基于Flexsim的貨位優化仿真

李汝仙

（昆明理工大學 城市學院，云南 昆明 650051）

基于Flexsim的貨位優化仿真

李汝仙

（昆明理工大學 城市學院，云南 昆明 650051）

基于EIQ分析方法對某配送中心大宗物資倉庫進行了貨位優化。為了驗證該貨位優化策略的有效性，分別建立了基于隨機存儲策略及EIQ貨位優化存儲策略的倉儲仿真模型。對比了在同等出庫任務下，兩種模型完成訂單揀貨任務所耗費的時間及叉車行走距離，仿真結果顯示，在貨物出庫具有明顯的數量及頻率差異時，根據此特性進行貨位優化能有效提高倉儲作業效率。

貨位優化；EIQ分析方法；隨機存儲策略；EIQ貨位優化策略；仿真

1 引言

在競爭日益激烈的今天，客戶希望獲得快速、高頻次的配送服務。要滿足客戶需求，除了在配送環節進行合理的安排之外，貨物在倉庫中的處理環節也至關重要。要快速完成揀貨、復核、打包、配送等作業，需要縮短貨物的出入庫移動距離，縮短作業時間，從而提高勞動效率并降低成本。而要達到這樣的效果，必須在貨物入庫時依據貨物特性（如貨物的需求頻次、需求數量、重量、體積等）為其分配貨位，即實現貨位的動態優化分配。

2 文獻綜述

對于貨位優化而帶來的倉儲作業效率的提升，目前很多相關研究都是以建立解析模型的方法來進行分析驗證的。利用數學模型進行研究，建模要求極高，而且實際情況會增加對模型的約束，從而提高模型復雜度。此外，解析模型不利于人們獲得對系統真實而直觀的感受。

系統仿真將要研究的對象系統模型化為分析已存在的系統或計劃建立的系統。與解析模型不同，仿真技術建立的模型能夠反映現實中較為復雜的因果關系與時間約束，能夠詳細描述模型中的行為以動態反映整個模型。由于仿真技術的如上特點，越來越多的研究已經開始將仿真技術應用于倉儲管理中以便輔助決策。

李俊等[1]基于改進的最近鄰居策略以及ABC庫存分類調度策略對貨物入庫進行了仿真，認為ABC庫存下的入庫操作整體呈現穩定性，能夠保持貨位的穩定利用率。改進的最近鄰居策略在入庫效率方面有明顯優勢，但在部分情況下也會出現波動，甚至效率下降。姜法筍等[2]應用ABC分區法，對產品根據出入庫頻率進行ABC分類，對庫位按照與出入庫站臺的距離遠近分為ABC三個區，將貨物與庫位區域進行匹配，對某配件自動化立體倉庫進行了仿真，通過對比堆垛機作業時間得出ABC分區的貨位優化策略從作業效率上來講優于隨機貨位分配。嚴云中等[3]對堆垛機執行多次出入庫操作所用的時間進行了分析，提出了傳統庫位物理地址按照行列進行分配的方式對堆垛機運行效率造成的影響，提出了依據存放物料出入庫頻率來進行庫位號編排的思路。俞雷霖等[4]提出了求解自動化立體倉庫貨位分配與優化的混合禁忌搜索算法。該算法生產貨位分配的初始解采用如下機制：先通過零件的重量屬性選擇該種重量級別應該存儲的庫區，再從該庫區中選擇堆垛機運行路徑最短的貨位來存放零件。如果庫區沒有空余貨位則擴大搜索范圍，從所有庫位中選擇堆垛機運行路徑最短的貨位來存放零件。黃銀娣等[5]對汽車制造企業的倉儲系統貨位分配進行了優化決策，根據庫位相對于各個出入庫站臺的距離計算貨位距離特征碼，貨位優化的目標為使得出入庫距離最短以及垂直方向上貨物的重心最低兩個目標，據此得出貨位優化方案。

