基于仿真的物流分揀系統(tǒng)優(yōu)化研究

一、高效響應(yīng)高分揀作業(yè)流程不規(guī)范。在快速2013年8月，淮安支線交付中心建成并投入使用。目前運營系統(tǒng)可以滿足日?？爝f業(yè)務(wù),但若遇特殊物流時期,系統(tǒng)運營能力明顯不足,例如,在“雙十一網(wǎng)絡(luò)購物狂歡節(jié)”,會出現(xiàn)爆倉現(xiàn)象,增加倉庫壓力,導(dǎo)致分揀作業(yè)系統(tǒng)存在在較大壓力,因此對分揀作業(yè)流程進行優(yōu)化,對于滿足客戶需求,緩解爆倉期倉庫壓力來說意義重大。關(guān)于流程優(yōu)化,可以使用傳統(tǒng)的工業(yè)工程方法,例如,可以通過工作研究的方法減少無效工作,提高流程效率,也可以先對流程進行分析,找出存在問題,提出優(yōu)化方案,還可以先對業(yè)務(wù)流程進行分析,提出新的業(yè)務(wù)流程,通過對比新舊流程以評估新流程的有效性。隨著計算機的普及,仿真技術(shù)在業(yè)務(wù)流程優(yōu)化中的應(yīng)用越來越廣泛。早在上個世紀90年代,ChiumMingLiu就已經(jīng)將Witness仿真軟件應(yīng)用到揀選系統(tǒng)中,用以提高物流效率。Chin.Chia.二、分段系統(tǒng)的建模和模擬(一)基于flussim的多源異構(gòu)信息改進方法圓通速遞淮安轉(zhuǎn)運中心的分揀作業(yè)流程主要包括以下環(huán)節(jié):包裹到達→包裹進入待分揀區(qū)→進行分揀→包裹進入配送區(qū)→掃碼后裝車→發(fā)貨。這里提出三點假設(shè):1.各個環(huán)節(jié)之間的銜接是十分緊密,不發(fā)生時間消耗。3.用Flexsim中離散實體的操作員和機器人分別來表示人工作業(yè)環(huán)境與智能分揀作業(yè)環(huán)境,操作員代表的是一個工作組,組內(nèi)會有很多分揀員。通過改變處理器的一些參數(shù)的設(shè)置,包括處理器的最大容量以及處理器的加工時間等,來調(diào)整處理器的加工效率,同時也可以區(qū)分人工分揀作業(yè)和智能分揀作業(yè)。4.在仿真過程中,仿真系統(tǒng)的各種實體要素以及距離會按照一定的比列進行調(diào)整,以保證仿真運行之后得到的結(jié)果和實際的相差并不是很大。(二)分揀作業(yè)仿真在仿真實驗中,各個系統(tǒng)要素與模型要素的對應(yīng)關(guān)系表如下表1所示。flexsim沒有單位,規(guī)定其中時間1代表一小時,其他單位則保持默認。數(shù)據(jù)是30天之內(nèi)的包裹數(shù)據(jù),即720個小時。在人工分揀條件下,分別將發(fā)生器,三個暫存區(qū),四臺處理器,四個操作員,兩條傳送帶以及兩個吸收器拖入窗口中,然后將它們按照轉(zhuǎn)運中心的分揀流程依次連接起來。包裹到達這一要素按照不同情況產(chǎn)生不同數(shù)量的包裹,之后抵達待分揀區(qū),等待人工揀選作業(yè),經(jīng)過分揀之后的包裹經(jīng)傳送帶傳送到待發(fā)貨區(qū),然后再經(jīng)過人工掃碼裝車,之后發(fā)貨。分揀作業(yè)仿真如圖1所示。在模型中,通過對發(fā)生器參數(shù)的設(shè)定和修改來表示包裹到達的時間和數(shù)量,也就是說通過修改發(fā)生器的參數(shù),來模擬現(xiàn)實過程中正常狀態(tài)下和爆倉狀態(tài)下的包裹到達。首先將發(fā)生器命名為包裹到達,以此來表示包裹的到達,之后在發(fā)生器的對話框里將到達方式改為到達時間表,到達次數(shù)設(shè)定為30次,表示30天內(nèi)的包裹到達,刷新到達后,在兩次的仿真過程中根據(jù)具體的實驗要求,分別到達時間和數(shù)量這兩列的數(shù)值。依照實際情況,將帶分揀區(qū)的最大容量設(shè)置為1000,待分揀區(qū)表示包裹到達之后進入待分揀區(qū),之后會由分揀設(shè)備進行分揀。在有人工參與的半自動化環(huán)境下,處理器需要調(diào)整的參數(shù)包裹分揀設(shè)備的最大容量參數(shù)和設(shè)備的工作時間參數(shù),其中,約定人工參與作業(yè)環(huán)境下的最大容量為1,加工時間為0.1小時,即工作組分揀一百個包裹需要的時間是0.1小時。