一種卷煙輔料智能化配盤方法

張紹雪，李 丹，郭光根

（紅云紅河煙草（集團）有限責任公司昆明卷煙廠，昆明 650231）

現代物流系統是以滿足顧客的需求為核心，以網絡技術為手段，以信息系統為依托，對物品進行“訂單處理、生產加工、倉儲配送”等物流活動的集成化運作系統。物流柔性化是指在進行物流系統設計時，通過對物流活動的功能模塊和流程的柔性化，使得物流系統能夠在復雜、多變的外部環境下，快速地作出反應，實現物流運作過程的高度柔性，提高企業的競爭力。近年來，隨著煙草企業在卷煙生產環節朝著碎片化、柔性化轉變，煙草物流服務不僅要更加靈活，煙草物流系統還要迅速應對這些變化[1-3]。其中，輔料配盤環節是煙草行業物流中實現柔性生產的關鍵環節。卷煙輔料是卷煙生產各環節中不可或缺的物料，其本身具有種類繁多、來源不同、包裝不統一和單件物料外包裝身份信息不規范等特點，在長久以來的卷煙生產加工中，輔料配盤僅以外觀完好與穩定為依據，人工參與程度較高，并未關注托盤實際使用效率，進而影響著輔料高架庫利用率，導致整個物流過程中物流成本較高。所以亟需建立一種卷煙輔料智能化配盤方法，提高托盤使用效率及輔料高架庫利用率。

1 研究思路

傳統的輔料配盤方式主要從2 個方面進行考核，一是外觀完好性，二是配盤穩定性。外觀完好性是指輔料實托盤外形完好、整齊，配盤穩定性是指輔料實托盤能在運輸過程中保持形態穩定。隨著智能化物流的發展，傳統制造業也越來越注重信息化、智能化建設，對于提高效率、降低成本提出了更高的要求，就煙草工業來說為了提升高架立庫空間利用率，降低輔料托盤的倉儲運作成本，減少人力投入，就必須對輔料配盤進行優化，最大限度地使用托盤存儲空間，提高托盤使用效率。因此，本文提出一種新的卷煙輔料智能化配盤模型，并采用粒子群優化算法對模型進行最優化求解，得出最優的輔料配盤及擺放狀態。

2 相關概念

2.1 配盤優化模型

假設共有m種輔料，需要碼放n個托盤，要使配盤時所使用的托盤數量最少，即求n個托盤的利用率之和最大，基于此建立如下配盤優化模型。

式中：Nij表示托盤j上輔料i的數量，Vi表示輔料i的體積；Lj、Wj、Hj表示托盤j的長和寬，以及托盤上允許擺放的最大貨物高度，此處默認所有托盤尺寸都一樣。

2.2 約束條件

卷煙紙、內襯紙、小盒外包裝尺寸（長×寬×高）必須小于1 200 mm×1 000 mm×1 750 mm，可通過高架庫外型檢測。最小單元（以輔料標準托盤為最小單元）數量根據車間配盤需求與高架庫上架要求共同評估制定。同一種規格的輔料在不同的機型上使用，擺放規則根據有機型要求的制定統一規則。要求混合配盤的輔料，若是同一供應商供應的，廠家可直接按配比混配打板。

約束條件1：托盤上貨物的總體積不能超過托盤的最大容積。

約束條件2：托盤上所有貨物高度不超過托盤允許碼放的最大高度（單位：mm）。

約束條件3：托盤上擺放的貨物重量不能超過托盤的最大承載重量。托盤最大載荷為Weightj，輔料i的單件重量為Wikg。

約束條件4：托盤上的貨物擺放不能超出托盤（即長和寬都在托盤范圍內）。

每一層貨物的長和寬分別為該層所擺放的所有貨物的長之和、寬之和。表示托盤j上擺放的第k層貨物的寬度，rj表示托盤j最多能夠擺放r層，k表示擺放的貨物層數表示托盤j上擺放的第k層貨物的長度。

2.3 目標函數

基于上層優化中求解出的托盤上輔料的種類和數量后，需要對輔料在托盤上擺放的位置及姿態進行求解，在該過程中需要保證配盤的穩定性最好。假設所有輔料的重心都在其幾何中心上，所有輔料密度均勻，Gij（Xij，Yij，Zij）表示輔料i在托盤j上的重心位置坐標，Gj（Xj，Yj，Zj）表示托盤j的重心位置坐標，因此，建立如下所示的目標函數

