基于FlexSim的電商產品包裝及倉庫布局仿真優化

王海天，徐 慧，汪靈瑤，趙 越，暢攀人

（1.北京機械工業自動化研究所，北京 100120；2.北自所（北京）科技發展有限公司，北京 100120）

0 引言

隨著互聯網的普及與發展、中國移動端用戶的增加，加上新冠疫情影響下人們減少前往實體店購物的情況下，人們通過網絡購物也變得更加尋常和必要。據艾瑞咨詢統計，2018年中國社交電商行業規模達6268.5億元，同比增長255.8%，成為網絡購物市場的一匹黑馬[1]。其中倉儲物流成本在很大程度上影響電商行業的發展。例如，中小型跨境電商企業面臨海外倉前期建設成本較高，在使用過程中又面臨著倉庫管理、商品配置和庫存優化等精細化問題[2]。倉庫布局的是否合理，工位安排是否得當，將影響其作業效率[3～5]，如果倉庫作業效率不高會增加企業的整體成本，造成以保稅倉為基礎的跨境電商供應鏈服務可靠性不足[6]。因此有必要針對電商倉庫轉型升級提供相應對策，為提升我國跨境電商供應鏈效率創造有利條件。

FlexSim是一款用途非常廣泛的工具，已被用來對多種不同行業中的不同系統進行了仿真，在不同規模的企業中成功運用。此軟件已經在各個領域的配送中心的揀選仿真、倉儲仿真、產品倉庫分揀仿真、生產物流系統仿真、集裝箱碼頭仿真、機場物流仿真等多個領域內得到成功運用[7]。仿真規劃的技術流程，如圖1所示。

圖1 技術流程

FlexSim是一款離散事件仿真軟件，它可以用來模擬根據離散事件改變狀態的系統。常見的狀態如空閑、繁忙、阻塞或故障等，常見的事件如訂單的到達、產品移動、機器故障等。此軟件可解決的三類基本問題：

1）服務問題，以最低的成本服務用戶及其需求，達到最高的滿意度；

2）制造問題，以最低的成本及時生產所需要的產品；

3）物流問題，以最低成本將正確的產品及時送到正確的地方。

運用FlexSim系統仿真軟件，可在計算機內建立研究對象的系統三維模型，然后對模型進行各種系統分析和工程驗證，最終獲得優化設計或改造方案[8，9]。

1 現況描述及仿真

1.1 貨物數據

某電商公司有三款產品A，B和C。這三種產品一個季度商品進出庫數據如表1所示。其中，一個季度的A類產品入庫量和出庫量分為39058、37803，基本上不須占用存儲貨架，故屬于屬于快銷品，該產品入庫后通過托盤化處理、倉庫驗貨是否合格入庫后快速出庫；一個季度的B、C類產品入庫量和出庫量分為26639、17284，差不多35.12%的貨物留在倉庫存儲，故屬于普通品，入庫后必須上到貨架進行儲存，時常都有備貨，以應對促銷活動等。

表1 一個季度商品進出庫數據

三種類型產品的規格如下：

A產品規格400×400×400mm，重2.5kg；

B產品規格600×300×600mm，重1.5kg；

C產品規格300×500×200mm，重0.5kg。

1.2 包裝流程

包裝作業流程如下：

圖2 包裝作業流程圖

其中加工時間如下：

表2 加工時間

1.3 存儲流程及內部設計

倉庫作業流程如圖3所示。

圖3 倉庫作業流程圖

其中部分加工時間及運輸速度如表3所示。

表3 部分加工時間及運輸速度表

產品在倉庫理貨區進行檢驗，三種類型產品分別通過三個檢驗臺進行檢驗。A、B、C產品的合格率分別為95%、96%和97%。不合格產品直接進入退貨區。退貨區沒有最大容量限制。倉庫放寬比為1.1，每日工作時間為3小時。

1.3.1 儲存區面積及托盤量計算

托盤規格 GB/T2934—2007 1200×1000mm

A所需托盤個數：

托盤數=13019.3/7=1859.9

B所需托盤個數：

托盤數=2157.6/6=359.6

C所需托盤個數：

1.3.2 貨架量計算

高層貨架規格為2000×2000×1000mm，一個貨格放一個托盤。需要的貨格數量要滿足倉容量529.1個，貨架為20層，10列，共需要貨架個數3個。

根據倉庫整體布局可知貨區布置形式為橫列式，貨架之間間距為4m。

1.3.3 入庫暫存區面積

1.3.4 退貨暫存區面積

A產品平均每月不合格數量=不合格率×平均每月進庫量

=5%×(15172+12214+11672)/3=651(個)

