基于Anylogic的汽車零部件銷售店布局研究

王 歡，李 民

?

基于Anylogic的汽車零部件銷售店布局研究

王 歡，李 民

（昆明理工大學 機電工程學院，云南 昆明 650500）

隨著汽車零部件的配套全國化、全球化發展，零部件銷售店布局的問題也越來越突顯，配送成本已成為物流所考慮的重要問題。本文以北京市為研究對象來優化該地的汽車零部件銷售店布局。通過已知確認的的幾個物流配送中心，在GIS地圖上標示出來，運用Anylogic軟件建模與仿真，通過定性和定量相結合的方法對汽車零部件銷售店布局進行科學的研究，最終得出最優配送位置。

汽車零部件銷售店布局；配送中心；GIS；Anylogic；建模與仿真

0 引言

近年來，隨著經濟的快速發展，我國汽車市場日趨成熟，加之原材料價格的大幅上漲及整車業的壓價，汽車零部件供應企業利潤空間越來越小。物流是企業的重要價值來源，降低物流成本，提高作業效率，對汽車零部件物流企業來說己迫在眉睫。汽車零部件物流配送中心是汽車零部件物流的必然選擇，其功能的有效實現主要取決于設施布局規劃的合理性，運用適當的方法實現各個設施的最優布局，對于降低物流成本，提高作業效率以及滿足客戶需要具有重要意義[1-2]。

1 研究的理論基礎

1.1 Anylogic軟件介紹

AnyLogic是俄羅斯的XJTechnologies公司研發的復雜系統仿真軟件，能與GIS相結合，進行模擬仿真[3-4]。軟件提供模板式的結構，用戶從模板庫中將所需對象拖拉到工作空間中，再定義這些對象的屬性和相互間的關系，使建模過程變得直觀快捷。AnyLogic支持最常用的三種模擬方法：系統動力學、離散事件以及基于Agent建模，其中基于Agent的建模與仿真方法試圖通過對Agent 的行為及其之間的交互關系、社會性進行刻畫，來描述復雜系統的行為，并且使得整體系統對于群體行為復雜性的表現能力超過了單個主體行為的簡單疊加[5]。從實踐運用的觀點來看，基于Agent 的建模應定義為本質上分散的、以個體為中心的模型設計方案。基于Agent的建模方法可以較好的詮釋個體在一個環境中所表現出的狀態，通過建立他們之間的聯系，使得整體的行為成為個體行為相互交織的結果，為模擬仿真方法提供了一個新視角[6]。

1.2 銷售店布局

物流網點作為物流系統的重要組成部分，其存在的目的就是為物流系統提供支撐，通過物流系統的目標，我們知道銷售店布局的內容主要包含以下幾部分：

（1）網點數目的多少，即針對某一企業按其生產及零部件的分布情況具體應該設立幾個網點來為其服務；

（2）網點規模的大小，不同區域所服務的對象不同，資源量、品種也有所差別，應該根據實際情況設計其面積；

（3）網點的位置，物流網點位置的確定往往由其流向、流量確定；

（4）網點的供貨范圍，即物流網點主要負責中轉、流通的貨品種類及其服務對象物流網點布局主要分為地區和地點的選擇。地區選擇，考慮宏觀布局，確定應該設立多少個網點，應該設立在什么地區；地點選擇則考慮微觀因素（資源、環境、交通), 是確定在被選定的地區中應該設立幾個網點，設在什么地方。

具體來說，地區選擇主要考慮因素有：符合國家的宏觀生產力布局和經濟發展規劃；地區經濟發展水平與市場前景良好，有比較充足的物流需求量；與大物流系統網絡接軌配套；交通基礎設施比較齊全、配套，運輸方便；能源、信息、市場、法制等基礎條件好；還要考慮競爭態勢和自己的實力情況，如果在這些地區有很強的競爭對手，則要根據自己的實力來確定是勇敢挑戰還是采取回避策略[7-13]。

