原丕業(yè),厲彥鳳

(青島理工大學(xué)管理工程學(xué)院,山東 青島266520)

0 引言

當(dāng)網(wǎng)購的時效性不能完全保證時,線下購物給顧客帶來的體驗感將會遠(yuǎn)遠(yuǎn)超過線上購物。網(wǎng)購時效性水平的高低,將直接影響顧客網(wǎng)購效率,從而影響消費者對平臺的滿意度等。造成網(wǎng)購時效性低的重要原因之一是產(chǎn)品在庫流轉(zhuǎn)時間過長,出入庫流程較為繁瑣,存在較大的優(yōu)化空間。

對于上述流程問題,國內(nèi)外學(xué)者做了頗多研究。HADERA等[1]為降低能源密集型企業(yè)的供應(yīng)成本,以不銹鋼企業(yè)為例,通過建立并求解混合整數(shù)線性規(guī)劃模型,設(shè)計了優(yōu)化方案,實現(xiàn)了減少成本的目標(biāo)。YANG等[2]為了有效地優(yōu)化生產(chǎn)布局和配置,提出一種基于離散事件仿真(DES)的建模和優(yōu)化方法,建立數(shù)學(xué)優(yōu)化模型,并采用遺傳算法進(jìn)行模型求解。WECKENBORG等[3]為提高裝配線的平衡率,運用混合遺傳算法求解規(guī)劃模型,求解后得出了相對最優(yōu)的方案,提高了作業(yè)效率。胡明茂和李峰[4]將“一個流”生產(chǎn)模式和仿真軟件應(yīng)用到車間優(yōu)化中,解決了車間布局問題。宋庭新等[5]以汽車傳動軸裝配線為研究對象,繪制其價值流圖,找出裝配過程存在的問題及成因,并應(yīng)用精益生產(chǎn)的工具和方法提出改進(jìn)方案,使整個工藝作業(yè)周期縮短。

M平臺作為電商行業(yè)最大的鞋類交易平臺,為年輕消費者帶來多重鑒別服務(wù)。也正是由于該鑒別服務(wù),使得M平臺在保證顧客網(wǎng)購的時效性方面面臨著比其他網(wǎng)購平臺更加艱難的挑戰(zhàn)。優(yōu)化商品出入庫流程,降低商品在庫時長,將成為提升平臺顧客滿意度的一個重要方面,同時也是提升M平臺競爭力的有效手段。因此,本文針對產(chǎn)品在庫全流程效率問題進(jìn)行分析,在進(jìn)行工序調(diào)整后建立優(yōu)化模型,并采用粒子群算法求解得到成本最低的人員調(diào)度方案,提高全流程作業(yè)效率,縮短產(chǎn)品在庫時長,提高柔性響應(yīng)能力,有較大的現(xiàn)實和推廣意義。

1 現(xiàn)狀分析

M公司作為平臺商,主要對鞋類、服裝、美妝以及潮玩類商品進(jìn)行檢驗,其中鞋類商品訂單量占據(jù)55%,且各品類在工序流程上存在一定的相似性,因此本文選取鞋類商品作為研究對象,選擇A3混流線作為優(yōu)化研究目標(biāo)線體。

1.1 加工工序現(xiàn)狀

A3線各工序作業(yè)內(nèi)容主要包含收貨、分揀、質(zhì)拍、鑒定、防偽復(fù)查、包裝和出庫7道加工工序。采用秒表測時法在實際作業(yè)現(xiàn)場對A3線工序進(jìn)行嚴(yán)格測時,得到如表1所示的線體工序作業(yè)內(nèi)容以及對應(yīng)的工時。線體作業(yè)主要由員工手工完成,各工序之間的流動采用人工分批搬運的方式進(jìn)行,各工序均有嚴(yán)格的作業(yè)順序,在加工過程中必須嚴(yán)格按照加工要求完成上一工序后方可進(jìn)入下一工序,這主要是因為鞋類產(chǎn)品的檢驗等作業(yè)需要員工的細(xì)心觀察。根據(jù)產(chǎn)線平衡率公式,可以計算得到現(xiàn)有線體平衡率為24.40%,遠(yuǎn)達(dá)不到一個流生產(chǎn)對生產(chǎn)線平衡率的要求。