2.4 粒子群優化算法

粒子群優化算法來源于對鳥類覓食行為的研究，鳥群通過集體信息交換找到最佳目標地。在粒子群優化算法中，每個優化問題的解被視為一個“粒子”，每個粒子在搜索空間種搜索，初始化時是一群隨機的粒子，通過迭代來更新自身速度和位置，其中速度表示粒子移動的快慢，位置表示粒子移動的方向。每次迭代，粒子按照2 個極值進行更新，一個是粒子自己找到的最優解，稱為個體極值pbest。另一個是整個粒子群找到的最優解，為全局極值gbest。每個粒子在空間中單獨搜尋最優解，并將個體極值與其他粒子共享，找到最優的個體極值作為整個粒子群的全局極值[4-6]，在找到2 個最優解后，粒子根據如下公式來更新自身的速度和位置，粒子群優化算法流程圖如圖1 所示。

圖1 粒子群優化算法流程圖

式中：k是迭代次數，r1和r2為[0，1]之間的隨機數，這2個參數是用來保持群體的多樣性。c1和c2為學習因子，使粒子具有自我總結和向群體中優秀個體學習的能力[7-8]。

3 輔料配盤優化模型的算法流程

由圖2 可知，輔料配盤優化主要分為2 個階段，第一階段首先對生產某成品卷煙所需的輔料做配盤任務的分配組合（即確定出單個托盤上配備的輔料種類和數量），第二階段根據第一階段分配的結果做托盤內部的優化（即確定該托盤上每個輔料的擺放位置及姿態）。第一階段輸入信息為所需的輔料種類、不同種類輔料的數量、輔料配盤時的包裝形態（箱狀或卷狀）、輔料的尺寸（長、寬、高）、輔料的質量、每種輔料的配盤類型（單配或混配）和托盤的限制等數據。經過粒子群優化算法，第一階段，輸出信息為托盤上放置的輔料種類及每個種類對應的輔料數量。第二階段，輸入信息為托盤上放置的輔料種類及每種輔料放置的數量。經過粒子群優化算法第二階段輸出信息為輔料在該托盤上的擺放位置及輔料的擺放姿態（水平面橫放或豎放）。

圖2 輔料配盤優化設計流程圖

PSO偽代碼如圖3所示，算法步驟如下。

圖3 PSO 偽代碼

1）初始化所有粒子，將個體的歷史最優pbest 設為當前位置，群體中的最優個體作為當前的gbest。

2）每次迭代，計算出各個粒子的適應度函數值。3）如果當前適應度函數值優于個體極值，則更新pbest。

4）如果當前適應度函數值優于全局極值，則更新gbest。

5）根據公式計算出每個粒子的速度和位置，并進行更新。

4 實驗及分析

對歷史配盤數據進行分析處理，并對模型進行仿真訓練。以生產某一品牌卷煙的輔料需求為例，采用粒子群優化算法（PSO）進行仿真實驗，經過處理后的仿真實驗數據見表1。

經過實驗得出結果，并將傳統配盤與智能優化配盤進行對比。由表2 可知，單配情況下，當某種輔料的數量較少時（所用托盤數小于等于1 時），使用傳統配盤方式和使用智能優化配盤方式所需的托盤數量相同，智能優化配盤未顯現出明顯優勢，但是，采用智能優化配盤方式配盤的輔料整體在外觀規整度和穩定性方面具有更大的優勢。

表2 輔料單配情況下傳統配盤與智能優化配盤對比

由表3 可知，混配情況下，傳統配盤需要使用13個托盤，智能優化配盤僅需要使用10 個托盤，可以節省大約23%的托盤數量。因此，當輔料的種類和數量較多時，采用智能優化配盤方式比采用傳統配盤方式更能節省托盤數量，并且采用智能優化配盤方式配盤的輔料整體在外觀規整度和穩定性方面表現更好。

表3 輔料混配情況下傳統配盤與智能優化配盤對比

5 結論

本文提出了一種卷煙輔料智能化配盤方法，可以補齊輔料物料在配盤環節的短板，提高輔料配盤自動化、信息化。通過智能優化配盤可以有效節省托盤使用數量，提高煙用輔料高架庫的存儲效率，提升煙用輔料倉儲管理效率，同時也有助于煙草行業生產環節朝著碎片化、柔性化轉變。