趙凌興 仲梁維

摘 要：為了對(duì)某物流公司倉(cāng)庫(kù)的倉(cāng)儲(chǔ)流程、設(shè)備以及布局進(jìn)行升級(jí)優(yōu)化，使用Flexsim對(duì)倉(cāng)儲(chǔ)系統(tǒng)進(jìn)行仿真，獲取瓶頸問(wèn)題所在，將前后仿真模型的輸出數(shù)據(jù)進(jìn)行對(duì)比，發(fā)現(xiàn)減少一個(gè)碼盤(pán)工位將使總體使用效率提升15.45%。然后將原有的巷道堆垛機(jī)改為四向穿梭車(chē)作業(yè)，使運(yùn)輸工具的入庫(kù)利用率提高了20%。仿真結(jié)果表明，該方案可大大降低設(shè)備成本，提升倉(cāng)儲(chǔ)能力，模型優(yōu)化效果明顯，從而驗(yàn)證了該優(yōu)化方案的可行性。

關(guān)鍵詞：智能倉(cāng)儲(chǔ)；Flexsim；仿真優(yōu)化

DOI：10.11907/rjdk.172454

中圖分類(lèi)號(hào)：TP319

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2018）004-0161-03

Abstract：In order to update and optimize the warehousing process， equipment and the layout of a logistic company warehouse， we employ Flexsim to simulate storage system and obtain the bottleneck problem. We compare the output data before and after the simulation and conclude that the overall efficiency shall rise by 15.45% if there is one reduction of a code staqtion and warehousing efficiency shall rise by 20% when the roadway stacker goes into four-way shuttle operation. According to the simulation results， the proposed program can reatly reduce euipment cost and improve storage capacity， which verifies the feasibiity of the program.

Key Words：intelligent warehousing； Flexsim； simulation optimization

0 引言

隨著物流業(yè)的發(fā)展，物流倉(cāng)庫(kù)趨向于智能化與高效化。然而，倉(cāng)儲(chǔ)系統(tǒng)瓶頸問(wèn)題的存在會(huì)影響生產(chǎn)與物流管理效益。為節(jié)約成本，并對(duì)倉(cāng)儲(chǔ)系統(tǒng)的瓶頸問(wèn)題進(jìn)行優(yōu)化，利用計(jì)算機(jī)對(duì)物流與倉(cāng)儲(chǔ)系統(tǒng)進(jìn)行仿真成為一種有效方法[1-2]。

運(yùn)用Flexsim系列仿真軟件，可以在計(jì)算機(jī)內(nèi)建立研究對(duì)象的系統(tǒng)三維模型，通過(guò)模擬運(yùn)行為分析者提供準(zhǔn)確的運(yùn)作績(jī)效報(bào)告，之后進(jìn)行方案評(píng)估，最終獲得優(yōu)化設(shè)計(jì)和改造方案[3]。本文提出一種改進(jìn)運(yùn)輸工具的優(yōu)化方案，并采用AGV按照網(wǎng)絡(luò)路徑布局進(jìn)行進(jìn)、出貨作業(yè)。該方案可取代巷道堆垛機(jī)，模擬新型智能化設(shè)備穿梭子母車(chē)，從而降低設(shè)備成本，提高倉(cāng)儲(chǔ)能力。

1 智能倉(cāng)規(guī)模、設(shè)備及參數(shù)確定

1.1 智能倉(cāng)結(jié)構(gòu)布局與主要參數(shù)

某立體智能化倉(cāng)庫(kù)為對(duì)稱(chēng)分布，且規(guī)格、尺寸、工程參數(shù)相同，本文選取一半作為仿真對(duì)象。其具體參數(shù)為：倉(cāng)庫(kù)尺寸——長(zhǎng)×寬×高（36m×40m×6m）；工作時(shí)間：256天，8小時(shí)/天；空托盤(pán)外形尺寸：1 200mm×1 200mm；貨物形式：成品整托入庫(kù)；總?cè)霂?kù)托數(shù)：1 570托。

