李汝仙

（昆明理工大学 城市学院，云南 昆明 650051）

基于Flexsim的货位优化仿真

李汝仙

（昆明理工大学 城市学院，云南 昆明 650051）

基于EIQ分析方法对某配送中心大宗物资仓库进行了货位优化。为了验证该货位优化策略的有效性，分别建立了基于随机存储策略及EIQ货位优化存储策略的仓储仿真模型。对比了在同等出库任务下，两种模型完成订单拣货任务所耗费的时间及叉车行走距离，仿真结果显示，在货物出库具有明显的数量及频率差异时，根据此特性进行货位优化能有效提高仓储作业效率。

货位优化；EIQ分析方法；随机存储策略；EIQ货位优化策略；仿真

1 引言

在竞争日益激烈的今天，客户希望获得快速、高频次的配送服务。要满足客户需求，除了在配送环节进行合理的安排之外，货物在仓库中的处理环节也至关重要。要快速完成拣货、复核、打包、配送等作业，需要缩短货物的出入库移动距离，缩短作业时间，从而提高劳动效率并降低成本。而要达到这样的效果，必须在货物入库时依据货物特性（如货物的需求频次、需求数量、重量、体积等）为其分配货位，即实现货位的动态优化分配。

2 文献综述

对于货位优化而带来的仓储作业效率的提升，目前很多相关研究都是以建立解析模型的方法来进行分析验证的。利用数学模型进行研究，建模要求极高，而且实际情况会增加对模型的约束，从而提高模型复杂度。此外，解析模型不利于人们获得对系统真实而直观的感受。

系统仿真将要研究的对象系统模型化为分析已存在的系统或计划建立的系统。与解析模型不同，仿真技术建立的模型能够反映现实中较为复杂的因果关系与时间约束，能够详细描述模型中的行为以动态反映整个模型。由于仿真技术的如上特点，越来越多的研究已经开始将仿真技术应用于仓储管理中以便辅助决策。

李俊等[1]基于改进的最近邻居策略以及ABC库存分类调度策略对货物入库进行了仿真，认为ABC库存下的入库操作整体呈现稳定性，能够保持货位的稳定利用率。改进的最近邻居策略在入库效率方面有明显优势，但在部分情况下也会出现波动，甚至效率下降。姜法笋等[2]应用ABC分区法，对产品根据出入库频率进行ABC分类，对库位按照与出入库站台的距离远近分为ABC三个区，将货物与库位区域进行匹配，对某配件自动化立体仓库进行了仿真，通过对比堆垛机作业时间得出ABC分区的货位优化策略从作业效率上来讲优于随机货位分配。严云中等[3]对堆垛机执行多次出入库操作所用的时间进行了分析，提出了传统库位物理地址按照行列进行分配的方式对堆垛机运行效率造成的影响，提出了依据存放物料出入库频率来进行库位号编排的思路。俞雷霖等[4]提出了求解自动化立体仓库货位分配与优化的混合禁忌搜索算法。该算法生产货位分配的初始解采用如下机制：先通过零件的重量属性选择该种重量级别应该存储的库区，再从该库区中选择堆垛机运行路径最短的货位来存放零件。如果库区没有空余货位则扩大搜索范围，从所有库位中选择堆垛机运行路径最短的货位来存放零件。黄银娣等[5]对汽车制造企业的仓储系统货位分配进行了优化决策，根据库位相对于各个出入库站台的距离计算货位距离特征码，货位优化的目标为使得出入库距离最短以及垂直方向上货物的重心最低两个目标，据此得出货位优化方案。

近期的研究都注意到了货位优化的重要意义，分别使用了不同的策略进行货位优化，本文将结合EIQ分析方法实行对某配送中心的货位优化研究。

3 某配送中心货位优化研究

本节将分别从配送中心订单特性及货架分区两个方面对该配送中心货位优化进行研究。

3.1 某配送中心简介

某配送中心成立于2005年，为客户提供仓储、运输、配送、流通加工等服务。该配送中心目前与食品企业M合作，为其31家门店提供仓储配送服务。食品企业M的下游门店根据门店物资消耗情况向配送中心下订单，配送中心根据所接收到订单执行拣货、打包、配送等活动。食品企业M大量常温食材及其他物质存储于该配送中心常温库房中。本文主要研究该配送中心大宗物资存储区域的货位优化问题。

