陳 影，孫 虎

（武漢理工大學(xué)，湖北 武漢 430063）

1 引言

隨著經(jīng)濟(jì)的不斷發(fā)展，各個行業(yè)發(fā)現(xiàn)只從降低貨物生產(chǎn)的成本著手已無法獲得更多的利潤，煙草行業(yè)也是如此。經(jīng)研究發(fā)現(xiàn)，通過優(yōu)化物流體系、提升物流設(shè)施裝備水平可以減少物流成本，從而使利潤增加。煙草物流配送中心的規(guī)劃對煙草行業(yè)物流的發(fā)展起著重要的作用，但目前煙草物流配送中心在貨物入庫排隊(duì)等待、入庫搬運(yùn)裝卸及現(xiàn)代化設(shè)備的應(yīng)用等方面都存在許多問題。所以應(yīng)該使用先進(jìn)的技術(shù)方法對這些問題加以研究，并尋求不斷的改進(jìn)。

計(jì)算機(jī)仿真技術(shù)有使用成本較低、可重復(fù)運(yùn)行、仿真模型建立和求解時間很短的優(yōu)點(diǎn)。目前國內(nèi)外對物流配送中心優(yōu)化的研究有很多。吳曉明、楊新婷等建立了庫存分銷聯(lián)合優(yōu)化模型，針對由一個配送中心和多個零售點(diǎn)組成的配送網(wǎng)絡(luò)，提出了混合啟發(fā)式算法[1]。肖正中、譚健等應(yīng)用邊界分布法將該問題轉(zhuǎn)化為單個配送中心車輛調(diào)度問題。通過遺傳算法和蟻群優(yōu)化相結(jié)合的方式獲得最優(yōu)調(diào)度方案，利用貴州省黔東南煙草公司的物流數(shù)據(jù)進(jìn)行了仿真分析，結(jié)果證明該方法是有效的[2]。樂美龍、李艷艷在真實(shí)的物流中心和eM-Plant的平臺上建立了模擬環(huán)境和模型，在此基礎(chǔ)上，采用倉儲配送中心的實(shí)際數(shù)據(jù)進(jìn)行倉儲策略研究，研究了訂單配料、路線規(guī)劃和區(qū)域訂單揀選策略[3]。傅瑜、呂葉青分析了分揀區(qū)域處理器和揀選操作的數(shù)據(jù)，提出了增加應(yīng)急物資儲存空間，減少處理器數(shù)量和增加揀選作業(yè)人員的改進(jìn)建議，為了實(shí)現(xiàn)系統(tǒng)運(yùn)行的優(yōu)化，達(dá)到應(yīng)急響應(yīng)的目標(biāo)[4]。

但目前的研究中，對于如何尋找作業(yè)流程中的擁堵環(huán)節(jié)、確定最佳運(yùn)作的機(jī)器數(shù)量、計(jì)算模型優(yōu)化后運(yùn)作效率的提高程度方面研究不足。這就是本文的研究內(nèi)容。

2 煙草物流配送中心作業(yè)流程簡介

煙草物流配送中心是煙草生產(chǎn)商和煙草零售商的中轉(zhuǎn)站，主要承接上游煙草制造商與下游零售商間的貨物往來，包括煙草的儲存、流通加工、配送及資源信息的傳遞與整合，其內(nèi)部布局與運(yùn)作流程在很大程度上決定了煙草物流配送的效率，所以構(gòu)建合理的內(nèi)部布局與選擇高效的作業(yè)流程非常重要。查閱各大煙草物流配送中心布局與作業(yè)流程的資料，最終確定本文所要研究的煙草物流配送中心的規(guī)劃。

2.1 煙草物流中心布局

本文所研究的煙草物流配送中心作業(yè)區(qū)主要包括：收貨及檢驗(yàn)區(qū)、分揀堆碼區(qū)、入庫準(zhǔn)備區(qū)、貨物儲存區(qū)、貨物拆盤區(qū)、出庫分揀區(qū)、移動設(shè)備停放區(qū)及人員休息辦公區(qū)。流通的貨物有6種，內(nèi)設(shè)有6排單面貨架，共600個貨位，可儲存560托盤件煙，共360個托盤可循環(huán)使用，倉庫全部采用機(jī)械化操作，內(nèi)設(shè)有機(jī)械手、叉車、AGV小車和堆垛機(jī)等設(shè)備。

本文所研究的煙草物流配送中心的布局簡圖如圖1所示。

2.2 煙草物流中心作業(yè)流程

煙草物流配送中心主要的作業(yè)是煙草的儲存、流通加工、配送及資源信息的整理與傳遞，所以作業(yè)流程大致為：進(jìn)貨、驗(yàn)收、搬運(yùn)分揀、入庫、出庫揀選、訂單檢驗(yàn)和出貨，如圖2所示。