表1 A3線體工序名稱及工時

1.2 人員調(diào)度現(xiàn)狀

A3線體目前由管理者進(jìn)行人員調(diào)度安排,結(jié)合當(dāng)天訂單量和各工序作業(yè)標(biāo)準(zhǔn)工時進(jìn)行人員調(diào)配,本文以14 370的訂單量為例計算得出各工序需要配備的人員數(shù)量,如表2所示。共計需要510人進(jìn)行當(dāng)天作業(yè),人數(shù)龐大且需多人共站[6]進(jìn)行作業(yè)。

表2 各工序人員配置

2 問題描述

2.1 工序劃分不合理

質(zhì)拍、鑒定和防偽復(fù)查工序作為標(biāo)準(zhǔn)工時較長的工序,是十分關(guān)鍵和繁瑣的工序,其內(nèi)部細(xì)節(jié)作業(yè)難以進(jìn)行更改與調(diào)換,各工序間獨立性較強,難以采用簡單的ECRS原則進(jìn)行處理。而包裝和出庫工序作為末尾兩道工序,在實際操作中存在一定的關(guān)聯(lián)性,由于作業(yè)時間差異且包裹需區(qū)分承運商,使得出庫工序存在較多的等待浪費。

2.2 作業(yè)任務(wù)負(fù)荷不定

當(dāng)實際作業(yè)時間與標(biāo)準(zhǔn)的周期時間存在差異,員工在規(guī)定時間內(nèi)完成相應(yīng)的加工任務(wù)是十分困難的,這主要是因為不同品牌、不同型號的商品進(jìn)入線體時,會對整個流程的穩(wěn)定作業(yè)效率產(chǎn)生很大影響。如果不能按照訂單情況及時靈活調(diào)度作業(yè)人員,就會造成過早制造和等待等浪費,很難實現(xiàn)流動作業(yè)[7]。

2.3 人員調(diào)度混亂

管理人員在進(jìn)行人員調(diào)度時往往會憑借經(jīng)驗,根據(jù)預(yù)測訂單量和作業(yè)時長來安排作業(yè)人員,因為目前沒有標(biāo)準(zhǔn)的人員調(diào)度系統(tǒng)且車間采用批量作業(yè)的方式,當(dāng)訂單量增加時,管理人員會采取臨時抽派的方式,對各工位的作業(yè)負(fù)荷進(jìn)行平衡,造成了人員調(diào)度的混亂,最終影響整個流程的作業(yè)效率。

3 工序調(diào)整與人員調(diào)度優(yōu)化

3.1 工序調(diào)整與合并

作業(yè)全流程共有7道大工序,所有工序都是必要工序且不可重排。第6工序包裝作業(yè)主要是對鞋類商品進(jìn)行預(yù)包裝后重新裝入帶有LOGO的包裝盒,再使用封口機進(jìn)行封口。第7工序出庫作業(yè)作為最后一道工序,主要是對包裹按照承運商進(jìn)行分類,稱重掃描以完成出庫動作。在該過程中,操作員工需要先將包裹分類,通過搬運車搬運至出庫區(qū)域后,人工搬運至稱重掃描設(shè)備上進(jìn)行出庫操作,這存在搬運浪費、動作浪費和等待浪費,而且不能有效利用傳送帶,造成資源浪費。圖1所示為前兩道工序布局改進(jìn)前情況。

圖1 改進(jìn)前第6工序和第7工序的布局

由于兩道工序采用傳送帶進(jìn)行連接,且作業(yè)內(nèi)容技術(shù)要求較低,操作簡單,因此可以利用ECRS原則,即“取消—合并—重排—簡化”中的合并原則,將原來的第6工序和第7工序合并為包裝出庫工序,如圖2所示,即在傳送帶中間放置稱重掃描機,構(gòu)造一套傳送裝置,在貨物通過封口機后,直接進(jìn)行稱重掃描作業(yè),減少員工搬運,同時也減少設(shè)備數(shù)量。通過Anylogic進(jìn)行仿真模擬,得到合并后的工序工時為45 s,一組商品(10件)從進(jìn)入包裝出庫工序到移交承運商的整個操作平均時間由原來的2 061 s縮短至1 931 s,縮短了130 s,封口機數(shù)量由原來的4個減少為1個。

圖2 第6工序包裝出庫工序布局

3.2 人員調(diào)度優(yōu)化算法建立

經(jīng)上述工序合并后,獲得理論上改進(jìn)后各工序操作工時,如表3所示。

表3 工序合并后各工序操作工時

根據(jù)改進(jìn)后的工序工時,構(gòu)建基于流程化思想的一個流的操作計劃安排,若每道工序安排一人作業(yè),則可根據(jù)線體平衡率公式計算得出現(xiàn)有平衡率為28.24%,不足以滿足均衡率要求的一個流的生產(chǎn)思想。因此需要對每個工序的人員調(diào)度進(jìn)行優(yōu)化,以成本最小化為目標(biāo),以產(chǎn)線平衡率達(dá)到85%為約束。

