明菲菲，石 磊

（長(zhǎng)安大學(xué)，陜西 西安 710064）

1 引言

優(yōu)化倉(cāng)庫(kù)布局可以降低倉(cāng)庫(kù)的物料搬運(yùn)成本及運(yùn)營(yíng)成本，合理規(guī)劃好倉(cāng)儲(chǔ)、加工等物流部門和輔助部門的相對(duì)位置，并較好地發(fā)揮經(jīng)濟(jì)效益和社會(huì)效益，有深遠(yuǎn)的意義[1]。

顏廷鑫[2]從Fishbone 布局出發(fā),建立了基于Fishbone布局的倉(cāng)庫(kù)貨位分配模型,采用結(jié)合了遺傳算法和蟻群算法的混合算法對(duì)模型進(jìn)行求解,并以維修備件庫(kù)為例進(jìn)行了算例分析。趙珊[3]以SLP 方法為基礎(chǔ)，結(jié)合EIQ-PCB分析和系統(tǒng)搬運(yùn)理論，對(duì)某服裝倉(cāng)庫(kù)進(jìn)行布局優(yōu)化。黃芊芊[4]等人運(yùn)用SLP方法對(duì)倉(cāng)庫(kù)布局進(jìn)行優(yōu)化，并利用加權(quán)因素比較法對(duì)其進(jìn)行方案評(píng)價(jià)，從而獲得合理的倉(cāng)庫(kù)布局。劉仁前[5]等人利用Flexsim 仿真軟件，驗(yàn)證了某汽車零部件企業(yè)的包裝車間流水線改進(jìn)方案的可行性，證明改進(jìn)后的包裝流水線能提高包裝作業(yè)效率并提高解決問題件的效率。

2 倉(cāng)庫(kù)布局方案確定

作為某汽車公司的承包商，倉(cāng)庫(kù)中所存儲(chǔ)的物品為汽車零件。對(duì)于汽車零件來說，不僅種類繁雜，零件的大小不一，而且對(duì)于每個(gè)零件的需求頻率也不同，最重要的是其對(duì)于零件的存儲(chǔ)與搬運(yùn)方式必須滿足準(zhǔn)時(shí)制的要求，這樣才能保證車輛裝配線的正常運(yùn)作[6]。

在倉(cāng)庫(kù)原始布局中，由于倉(cāng)儲(chǔ)區(qū)1 以儲(chǔ)存中、大件零件為主，但其中需要翻包的大件零件距離大件翻包區(qū)的距離相對(duì)較遠(yuǎn)，這不僅會(huì)使運(yùn)輸工具的運(yùn)送總路程增加，還會(huì)使物流效率也因距離的增加而變低。另外，需要總成作業(yè)的大型零件，要從大件翻包區(qū)流出，再流入小總成區(qū)，這會(huì)使得物料在倉(cāng)庫(kù)中的運(yùn)動(dòng)軌跡存在折返，從而使得物流效率相應(yīng)變低。使用ABC分類法[7]，將倉(cāng)庫(kù)的整體出貨訂單、出貨量、出貨次數(shù)進(jìn)行簡(jiǎn)化，找出一般的規(guī)律，再使用EIQ 分析[8]，進(jìn)行相應(yīng)的 EQ 分析（Entry Quantity，即訂單量分析）、EN 分析（Entry Number，即訂單品種數(shù)分析）及IK 分析（Item Kind，即品種受訂次數(shù)分析）。通過分析可知，要使倉(cāng)庫(kù)的物流效率得到提高，不僅要設(shè)置零散揀貨區(qū)，還要注意不同貨物的儲(chǔ)存位置，即將批次較大、出入庫(kù)頻次較高的貨物放置在靠近出口的位置。

使用SLP 方法[9]得到綜合相互關(guān)系密切程度，并以此為依據(jù)進(jìn)行倉(cāng)庫(kù)布局設(shè)計(jì)，通過結(jié)合上文中EIQ分析的結(jié)果。按照上述要求，得到了如圖1、圖2所示的兩種倉(cāng)庫(kù)布局方案。

圖1 方案1倉(cāng)庫(kù)布局

圖2 方案2倉(cāng)庫(kù)布局

相對(duì)于方案2，方案1 將小總成作業(yè)區(qū)與大件翻包區(qū)的位置更加靠近，同時(shí)使得物料的流動(dòng)成直線型，沒有折返，雖然會(huì)將小件翻包區(qū)與倉(cāng)庫(kù)區(qū)2 的距離增加，但由于小件零件的訂貨次數(shù)較少、零件體積較小，可以通過少量的運(yùn)送次數(shù)就可以完成，所以在此處增加的物流成本可以通過大型零件的流動(dòng)過程中節(jié)省的成本而抵消。