3.2 某配送中心订单特性分析。

本文的研究对象为配送中心大宗物资储存货位优化，选取了存储于常温库房的16种物资（单位：公斤）进行订单特性分析。

3.2.1 订单EIQ分析汇总表。表1为该配送中心某月订单EIQ分析汇总，在此基础上本文将主要进行IQ-IK（品项出货量与出货频次）交叉分析。

3.2.2 IQ-IK交叉分析。根据表1的EIQ分析汇总表中的IQ及IK数据，制作基于品项出货量以及出货频次的散点图，如图1所示。

图1 配送中心品项IQ-IK交叉分析散点图

由图1可知，在16种品项中，各类货物在出货量和出货次数方面存在较大的差异，以最为典型的大米为例，大米无论从出货数量还是出货次数来说，都远远超过其他品项。淹鸡粉、烤排外抹、帕马森芝士粉等产品属于典型的出货量及出货频次都十分小的类型，这些货物出库的订单特性将为后续的货位优化提供依据。

根据IQ-IK分析可知，根据出货量及出货频次两个指标，各货物按照从大到小顺序排列，见表2。依据表2，16种货物每月需求量为72托盘，占用72个托盘货位。在安排货位时，应该按照上表的顺序优先安排序号较小的货物，将其安排在易于出库的货位。在本文中，为了将货位出库难易程度进行量化，将计算取货时叉车行进至每个货位所消耗的时间，所消耗的时间越小，表明该货位越易于出库。

3.3 某配送中心货架分区

为简化问题，只研究该配送中心中货架的一排。托盘货架区每排货架18列，8层。货架列宽1 350mm，层高800mm，每个货位存储一个托盘。该排货架共有货位18×8=144个，可存储144个托盘，为每月需求量的两倍。在后续研究过程中，假设库房初始库存为需求量两倍，即144个货位全部装满，则对应的每种货物存量为表2的两倍，即大米占用70个货位，黄油皇占用16个货位，依此类推。

3.3.1 货架货位取货时间计算。该配送中心出库采用叉车，叉车的提升速度为0.2m/s，水平行进速度为1.67m/s。单个托盘货位长L=1 350mm、单个托盘货位高H=800mm。假设叉车取货时，以货架第一层第一列外边界交点为原点，先水平匀速行进至目标货位所在列正中，再将货叉提升至相应货位，则若以tij表示第i列j层货位的取货时间，有：

按式（1）可以得出叉车行进至每个货位取货所需时间，时间越小说明该货位取货效率越高，按照时间从小到大排序，结果见表3。

3.3.2 货物与货位匹配关系。依据表3及16种货位的优先级及存储量，可得货位与货物编号的匹配关系，见表4。

表1 某配送中心某月订单EIQ汇总（单位：kg）

表2 各类货物IQ-IK排序

本节通过订单特性分析及货架货位取货优先级分析得出了货物与货位的匹配关系，该匹配关系将为后续货位优化仿真提供依据。

4 基于Flexsim的货位优化仿真

本节将分别基于随机存储策略和EIQ的货位优化存储策略建立仿真模型，比较在同等出库订单任务下，两种策略完成订单所需的时间以及叉车行走的距离，通过这两个指标能够反映存储策略对出库业务的影响。

4.1 模型布局

入库区：16个发生器产生16种货物，货物规格为托盘，为了与出库过程中的托盘打包相区分，在货物产生及后续的存储过程中，货物形态用发生器中的tote表示，而非pallet。发生器1产生表2中的1号货物大米，发生器2产生2号货物黄油皇，依此类推。各类货物用不同颜色表示以显示区别。为了简化入库流程，假设货物依据设定数量瞬时到达货架，此假设不影响后续出库仿真。

储存区：仓储区的货架规格为8层×18排，共计144个货位。货位规格为长1 350mm，高800mm，每个货位存放一个托盘。

出库区：出库区由一台执行出库作业的叉车、一个合成器（实际作业中代表每个门店订单货物打包过程）、一个托盘发生器（模型中产生打包用的托盘，假设一个门店的货物存放在一个托盘上）以及出库暂存区构成。结合货物消耗频率及货位数量，各类货物在货架的初始存量见表5，仿真模型如图2所示。

4.2 出库订单设置

表3 货位编号（按取货时间从小到大）

表4 货位与货物匹配关系

表5 货物初始存量

图2 仿真模型布局图

在随机存储模型及基于EIQ的货位优化存储模型中，将执行相同的出库订单任务以对比两种存储策略对于出库效率的影响，结合各类货物的出库特性，本文模拟了11个出库订单，见表6。