近期的研究都注意到了貨位優化的重要意義，分別使用了不同的策略進行貨位優化，本文將結合EIQ分析方法實行對某配送中心的貨位優化研究。

3 某配送中心貨位優化研究

本節將分別從配送中心訂單特性及貨架分區兩個方面對該配送中心貨位優化進行研究。

3.1 某配送中心簡介

某配送中心成立于2005年，為客戶提供倉儲、運輸、配送、流通加工等服務。該配送中心目前與食品企業M合作，為其31家門店提供倉儲配送服務。食品企業M的下游門店根據門店物資消耗情況向配送中心下訂單，配送中心根據所接收到訂單執行揀貨、打包、配送等活動。食品企業M大量常溫食材及其他物質存儲于該配送中心常溫庫房中。本文主要研究該配送中心大宗物資存儲區域的貨位優化問題。

3.2 某配送中心訂單特性分析。

本文的研究對象為配送中心大宗物資儲存貨位優化，選取了存儲于常溫庫房的16種物資（單位：公斤）進行訂單特性分析。

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，在此基礎上本文將主要進行IQ-IK（品項出貨量與出貨頻次）交叉分析。

3.2.2 IQ-IK交叉分析。根據表1的EIQ分析匯總表中的IQ及IK數據，制作基于品項出貨量以及出貨頻次的散點圖，如圖1所示。

圖1 配送中心品項IQ-IK交叉分析散點圖

由圖1可知，在16種品項中，各類貨物在出貨量和出貨次數方面存在較大的差異，以最為典型的大米為例，大米無論從出貨數量還是出貨次數來說，都遠遠超過其他品項。淹雞粉、烤排外抹、帕馬森芝士粉等產品屬于典型的出貨量及出貨頻次都十分小的類型，這些貨物出庫的訂單特性將為后續的貨位優化提供依據。

根據IQ-IK分析可知，根據出貨量及出貨頻次兩個指標，各貨物按照從大到小順序排列，見表2。依據表2，16種貨物每月需求量為72托盤，占用72個托盤貨位。在安排貨位時，應該按照上表的順序優先安排序號較小的貨物，將其安排在易于出庫的貨位。在本文中，為了將貨位出庫難易程度進行量化，將計算取貨時叉車行進至每個貨位所消耗的時間，所消耗的時間越小，表明該貨位越易于出庫。

3.3 某配送中心貨架分區

為簡化問題，只研究該配送中心中貨架的一排。托盤貨架區每排貨架18列，8層。貨架列寬1 350mm，層高800mm，每個貨位存儲一個托盤。該排貨架共有貨位18×8=144個，可存儲144個托盤，為每月需求量的兩倍。在后續研究過程中，假設庫房初始庫存為需求量兩倍，即144個貨位全部裝滿，則對應的每種貨物存量為表2的兩倍，即大米占用70個貨位，黃油皇占用16個貨位，依此類推。

3.3.1 貨架貨位取貨時間計算。該配送中心出庫采用叉車，叉車的提升速度為0.2m/s，水平行進速度為1.67m/s。單個托盤貨位長L=1 350mm、單個托盤貨位高H=800mm。假設叉車取貨時，以貨架第一層第一列外邊界交點為原點，先水平勻速行進至目標貨位所在列正中，再將貨叉提升至相應貨位，則若以tij表示第i列j層貨位的取貨時間，有：

按式（1）可以得出叉車行進至每個貨位取貨所需時間，時間越小說明該貨位取貨效率越高，按照時間從小到大排序，結果見表3。

3.3.2 貨物與貨位匹配關系。依據表3及16種貨位的優先級及存儲量，可得貨位與貨物編號的匹配關系，見表4。

表1 某配送中心某月訂單EIQ匯總（單位：kg）

表2 各類貨物IQ-IK排序

本節通過訂單特性分析及貨架貨位取貨優先級分析得出了貨物與貨位的匹配關系，該匹配關系將為后續貨位優化仿真提供依據。

4 基于Flexsim的貨位優化仿真

本節將分別基于隨機存儲策略和EIQ的貨位優化存儲策略建立仿真模型，比較在同等出庫訂單任務下，兩種策略完成訂單所需的時間以及叉車行走的距離，通過這兩個指標能夠反映存儲策略對出庫業務的影響。

4.1 模型布局

入庫區：16個發生器產生16種貨物，貨物規格為托盤，為了與出庫過程中的托盤打包相區分，在貨物產生及后續的存儲過程中，貨物形態用發生器中的tote表示，而非pallet。發生器1產生表2中的1號貨物大米，發生器2產生2號貨物黃油皇，依此類推。各類貨物用不同顏色表示以顯示區別。為了簡化入庫流程，假設貨物依據設定數量瞬時到達貨架，此假設不影響后續出庫仿真。