2 汽車零部件銷售店布局仿真模型的建立

銷售店布局的問題實際上就是配送問題，本文運用Anylogic軟件，建立一個城市配送案例來對北京市部分零部件銷售店布局進行建模與仿真。該模型基于GIS和智能體定義配送節點和運輸車輛。輸入所有配送節點的位置以及上下級的關系、各節點間配送路線、貨物配送訂單的產生，包括初始地、目的地和貨物量和運輸車輛的內容以及安排規則等。輸出為貨物運輸完成總量、運輸成本（以運輸車輛行駛里程計算）和不同網點布局或派送規則比較。以下是用Anylogic軟件建模的具體過程。

2.1 創建Order智能體

Order智能體中只包含一個類型為Retailer的參數，其作用在于為貨車提供一個信息，其模型如圖1所示。

2.2 創建Truck智能體

Truck智能體包含一個參數owner（其類型為Ditributor）、當前的訂單變量order（其類型為Order）、車的忙閑程度變量busy（其類型為boolean）和一個時間變量timeMove（其類型為Double）。這些變化可以用狀態圖來表示，狀態AtDistributor收到一個訂單信息變遷進入第二個狀態moveToRetailer，第二個狀態接收到一個消息開始unload，最后又回到配送中心Distributor。依次循環，貨車狀態圖流程如圖2所示。

圖1 Order智能體模型

圖2 Truck智能體模型

其內部邏輯為：

Distributor進入行動busy=false；

離開行動busy=true

接收到一個消息產生行動：order=msg；

moveTo(order.retailer)；

到達moveToRetailer后進入行動timeMove= time()；

Back的進入行動是moveTo(owner)；

智能體到達后產生行動owner.cost+=(time()- timeMove)*0.5

此時會產生一個分支當滿足條件！owner.coll-ectionOrder.isEmpty()會產生行動order=owner.coll-ectionOrder.removeLast()；

moveTo(order.rentailer)；

2.3 創建Distributor智能體

首先設置一個參數numOfTrucks來設定配送中心車的數量,再將所有車隊放在一個集合truckFleet里面。車子內部邏輯圖由findTruck、For循環、決斷、返回狀態組成。

2.4 創建Retailer智能體

零售店負責接收產生的訂單，設置一個函數generateOrder來表達此訂單，該函數體的表達如下所示：

Order o=new Order()；

o.retailer=this；

Distributor d=getNearestAgentByRoute(main. distri-butor)；

Send(o,d)；

Event-事件可以用時間來表示，選擇速率為每小時五次，產生的行動用generteOrder（）表示。

2.5 模型初始化

以北京市區為研究對象，在模型中建立一個GIS地圖，找到北京市城區圖，按照給出的坐標標記出五個GIS點，其中GISPoint、GISPoint1、GISPoint2三個點為汽車零部件銷售店地址，其余的GIS點為其配送對象，他們的地理位置如表1和圖5所示。

圖3 Distributor智能體模型

圖4 Retailer智能體模型

創建智能體群distributors、retailers和trucks,將他們都設定為包含給定數量的智能體，初始智能

體數都為零，定義配送中心和零售店的地理位置collectiongDistributor和collectionRetailer，再建立一個函數initial。該函數的函數體為：

for(int i=0;i

Retailer r=add_retailers();

r.setLocation(collectionRetailer.get(i));}

for(int i=0;i

Distributor d=add_distributors();

d.numOfTrucks=uniform_discr(5,10);

for(int j=0;j

Truck t=add_trucks();

t.owner=d;

d.truckFleet.add(t);

t.setLocation(collectionDistributor.get(i));

}

建立完模型然后運行，從軟件中得到相關仿真數據，然后對這數據加以處理分析得出結論。

表1 銷售店運輸成本

Tab.1 Transport costs of sales outlets

3 仿真結果分析

在Distributor智能體上加上一個文本cost后即可運算出貨車從各個銷售店在一定時間內向各個配送站運輸貨物的總成本的大小，成本直接顯示在每個銷售店圖標上方，隨著時間的改變而改變。通過Anylogic系統仿真結果對這些數據進行統計和分析就可以確定三個銷售店中最優位置。