表6 出库订单设置

4.3 随机存储策略仿真模型

在随机存储策略下，货物从发生器产生后，利用flexsim内置的“放置到列—随机放置到可用列”、“放置到层—随机放置到可用层”即可保证在每个货位存放一个托盘的情况下实现货物随机存储。运行模型，让模型执行11个订单的出库任务。根据仿真结果，叉车行进距离3 580.57m，完成11家门店订单所需时间为3 791.43S。

4.4 EIQ货位优化存储策略仿真模型

在EIQ存储模型中，货物从发生器离开后放置到货架的过程中不依据随机放置的原则，而是按照前文EIQ计算过程中，货物按照出库数量及频次的优先级优先放置到货架的相应货位，其放置规律依照表4。在Flexsim中，要实现货架按照此原则放置需要设置全局表并编写相应程序。在Flexsim中新建名称为rule的全局表。该全局表由8行18列构成，如图3所示。

图3 货物存放全局表

全局表中的row1-8代表货架的1层至8层，col1-col18代表货架的一列至十八列。全局表中的数值1、2、3、4…、16代表16种货物的类型。全局表中货物类型分布与表4中的货物在货架货位中的分布对应。为了引用全局表实现货物按规则存储，需要编写相应代码实现按规则放置到列和按规则放置到层。

根据仿真结果，叉车行进距离3 515.02s，完成11家门店订单所需时间为3 709.43s。

4.5 仿真运行结果分析

根据仿真结果，出库任务相同时随机存储策略与EIQ货位优化存储策略分别完成相同订单的工作时间及叉车运行距离，见表7。

表7 基于两种储存策略的仿真结果分析

相对于随机存储而言，基于EIQ货位优化存储策略能够有效提高后续出库效率，具体体现在缩短拣货出库时间及拣货叉车行走距离。若是考虑更大的仓储规模以及更多的出库订单，效率的提升将更加明显。

5 结论

本文运用EIQ对某配送中心的出库订单进行了分析，基于分析结果结合货架中每个货位的取货难易程度（用取货时间表示），将货物与货位进行了匹配，实现了货位的优化。为了验证货位优化的实际效果，运用仿真软件分别仿真了随机存储策略以及基于EIQ的货位优化策略下的出库过程，结果证明了在货物出库具有明显的数量及频率差异时，采取EIQ方式对货物订单特性进行分区并据此优化货位安排对于提高作业效率具有积极意义。

[1]李俊,罗呈,熊巍.基于Flexsim软件的高层货架入库策略仿真与比较[J].科学技术与工程,2007,7(14):3 418-3 422.

[2]姜法笋,姚平喜.库位配置问题的研究与仿真[J].机械管理开发,2009, (3):41-42.

[3]严云中,孙小明,潘尔顺.立体仓库库位号与堆垛机运作效率关系的探讨[J].工业工程与管理,2000,(6):29-33.

[4]俞雷霖,叶卫东,陆志强,等.基于混合禁忌搜索算法的自动化立体仓库的货位分配与优化研究[J].制造业自动化,2008,30(12):33-36.

[5]黄银娣,吴阿敏,徐振,等.汽车制造企业仓储系统的货位分配优化决策[J].现代制造工程，2012,(3):19-24.

Study on Cargo Space Optimization and Simulation Based on Flexsim

Li Ruxian
(Urban College of Kunming University of Science&Technology,Kunming 650051,China)

In this paper,we optimized the cargo space of the bulk commodity warehouse of a certain distribution center using the EIQ process.Then to verify the effectiveness of the process,we built the warehouse simulation model based respectively on the stochastic storage strategy and the EIQ-based strategy,and compared the time consumption and forklift truck traveling distance under the two models in finishing the same cargo retrieving task,which showed that the EIQ-based strategy could effectively improve the warehousing efficiency when there existed marked difference in the quantity and frequency of the cargoes to be retrieved.

cargo space optimization;EIQ process;stochastic storage strategy;EIQ cargo space optimization strategy;simulation

F715.6；N945.13

A

1005-152X(2015)11-0111-04

10.3969/j.issn.1005-152X.2015.11.031

2015-10-09

李汝仙（1985-），女，云南大理人，硕士，助教，主要研究方向：物流和供应链管理。