李金輝，周 晴，李玉民

（1.河南科技大學 車輛與交通工程學院，河南 洛陽 471003；2.鄭州大學 管理學院，河南 鄭州 450001）

0 引言

物流業(yè)現已成為支撐我國國民經濟發(fā)展的基礎性、戰(zhàn)略性及先導性產業(yè)，盡管我國物流業(yè)發(fā)展較快，但從總體來看，物流樞紐、物流園區(qū)與產業(yè)園區(qū)布局統(tǒng)籌不完善，不能與制造業(yè)實現有機銜接和協(xié)同聯動[1]。而配送中心作為客戶與制造商、供應商連接的橋梁，其內部合理的布局規(guī)劃對于整個系統(tǒng)的物流與信息流傳遞、作業(yè)效率提升、成本降低以及安全具有重要意義[2]。

國外在布局規(guī)劃方面的研究起步較早且擁有較為成熟的研究技術[3]。我國在布局規(guī)劃方面的研究雖起步較晚，但發(fā)展勢頭良好，研究成果也較多。如馬向國，等[4]針對應急物流配送中心的特點，采用SLP方法進行布局規(guī)劃，并運用Flexsim 軟件對其仿真與優(yōu)化，實現了應急物資配送中心的運營合理化；嚴少樂，等[5]為提高物流網絡據規(guī)劃的科學性，提出了基于秩和比法的城市物流網絡空間布局規(guī)劃方法，并用實例分析，結果表明了該方法的有效性；王宇[6]針對航空快遞樞紐的內部平面布局規(guī)劃問題，提出了改進的SLP方法，并以嘉興機場圓通航空快遞樞紐中心為例進行研究，得到了較好的布局方案；楊冰潔[7]將SLP方法充分運用到P公司物流中心的平面布局規(guī)劃設計中，并運用Flexsim仿真軟件對方案進行評價；文聲樂[8]針對機加工車間設施布局問題，提出了綜合考慮物流成本和人因成本的布局優(yōu)化方法，并運用改進遺傳算法進行求解，結果表明了該方法的有效性；柴曉嶺[9]運用改進的SLP方法對太陽能電池生產車間進行布局優(yōu)化，并運用Flexsim 軟件對方案評價，驗證了優(yōu)化后布局的合理性；劉曉敏，等[10]針對某手機自動化布線機器人工作站工藝布局規(guī)劃不合理問題，構建了基于SLPCORELAP 的布局規(guī)劃模型，使該工作站各作業(yè)單位間的密切度提高了31.14%。目前，我國布局規(guī)劃的應用領域主要集中在工廠、生產車間及辦公設施的布置，對物流配送中心、智慧物流園區(qū)等新型物流設施方面的布局涉及較少，且我國物流配送中心建設時間較短，雖取得一定成效，但與發(fā)達國家相比，仍存在一定差距。

基于此，本文將從布局方法、布局模型、模型求解和仿真優(yōu)化等方面對物流配送中心布局規(guī)劃的研究動態(tài)進行梳理，系統(tǒng)地探討在對物流配送中心進行布局規(guī)劃時常用的工具及方法，并分析各種工具、方法的特點，以期對物流配送中心布局規(guī)劃的進一步研究提供參考。

1 研究現狀

1.1 物流配送中心布局規(guī)劃內涵

（1）物流配送中心布局規(guī)劃定義。布局規(guī)劃問題最早可以追溯到20世紀40年代和50年代初期[11]，伴隨著制造業(yè)的發(fā)展，工廠規(guī)模逐漸擴大，為確保安全高效地完成生產任務，需要更有效的方式來安排生產設施。之后，隨著物流業(yè)的不斷發(fā)展，布局規(guī)劃問題從制造業(yè)向物流業(yè)延伸，尤其是針對整合多種功能的物流基礎設施的布局問題。

最新國家標準《物流術語》（GB/T18354—2021）中關于配送中心的定義如下：具有完善的配送基礎設施和信息網絡，可便捷地連接對外交通運輸網絡，并向末端客戶提供短距離、小批量、多批次服務的專業(yè)化配送場所。物流配送中心布局規(guī)劃的基本思想是根據功能區(qū)之間的聯系程度和業(yè)務流程，將人員、設備、貨物所需要的空間做最適當的分配和最有效地組合，使得配送中心能以最短的時間、最小的搬運量和最合理的路線，即最高的作業(yè)效率完成物流活動，以提高物流配送速度和精確度，降低運營成本。

