小件分類揀選模式下醫藥配送系統仿真設計

魯春強，李 昂

（1.南京翌星自動化系統有限公司，江蘇 南京 210023；2.南京理工大學紫金學院，江蘇 南京 210023）

1 引言

隨著全球物流技術的日新月異，我國物流行業近年來發展迅猛。物流運作模式中，托盤揀選、料箱揀選、小件揀選三類作業揀選模式較為流行，但是小件揀選模式目前在國內還鮮有成功案例[1]。典型的小件分揀策略主要分為以下三種：工作人員到倉庫揀選貨物、貨物從倉庫自動到工作人員、使用自動分揀系統。

醫藥行業在很多國家都有政策扶持，在我國也被列為高新技術產業，醫藥經濟的發展趨勢也相對旺盛。尤其是2005 年以來，我國允許國外企業在國內從事全方位的銷售服務，便將藥品的采購、倉庫儲存、分揀配送、批發零售及售后服務等物流過程帶入了醫藥行業，這對我國傳統醫藥行業的批發零售運作模式產生了巨大沖擊，也使我國原有的醫藥企業面臨著世界級的巨大挑戰，迫使這些企業的生產運作、儲存分揀、銷售運作等都向數字化、自動化發展。在此背景下，本文以盒裝醫藥作為小件的具體模型，對其自動化分揀模式進行探討。

2 醫藥配送中心倉庫布局及物流流程分析

2.1 S醫藥配送中心倉庫布局介紹

S 醫藥配送中心采用的是重型橫梁式貨架和多向穿梭車貨架（如圖1 所示）相結合的存儲方式。多項穿梭車貨架是一種自動化程度很高的立體貨架，采用的揀選模式為貨物自動從倉庫到工作人員揀選模式，這種存儲方式不僅節省了大量的人工，同時具有極高的存儲效率，且存儲密度極高，充分利用了倉庫空間。

圖1 S醫院配送中心多穿貨架布局圖

2.2 S醫藥配送中心物流流程分析

2.2.1 上架流程分析。貨物檢測合格后裝入料箱，由輸送帶和移栽機將其運送到與貨架相連的提升機上，根據系統記錄的貨物信息和貨位信息，提升機將貨物自動提升到預存放庫位所在層，再由提升機上的穿梭車裝載料箱并駛入該層所設的穿梭車軌道，穿梭車行駛到預存庫位旁時自動停下，由伸縮裝置將該料箱放入庫內，從而完成上架流程。具體過程如圖2所示。

2.2.2 取貨流程分析。與上架流程原理類似，系統接到指令后，提升機和穿梭車分別自動運行至指定位置，裝上指定貨物的料箱后回到起點，通過移載機將料箱移載至流向分揀區的輸送線，再由輸送線將料箱運送至人工分揀區，隨后由工作人員進行分揀工作。具體過程如圖3所示。

2.2.3 分揀流程分析。如圖4所示，料箱到達揀貨區后，再由移載機將料箱移載至人工分揀操作臺，工作人員將料箱中的貨物取出、拆分，并按照訂單進行組裝，再將揀選好的貨物放至鋪設于操作臺下方或者來料輸送帶旁邊的流向出貨口的輸送帶上，在輸送帶的起始位置預先放置了空的包裝箱，揀選好的貨物按訂單隨包裝箱被輸送至出貨口，并進行下一步的打包并暫存，等待出庫（這一過程如圖5所示）。

圖2 上架流程

圖3 取貨流程

2.2.4 整體流程分析。存儲貨架方面，S配送中心采用的是較先進的自動化立體庫，具有先進的自動上架和下架的運行策略，配合倉庫管理系統，還可以做到自動化的貨位分配，庫存信息的管理與控制。物料下架后也布置了清晰且合理的物流線路圖，涵蓋整個流程各個環節，整體效率較高。但在揀貨這一環節采用的是由貨自動到人的半自動人工分揀作業，來料流程雖然自動化，但人工分揀這一過程效率相對低下，并存在一定的分揀出錯概率，還增加了人工成本，尤其在訂單高峰期人工揀選則成為整個配送中心物流系統的瓶頸。

圖4 分揀流程

圖5 人工分揀操作示意圖

為了滿足配送中心自動化的需求，提升其整體運行效率、優化人員分配、減少人工費用，須針對貨物分揀流程進行改善，采用更加高效、訂單履行能力更強的全自動化分揀系統代替之前的人工分揀系統。

