走進陽合
作為現代物流系統的核心組成部分, 自動化立體倉庫[1,2,3,4] (automated storage and retrieval system, AS/RS) 是一種基于高層立體貨架存儲貨物, 并綜合應用機電、自動控制、計算機和通信技術管控堆垛機進行物資存取作業的倉庫。鑒于立體倉庫軟硬件系統投資較大, 通過運作優化技術從貨物分配、任務調度、作業流程等多角度開展研究或采取措施充分發揮其綜合效益, 一直受到企業和學者們的廣泛關注。然而, 由于自動化倉儲系統是一類多學科交叉的復雜動態離散系統, 此前的研究大多采用從數學算法出發的傳統解析分析方法, 其耗時良多, 理論性強于實踐性, 應用難度較高, 直觀性不強, 且未充分考慮布局對倉庫效率的影響。由此, 本文棄用了傳統的解析分析方法, 而是結合工業工程視角和計算機仿真技術[5,6,7]分析和研究了立體倉庫的運行參數及布局對出入庫作業效率的影響。本文采用的可視化仿真優化技術實用性較強, 便于直觀找出現有立體倉庫瓶頸和提出改進措施, 從而顯著提升立體倉庫的作業效率和綜合效益。
作為一款業界主流的離散事件仿真軟件, Flexsim支持在離散時間點改變狀態, 并可視化模擬特定事件觸發的結果。在Flexsim集成仿真環境中, 通過對待優化對象三維建模, 再對模型進行各種系統分析和工程驗證, 最終可獲取優化設計或改造方案[8,9,10]?；贔lexsim實現立體倉庫出入庫仿真優化的基本步驟如下:1) 確定仿真目的。明確所需解決的問題和優化目標, 為后續的調研、建模工作提供依據。2) 系統調研。深入了解實際的現場狀況, 整理出作業流程、倉庫布局及其他倉儲作業相關數據。3) 布局設置?；谡{研所得結果和分析, 安排和設計倉庫的整體布局, 并將物理對象映射為仿真視圖窗口相應位置的實體。4) 實體連接。根據實體間的作業關系, 將其運用輸出輸入連接或者中間連接相連, 以定義對象間的邏輯關系。5) 參數設定。處理調研所得數據, 以獲取近似的分布函數, 例如貨物的到達時間間隔、停留時間等, 并確定系統中各設備的運行參數。6) 模型運行。編譯、重置模型, 進行整體仿真運行, 以觀看系統運行過程中的變化?？赏ㄟ^設置模型的停止時間來更有效地模擬1 h或者1 d等精確時間下的運行狀況, 使得運行結果更具現實意義。7) 仿真結果和分析。在模型運行過程中, 可實時查看系統中各設備的統計數據, 了解其運行情況和運行效率等。8) 優化。應用工業工程知識, 針對系統中既存的瓶頸或不足提出有效可行的優化方案。優化后一般還需再次仿真驗證優化方案, 對比分析優化前后的改進程度, 從而確定該優化方案的有效性。9) 資料歸檔。仿真優化結束后, 整理和存檔相關資料, 以便決策者日后使用或查閱相關資料。
某企業建成了一套小型自動化立體倉庫, 該倉庫屬于固定貨架、流通型倉庫, 具備2條巷道及4排貨架, 主要負責關鍵物資的快速流通。該倉庫包含辦公區、接貨區、入庫區、貨架區和出貨區等5個區域, 各區域功能如圖1所示。
其中出入庫作業是立體倉庫最基本和最常用的作業形式, 流程如圖2所示, 其效率直接影響著整套物流系統的效益和水平。
根據實際倉庫構成, 搜集、抽取與出入庫相關的主要因素, 忽略次要因素, 最終得出簡化后的倉庫模型, 如圖3所示。其中, 發生器隨機產生2種臨時實體, 到達時間間隔服從指數分布R (0, 50, 0) ;所有傳送帶的運行速度為1 m/s, 貨物經過傳送帶到達相應的入庫緩存區等待;由堆垛機將其放置到隨機空閑的左右2排貨架的空貨位, 堆垛機的運行速度為1 m/s, 最大速度2 m/s;貨物在貨架中的最小停留時間服從正態分布N (1 000, 102) , 入庫緩存區的最大容量為10件, 模型中省略出庫緩存區, 直接用傳送帶表示;最終出庫的貨物經傳送帶離開。
根據前文的各設備參數設置, 在Flexsim仿真平臺下連續運行模型后, 可得出如下分類統計數據:
1) 堆垛機性能的主要評價指標為工作時間、空閑率和利用率, 相關仿真結果如表1所示。
2) 貨架性能的主要評價指標為最大庫存量、吞吐量和利用率等, 相關仿真結果如圖4所示。
3) 緩存區性能的主要評價指標是實體等待時間、容量和堵塞率等。出庫后的運輸作業不屬于倉庫系統管理范圍, 故以入庫緩存區為準進行分析, 圖5為入庫緩存區的容量狀態, 并將這些數據整合, 相關結果如表2所示。