約定傳送帶的速度是300米/小時(現(xiàn)實生活中的傳送帶速度肯定是大于300米/小時,雖然數(shù)值與實際中差別比較大,但只這樣設(shè)置是經(jīng)過不斷嘗試得到的一個可以有更強表現(xiàn)力的參數(shù),傳送帶的最大容量為20,間隔值為1。待發(fā)貨區(qū)的參數(shù)設(shè)置大體和待分揀區(qū)的設(shè)置相同,其最大容量為1000,其中外圍待發(fā)貨區(qū)和內(nèi)圍待發(fā)貨區(qū)的設(shè)置相同。采用處理器和操作人員相結(jié)合表示裝車掃碼,加工時間為0.1。(三)模擬結(jié)果1.運任務(wù)的測定在純?nèi)斯ぷ鳂I(yè)的條件下,包裹的分揀效率較低。正常情況下,分揀中心每天的包裹量都是穩(wěn)定的,而且基本上每天都能完成當天的分揀轉(zhuǎn)運任務(wù),即每天的到達轉(zhuǎn)運中心的包裹數(shù)量和離開轉(zhuǎn)運中心的包裹數(shù)量大體是一致的。由于計時是從0開始的,第一天的arrivaltime為0,第二天的arrivaltime為24,以此類推第三十天的arrivaltime為696,由餅狀圖可以看出,包裹到達時,generating為100%,與之相對的的blocked則為0%,因此正常狀態(tài)下包裹到達是不會發(fā)生堵塞的。2.分揀區(qū)分揀時分揀效率低模擬人工條件下爆倉時的作業(yè)系統(tǒng)仿真,發(fā)現(xiàn)運行時間為895.367小時,比在正常轉(zhuǎn)態(tài)下的多了175個小時的工作時間。爆倉狀態(tài)下發(fā)生器(包裹到達)出現(xiàn)了包裹的積壓,由于待分揀區(qū)的最大容量為1000,較短時間內(nèi)包裹到達之后,人工分揀的工作效率低于包裹到達的速率。導(dǎo)致待分揀區(qū)包裹數(shù)量的逐漸增加,當包裹數(shù)量達到1000時,就會造成發(fā)生器(包裹到達)的堵塞,這種情況下,發(fā)生器有64.2%的時間都是出于blocked的狀態(tài)。包裹到達這一環(huán)節(jié)出于工作時的狀態(tài)占總時間的31.4%,處于堵塞狀態(tài)的則為68.6%,與正常狀態(tài)相比,堵塞率大大提高。三、系統(tǒng)完善(一)基于機器人的智能分揀系統(tǒng)第一次優(yōu)化通過降低系統(tǒng)的堵塞率,提高作業(yè)系統(tǒng)的分揀效率。為了降低堵塞率,通過使用智能分揀設(shè)備取代人工分揀,即將圖2-1中的“操作員”改為“機器人”,設(shè)智能分揀設(shè)備的加工時間為0.01小時(工作效率是人工分揀狀態(tài)下的10倍),修改參數(shù)后得到的結(jié)果如表2所示?？梢钥闯?雖然分揀效率明顯提升,但是分揀作業(yè)系統(tǒng)是一個完整的系統(tǒng),只單獨地改進某一方面不能滿足系統(tǒng)優(yōu)化的要求。例如,人工裝車掃碼效率太低直接導(dǎo)致分揀設(shè)備堵塞率較高。為此,可以通過采用相應(yīng)措施來提高掃碼設(shè)備的掃碼效率。(二)算法運行結(jié)果提高碼效率具體有以下四種方法:(1)提高掃碼人員的熟練度;(2)增加掃碼作業(yè)人數(shù);(3)提高掃碼人員作業(yè)熟練度和增加掃碼作業(yè)人數(shù)相結(jié)合;(4)采用智能設(shè)備代替人工掃碼。對于方法(1),裝車掃碼處理器的加工時間設(shè)置為0.05(是最開始人工掃碼時工作效率的2倍)。對于方法(2),掃碼設(shè)備的處理器加工時間設(shè)置為0.033(是原來初始人工掃碼時的3倍)。對于方法(3),掃碼設(shè)備的處理器加工時間設(shè)置為0.02(是原來初始人工掃碼時的5倍)。對于方法(4),仿真系統(tǒng)中掃碼設(shè)備處理器的加工時間為0.01。依次運行上述情況下的仿真系統(tǒng),主要得到如下結(jié)果:隨著相應(yīng)掃碼效率的提升,各方案的空閑率分別為36.7%、60.5%、76.8%、100%,其空閑率正在不斷上升;掃碼設(shè)備的加工時間占比分別為:61.9%、41.7%、25.3%、12.7%。使用方法(1)、(2)、(4)均可有效改善系統(tǒng),但是成本較高,