3 醫藥配送中心的EIQ分析

3.1 EIQ分析法介紹

EIQ分析法[2]中的E是指“Entry”、I是指“Item”、Q是指“Quantity”。該方法是以客戶訂單的數量、客戶訂購的品類和訂購次數為出發點，對物流配送中心的出貨特性進行分析。該分析法目的在于通過配送中心物料和物流的特點及從物流特性所衍生出來的物流狀態（比如從配送中心的物流設備到其客戶這一流程的流動特性），得到配送中心各個品類的分布及ABC分類、出入庫頻次和時間等特征內容，并以此為依據對配送中心進行系統平面布局、計算其出入庫設備的能力、分析設計其自動化程度，討論其運作模式，從而規劃并制定出一套與該配送中心匹配的物流系統。

3.2 S醫藥配送中心的EIQ分析

3.2.1 EQ分析。從表1和表2可知，訂單的平均訂貨量為433 件，A 類訂單（即醫院訂單）為大量訂單，訂貨總量占訂貨總數的80%，訂單也占總訂單的80%；B類訂單（即藥房訂單）為量較小的訂單，訂貨量占訂貨總數的20%，訂單也占總訂單的20%。總體來看訂單分布比較均勻，可以不用進行ABC分類。

表1 EQ分析表

表2 訂單ABC分類表

3.2.2 EN 分析。從表3 可知，每個訂單平均包含的SKU（即保存庫存控制的最小可用單位，以此表示品項）數為3個，訂單的平均出貨品項較少，所以比較適合采用訂單合并分揀。

表3 EN分析表

3.2.3 IQ分析。從表4和表5可知，IQ分布為一般配送中心的典型模式，總SKU 數為2 500 個，總出貨件數為 390 000 件，SKU 平均出貨量為 156 件。A 類藥品屬出貨量大的主流產品，占所有SKU數的44%，應作為規劃的重點；B 類藥品屬出貨量較小的貨品，規劃時僅作一般的考慮。

表4 IQ分析表

表5 品類ABC分類表

3.2.4 IK 分析。從表6 可知，IK 分布為一般配送中心的典型模式，總出貨SKU 數為2 500 種，總受訂次數為10 700，平均品項受訂次數為4次。

表6 IK分析表

3.2.5 整體分析。整體來看，該配送中心每日的訂單量是非常龐大的，該配送中心平均日訂單量為3 000 個，包含整箱和零箱的出貨總量為10 000箱，出貨總件數高達3 290 000 件，其中占整個訂單30%的零揀訂單達900個，并且許多整箱訂單中包含零揀，零揀訂單的出貨量一天達到390 000 件，每天動用的 SKU 數為 2 500 個，平均每個 SKU 受訂 4 次。在這樣高的訂單需求下，揀選流程特別是零箱小件揀選使用人工分揀，使作業人員工作壓力過大，工作時間長導致效率下降、出錯率增加等不良因素，而當分揀人數無法滿足訂單需求后就不得不增加勞動力，導致又增加了新的勞動成本，嚴重影響整個物流流程的效率。

本文參考了2000國家大地坐標轉換的相關理論和方法，結合了仙居縣國土資源空間數據轉換工作實踐，對各環節質量控制方法進行了論述。得出的結論是坐標系轉換的質量控制重點在于：一要了解待轉數據的技術要求；二要分析待轉區域范圍大小和地形地貌特點，選擇適合項目的轉換模型；三要盡可能收集到區域內分布均勻的重合點(高等級控制點)；四要重視解算參數的外業精度校核；五要做好待轉數據轉換前后的內容質量和精度檢查。仙居縣國土資源空間數據高質量實現了CGCS2000坐標系轉換，轉換成果已通過浙江省測繪成果專業質檢單位檢驗，其中確保轉換精度質量和數據質量的技術方法和作業經驗，可以向其他類似項目推廣借鑒。

以上研究表明，該配送中心急需使用全自動的分揀系統，雖然需要增加基礎設施、設備的投資成本，但是能極大地提高分揀效率并保證了在高峰期大量訂單需求下的訂單處理能力，同時還降低了人工勞動成本，使倉庫人力資源得以優化分配。綜上所述，在該配送中心使用全自動分揀系統可行性強。