（2）物流配送中心的分類。不同類別的配送中心面向的市場和功能定位不同，其內部的功能區(qū)劃分與布局規(guī)劃方法也會有所差別。因此，確定配送中心的類別不僅有助于明確其主要功能，而且便于相同類別的配送中心布局規(guī)劃設計與參考。配送中心的分類標準較多，其常見分類見表1。

表1 配送中心分類表

根據物流配送中心的具體功能劃分，一般物流配送中心可劃分為物流功能區(qū)和非物流功能區(qū)，其中物流功能區(qū)包括收貨區(qū)、儲存區(qū)、分揀區(qū)、配裝區(qū)、集貨緩存區(qū)、發(fā)貨暫存區(qū)等，非物流功能區(qū)包括相關活動區(qū)、輔助區(qū)和辦公區(qū)等。物流配送中心的布局規(guī)劃不僅會直接影響到配送效率，還會對內部業(yè)務流程、路徑規(guī)劃產生影響。

1.2 文獻梳理

在中國知網（CNKI）中以“配送中心”為主題詞進行文獻檢索，檢索時間范圍為2018年6月—2023年6月，文獻類型為“期刊”，文獻來源為EI、北大核心、CSCD，剔除無效文獻，最終選取196篇文獻作為研究依據。

對選取文獻進行可視化分析，建立關鍵詞共現網絡如圖1所示，設定篩選閾值，即出現頻次＞5，其中，圓的面積大小表示關鍵詞出現頻次的高低，即頻次越高，圓面積越大。同時，通過不同的顏色表示聚類結果，圓之間的連線代表這兩個關鍵詞在同一篇文獻中出現，根據關鍵詞共現網絡，統(tǒng)計出高頻關鍵詞見表2。

圖1 關鍵詞共現網絡

表2 高頻關鍵詞統(tǒng)計

從表2中可以看出：在物流配送中心領域，配送路徑優(yōu)化和配送中心選址為研究的熱點，輔以啟發(fā)式算法求解，其中運用遺傳算法求解的頻次高達45次，且各關鍵詞之間的連線較為緊密，表明這些相互連接的關鍵詞常被學者同時引用，關鍵詞之間的關聯程度較高。其中有關配送中心布局規(guī)劃方面的文獻較少，而物流配送中心的布局規(guī)劃對于提高物流系統(tǒng)的運行效率具有重要意義。因此，有必要梳理物流配送中心布局規(guī)劃的相關理論與方法，為后續(xù)研究提供幫助。

2 研究方法

2.1 布局規(guī)劃方法

（1）SLP 方法。美國學者Richard Muther 于1961年首次提出了系統(tǒng)布置設計（Systematic Layout Planning）方法[11]，該方法通過分析設施之間的物流與非物流關系，從而確定布置優(yōu)化方案。自此之后，許多學者運用SLP方法對車間的設施布置進行研究與拓展，并將其與數學模型、智能優(yōu)化算法相結合，得到了較為滿意的結果。該方法具有很強的條理性和 適用性，其特點在于強調產品與數量的分布關系，即以PQ分析作為布局規(guī)劃的參考依據，是一種生產導向的規(guī)劃分析理念，更適用于推動式生產系統(tǒng)的布局規(guī)劃。但由于該方法較為依賴設計人員的經驗，導致其有較強的主觀性。

（2）EIQ 分析法。EIQ 分析法由日本物流專家鈴木震先生提出，用以研究配送中心的需求特性。其中，E是指“Entry”，I是指“Item”，Q是指“Quantity”，即從客戶訂單的品項、數量、訂購次數等資料出發(fā)，通過對訂單量（EQ）、訂單品項數（EN）、品項數量（IQ）、品項訂購次數（IK）等進行統(tǒng)計分析，了解倉庫或配送中心物品的種類、進出庫方式以及數量的變化。該方法可以充分利用訂單信息，主要面對以客戶和下游端通路需求為主的流通環(huán)境，對配送特性和出貨特性進行分析，是以需求為導向的分析方法，更適合配送中心的布局規(guī)劃。但當數據信息缺乏或較少時，該方法便不再適用。

比較SLP方法與EIQ分析法，其主要異同點見表3。

表3 SLP方法與EIQ分析法的異同

（3）SLP與EIQ結合法。物流配送中心作為典型的拉動式供應系統(tǒng)，其作業(yè)需要完全反應客戶需求變化。在對其進行布局規(guī)劃時，需要著重考慮配送對象、貨物種類以及數量，為充分利用SLP 方法與EIQ分析法各自的優(yōu)勢，有學者提出了SLP 與EIQ結合法。