根據(jù)以上的作業(yè)流程，入庫流程如圖3所示，出庫流程圖如圖4所示：

圖1 煙草物流配送中心布局圖

圖2 煙草物流配送中心作業(yè)流程

圖3 煙草物流配送中心入庫作業(yè)流程

圖4 煙草物流配送中心出庫作業(yè)流程

3 仿真模型的建立

本文使用Flexsim對配送中心進(jìn)行建模，通過對貨物平均等待處理時間、平均儲存時間、平均訂單完成時間的分析，尋找煙草物流配送中心的瓶頸所在，繼而進(jìn)行優(yōu)化。

3.1 模型參數(shù)設(shè)置

以某煙草物流配送中心為例，通過收集和計(jì)算，模型中各個實(shí)體的參數(shù)設(shè)置和訂單情況見表1-表3。

表1 作業(yè)實(shí)體數(shù)量參數(shù)設(shè)置

3.2 模型布局

根據(jù)實(shí)際系統(tǒng)原型建立仿真模型，本文的仿真模型布局圖如圖5所示。

3.3 關(guān)鍵技術(shù)分析

（1）標(biāo)簽的設(shè)置。標(biāo)簽是建模過程自定義的一種變量，用于存儲所需要的信息，它可以存在于模型的任一實(shí)體或者臨時實(shí)體中。本模型中標(biāo)簽的作用如下：①存儲臨時實(shí)體類型；②記錄臨時實(shí)體狀態(tài)；③記錄固定實(shí)體狀態(tài)。本文主要用到標(biāo)簽的模塊如下：①發(fā)生器：給到達(dá)的貨物添加“type”標(biāo)簽，并根據(jù)標(biāo)簽值設(shè)置不同的顏色；②分揀傳送帶：根據(jù)貨物的“type”標(biāo)簽判定貨物分揀的出口；③托盤暫存區(qū)：在“離開觸發(fā)”下設(shè)置托盤的“pallet”標(biāo)簽；④合成器：在“進(jìn)入觸發(fā)”下將貨物的“type”標(biāo)簽值賦給托盤的“pallet”值，將打包后的貨物進(jìn)行區(qū)分；⑤入庫分揀傳送帶：根據(jù)托盤的“pallet”值判定貨物的種類，然后分類入庫；⑥訂單發(fā)生器：給打包器設(shè)置“order”標(biāo)簽，并根據(jù)標(biāo)簽值設(shè)置不同的顏色；⑦訂單合成器：根據(jù)打包器的“order”標(biāo)簽值，合成對應(yīng)的訂單。

表2 作業(yè)運(yùn)行時間及容量參數(shù)設(shè)置

表3 訂單情況

圖5 模型布局圖

（2）按單揀選的實(shí)現(xiàn)。本文使用“全局表”記錄10種訂單的貨物種類，使用訂單“發(fā)生器”產(chǎn)生10種出庫打包器，通過出庫打包器的產(chǎn)生速度實(shí)現(xiàn)訂單到達(dá)的時間間隔，通過“發(fā)生器”的“觸發(fā)器”下的“創(chuàng)建觸發(fā)”實(shí)現(xiàn)10種打包器產(chǎn)生的順序，根據(jù)打包器的種類來判定訂單的種類。使用“合成器”來合成訂單，通過“合成器”的“觸發(fā)器”下“更新合成器組成列表”的設(shè)置，設(shè)定合成器合成訂單的種類，通過設(shè)置“合成器”下的“合成模式”來實(shí)現(xiàn)訂單的合成。訂單種類的判斷如圖6所示，訂單的合成如圖7所示。

圖6 訂單種類的判定

圖7 訂單的合成

4 仿真模型優(yōu)化結(jié)果分析

4.1 模型結(jié)果分析

通過對各個實(shí)體進(jìn)行參數(shù)和邏輯的設(shè)置，最后建立了仿真模型，多次運(yùn)行模型，利用Flexsim中統(tǒng)計(jì)分析的Dashboards功能，記錄關(guān)鍵節(jié)點(diǎn)的貨物平均等待數(shù)量和等待時間。

模型運(yùn)行一段時間后的整體圖如圖8所示。

圖8 模型運(yùn)行圖

模型具有隨機(jī)性，所以多次、長時間的運(yùn)行模型，得到的平均值更具代表性，本文共運(yùn)行100次模型，每次運(yùn)行36 000s，得到的各個節(jié)點(diǎn)貨物平均等待時間和平均等待數(shù)量見表4。