3 原有布局方案與現(xiàn)有布局方案在Flexsim中的仿真與對(duì)比

3.1 可行布局方案的仿真

為了展示倉(cāng)庫(kù)整體的實(shí)際大小，本文用四個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)將倉(cāng)庫(kù)的四周圈出，代表倉(cāng)庫(kù)面積，方案1 與方案2的具體布局如圖3與圖4所示。

假定產(chǎn)品到達(dá)次數(shù)為12 次，且每種產(chǎn)品的到達(dá)數(shù)量依據(jù)實(shí)際數(shù)據(jù)設(shè)置。假定退貨的比例為20%，當(dāng)貨物送入倉(cāng)庫(kù)后，按照其大小種類不同儲(chǔ)存進(jìn)不同的貨架。對(duì)于大件翻包區(qū)、小件翻包區(qū)及小總成區(qū)的貨物輸入的設(shè)置，假設(shè)倉(cāng)儲(chǔ)區(qū)2的貨物全部運(yùn)入小件翻包區(qū)，倉(cāng)儲(chǔ)區(qū)1的貨物選取5個(gè)運(yùn)入大件翻包區(qū)，倉(cāng)儲(chǔ)區(qū)1的貨物選取3個(gè)運(yùn)入小總成成品區(qū)。

3.2 原有方案仿真

原有方案的仿真過程如下：

原始布局如圖5所示。為方便原始布局方案與方案1的對(duì)比，所以將原始布局方案的參數(shù)都設(shè)置成與方案1 相同的參數(shù)。整體布局如圖6所示。

3.3 仿真結(jié)果對(duì)比與擇優(yōu)

3.3.1 方案1與方案2仿真結(jié)果對(duì)比。從處理器（大件翻包區(qū)、小件翻包區(qū)）與合成器（小總成加工區(qū)）的利用率及物流效率兩個(gè)方面進(jìn)行方案效果對(duì)比。

（1）處理器與合成器利用率。將模型的運(yùn)行時(shí)間定為一天24h，即86 400s。重置并運(yùn)行模型，直到模型在86 400s 時(shí)停止，在儀表盤即可看到各機(jī)器的利用率。

圖3 方案1整體布局

圖4 方案2整體布局

方案1 與方案2 的仿真結(jié)果如圖7與圖8所示。由圖7可知，大件翻包區(qū)與小件翻包區(qū)的利用率都在10%左右，利用率分配比較平均，小總成作業(yè)區(qū)的利用率大概在45%左右，說明零件的流動(dòng)處于穩(wěn)定狀態(tài)。由圖8可知，大件翻包區(qū)與小件翻包區(qū)的利用率都在7%左右，其中小件翻包區(qū)中兩個(gè)處理器利用率的分配不平均，小總成作業(yè)區(qū)的利用率比較高，大概在90%左右，處于瓶頸狀態(tài)，容易造成零件流動(dòng)的阻塞。

圖5 倉(cāng)庫(kù)原始布局圖

圖6 整體布局

（2）物流效率。在倉(cāng)庫(kù)的運(yùn)行過程中，設(shè)置模型運(yùn)行時(shí)間為24h，即86 400s。結(jié)果中吸收器的輸入數(shù)目，即表示在運(yùn)行過程中有多少貨物被運(yùn)送出了倉(cāng)庫(kù)。吸收器輸入數(shù)目多的，就表明模型的物流效率較高，反之則物流效率較低。結(jié)果表明，方案1 吸收器輸入數(shù)目為1 124 個(gè)，方案2 吸收器輸入數(shù)目為575個(gè)。

仿真結(jié)果表明，從處理器利用率來看，方案一的利用率比較平均，而且與方案二得到的利用率相比，效率更高；從合成器利用率來看，方案一的合成率僅為方案二的50%；從物流效率的結(jié)果來看，方案一吸收器的輸入數(shù)目幾乎是方案二的兩倍。綜上所述，方案一不管從處理器利用率還是從整體物流效率的結(jié)果，都比方案二的結(jié)果更好，雖然在分解器利用率上不如方案二高，但是從吸收器的結(jié)果上來看，影響不大，甚至還獲得了更多的吸收數(shù)目，說明在零件流入小總成作業(yè)區(qū)過程中物流效率的降低，對(duì)整體的物流效率并沒有產(chǎn)生過多的負(fù)面影響。綜上所述，選擇方案一為最優(yōu)方案。