儲存區：倉儲區的貨架規格為8層×18排，共計144個貨位。貨位規格為長1 350mm，高800mm，每個貨位存放一個托盤。

出庫區：出庫區由一臺執行出庫作業的叉車、一個合成器（實際作業中代表每個門店訂單貨物打包過程）、一個托盤發生器（模型中產生打包用的托盤，假設一個門店的貨物存放在一個托盤上）以及出庫暫存區構成。結合貨物消耗頻率及貨位數量，各類貨物在貨架的初始存量見表5，仿真模型如圖2所示。

4.2 出庫訂單設置

表3 貨位編號（按取貨時間從小到大）

表4 貨位與貨物匹配關系

表5 貨物初始存量

圖2 仿真模型布局圖

在隨機存儲模型及基于EIQ的貨位優化存儲模型中，將執行相同的出庫訂單任務以對比兩種存儲策略對于出庫效率的影響，結合各類貨物的出庫特性，本文模擬了11個出庫訂單，見表6。

表6 出庫訂單設置

4.3 隨機存儲策略仿真模型

在隨機存儲策略下，貨物從發生器產生后，利用flexsim內置的“放置到列—隨機放置到可用列”、“放置到層—隨機放置到可用層”即可保證在每個貨位存放一個托盤的情況下實現貨物隨機存儲。運行模型，讓模型執行11個訂單的出庫任務。根據仿真結果，叉車行進距離3 580.57m，完成11家門店訂單所需時間為3 791.43S。

4.4 EIQ貨位優化存儲策略仿真模型

在EIQ存儲模型中，貨物從發生器離開后放置到貨架的過程中不依據隨機放置的原則，而是按照前文EIQ計算過程中，貨物按照出庫數量及頻次的優先級優先放置到貨架的相應貨位，其放置規律依照表4。在Flexsim中，要實現貨架按照此原則放置需要設置全局表并編寫相應程序。在Flexsim中新建名稱為rule的全局表。該全局表由8行18列構成，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。全局表中的數值1、2、3、4…、16代表16種貨物的類型。全局表中貨物類型分布與表4中的貨物在貨架貨位中的分布對應。為了引用全局表實現貨物按規則存儲，需要編寫相應代碼實現按規則放置到列和按規則放置到層。

根據仿真結果，叉車行進距離3 515.02s，完成11家門店訂單所需時間為3 709.43s。

4.5 仿真運行結果分析

根據仿真結果，出庫任務相同時隨機存儲策略與EIQ貨位優化存儲策略分別完成相同訂單的工作時間及叉車運行距離，見表7。

表7 基于兩種儲存策略的仿真結果分析

相對于隨機存儲而言，基于EIQ貨位優化存儲策略能夠有效提高后續出庫效率，具體體現在縮短揀貨出庫時間及揀貨叉車行走距離。若是考慮更大的倉儲規模以及更多的出庫訂單，效率的提升將更加明顯。

5 結論

本文運用EIQ對某配送中心的出庫訂單進行了分析，基于分析結果結合貨架中每個貨位的取貨難易程度（用取貨時間表示），將貨物與貨位進行了匹配，實現了貨位的優化。為了驗證貨位優化的實際效果，運用仿真軟件分別仿真了隨機存儲策略以及基于EIQ的貨位優化策略下的出庫過程，結果證明了在貨物出庫具有明顯的數量及頻率差異時，采取EIQ方式對貨物訂單特性進行分區并據此優化貨位安排對于提高作業效率具有積極意義。

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

[2]姜法筍,姚平喜.庫位配置問題的研究與仿真[J].機械管理開發,2009, (3):41-42.

[3]嚴云中,孫小明,潘爾順.立體倉庫庫位號與堆垛機運作效率關系的探討[J].工業工程與管理,2000,(6):29-33.

[4]俞雷霖,葉衛東,陸志強,等.基于混合禁忌搜索算法的自動化立體倉庫的貨位分配與優化研究[J].制造業自動化,2008,30(12):33-36.

[5]黃銀娣,吳阿敏,徐振,等.汽車制造企業倉儲系統的貨位分配優化決策[J].現代制造工程，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：物流和供應鏈管理。