1.2 主要設(shè)備及相關(guān)參數(shù)

設(shè)備擺放順序按照作業(yè)流程設(shè)置，具體參數(shù)如下：

（1）碼盤(pán)合成器：預(yù)置時(shí)間為0s，處理時(shí)間為90s。

（2）稱(chēng)重、測(cè)量貼標(biāo)處理器：處理器操作時(shí)間分別為3s。

（3）單向輸送線：平均速度25m/min。

（4）巷道堆垛機(jī)：提升貨物速度0.8m/s，最大速度1.6m/s，加、減速度0.5m/s。

（5）貨架：倉(cāng)庫(kù)采用高層貨架，共1 242個(gè)貨位，分為6排貨架，每層有5條豎直軌道和1條水平軌道，柱子占用16個(gè)貨位。根據(jù)貨閣布局，一層貨閣數(shù)為382個(gè)，二、三層貨閣布局相同，貨閣數(shù)為860個(gè)。

（6）拆盤(pán)分解器：預(yù)置時(shí)間為0s，處理時(shí)間為30s。

2 基于Flexsim的出入庫(kù)仿真

2.1 基于Flexsim的智能倉(cāng)仿真建模

為了對(duì)倉(cāng)庫(kù)出入庫(kù)進(jìn)行仿真建模，運(yùn)行Flexsim軟件，按照所需的仿真實(shí)體對(duì)象依次添加對(duì)象，并按照該自動(dòng)化立體倉(cāng)庫(kù)的平面布局圖進(jìn)行布局，然后進(jìn)行邏輯編輯，以實(shí)現(xiàn)所需功能[4-5]，如圖1所示。

2.2 出入庫(kù)仿真模型數(shù)據(jù)分析

在仿真模型中輸入相關(guān)設(shè)備參數(shù)，并收集一年內(nèi)的進(jìn)、出貨單，提取部分?jǐn)?shù)據(jù)進(jìn)行仿真。對(duì)該數(shù)據(jù)進(jìn)行分析，確定高峰期周期為4h，得出模型的入庫(kù)高峰期為420s～14 820s，出庫(kù)高峰期為46 800s～61 200s。分別在兩段時(shí)間內(nèi)分析進(jìn)、出庫(kù)設(shè)備的工作情況，輸出相關(guān)設(shè)備信息[6]。

（1）在入庫(kù)信息分析基礎(chǔ)上，入庫(kù)高峰期420s～14 820s期間對(duì)設(shè)備的分析如表1所示。

入庫(kù)高峰期間，碼盤(pán)速度為90s/托，碼盤(pán)工位平均利用率為63.46%，處理能力為50托/h。顯然碼盤(pán)器的使用效率偏低，處理能力盈余，因而同時(shí)運(yùn)作會(huì)耗費(fèi)大量資源，可優(yōu)化其數(shù)量為3～4臺(tái)。

（2）根據(jù)出庫(kù)單數(shù)據(jù)分析得出：46 800s～61 200s為入庫(kù)高峰期，出庫(kù)輸送線評(píng)價(jià)標(biāo)準(zhǔn)有傳輸時(shí)間、堵塞時(shí)間、平均停留時(shí)間等[7]。設(shè)備分析如表2所示。

出庫(kù)高峰期間，傳送帶工作時(shí)間所占比率為7.31%～20.59%，大量時(shí)間空閑，設(shè)備利用率極低，不會(huì)成為倉(cāng)儲(chǔ)系統(tǒng)的瓶頸。

（3）針對(duì)堆垛機(jī)（ASRS）的數(shù)據(jù)分析根據(jù)進(jìn)出貨高峰期間的數(shù)據(jù)對(duì)比得出，如圖2所示。