4 醫藥配送中心小件分揀流程仿真與優化

4.1 A字型分揀機介紹

A 字型分揀機（以下簡稱A 架）是一種自動化揀選設備，目前主要流行于國外，國內很少有這方面的應用。該設備可以高精度揀選大批量形狀均勻的小型、耐用和非彈性物品，如藥物、化妝品等。

A架的設備結構為：由兩邊傾斜的多列豎直通道所構成的貨架支撐起來形成一個“A”字形的結構，兩邊的貨架中每個產品通道都只堆放一個SKU的貨品（但同一SKU的貨品可放置在多個通道）。兩邊通道底部連接彈射器，分揀時彈出相應通道里的貨物。位于兩側通道所構成的“A”字形結構的正下方設有輸送帶，輸送帶上傳遞訂單并匯集各個訂單中所需商品[3]，其工作原理示意圖如圖6所示。

圖6 A架工作原理示意圖

4.2 A字型分揀機仿真及優化

4.2.1 仿真背景。運用Flexsim仿真軟件[4-5]對A架作業流程進行仿真，模擬該系統進貨、存貨、揀貨、補貨等作業流程，再用自動化補貨策略替代A 架系統原有的人工補貨策略，并再次對該策略進行仿真，從而完成用A 架系統對S 醫藥配送中心進行小件分揀流程的優化改造。

4.2.2 仿真模型的建立與運行。以S-Pemat 型A 架為原型在Flexsim 中建立貨架模型，其兩邊均為單層通道，每平米有19個通道，每個通道能裝64件產品，通過調整其傾斜度及尺寸大小使模型仿真表現得更加直觀（如圖7所示）。

圖7 A架原型的建立

在A 架仿真模型建立的基礎上，再進行訂單發生器、訂單種類、訂單合成器、訂單合成器加工時間的設置，并搭建補貨流程，最后進行暫存區的設置。

初次運行后的仿真模型運行結果如圖8所示。

圖8 仿真整體布局圖

4.2.3 補貨流程的優化。由于人工補貨存在耗費人工、作業出錯的可能性，并且在高峰期可能出現無法滿足補貨需求的情況，因此需要對A 架的補貨流程進一步優化改善。

將A 架旁原有的流利式貨架改為堆垛機貨架，由機械手代替人工作業，在A 架通道里安全庫存之外的其他區域設置類似于“彈匣”的裝置。該自動化補貨工作原理為：將通道上除安全庫存以外的區域設置可拆卸的“彈匣”裝置，讓該部分的藥品存儲方式如同子彈存入彈匣一樣，通道裝滿時，藥品從下往上進行消耗，安全庫存用完時，“彈匣”中的藥品開始向下填充，始終保證安全庫存，直到“彈匣”變空，且保有安全庫存時，便需要補貨。當系統發出補貨消息時，機械手將該通道上的空“彈匣”取出，同時由堆垛機自動從貨架上取出裝有相應需要補充藥品的料箱，并由堆垛機送至機械手旁，再由彈射裝置對機械手抓取的空“彈匣”進行自動填充，填充滿后再由機械手將其裝回A 架通道內，以此來實現無人自動補貨過程。

4.2.4 優化后的仿真模型。優化后的自動補貨流程仿真只需在手動補貨流程搭建的基礎上，將操作員步行與搬運的過程改為堆垛機搬運和機械手抓取。補貨流程優化后的仿真模型如圖9所示。

圖9 流程優化后整體布局圖

4.2.5 仿真優化效益評估。使用改進后的A 字型分揀機系統對S配送中心進行分揀作業后，改善了原有的貨物從倉庫隨輸送線到達分揀區由工作人員進行手動揀貨的揀選模式，成為了使用A 架系統的全自動分揀模式，并對A架本身的補貨流程加以改造，使其補貨也變得自動化，在揀貨和補貨階段同時去掉人工，使訂單完成率和在高需求情況下補貨效率得到保證，顯著提升了整個配送中心的自動化程度，且無人為因素干擾流程，從而使得整個配送中心更加符合現代化物流的標準，進一步實現了信息化和自動化。

5 結論

本文針對小件揀選的一種典型對象—醫藥配送系統進行研究，首先分析了該配送系統的工程流程，其次針對適用于該系統的自動化分揀設備A字型分揀機進行仿真，通過仿真找到瓶頸并改善優化，流程優化后的分揀系統工作效率更高、成本更低，最后將改善成果應用于整個配送中心，從而推動了該配送中心信息化、自動化的發展進程。