4) 由表1和表2可得堆垛機和貨架的利用率為表3。由模型運行之后的各種數據結果統計, 可得出以下3點結論:①由表3和圖4可見, 2個堆垛機的利用率都不高, 均低于70%。其原因主要在于貨物在貨架中的停留時間過長, 作業類型單一, 以單一入庫或者出庫作業為主。②由表2和圖4可見, 倉庫的入庫總量為718, 出庫總量為491, 差額較小, 周轉較慢, 導致貨架的平均利用率不高。③由圖5可見, 2個緩存區中均存在貨物堆積現象, 這與出庫時間較為集中, 緩沖區容量不當有關。
基于上節分析和倉儲物流知識, 導致堆垛機利用率不高的原因主要在于集中出貨和緩沖區堵塞, 此外也受到倉庫布局影響, 故下文綜合參數優化和布局影響2個角度, 提出優化措施。
參數優化的思路為:
1) 優化倉庫外圍物流效率, 減小貨物的到達時間間隔, 提升堆垛機的效率, 增大倉庫的吞吐量。
2) 合理確定吞吐量和緩沖區容量。吞吐量過大, 系統就會出現瓶頸問題, 出入庫緩存區易產生堵塞, 等待時間變長。此外, 易使堆垛機會進入超負荷工作狀態, 導致設備故障率增大。
由圖5可見:看到入庫緩存區的峰值最高達到8, 使得緩存區出現大量堆積?，F將2個緩存區的最大容量改為5, 多出的貨物則在傳送帶上等待;通過優化貨物的到達時間間隔和貨架中的最小停留時間來提高設備的利用率, 并使得系統能夠順暢運行, 消除瓶頸工序。
經反復測算和仿真運行分析, 入庫時間間隔和貨架貨物最小停留時間均采用泊松分布, 分別采用均值37和9 000, 均使用隨機數流1。模型修改后, 仿真結果如圖6、圖7和表4所示。
圖6 入庫緩存區1~2庫存量仿真結果 (改進后) Fig.6 Storage simulation results of storage buffer 1-2 after optimization 下載原圖
由改進模型的各種仿真結果統計, 可得出以下3點結論:
1) 由表4、圖4、圖5和圖7可見, 改進后倉庫輸入/輸出量達到970/721件, 較之前峰值更高, 4排貨架的利用率也顯著提高, 出入庫作業更加均衡。
2) 由表4、圖6可見, 優化后堆垛機利用率基本達到預期的80%左右, 入庫緩存區額定容量減少為5件, 且運行峰值低于5件, 從而堵塞消除。
3) 緩存區的平均停留時間為43.75 s高于改進前的35.98 s, 改進后有明顯提高, 導致該情況的原因是貨物在貨架中的平均停留時間減少。此外, 出庫作業增加和堆垛機利用率提高, 加長了緩存區中的貨物等待時間, 而工作的正常運行未受影響。
總之, 由仿真分析可見, 倉庫系統參數優化后, 瓶頸消除, 效率提高, 且正常運行也得到了保證。
前文圖3倉庫所采用的出入庫方式為復合行程式, 即出入庫作業在高層貨架的同一側完成。實際上, 現代倉庫還會使用另一種直線型布局方式, 即入庫與出庫分別在貨架的兩端完成, 如圖8所示。
下文在上節參數優化的基礎上, 仿真作業布局改進后的成效, 計算得出2種布局方式下的各數據均值如表5~表8所示。
由上述4個表對比可見:布局2中堆垛機的利用率85.3%優于布局1的79.85%, 布局2的入庫緩存區平均停留時間和利用率均高于布局1, 布局2的貨架利用率和入庫量也更高, 但是布局2的總出庫量比布局1低68件。
造成這些現象的原因主要在于表6中的堆垛機空載運輸時間比例, 布局2的堆垛機空載率明顯高于布局1, 使得堆垛機的運動距離更高。從模型中可見:布局1中的堆垛機總運動距離為20 km左右, 而布局2中為25 km左右, 即堆垛機在進行出入庫作業時離貨物的距離相對較遠, 使得堆垛機的空閑率下降, 利用率相對提高。堆垛機工作繁忙的同時, 入庫緩存區中的貨物等待時間也就相應增加, 使得緩存區的利用率提高。由于堆垛機的空載率提高, 使得在相同的時間內, 倉庫的吞吐量也受到影響, 總輸出量減少, 所留在貨架中的貨物增加, 貨架利用率提高。
綜上并參照文獻[11-12], 本文認為布局變更的收益不如參數優化明顯, 不可盲目行事, 應從如下角度抉擇和權衡:
1) 復合行程式布局的出入庫作業共用一個通道口, 可充分利用資源 (通道、空間、人員等) , 但是在傳送帶的分岔路上需要安裝識別裝置對通過的貨物進行識別分揀, 實施成本稍高。
2) 直線型布局的結構清晰, 出入庫不混淆, 非常適用于入庫與出庫作業高峰期重合的立體倉庫, 但難以應用ABC分類法, 并無法受益其給庫存管理帶來的合理性和高效性。
本文借助Flexsim物流仿真軟件, 以某小型自動化立體倉庫出入庫過程為研究對象, 闡述了其建模、瓶頸分析和優化技術, 并最終基于仿真實驗給出了行之有效的優化改進方案, 顯著提升了倉庫的出入庫作業效率, 也為類似倉儲物流系統或生產制造系統的作業優化指明研究思路。
標簽：
上一篇： 基于EIQ分析的F公司倉庫規劃
下一篇： 倉庫定品與快速管理