圖7 方案1處理器與合成器利用率

圖8 方案2處理器與合成器利用率

3.3.2 方案1與原始方案仿真結(jié)果對(duì)比

（1）處理器與合成器利用率。模型運(yùn)行時(shí)間同樣設(shè)置為24h，即86 400s，得到運(yùn)行結(jié)果如圖9所示。從圖9中可以看出大件翻包區(qū)與小件翻包區(qū)的利用率都在8%左右，其中小件翻包區(qū)中的兩個(gè)處理器利用率分配不平均，小總成作業(yè)區(qū)的利用率大概在57%左右，說明零件流動(dòng)處于快速而穩(wěn)定的狀態(tài)。

（2）物流效率。同樣設(shè)置模型運(yùn)行時(shí)間為24h，即86 400s，得到原始方案中吸收器的輸入數(shù)目為975個(gè)。

結(jié)合上文中方案1與原始方案的運(yùn)行結(jié)果，從處理器的利用率來看，方案1中無論是小件翻包區(qū)還是大件翻包區(qū)的處理器利用率都優(yōu)于原始方案，而且各個(gè)處理器的利用率均相差不大，但原有布局方案中的小件翻包區(qū)內(nèi)的處理器利用率分配明顯不均，由于在Flexsim軟件中，沒有特殊要求時(shí)，若一個(gè)實(shí)體有兩個(gè)輸出端口，則按端口的繁忙程度進(jìn)行輸出，所以原始布局的利用率高低不均，而方案1的利用率卻比較平均，可能是由于原始布局中貨物流入小件翻包區(qū)的頻率沒有方案1高造成的，而貨物的流動(dòng)頻率與物流效率有著緊密的聯(lián)系，所以可知原始布局中零件在翻包過程中的物流效率沒有方案1高。

從合成器的利用率來說，原始布局的利用率明顯高于方案1 的利用率，這可能是由于原始布局中，儲(chǔ)存大件零件的倉(cāng)儲(chǔ)區(qū)1 距離大件翻包區(qū)的距離較方案1 更近一些，又因?yàn)檫@兩種方案中，大件翻包區(qū)與小總成作業(yè)區(qū)之間的距離相差無幾，所以由于距離的增加，使得零件從倉(cāng)儲(chǔ)區(qū)1到小總成作業(yè)區(qū)的效率相對(duì)更高。

從生成報(bào)告中，吸收器的輸入數(shù)目來說，原有方案的975 個(gè)不如方案1 中的1 124 的高，說明原有方案的整體物流效率不如方案1。

所以綜合考慮，方案1優(yōu)于原有方案效果的布局方案。

圖9 處理器與合成器利用率

4 結(jié)論

本文針對(duì)某汽車倉(cāng)庫(kù)進(jìn)行布局優(yōu)化研究。在實(shí)地走訪、調(diào)研的基礎(chǔ)上，首先對(duì)相關(guān)數(shù)據(jù)進(jìn)行EIQ 分析，通過調(diào)研歸納出儲(chǔ)存零件的特點(diǎn)，得出倉(cāng)庫(kù)布局的建議及原有布局的不足，并以此為依據(jù)，使用SLP方法對(duì)倉(cāng)庫(kù)進(jìn)行布局設(shè)計(jì)，得到多種布局方案后，通過在Flexsim軟件上的仿真，模擬實(shí)際運(yùn)行情況，選取處理器利用率與物流效率兩個(gè)指標(biāo)，對(duì)設(shè)計(jì)得到的方案進(jìn)行擇優(yōu)。最后，再將擇優(yōu)得到的方案通過同樣的方式，與原有布局方案的仿真結(jié)果進(jìn)行比對(duì)，以驗(yàn)證其優(yōu)化效果。在整體設(shè)計(jì)過程中，得出了以下結(jié)論：

（1）對(duì)于汽車零件儲(chǔ)存?zhèn)}庫(kù)來說，一個(gè)良好的布局設(shè)計(jì)方案，不僅要考慮物流量及各個(gè)作業(yè)單元之間的綜合關(guān)系與面積因素，與所存儲(chǔ)零件本身相關(guān)的因素也不能忽略，比如：訂貨周期及訂貨量的特點(diǎn)、零件的大小及各品種的數(shù)量多少、零件特殊的要求（儲(chǔ)存環(huán)境、搬運(yùn)方式）等，掌握這些因素可以全面的了解倉(cāng)庫(kù)的情況，從而更有針對(duì)性的進(jìn)行布局設(shè)計(jì)。

（2）EIQ 分析與SLP 方法是相輔相成的關(guān)系，對(duì)于面向汽車生產(chǎn)的倉(cāng)庫(kù)而言，先使用EIQ分析找出倉(cāng)庫(kù)的問題，再在使用SLP 方法進(jìn)行布局的過程中，加入對(duì)這些問題的考慮，得到的方案就會(huì)更全面、更有針對(duì)性，然后再加入Flexsim軟件的仿真，可以通過模型的運(yùn)行，使得仿真的結(jié)果更加直觀的展示。