運(yùn)行得出堆垛機(jī)的利用率，模型在進(jìn)貨高峰期時(shí)，峰值利用率為28.82%，后期比較空閑，結(jié)合入庫(kù)暫存區(qū)的堵塞情況，堆垛機(jī)利用率明顯偏低。然而在出貨高峰期，堆垛機(jī)平均使用率達(dá)到90%左右，短時(shí)間成為出庫(kù)時(shí)的瓶頸。顯然入庫(kù)時(shí)未被充分利用，導(dǎo)致出庫(kù)時(shí)過(guò)于忙碌，從系統(tǒng)整體時(shí)間看使用不合理。另外由于堆垛機(jī)價(jià)格昂貴，從而大大增加了運(yùn)行、維護(hù)成本，需要優(yōu)化運(yùn)貨設(shè)備，可用四向穿梭車(chē)代替[8]。

綜上述，模型優(yōu)化方案總結(jié)如下：針對(duì)碼盤(pán)工位的優(yōu)化，可減少一臺(tái)合成器，以充分利用碼盤(pán)工位；為節(jié)約成本、優(yōu)化布局，入庫(kù)暫存區(qū)可改為傳送帶；出庫(kù)輸送線布局跨度太大，致使大量時(shí)間閑置，且個(gè)別線路有堵塞現(xiàn)象，可將其優(yōu)化布局為進(jìn)出路線在同一側(cè)；5臺(tái)堆垛機(jī)出入庫(kù)的使用情況顯然不合理、均衡，可用3輛四向穿梭車(chē)代替，設(shè)置每層1輛；為了后期擴(kuò)建倉(cāng)庫(kù)，需要設(shè)置5個(gè)電梯運(yùn)送貨物至樓層[9]。

3 基于四向穿梭車(chē)的模型優(yōu)化分析

針對(duì)上一節(jié)對(duì)模型各個(gè)工位設(shè)備的分析，以及提出的優(yōu)化方案，再次建立模型，輸入相關(guān)參數(shù)，記錄優(yōu)化后各個(gè)關(guān)鍵設(shè)備的數(shù)據(jù)，如四向穿梭車(chē)、進(jìn)出庫(kù)輸送線等。將優(yōu)化后各設(shè)備的數(shù)據(jù)導(dǎo)出，選擇與之前相同的時(shí)間區(qū)間，即模型的出、入庫(kù)高峰期。

3.1 優(yōu)化后入庫(kù)高峰期碼盤(pán)工位對(duì)比分析

入庫(kù)高峰期為420～14 820s，碼盤(pán)工位對(duì)比數(shù)據(jù)如表3所示。

表3為優(yōu)化前后的碼盤(pán)工位利用率對(duì)比，顯然減少一個(gè)碼盤(pán)工位使平均利用率達(dá)到78.95%，利用率平均提高了15.45%，并且降低了成本。

3.2 優(yōu)化后出、入庫(kù)高峰期運(yùn)輸工具數(shù)據(jù)分析

四向穿梭車(chē)的使用效率對(duì)比如表4所示。

表4對(duì)比了ASRS與AGV的使用情況，出入庫(kù)利用率均差巨大，最大均差為73.04%，嚴(yán)重影響了運(yùn)輸系統(tǒng)平衡；而3臺(tái)AGV入庫(kù)平均利用率提高到48.47%，出入庫(kù)均差比最多降到40.80%，可明顯看出運(yùn)輸系統(tǒng)所受沖擊減小，承載能力得到提升[10]。

3.3 優(yōu)化后出、入庫(kù)輸送線數(shù)據(jù)分析

圖3是對(duì)所有進(jìn)、出庫(kù)輸送線的數(shù)據(jù)分析，一層的中間出庫(kù)輸送線輸送壓力較小，利用率不高，而2～3層僅有一個(gè)中間出庫(kù)輸送線，雖然沒(méi)有堵塞情況，利用率達(dá)到40%左右，但出庫(kù)貨物數(shù)量龐大，后期出庫(kù)能力有所不足；而在一些傳送帶上的平均停留時(shí)間高達(dá)30.3s，下游布局略顯擁擠，出庫(kù)密集時(shí)貨物堆積在輸送線上，可作后續(xù)優(yōu)化；入庫(kù)輸送線則比較通暢。

