基于Flexsim的工廠園區物流運輸仿真及優化

2018-05-09 02:41:28房殿軍張新艷

物流技術 2018年4期

房殿軍，李偉，張新艷

（1.同濟大學中德學院，上海 201804；2.同濟大學機械與能源工程學院，上海 201804）

1 引言

隨著工業4.0和中國制造2025概念的提出，越來越多企業希望通過系統和技術層面的革新來緊跟時代的腳步，以此在新一次的工業革命中占得先機[1]，其中智能物流成為了制造型企業首要發展的目標。Flexsim作為新一代離散事件系統仿真的有效工具，可以模擬智能物流下的多種場景，目前主要用于物流及生產制造業，包括車間調度自動化立體倉庫貨物分配[2]、設施布局優化[3]、生產物流[4]，以及用于公交車調度[5]中。本文基于Y工廠的智能物流項目，通過Flexsim對其園區物流運輸進行仿真，研究在調整運輸模式下，不同運輸車輛數、發車趟數和發車間隔對運輸任務完成率、訂單通過時間和車輛空閑率等指標的影響，并通過與Y工廠當前園區運輸現狀進行對比，得到一組更加優化的車輛調配方案。

2 Y工廠園區物流運輸現狀

2.1 Y工廠園區概況

Y工廠是一家大型制造企業，園區內共有14座獨立的廠房，廠房總占地面積約為40萬m2。由于該園區業務量大，客戶定制化產品多，以及一些歷史遺留原因，導致整個園區目前有著很大的垂直運輸和水平運輸，這不僅降低了生產效率，也增加了物流成本。表1顯示了2017年11月份某班次（11h）內，不同廠房之間的托盤運輸，總計1 210板。

表1 Y工廠園區跨期運輸從至表

根據現場調研，園區內用于托盤運輸的車輛信息見表2，共有7輛不同型號的車輛進行運輸，3臺貨車、4臺牽引車。加上配合貨車進行裝卸貨的叉車，以及核數員和掃描員，不僅使運營成本變得很高，而且在員工管理上也比較困難。

表2 園區內物流運輸車輛功能和參數描述

2.2 建立當前園區物流的仿真模型

首先建立當前園區物流的仿真模型。在該模型中，用到了Flexsim里的發生器、暫存區、吸收器、任務調度器、叉車和網絡節點等模塊。在實際的運輸操作中，物流人員會在托盤裝載和卸載時進行掃描，并錄入到報收系統中，模型中的發生器以此上車掃描時間作為產生臨時實體的時刻。根據Y工廠提供的白班內運各期送貨清單，模擬了2017年11月份的園區跨廠房運輸，模型運行時間為11h。

2.3 當前園區物流仿真結果及分析

通過多次運行模型，記錄每臺運輸車輛的使用效率（包括空閑率、負載率和空載率），以及每輛車的運輸量和行駛里程，得到統計表3。

表3 每輛運輸車輛的使用效率、運輸量和行駛里程

通過仿真結果的對比，可以得到如下幾點：

（1）每輛車的空閑率（包括中間1h的午餐和休息時間）在50%～70%；

（2）運輸量最大的為227，最小的為131，相差1.7倍；

（3）行駛里程最長的為35.8km，最短的為4km，相差8.9倍。

這表明在目前的運輸模式下，車輛的整體效率比較低，并且每輛車的工作負荷嚴重不均衡。此外，在運輸過程中，每班次不同時段的工作負荷差別也比較大，常常會出現車輛在某一小段時間內特別繁忙，而其他部分時間比較空閑的狀態。對于想實現智能物流的Y工廠來說，這種主要依靠員工之間的口頭或電話溝通進行運輸，較低的工作效率和信息的不透明化等，成為了亟需改善的問題。為此，針對園區運輸的現狀以及訂單需求，從提高效率和優化資源配置的角度，可以通過改變車輛調度方式，增減車輛數量和行駛路線等方式進行優化。

3 循環取貨模式下的園區運輸優化

3.1 園區循環取貨模式

循環取貨模式（Milk-Run）源于汽車制造商的零配件配送模式，可以通過不同的約束條件來進行優化[6]。針對目前Y工廠園區內的運輸情況，引進循環取貨模式，使運輸貨車沿著固定路徑按照發車時間往返運行，依次在每一個廠房站點進行卸貨和裝貨，如圖1所示。

圖1 園區物流循環取貨模式簡圖

3.2 建模仿真目標和評價指標

建立新模型的目標在于通過在園區運輸中采用循環取貨的模式，確定具體的調配方案（包括所需貨車的數量，每班次的發車趟數以及不同貨車的發車時間間隔），使得園區跨期運輸的效率更高，成本更低。