(1)

3.2.1 模型建立

假設(shè)第i工序需要安排xi(i=1,…,6)名操作員工,則每個工序工時需更新為ti/xi。定義其他相關(guān)參數(shù)如表4所示。本文結(jié)合線體的實際情況,以總成本最小為目標(biāo),解決在混流模式下的人員調(diào)度問題,提高線體平衡率并使其穩(wěn)定在85%以上。由于倉庫的成本主要來源于員工薪資,那么在薪資固定的情況下,總目標(biāo)可以轉(zhuǎn)化為所需員工總?cè)藬?shù)最少,如式(2)所示。

表4 相關(guān)參數(shù)定義

(2)

(3)

同時構(gòu)造如下約束條件:

(4-1)

(4-2)

(4-3)

xi≥1,xi∈N+,i=1,…,6.

(4-4)

3.2.2 粒子群算法選擇與設(shè)計

由于求解模型過程較為復(fù)雜,采用遍歷方法進(jìn)行求解效率較低,于是選擇在啟發(fā)式算法中尋求合適的求解算法。粒子群優(yōu)化算法(Particle Swarm Optimization,PSO)是由KENNEDY和EBERHART[8]提出的進(jìn)化計算技術(shù),是一種基于迭代的優(yōu)化工具,通過迭代來尋找最優(yōu)值,不僅具有全局尋優(yōu)能力,而且能夠在權(quán)重調(diào)整后表現(xiàn)出較強的局部尋優(yōu)能力,或與其他算法組合時調(diào)整的參數(shù)較少、結(jié)構(gòu)簡單、易于實現(xiàn)[9-11]。

在PSO算法中,用“粒子”表示鳥群,也就是代表優(yōu)化問題的解,第i個粒子在N維搜索空間中的位置可以用X=(Xi1,Xi2,…,XiN)來表示,所有的粒子都有一個適應(yīng)度,這個適應(yīng)度是由優(yōu)化目標(biāo)函數(shù)決定的粒子位置X的函數(shù)。PSO算法首先對一群隨機粒子(隨機解)進(jìn)行初始化,這群粒子通過迭代的方式來搜索最優(yōu)解,直到符合進(jìn)化終止準(zhǔn)則。每一次迭代,粒子都會按照式(5)的方向飛行,其方向由全局最優(yōu)和個體最優(yōu)合成,由此帶來速度和位置的更新,并趨向于位置的最優(yōu)解。

(5)

在速度更新中,選擇線性遞減的方法來確定權(quán)重w,如式(6)所示[12]。慣性權(quán)重w是進(jìn)化迭代次數(shù)t的函數(shù),w取值與進(jìn)化迭代次數(shù)t有關(guān),目的是使算法在運行前期有較高的全局搜索能力以獲取合適的粒子,后期有較高的局部搜索能力以提高收斂精度,提高算法的開發(fā)能力。

(6)

其中,t為粒子群當(dāng)前的迭代次數(shù),tmax為算法最大迭代次數(shù),wmax為權(quán)重w的最大值,wmin為權(quán)重w的最小值。

粒子群算法運行性能的好壞在很大程度上取決于相關(guān)參數(shù)的設(shè)定,現(xiàn)將本模型所用粒子群算法的參數(shù)設(shè)置如下。

①將各操作工序作業(yè)人員數(shù)量定義為粒子維度,即粒子位置,將人員數(shù)量取值范圍作為解空間[13]。粒子的維度為6維,粒子的改變反映了人員數(shù)量的改變。同時,在模型測試運行時發(fā)現(xiàn),粒子群的規(guī)模為100 時算法性能和效率較高,因此,將粒子群規(guī)模設(shè)為100。

②速度上下限制,粒子飛行速度的范圍限制會影響算法在運行過程中的求優(yōu)能力和求優(yōu)速度。本文經(jīng)過算法測試發(fā)現(xiàn),運行粒子群算法在粒子速度上限取1的情況下搜索效果更好。