首先，運用EIQ 分析法對配送中心的訂單數據進行分析，分析結果可用于揀貨系統(tǒng)和存儲系統(tǒng)的設備選用、面積規(guī)劃以及庫存水平的確定等，有助于對配送中心的作業(yè)流程、物流動線進行優(yōu)化。其次，在此基礎上運用SLP 方法對各功能區(qū)布局進行規(guī)劃設計，以得到更貼近配送中心實際作業(yè)需求的規(guī)劃方案。如施憶憶[12]以X 公司配送中心為例，基于EIQ 分析改善后的業(yè)務流程，再通過SLP 方法、優(yōu)化算法與仿真技術，對該配送中心進行系統(tǒng)性地布局，解決了X 公司實際問題；馬冰強[13]首先利用SLP方法求出Z 公司圖書物流配送中心的大體規(guī)劃布局關系圖，其次運用EIQ 分析法分析歷史訂單數據，設計出詳細的配送中心布局圖，并通過仿真方法驗證了系統(tǒng)的可行性；于瀟首[14]先運用EIQ 分析法及ABC 分類法對醫(yī)藥企業(yè)物流配送中心的業(yè)務量進行預測并對作業(yè)流程優(yōu)化，其次運用SLP 方法及遺傳算法，求出了企業(yè)物流配送中心布局的最優(yōu)解。SLP 與EIQ 結合法求解配送中心布局規(guī)劃問題的框架結構如圖2所示。

圖2 SLP與EIQ結合法實施步驟

（4）動線布局法?！皠泳€”一詞最先出現在建筑或室內的設計中，早期主要應用于商業(yè)規(guī)劃與室內布局，隨著動線在物流領域的出現，物流動線被逐漸應用于倉庫或配送中心的布局。動線布局法重點考慮各功能區(qū)之間的物流關系，通過物流動線，可以使布局規(guī)劃和業(yè)務流程更協(xié)調，但一旦物流動線有所變化，布局也會受到影響。該方法的基本思想為：根據系統(tǒng)的作業(yè)流程，確定主要物流動線方向，再依據作業(yè)流程及各功能區(qū)的相關性進行布局。物流動線包括直線形、雙直線形、鋸齒形（S 形）、U形、分流式和集中式六種類型[15]，其線型及適用范圍見表4。

表4 物流動線線型及適用范圍表

不同的物流動線適用場景不同，因此，物流動線的選擇必須結合配送中心自身條件、貨物特點以及周邊環(huán)境進行綜合考慮。在現有研究中，多數文獻首選直線形、鋸齒形和U形動線類型，該類動線較為簡潔，而雙直線形、分流式、集中式都是根據不同的條件對基本型變形得到的，在實際應用中，也可根據具體情況采用混合式的動線規(guī)劃。

（5）Facplan方法。該方法是Quarterman Lee在對SLP的功能進行擴展的基礎上而提出的，涵蓋了布局規(guī)劃全過程，包括5 個層次見表5。該方法不僅考慮了宏觀空間規(guī)劃，還考慮了功能區(qū)內部的詳細布置等微觀空間以及人因工程的亞微觀空間規(guī)劃，將選址和布局設計作為一個整體進行考慮。

表5 Facplan方法包含內容及目標

其中，宏觀和微觀空間規(guī)劃是布局過程中的重點，而亞微觀空間規(guī)劃是為前面4個層次服務的，該方法具有系統(tǒng)、廣泛和全面的特點，對于整體的布局更有效。目前，很少有文獻使用該方法，只是通過運用該方法的思路求解布局規(guī)劃問題。

2.2 布局規(guī)劃模型與求解算法

目前，大型復雜布局求解問題的功能區(qū)數量較多，且目標要求也更加多樣化， SLP 及其相關改進方法在求解時主觀性較強、工作量較大，也難以滿足求解要求。因此，為了使設計方案更加客觀、合理且科學，越來越多學者將SLP 方法與數學模型結合，通過構造數學模型，將布置方案目標量化，如邢彩虹，等[16]以最小化車間物流成本為目標，構建出多區(qū)域單、雙行設備布局的數學模型，解決了多區(qū)域單雙行設備布局優(yōu)化問題；韓昉，等[17]采用基于遺傳算法的改進SLP 方法建立車間布局優(yōu)化的數學模型，以物流搬運成本最小為目標函數進行求解，并驗證了該方法的有效性；汪和平，等[18]以物料總搬運距離最小和布局面積利用率最大為優(yōu)化目標，建立預制件廠平面布局優(yōu)化模型，運用人工蜂群算法進行求解，并用案例驗證了模型和算法的適用性。在建立模型之后利用優(yōu)化算法進行求解，可以使整個布局過程中盡量避免依靠人的主觀性，也大大提高了求解效率。

