔ)過(guò)程中，貨物形態(tài)用發(fā)生器中的tote表示，而非pallet。發(fā)生器1產(chǎn)生表2中的1號(hào)貨物大米，發(fā)生器2產(chǎn)生2號(hào)貨物黃油皇，依此類(lèi)推。各類(lèi)貨物用不同顏色表示以顯示區(qū)別。為了簡(jiǎn)化入庫(kù)流程，假設(shè)貨物依據(jù)設(shè)定數(shù)量瞬時(shí)到達(dá)貨架，此假設(shè)不影響后續(xù)出庫(kù)仿真。

儲(chǔ)存區(qū)：倉(cāng)儲(chǔ)區(qū)的貨架規(guī)格為8層×18排，共計(jì)144個(gè)貨位。貨位規(guī)格為長(zhǎng)1 350mm，高800mm，每個(gè)貨位存放一個(gè)托盤(pán)。

出庫(kù)區(qū)：出庫(kù)區(qū)由一臺(tái)執(zhí)行出庫(kù)作業(yè)的叉車(chē)、一個(gè)合成器（實(shí)際作業(yè)中代表每個(gè)門(mén)店訂單貨物打包過(guò)程）、一個(gè)托盤(pán)發(fā)生器（模型中產(chǎn)生打包用的托盤(pán)，假設(shè)一個(gè)門(mén)店的貨物存放在一個(gè)托盤(pán)上）以及出庫(kù)暫存區(qū)構(gòu)成。結(jié)合貨物消耗頻率及貨位數(shù)量，各類(lèi)貨物在貨架的初始存量見(jiàn)表5，仿真模型如圖2所示。

4.2 出庫(kù)訂單設(shè)置

表3 貨位編號(hào)（按取貨時(shí)間從小到大）

表4 貨位與貨物匹配關(guān)系

表5 貨物初始存量

圖2 仿真模型布局圖

在隨機(jī)存儲(chǔ)模型及基于EIQ的貨位優(yōu)化存儲(chǔ)模型中，將執(zhí)行相同的出庫(kù)訂單任務(wù)以對(duì)比兩種存儲(chǔ)策略對(duì)于出庫(kù)效率的影響，結(jié)合各類(lèi)貨物的出庫(kù)特性，本文模擬了11個(gè)出庫(kù)訂單，見(jiàn)表6。

表6 出庫(kù)訂單設(shè)置

4.3 隨機(jī)存儲(chǔ)策略仿真模型

在隨機(jī)存儲(chǔ)策略下，貨物從發(fā)生器產(chǎn)生后，利用flexsim內(nèi)置的“放置到列—隨機(jī)放置到可用列”、“放置到層—隨機(jī)放置到可用層”即可保證在每個(gè)貨位存放一個(gè)托盤(pán)的情況下實(shí)現(xiàn)貨物隨機(jī)存儲(chǔ)。運(yùn)行模型，讓模型執(zhí)行11個(gè)訂單的出庫(kù)任務(wù)。根據(jù)仿真結(jié)果，叉車(chē)行進(jìn)距離3 580.57m，完成11家門(mén)店訂單所需時(shí)間為3 791.43S。

4.4 EIQ貨位優(yōu)化存儲(chǔ)策略仿真模型

在EIQ存儲(chǔ)模型中，貨物從發(fā)生器離開(kāi)后放置到貨架的過(guò)程中不依據(jù)隨機(jī)放置的原則，而是按照前文EIQ計(jì)算過(guò)程中，貨物按照出庫(kù)數(shù)量及頻次的優(yōu)先級(jí)優(yōu)先放置到貨架的相應(yīng)貨位，其放置規(guī)律依照表4。在Flexsim中，要實(shí)現(xiàn)貨架按照此原則放置需要設(shè)置全局表并編寫(xiě)相應(yīng)程序。在Flexsim中新建名稱(chēng)為rule的全局表。該全局表由8行18列構(gòu)成，如圖3所示。

圖3 貨物存放全局表

全局表中的row1-8代表貨架的1層至8層，col1-col18代表貨架的一列至十八列。全局表中的數(shù)值1、2、3、4…、16代表16種貨物的類(lèi)型。全局表中貨物類(lèi)型分布與表4中的貨物在貨架貨位中的分布對(duì)應(yīng)。為了引用全局表實(shí)現(xiàn)貨物按規(guī)則存儲(chǔ)，需要編寫(xiě)相應(yīng)代碼實(shí)現(xiàn)按規(guī)則放置到列和按規(guī)則放置到層。