表4 模型運(yùn)行結(jié)果

通過對表4仿真結(jié)果的分析，可得到以下結(jié)論。

同時分析貨物等待入庫暫存區(qū)和貨架3的運(yùn)行結(jié)果，該暫存區(qū)貨物平均等待時間為7 475s，貨物平均等待數(shù)量高達(dá)84.5個，而貨架3平均只有3.1個貨物。由此可看出，貨物在等待入庫暫存區(qū)逗留的時間過長，逗留的數(shù)量過大，貨架儲存的貨物過少。分析原因發(fā)現(xiàn)這是由于負(fù)責(zé)運(yùn)輸貨物入庫的AGV小車的數(shù)量過少，無法及時將貨物入庫，所以AGV小車是模型的運(yùn)行瓶頸之一，為了使配送中心經(jīng)濟(jì)高效的運(yùn)行，需要對該處瓶頸進(jìn)行優(yōu)化。

分析空托盤貨架可以發(fā)現(xiàn)，托盤的平均等待時間為15 238.2s，平均等待數(shù)量為204.5個，這是由于模型初始產(chǎn)生360個托盤，而較長一段時間之后才會用到托盤，而且托盤在模型中循環(huán)使用，所以數(shù)據(jù)較大是正常現(xiàn)象。

4.2 模型優(yōu)化

4.2.1 優(yōu)化目標(biāo)。綜合分析可得出AGV小車數(shù)量是配送中心的運(yùn)行瓶頸。綜合考慮增加AGV小車帶來的成本增加問題以及貨物入庫速率，本文對模型進(jìn)行優(yōu)化，旨在尋找最佳的AGV小車數(shù)量。

4.2.2 優(yōu)化過程。本文依次增加AGV小車數(shù)量，利用統(tǒng)計(jì)分析中的Dashboards功能，記錄運(yùn)行36 000s后，每種AGV小車數(shù)量下“等待入庫暫存區(qū)”的貨物平均等待時間和平均等待數(shù)量，最后考慮成本問題，尋找最佳的AGV小車數(shù)量。不同AGV數(shù)量下的運(yùn)行結(jié)果如圖9-圖13所示。

圖9 1個AGV小車

圖10 2個AGV小車

圖11 3個AGV小車

圖12 4個AGV小車

圖13 5個AGV小車

對不同數(shù)量的AGV小車模型運(yùn)行結(jié)果進(jìn)行統(tǒng)計(jì)，得出存在瓶頸的作業(yè)點(diǎn)處貨物的平均等待時間和貨物的平均等待數(shù)量，具體見表5。分析結(jié)果發(fā)現(xiàn)，當(dāng)AGV小車數(shù)量是1和2時，“等待入庫暫存區(qū)”的貨物等待時間和數(shù)量在不斷的增加；當(dāng)AGV小車數(shù)量是3時，“等待入庫暫存區(qū)”的貨物等待數(shù)量在上下浮動，平均為2個；當(dāng)AGV小車數(shù)量是4和5時，得到的結(jié)果與數(shù)量是3時類似，因此繼續(xù)增加AGV小車對等待入庫暫存區(qū)貨物的等待時間和等待數(shù)量的改善意義不大，反而會帶來成本增加的問題。所以綜合考慮運(yùn)行效率和物流成本，可以確定最佳的AGV小車的數(shù)量為3個。

表5 運(yùn)行結(jié)果對比

4.2.3 優(yōu)化效果分析。將AGV小車數(shù)量調(diào)整到3個，運(yùn)行模型36 000s，得到的結(jié)果如圖14所示。

圖14 模型運(yùn)行圖

最后，對比模型優(yōu)化前后系統(tǒng)運(yùn)行的結(jié)果，證明了模型優(yōu)化的效果。

表6 優(yōu)化后模型運(yùn)行結(jié)果

由表6可以看出，模型優(yōu)化后，模型中的瓶頸處和不合理的地方得到了改善。等待入庫暫存區(qū)貨物平均等待時間從7 475.0s降低為175.2s，速率提升了近42倍；等待入庫暫存區(qū)貨物平均等待數(shù)量從84.5個降低為2個，即該暫存區(qū)平均等待貨物為2個，大大降低了貨物的堆積現(xiàn)象。而模型其他關(guān)鍵節(jié)點(diǎn)的運(yùn)行結(jié)果沒有惡化，因此，說明本文模型優(yōu)化的有效性。

5 總結(jié)

本文首先對煙草物流配送中心的作業(yè)流程進(jìn)行分析優(yōu)化，其次通過Flexsim軟件模擬其作業(yè)流程，建立仿真模型，然后對作業(yè)流程中存在的瓶頸進(jìn)行優(yōu)化，最后得到最優(yōu)的系統(tǒng)參數(shù)，提升了煙草物流配送中心的作業(yè)效率，增加了企業(yè)收益。

關(guān)于物流配送中心作業(yè)優(yōu)化的研究還有很多方向，本文只是通過仿真技術(shù)對其作業(yè)流程進(jìn)行優(yōu)化，今后會繼續(xù)加深研究內(nèi)容，旨在不斷的優(yōu)化各項(xiàng)作業(yè)流程。