B產品平均每月不合格數量=不合格率×平均每月進庫量

=4%×(8374+2374+4368)/3=201.5(個)

C產品平均每月不合格數量=不合格率×平均每月進庫量

=3%×(7844+554+3125)/3=115.23(個)

退貨暫存區面積=(A所需要的托盤數+B所需要的托盤數+C所需要的托盤數)×托盤規格

=(651/7+202/6+116/8)×1200×1000=169.4m2

1.4 初始仿真

1.4.1 建模及仿真過程

根據設定好的布局規劃，將這些所需的設備模型放置在指定區域內，從而形成了完整的實際倉庫作業模型，如圖4所示。

圖4 倉庫作業模型

按照基礎準備工作，對實際現場所需的設備進行了陳列。在FlexSim系統平臺內，對所需的設備模型進行調用，實現了對全過程設備模型的建立，如表4所示。

表4 三維模型清單列表

首先根據之前的產能對包裝作業區的作出相應計劃。按訂單生產（make-to-order）根據客戶訂單的需求量和交貨期來進行生產安排，其宗旨在于降低庫存。其產能計算如式(2)所示：

發生器由上至下分別發出ABC三種產品。根據之前的產能對包裝作業區的作出相應計劃：A產品的發貨周期為15s發一件，B產品的發貨周期為20s發一件，C產品的發貨周期為18s發一件。產品每日出入庫訂單如表5所示。

表5 每日各產品出入庫訂單

利用全局時間表控制A、B、C三種產品發生器的產生相應產品的數量。經過噴碼壓蓋后，利用RFID技術，將產品信息寫入系統，可以得知其位置和批次。產品到達入庫區的暫存區后，進行堆垛打包和入庫包裝檢測，在產品入貨架后根據訂單需求，按批次出庫。

1.4.2 仿真結果

通過仿真運行，得到了一系列的數據信息，以FlexSim圖表的形式進行呈現，具有簡潔性、易明性。本案例一共仿真1天的工作量（3小時）。三種產品存工位貨物暫留時間，如表6所示。三種產品包裝作業區工位、入庫區、理貨分揀區、儲存區的工作時間占比如表7所示。整體仿真時間為8201.1s，約為2.28小時，在要求3小時內。

表6 暫存工位貨物暫留時間表

表7 部分工位工作時間占比

2 優化改善及仿真

2.1 優化原理

2.1.1 瓶頸環節分析

首先是分析工位情況，尋找瓶頸環節。在生產系統中，識別瓶頸工序就是將各工序的實際生產能力與其在給定時間內的可用能力相比，計劃期內工序負荷率的計算公式如下：

式(3)中：lk為工序k的負荷率；Ti為訂單i在工序k上的加工時間，含生產準備時間；n為總訂單數；td為工序k上加工的所有制品中允許完工的最遲日期；ts為工序k上加工的所有制品中允許開工的最早日期；h為工序k每天的運行時間。

這個環節通過仿真分析，通過表5可知A產品的入庫等待時間最長，大量產品堆在托盤單元化工位前，可以得出A產品的托盤單元化工位是瓶頸環節。

之后，由于B、C產品托盤單元化工位和檢驗臺的工作時間占比低，空閑時間較多，可以改為一條入庫包裝檢驗工位處理B、C兩種貨物，將C產品的托盤單元化工位改為給A產品托盤單元化，提升效率。

2.1.2 智能分揀

為了可以實現在入庫區、理貨分揀區、儲存區、出庫區中對產品的數量、位置和批次的信息的采集，本案例應用無線射頻識別技術（Radio Frequency Identification Devices，RFID）進行數據收集，為倉庫系統的智能化做好基礎準備。對于產品的出入庫方式，本案例選擇先進先出法（FIFO，first in first out），對產品按照入庫先后時間進行按訂單出庫及存儲，按照批次依次出庫，讓產品停留倉儲時間縮短。