根據(jù)仿真結(jié)果，叉車(chē)行進(jìn)距離3 515.02s，完成11家門(mén)店訂單所需時(shí)間為3 709.43s。

4.5 仿真運(yùn)行結(jié)果分析

根據(jù)仿真結(jié)果，出庫(kù)任務(wù)相同時(shí)隨機(jī)存儲(chǔ)策略與EIQ貨位優(yōu)化存儲(chǔ)策略分別完成相同訂單的工作時(shí)間及叉車(chē)運(yùn)行距離，見(jiàn)表7。

表7 基于兩種儲(chǔ)存策略的仿真結(jié)果分析

相對(duì)于隨機(jī)存儲(chǔ)而言，基于EIQ貨位優(yōu)化存儲(chǔ)策略能夠有效提高后續(xù)出庫(kù)效率，具體體現(xiàn)在縮短揀貨出庫(kù)時(shí)間及揀貨叉車(chē)行走距離。若是考慮更大的倉(cāng)儲(chǔ)規(guī)模以及更多的出庫(kù)訂單，效率的提升將更加明顯。

5 結(jié)論

本文運(yùn)用EIQ對(duì)某配送中心的出庫(kù)訂單進(jìn)行了分析，基于分析結(jié)果結(jié)合貨架中每個(gè)貨位的取貨難易程度（用取貨時(shí)間表示），將貨物與貨位進(jìn)行了匹配，實(shí)現(xiàn)了貨位的優(yōu)化。為了驗(yàn)證貨位優(yōu)化的實(shí)際效果，運(yùn)用仿真軟件分別仿真了隨機(jī)存儲(chǔ)策略以及基于EIQ的貨位優(yōu)化策略下的出庫(kù)過(guò)程，結(jié)果證明了在貨物出庫(kù)具有明顯的數(shù)量及頻率差異時(shí)，采取EIQ方式對(duì)貨物訂單特性進(jìn)行分區(qū)并據(jù)此優(yōu)化貨位安排對(duì)于提高作業(yè)效率具有積極意義。

[1]李俊,羅呈,熊巍.基于Flexsim軟件的高層貨架入庫(kù)策略仿真與比較[J].科學(xué)技術(shù)與工程,2007,7(14):3 418-3 422.

[2]姜法筍,姚平喜.庫(kù)位配置問(wèn)題的研究與仿真[J].機(jī)械管理開(kāi)發(fā),2009, (3):41-42.

[3]嚴(yán)云中,孫小明,潘爾順.立體倉(cāng)庫(kù)庫(kù)位號(hào)與堆垛機(jī)運(yùn)作效率關(guān)系的探討[J].工業(yè)工程與管理,2000,(6):29-33.

[4]俞雷霖,葉衛(wèi)東,陸志強(qiáng),等.基于混合禁忌搜索算法的自動(dòng)化立體倉(cāng)庫(kù)的貨位分配與優(yōu)化研究[J].制造業(yè)自動(dòng)化,2008,30(12):33-36.

[5]黃銀娣,吳阿敏,徐振,等.汽車(chē)制造企業(yè)倉(cāng)儲(chǔ)系統(tǒng)的貨位分配優(yōu)化決策[J].現(xiàn)代制造工程，2012,(3):19-24.

Study on Cargo Space Optimization and Simulation Based on Flexsim

Li Ruxian
(Urban College of Kunming University of Science&Technology,Kunming 650051,China)

In this paper,we optimized the cargo space of the bulk commodity warehouse of a certain distribution center using the EIQ process.Then to verify the effectiveness of the process,we built the warehouse simulation model based respectively on the stochastic storage strategy and the EIQ-based strategy,and compared the time consumption and forklift truck traveling distance under the two models in finishing the same cargo retrieving task,which showed that the EIQ-based strategy could effectively improve the warehousing efficiency when there existed marked difference in the quantity and frequency of the cargoes to be retrieved.

cargo space optimization;EIQ process;stochastic storage strategy;EIQ cargo space optimization strategy;simulation

F715.6；N945.13

A

1005-152X(2015)11-0111-04

10.3969/j.issn.1005-152X.2015.11.031

2015-10-09

李汝仙（1985-），女，云南大理人，碩士，助教，主要研究方向：物流和供應(yīng)鏈管理。