4 結(jié)語(yǔ)

通過(guò)對(duì)某物流智能倉(cāng)儲(chǔ)系統(tǒng)的仿真優(yōu)化，對(duì)各個(gè)設(shè)備數(shù)據(jù)進(jìn)行分析統(tǒng)計(jì)，尋找系統(tǒng)瓶頸和設(shè)備閑置嚴(yán)重的環(huán)節(jié)著重進(jìn)行優(yōu)化，并改善設(shè)備布局，撤掉空閑設(shè)備，換用先進(jìn)運(yùn)輸工具四向穿梭車(chē)，提高了貨物存取速率，增強(qiáng)了運(yùn)輸系統(tǒng)的魯棒性，提高了關(guān)鍵設(shè)備利用率。將出、入庫(kù)輸送系統(tǒng)劃分為多個(gè)模塊，既節(jié)省了成本，使空間布局更為緊湊，整體輸送能力也得到優(yōu)化[11]。然而，優(yōu)化模型高層的出貨輸送線與中間送貨電梯會(huì)成為整個(gè)系統(tǒng)的瓶頸，可作進(jìn)一步優(yōu)化。

參考文獻(xiàn)：

[1] 慶璃，王轉(zhuǎn).現(xiàn)代物流設(shè)施與規(guī)劃[M].北京：機(jī)械工業(yè)出版社，2004.

[2] 谷曼.基于Flexsim的自動(dòng)化立體倉(cāng)庫(kù)系統(tǒng)規(guī)劃與仿真研究[D].武漢：武漢理工大學(xué)，2010.

[3] 翟躍文，馮云，蔡曉來(lái).基于Flexsim的自動(dòng)化立體倉(cāng)庫(kù)仿真研究[J].物流技術(shù)，2008，30（1）：38-40.

[4] 顧嘉，張華，李順，等.立體倉(cāng)庫(kù)出入庫(kù)仿真與優(yōu)化技術(shù)[J].南昌大學(xué)學(xué)報(bào)：工科版，2013，35（4）：369-374.

[5] 新萍，劉玉坤.系統(tǒng)仿真軟件Flexsind3.0實(shí)用教程[M].北京：清華大學(xué)出版社，2006.

[6] 張李威.基于Flexsim的物流倉(cāng)儲(chǔ)中心系統(tǒng)仿真與優(yōu)化[D].武漢：湖北大學(xué)，2013.

[7] LI M J， CHEN X B.Optimal scheduling approach of storage/retrieval equipments based on genetic algorithm[C]. The Sixth World Congress on Intelligent Control and Automation Proceedings， 2006：3345-3348.

[8] 趙金萍，熊君星，鄒文強(qiáng).基于Flexsim的自動(dòng)化立體倉(cāng)庫(kù)出入庫(kù)的仿真與優(yōu)化[J].高新技術(shù)通信，2017，27（1）：81-87.

[9] 楊瑋，羅洋洋，楊甜，等.基于Flexsim對(duì)某醫(yī)藥物流中心立體倉(cāng)庫(kù)優(yōu)化[J].包裝工程，2017，38（7）：210-215.

[10] 李梅娟.自動(dòng)化倉(cāng)儲(chǔ)系統(tǒng)優(yōu)化方法的研究[D].大連：大連理工大學(xué)，2008.

[11] 張志剛，曹京西，劉晶祺，等.自動(dòng)化立體倉(cāng)庫(kù)系統(tǒng)仿真的研究[J].計(jì)算機(jī)仿真，2005，22（7）：115-117.

（責(zé)任編輯：黃 ?。?/p>