其中，求解算法可大致分為精確算法和啟發(fā)式算法兩類，其特點及內容見表6。

表6 優(yōu)化算法分類表

目前，多數文獻使用啟發(fā)式算法進行求解，也有學者針對算法的不足對其進行改進，使之能更加符合配送中心布局規(guī)劃的特點。如袁瑞萍，等[19]為優(yōu)化區(qū)域應急救援中心物資儲運區(qū)布局，提出了基于改進SLP方法的兩階段物資儲運區(qū)布局優(yōu)化模型，設計改進的遺傳算法對模型求解，并通過Anylogic動態(tài)仿真驗證了該方法的科學合理性和算法的有效性；耿慶橋，等[20]以改進SLP方法為依據，采用多種群遺傳算法進行布局優(yōu)化方案求解，結果表明采用STIRPAT-SLP方法所得到的布局方案更符合物流作業(yè)的流程關系；韓希卓[21]考慮鐵路分割線的物流中心布局規(guī)劃，提出了改進SLP 方法，并利用SAPSO 算法對模型進行求解，并通過Flexsim仿真對布局結果進一步的檢驗，提高了結果的有效性。

2.3 布局規(guī)劃仿真

由于在進行布局規(guī)劃時考慮的因素逐漸增多，復雜性增強，僅憑借相關方法和算法求解出來的方案難以發(fā)現在實際應用中出現的瓶頸及問題，因此，常應用仿真技術輔助布局設計，對規(guī)劃方案進行求解與優(yōu)化。

目前，配送中心的布局優(yōu)化仿真可以分為兩大類：一類是將相關物流數據及最初布置方案輸入，軟件會自動分析并調整功能區(qū)的位置，直到達到設定的目標（如總物流成本最?。蠢密浖苯拥玫絻?yōu)化方案，如CRAFT；另外一類是將相關物流數據及最初布置方案輸入后，通過對運行結果的分析，設計者自行根據分析結果對布局方案進行調整，之后再將重新調整后的方案進行仿真，并對結果分析，逐漸調整至分析結果滿足設計者的要求。通過仿真可動態(tài)地調整布局方案，達到節(jié)約成本、提高安全性和布局的效率的目的。但當系統(tǒng)較為復雜時，仿真的難度也會增加，仿真精度也會受到限制。

曾丹丹，等[22]基于SLP對初次優(yōu)化的布局進行再優(yōu)化，最后通過Flexsim 對原始布局和最新布局進行仿真，綜合分析對比仿真結果，驗證了新布局的可行性與實用性；陳俊男，等[23]根據常見的倉庫管理流程構建了自動化立體倉庫的Flexsim 仿真模型，并對運行結果進行分析、闡述和總結；周韶武，等[24]針對某企業(yè)生產物流系統(tǒng)存在的問題，建立了相關的Petri網模型并結合關聯矩陣和狀態(tài)方程的分析方法，使用Witness軟件對模型進行仿真，找到了系統(tǒng)的瓶頸工序,并對系統(tǒng)進行了優(yōu)化。整體而言，Flexsim軟件在目前的研究中應用較多，此外，還有不少學者使用Witness 軟件、Automod軟件等進行仿真，常用的相關軟件及其特點見表7。

表7 常用軟件及其特點

3 研究進展與趨勢

綜上，總結配送中心布局規(guī)劃的整體求解思路為：首先，運用理論方法對基礎數據進行整理，并得到初始布置方案；接著可以運用優(yōu)化算法將布局目標量化，并求解得到多種布局方案；最后將布局方案利用系統(tǒng)仿真方法建模并運行，對各個方案運行結果進行分析與比較，選取最優(yōu)的布置方案，同時，也可以通過仿真結果對方案進行反饋，進一步改善方案，直至達到最優(yōu)。

3.1 研究進展

（1）在研究成果方面，在國內物流配送中心領域，配送路徑優(yōu)化、配送中心選址以及布局規(guī)劃中對SLP方法的改進，國內的相關研究取得了豐碩的成果。

（2）在布局規(guī)劃方法方面，單獨使用SLP 方法與Facplan方法進行配送中心布局規(guī)劃的文獻較少，多數學者在求解時使用SLP方法、EIQ分析法、數學模型、啟發(fā)式算法并對其進行改進。