為此，設定以下3個評價指標：

（1）貨車的空閑率=貨車停車休息的時間/一個班次的總時間；

（2）不同貨車運輸量的偏差=（最大運輸量-最小運輸量）/貨車的平均運輸量；

（3）運輸任務完成率=已運輸的訂單/一班次內產生的總訂單數。

通過仿真找到一個合適的方案，使每輛貨車的空閑率能保持一定水平（25%左右），這樣司機的工作量既不會過重，貨車的利用率也比較高；每輛貨車的運輸量大體相當，盡量避免某輛車運輸量很大，而某輛車的運輸量很小；采用最少數量的貨車和最小的運輸趟數，完成盡可能多的訂單運輸任務。

另外，該模型需要確定以下三個獨立變量：

（1）車輛數—車輛數是首先需要設定的參數，決定了當前模型是否優于現狀；

（2）發車趟數—趟數的確定在一定程度上受車輛數的影響，決定了訂單運輸任務的完成情況；

（3）發車間隔時間—合理的發車間隔可以最大限度地保證任務的均衡分配。

3.3 建立循環取貨仿真模型

根據上述的循環取貨模式，首先在Flexsim里搭建了運輸車輛循環取貨的路線圖，如圖2所示，圖中的數字表示了不同的站點及其所在的位置。為了更清晰地表現該路徑，暫時隱藏了園區布局圖。在目前園區物流運輸中，Y工廠用到了多種運輸車輛，區分了不同的運輸區域，而在循環取貨模式中，將采用統一的車輛以及調度方式，徹底地拉通整個園區物流流程，建立標準化管理。考慮到園區現狀，在新的模式中，采用了貨車進行運輸。

圖2 循環取貨路徑和站點位置

為了提高運輸效率和方便管理，將14個不同地方的廠房根據距離遠近及產生的訂單數量進行劃分，分為9個不同的站點，見表4。根據表1不同廠房托盤運輸從至表數據，一個班次按照10h算，由于生產的連續性，可以認為這些運輸任務是按照一定的時間間隔產生，得出每個站點產生訂單的時間間隔，比如表4中的2 571表示平均每隔2 571s將有一個訂單從2號站點產生，該訂單要去往1號站點；表中的“null”表示兩個站點之間沒有訂單需要運輸。該表格的時間間隔，將作為循環取貨模型中每個相應發生器的輸入，采用正態分布作為隨機分布。

表4 循環取貨站點和發生器產生訂單的時間間隔

該模型中用到了Flexsim里的發生器（根據正態分布產生臨時實體）、暫存區（用于存放發生器產生的托盤，等待被運輸）、處理器（將托盤移到卡車或者從卡車上卸載下來）、任務執行器（作為貨車，將不同托盤移到相應的目的地）、任務分配器（根據時間調度不同的貨車進行運輸）、網絡節點（設置貨車的行走路徑和方向）、吸收器（接收托盤，運至產線），相關的重要參數設置見表5。

表5 園區跨期運輸循環取貨模式重要參數列表

3.4 仿真運行結果分析

通過設定不同數量的車輛和趟數可以初步計算出每輛貨車的空閑率，得到初步可行的參數配置。如表6所示，當使用4輛貨車時，可行的最大趟數為9，當超過9趟時，每輛貨車的一半左右時間處于行駛狀態，運輸任務將無法完成；如果車輛的數量偏多，趟數太少，則每輛車的空閑率將太高，這樣通過計算可以縮小模型的參數選擇范圍，便于高效找到最優的參數配置。

表6 不同參數組合下的車輛使用效率情況對比

根據數據輸入和上述表格的初步計算結果，模型從4輛車7趟開始進行仿真，通過調整不同的發車時間間隔，使不同貨車運輸量的最大偏差盡可能小，然后減少發車趟數。如圖3-圖6所示，分別設定4輛貨車跑6趟，5趟和4趟的情況，對比可以看到當每輛每班跑4趟時，有一個暫存區的容量持續上升，說明當前的參數組合無法全部完成任務。

設定每組參數組合下模型重復運行30次后，將得到的統計數據整理成圖7所示的折線對比圖。其中實線表示所有暫存區積累托盤的最大值（左邊縱坐標），虛線表示訂單完成的百分率（右邊縱坐標），橫坐標表示不同的參數組合方案，比如“4-7-21”表示4輛貨車進行運輸，每輛貨車跑7趟，同一起點處不同車輛的發車間隔時間為21min。從中可以看到在4輛車運行的不同趟數中，當減少到4趟時任務的完成率出現了很大程度的下降，并且暫存區的最大暫存量從16突增到77。4輛5趟的情況不僅能完成運輸任務，并且能保證65%～75%的車輛利用率和較高的車輛效率，是4輛車中的最優方案。

3輛車最多可行的運行趟數是5趟，其空閑率為10%，而4輛車運行的結果可以得到，它運行的總趟數要大于16趟，而3輛5趟的總趟數是15趟，顯然3輛車不能完成運輸任務。雖然5輛貨車可以完成任務，但是它的車輛使用數更多，車輛的運行成本將變高；根據不同參數設定的綜合分析，可以得到4輛車跑5趟，2輛從始發站出發，2輛從終點站出發，不同車輛發車間隔時間為67min時的設定是最優方案。