另外，由于倉庫里的工作是大量重復性的，使用操作員分揀不如利用機械手的智能識別功能對產品進行分揀，機械手的智能識別功能可以有效避免人在高強度工作狀態下出現的工作錯誤；自動化的操作模式，將有效提升生產系統的分揀精度和效率。而且這樣可以大大減少人工成本，在長期倉庫使用的角度上，機械手的使用將會降低產品成本，這樣可以使產品具有較好的性價比，為電商企業的良性發展保駕護航。

產品進入入庫區后，智能分揀十分關鍵，分揀效率將影響后續工位的利用率。改進后的A、B、C產品智能分揀的流程如圖5所示：

圖5 智能分揀流程圖

實際倉儲中的RTID信息采集環節在仿真中用Flexsim軟件中的全局表實現。機械手、傳送帶、堆垛機根據全局表實現對產品流向的控制而實現對智能分揀流程的仿真。例如圖6為BC托盤單元化工位訂單合成全局表，Row1、Row2分別代表B、C兩種產品，每列為托盤合成時各產品的數量，實現托盤單元化工位可以處理B、C兩種產品。

圖6 BC托盤單元化工位訂單合成全局表

2.2 優化仿真

2.2.1 建模及仿真過程

根據上述分析工作，對實際現場所需的設備進行了更新。在FlexSim系統平臺內，對所需的設備模型進行調用，實現了對倉儲物流全過程設備模型的建立，如表8所示。根據設定好的布局規劃，將這些所需的設備模型放置在指定區域內，從而形成了優化后的倉庫作業模型，如圖7所示。包裝作業區與之前相同仿真相同，進入入庫區后，根據RFID技術處理后將A、B、C三種產品的信息錄入系統。A產品用傳送帶循環輸入兩個托盤單元化工位，減少在暫存區停留時間；B、C產品，在全局表控制下，按照指定順序進入BC公用托盤單元化工位，之后根據不同類別進入相應檢驗臺。

圖7 優化后的倉庫作業模型

表8 三維模型清單列表

2.2.2 仿真結果

三種產品存工位貨物暫留時間，如表9所示。三種產品包裝作業區工位、入庫區、理貨分揀區、儲存區的工作時間占比如表10所示。對優化前后部分流程工作時間占比對比，如表11所示。

表9 暫存工位貨物暫留時間表

表10 部分工位工作時間占比

由表11可知，機械手工作時間占比比操作員工作時間占比高，發揮了機械手的能力，以及在未來面對產品數量突增的情況，仍有很大提升空間；A產品托盤單元化工位由一個變為兩個，大大提升了處理能力，縮短了整體流程時間，初次仿真時間為8201.1s，優化仿真時間為6835.8s，整體流程處理效率提升16.64%；堆垛機的利用率的得到提升，保證出庫產品可以準時出庫。

表11 優化前后部分流程工作時間占比對比

3 結語

本課題致力于實現對電商包裝作業和倉儲作業場景的建模與仿真，從而根據仿真結果，得到該包裝作業和倉儲作業流程存在的優勢以及弊端，并做出合理優化，使得全系統達到一個更優的工作狀態。

首先，通過電商包裝作業和倉儲作業流程做出調研，并對其包裝作業和倉儲作業時間數據進行了收集。根據確立好的研究數據基礎，在FlexSim軟件平臺對初次包裝作業及倉儲作業進行了建模與仿真，實現了三種不同類型產品由包裝作業到入庫、入庫到檢驗、檢驗到放入貨架、出庫整套操作流程的可視化和數字化。并以FlexSim圖表的方式對仿真結果進行了記錄，直觀反映出了全套工作過程的優勢和不足。

然后，調整設備模型，優化設備參數，對初次包裝作業及倉儲作業做出了升級與優化。第一，根據初次仿真結果看到：A產品的瓶頸環節是由于托盤單元化工位導致入庫產品堆積，以及B、C兩種貨物不多，所在的作業流程工位使用率太低，所以通過整合優化BC公用一條入庫包裝線，并將C產品的托盤單元化工位給A產品進行托盤單元化工，提高工位使用率。第二，通過智能分揀系統提升產品流轉效率及應用更加智能化的機械手替代入庫區的操作員，改進了倉庫作業流程的場景。并以優化后的設備模型進行相同條件下的仿真運行，同樣以FlexSim圖表的方式對仿真結果進行了記錄。

最后，相較于原有現場，整體流程處理效率提升16.64%，降低了各種制造資源成本，促進了技術的進步與升級。優化的整個過程可以在實際生產過程中應用，為電商產品包裝和自動化倉庫布局提供了一定經驗。