根據仿真結果得到成本數據如表2所示。

由表中數據可知GISPoint點成本最低，成本最高的是GISPiont1.分析可以得到GISPoint點為汽車零部件的最佳銷售點，它向外配送可以使成本達到GISPoint1由于成本過高，可以取消在該點的布局。

4 結論

本文運用Anylogic仿真軟件來對具體的實例進行建模仿真，相比其他仿真軟件，Anylogic有其更強大的功能，結合了多種建模方法，避免了因仿真方法不足所造成的系統仿真誤差，大大提高了仿真效率和準確性，從而可以準確的仿真出最優的銷售店位置。

圖5 零售店需求分布圖

圖6 仿真結果圖

表2 銷售店運輸成本

Tab.2 Transport costs of sales outlets

表3 銷售店位置坐標

Tab.3 Location coordinates of sales outlets

[1] 馮耕中. 物流配送中心規劃與設計[M]. 西安: 西安交大出版社, 2004.

[2] 毛海軍. 基于Anylogic的仿真平臺的物流中心建模分析[J]. 東南大學學報, 2008(3): 314-318.

[3] 郭洪濤. 物流中心物流系統建模與仿真[D]. 南京: 東南大學, 2007.

[4] 王愧林. 物流管理學[M]. 武漢: 武漢大學出版社, 2004: 35-43.

[5] 陳潔. 物流中心的模式研究[J]. 中國水運, 2006(6): 216- 217.

[6] 齊二石. 物流工程[M]. 北京: 機械工業出版社, 2006.

[7] 侯玉梅. 物流工程[M]. 北京: 清華大學出版社, 2011.

[8] 鄭暢. 物流中心選址方法研究[D]. 武漢: 武漢理工大學, 2004.

[9] 蘇尼爾·喬普拉. 供應鏈管理[M]. 第5版. 北京: 中國人民大學出版社, 2013.

[10] 蔣方玲. 用戶驅動的軟件實施方法研究[J]. 軟件, 2015, 36(5): 89-92.

[11] 姜雪原. 基于動態規劃算法的軌跡地圖匹配軟件設計與實現[J]. 軟件, 2015, 36(5): 108-112

[12] HAO Qian-qian, DING Jin-kou, WANG Jian-fei. A self- adaptive learning rate principle for Stacked Denoising Autoencoders[J]. 軟件, 2015, 36(9): 82-86

[13] Wang S, Sun Q, Zou H, Yang F. Particle Swarm Optimization with Skyline Operator for Fast Cloud-based Web Service Composition. Mobile Networks and Applications, 2013, 18(1): 116-121.

Research on the Distribution of Auto Parts Sales Shop Based on Anylogic

WANG Huan, LI Min

(School of mechanical and electrical engineering, Kunming university of science and technology, Kunming 650500, China)

With the development of auto parts nationwide and globalization, the distribution of parts and components is becoming more and more obvious. The cost of distribution has become an important issue in logistics. This article takes Beijing city as the research object to optimize the layout of auto parts store. Through several known logistics distribution centers, it is marked on the GIS map, using Anylogic software modeling and simulation, through the combination of qualitative and quantitative methods to study the distribution of auto parts sales stores, and finally get the optimal distribution position.

The layout of auto parts shop; Distribution center; GIS; Anylogic; Modeling and simulation

TP391.9

A

10.3969/j.issn.1003-6970.2018.09.021

王歡(1993-)，男，研究生在讀，主要研究方向：生產及制造系統工程；李民(1973-)，女，副教授，主要研究方向：生產及制造系統工程。

本文著錄格式：王歡，李民. 基于Anylogic的汽車零部件銷售店布局研究[J]. 軟件，2018，39（9）：103-108