③慣性權(quán)重,算法的求優(yōu)能力會受到慣性權(quán)重取值和設(shè)置方法的較大影響。一般情況下,較大的慣性權(quán)重有利于算法操作過程中的整體優(yōu)化,較小的慣性權(quán)重有利于算法操作過程中的局部優(yōu)化。因此,本文采用線性遞減方法確定權(quán)重w,最大權(quán)重wmax為0.9,最小權(quán)重wmin為0.4,從而實現(xiàn)算法運行過程中慣性權(quán)重0.9至0.4的過渡,實現(xiàn)算法在前期全局搜索能力較高、后期局部搜索能力較高的目的。

④學(xué)習(xí)因子c1和c2,也稱為加速系數(shù)或加速因子,因子的大小將對粒子更新位置和更新速度產(chǎn)生影響,主要體現(xiàn)在影響粒子向個體最優(yōu)和種群最優(yōu)方向?qū)W習(xí)和偏移的能力。為了更容易保持收斂速度和搜索效果的均衡,本文建立完全型粒子群算法,并通過算法進(jìn)行測試,取c1=c2=2。

3.2.3 算法運行

根據(jù)粒子群優(yōu)化算法的設(shè)計,總結(jié)粒子群算法的主要操作步驟。

Step1 設(shè)置算法參數(shù)。輸入粒子學(xué)習(xí)因子c1和c2,粒子維度設(shè)置為6,粒子數(shù)取100,粒子群最大迭代次數(shù)設(shè)置為200,粒子最大速度設(shè)置為1,粒子各維度數(shù)值(粒子位置)設(shè)置范圍為[0,55]。

Step2 初始化粒子,調(diào)整適應(yīng)值。粒子群初始化,并賦值粒子的初始位置為當(dāng)前粒子個體的最優(yōu)值。調(diào)整粒子適應(yīng)度值,將不能滿足約束條件f(x1,x2,x3,x4,x5,x6)<0.85的粒子的適應(yīng)度值賦值為極大數(shù)[14]。

Step3 粒子迭代。粒子迭代過程是更新粒子的速度和位置,不斷地把個體最優(yōu)數(shù)據(jù)和種群最優(yōu)數(shù)據(jù)替換掉。首先設(shè)定慣性因子w的最大值和最小值,更新粒子速度,修正超越邊界值的粒子速度,然后更新粒子位置,相應(yīng)修正超越邊界值的粒子位置。在完成粒子位置和速度更新后替換個體最優(yōu)數(shù)據(jù)與種群最優(yōu)數(shù)據(jù)。

Step4 若不滿足算法的終止條件則轉(zhuǎn)Step3,否則算法將會終止,繼而輸出粒子種群最優(yōu)位置,也就是最優(yōu)解法。

Step5 輸出適應(yīng)度迭代曲線并進(jìn)行結(jié)果驗證。

3.2.4 模型求解結(jié)果與對比

將模型在MATLAB(R2020a)仿真軟件平臺運行,得到如圖3所示的適應(yīng)度函數(shù)迭代曲線圖。從圖3可以看到,隨著迭代次數(shù)的增加,適應(yīng)度函數(shù)值下降,最后達(dá)到收斂,輸出最優(yōu)解。模型運行后,得到線體各工序最優(yōu)人員調(diào)度方案如表5所示。

圖3 適應(yīng)度函數(shù)迭代曲線

表5 最優(yōu)人員調(diào)度方案

由表5可知,該產(chǎn)線需配備30名作業(yè)人員才能保證產(chǎn)線負(fù)荷處于較為平衡的狀態(tài),計算得到平衡率達(dá)到0.85,符合流程化思想的要求。在該人員配置下,一班制的產(chǎn)能為m1=8×3 600/36.02≈800,當(dāng)總產(chǎn)能確定的情況下,以日產(chǎn)能為14 370為例,計算得到開設(shè)線體的數(shù)量為18。

4 結(jié)論

綜上所述,得到如下結(jié)論:第一,作業(yè)人員調(diào)度與配置會對作業(yè)全流程的流程化和均衡化程度產(chǎn)生影響。第二,憑借管理者經(jīng)驗進(jìn)行人員調(diào)度將會帶來成本的增加和生產(chǎn)效率的降低,使用算法或程序化的人員調(diào)度模式將有效提高生產(chǎn)效率,提高對訂單更有柔性的響應(yīng)能力。第三,建立行之有效的數(shù)學(xué)模型,運用粒子群算法等啟發(fā)式算法,在節(jié)約算法運行時間的同時,獲得解決流程化車間優(yōu)化問題的最優(yōu)解。該結(jié)果可以在理論上有效提高線體平衡率,確保線體穩(wěn)定流動,提高人效。