（3）在布局建模方面，物料搬運成本最小化是學者們使用頻率最高的目標函數，常用的還有布局面積利用率最大、物流總強度最小等。

（4）在求解算法方面，多數文獻使用啟發(fā)式算法，這是因為精確算法在面對大規(guī)模求解問題時，其計算復雜度高，求解時間也呈指數級增長，有較大的局限性。

（5）在布局優(yōu)化仿真方面，直接運用該技術獲得布局方案的文獻較少，更多學者將其運用到方案的效果驗證與反饋方面。

3.2 研究不足

通過梳理相關文獻，發(fā)現我國物流配送中心布局規(guī)劃相關研究現有如下不足：

（1）布局規(guī)劃與業(yè)務流程不協(xié)調。目前，我國配送中心多半以通用型倉庫為主，在對其布局時，常依靠人為經驗，缺乏系統(tǒng)的布局規(guī)劃意識與方法，導致與配送中心的業(yè)務流程不協(xié)調，使得物流動線迂回，貨物搬運時間延長，系統(tǒng)的作業(yè)效率較低。

（2）布局規(guī)劃不夠完善、考慮不夠全面。配送中心的規(guī)劃是一項復雜的系統(tǒng)工程，涵蓋了選址、布局規(guī)劃設計、信息系統(tǒng)規(guī)劃設計、運營系統(tǒng)規(guī)劃設計等多個方面。其中，布局規(guī)劃需要運用系統(tǒng)分析的方法實現整體最優(yōu)化，是保證配送中心正常運作的必要條件。而多半配送中心在布局規(guī)劃時未考慮外部周圍環(huán)境、內部設備特點以及通道空間分配等因素，導致配送效率低、成本高。

（3）配送中心定位不夠準確。不同類別的配送中心職能不同，在對其進行布局規(guī)劃時側重點也不同，如存儲型配送中心需重點考慮存儲區(qū)與設備的特點以及庫存的容量；流通型配送中心在布局規(guī)劃時，則需重點考慮出入庫流程以及物流動線等。目前，我國配送中心多為傳統(tǒng)物流企業(yè)改造而成，為充分利用現有設施，需對企業(yè)作業(yè)流程重新組織與重組，而相關人員缺乏系統(tǒng)的技術方法，對配送中心的定位不夠準確，導致布局規(guī)劃混亂。

3.3 研究趨勢

（1）在布局規(guī)劃方法方面，雖多數學者對研究方法進行改進，但將布局方法、啟發(fā)式算法與布局規(guī)劃仿真作為整體進行研究的文獻則較少，涉及各個功能區(qū)內部的設備選擇、貨物擺放以及存、揀貨方式的文獻則更少。因此，下一步可以拓展研究的廣度和深度，綜合考慮布局規(guī)劃的全過程，根據具體情況對上述方法進行有效地組合，將各個方法優(yōu)勢互補，既得到最優(yōu)的布局方案又能保證研究的系統(tǒng)性。

（2）在布局建模方面，目前現有的模型并不能較為精確地切合實際問題，如多數文獻在建模時將功能區(qū)假設為長方形，但在現實中，有不少功能區(qū)是不規(guī)則形狀，且現有研究中對配送中心的布局規(guī)劃大多都是靜態(tài)的，但市場需求是動態(tài)變化的，單一的布局方案也難以滿足企業(yè)需求，因此，接下來模型的構建將沿著多目標多約束的趨勢發(fā)展，同時對多周期、動態(tài)的布局規(guī)劃研究還有待深入。

（3）在求解算法方面，采用遺傳算法求解的文獻占多數，但遺傳算法較其他算法而言，效率較低且易過早收斂。未來在求解時，啟發(fā)式算法的相關改進以及與其他算法相融合的優(yōu)勢，仍然值得進一步研究。同時，隨著研究的深入，各種方法相互融合，通過數據驅動，從選址到運營，共同致力于物流配送中心各個環(huán)節(jié)，實現物流系統(tǒng)整體最優(yōu)。

（4）在布局優(yōu)化仿真方面，目前多數文獻只是將仿真應用于設計和驗證，下一步可以應用于從早期概念、規(guī)劃到運營以及維護的整個過程；同時，對布局仿真的精確度、可信度以及協(xié)同仿真、實時仿真的進一步研究，也有助于推動布局規(guī)劃理論知識與實際系統(tǒng)的緊密結合。

4 結語

物流配送中心的布局規(guī)劃是一個復雜的、涉及多因素的系統(tǒng)，本文結合可視化分析工具，系統(tǒng)地梳理了物流配送中心布局規(guī)劃的相關研究成果，并從布局方法、布局模型、模型求解和仿真優(yōu)化等方面分析并總結了目前的研究進展，闡述了現有研究的局限性，未來隨著數據技術的不斷發(fā)展以及智慧物流的推進，物流配送中心布局規(guī)劃的相關研究將會得到進一步發(fā)展，研究方法與角度也會得到完善。