基于Flexsim的智能倉儲系統優化仿真

趙凌興 仲梁維

摘 要：為了對某物流公司倉庫的倉儲流程、設備以及布局進行升級優化，使用Flexsim對倉儲系統進行仿真，獲取瓶頸問題所在，將前后仿真模型的輸出數據進行對比，發現減少一個碼盤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改為四向穿梭車作業，使運輸工具的入庫利用率提高了20%。仿真結果表明，該方案可大大降低設備成本，提升倉儲能力，模型優化效果明顯，從而驗證了該優化方案的可行性。

關鍵詞：智能倉儲；Flexsim；仿真優化

DOI：10.11907/rjdk.172454

中圖分類號：TP319

文獻標識碼：A 文章編號：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

隨著物流業的發展，物流倉庫趨向于智能化與高效化。然而，倉儲系統瓶頸問題的存在會影響生產與物流管理效益。為節約成本，并對倉儲系統的瓶頸問題進行優化，利用計算機對物流與倉儲系統進行仿真成為一種有效方法[1-2]。

運用Flexsim系列仿真軟件，可以在計算機內建立研究對象的系統三維模型，通過模擬運行為分析者提供準確的運作績效報告，之后進行方案評估，最終獲得優化設計和改造方案[3]。本文提出一種改進運輸工具的優化方案，并采用AGV按照網絡路徑布局進行進、出貨作業。該方案可取代巷道堆垛機，模擬新型智能化設備穿梭子母車，從而降低設備成本，提高倉儲能力。

1 智能倉規模、設備及參數確定

1.1 智能倉結構布局與主要參數

某立體智能化倉庫為對稱分布，且規格、尺寸、工程參數相同，本文選取一半作為仿真對象。其具體參數為：倉庫尺寸——長×寬×高（36m×40m×6m）；工作時間：256天，8小時/天；空托盤外形尺寸：1 200mm×1 200mm；貨物形式：成品整托入庫；總入庫托數：1 570托。

1.2 主要設備及相關參數

設備擺放順序按照作業流程設置，具體參數如下：

（1）碼盤合成器：預置時間為0s，處理時間為90s。

（2）稱重、測量貼標處理器：處理器操作時間分別為3s。

（3）單向輸送線：平均速度25m/min。

（4）巷道堆垛機：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：倉庫采用高層貨架，共1 242個貨位，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個貨位。根據貨閣布局，一層貨閣數為382個，二、三層貨閣布局相同，貨閣數為860個。

（6）拆盤分解器：預置時間為0s，處理時間為30s。

2 基于Flexsim的出入庫仿真

2.1 基于Flexsim的智能倉仿真建模

為了對倉庫出入庫進行仿真建模，運行Flexsim軟件，按照所需的仿真實體對象依次添加對象，并按照該自動化立體倉庫的平面布局圖進行布局，然后進行邏輯編輯，以實現所需功能[4-5]，如圖1所示。

2.2 出入庫仿真模型數據分析

在仿真模型中輸入相關設備參數，并收集一年內的進、出貨單，提取部分數據進行仿真。對該數據進行分析，確定高峰期周期為4h，得出模型的入庫高峰期為420s～14 820s，出庫高峰期為46 800s～61 200s。分別在兩段時間內分析進、出庫設備的工作情況，輸出相關設備信息[6]。

（1）在入庫信息分析基礎上，入庫高峰期420s～14 820s期間對設備的分析如表1所示。

入庫高峰期間，碼盤速度為90s/托，碼盤工位平均利用率為63.46%，處理能力為50托/h。顯然碼盤器的使用效率偏低，處理能力盈余，因而同時運作會耗費大量資源，可優化其數量為3～4臺。

（2）根據出庫單數據分析得出：46 800s～61 200s為入庫高峰期，出庫輸送線評價標準有傳輸時間、堵塞時間、平均停留時間等[7]。設備分析如表2所示。

出庫高峰期間，傳送帶工作時間所占比率為7.31%～20.59%，大量時間空閑，設備利用率極低，不會成為倉儲系統的瓶頸。

（3）針對堆垛機（ASRS）的數據分析根據進出貨高峰期間的數據對比得出，如圖2所示。

運行得出堆垛機的利用率，模型在進貨高峰期時，峰值利用率為28.82%，后期比較空閑，結合入庫暫存區的堵塞情況，堆垛機利用率明顯偏低。然而在出貨高峰期，堆垛機平均使用率達到90%左右，短時間成為出庫時的瓶頸。顯然入庫時未被充分利用，導致出庫時過于忙碌，從系統整體時間看使用不合理。另外由于堆垛機價格昂貴，從而大大增加了運行、維護成本，需要優化運貨設備，可用四向穿梭車代替[8]。

綜上述，模型優化方案總結如下：針對碼盤工位的優化，可減少一臺合成器，以充分利用碼盤工位；為節約成本、優化布局，入庫暫存區可改為傳送帶；出庫輸送線布局跨度太大，致使大量時間閑置，且個別線路有堵塞現象，可將其優化布局為進出路線在同一側；5臺堆垛機出入庫的使用情況顯然不合理、均衡，可用3輛四向穿梭車代替，設置每層1輛；為了后期擴建倉庫，需要設置5個電梯運送貨物至樓層[9]。

3 基于四向穿梭車的模型優化分析

針對上一節對模型各個工位設備的分析，以及提出的優化方案，再次建立模型，輸入相關參數，記錄優化后各個關鍵設備的數據，如四向穿梭車、進出庫輸送線等。將優化后各設備的數據導出，選擇與之前相同的時間區間，即模型的出、入庫高峰期。

3.1 優化后入庫高峰期碼盤工位對比分析

入庫高峰期為420～14 820s，碼盤工位對比數據如表3所示。

表3為優化前后的碼盤工位利用率對比，顯然減少一個碼盤工位使平均利用率達到78.95%，利用率平均提高了15.45%，并且降低了成本。

3.2 優化后出、入庫高峰期運輸工具數據分析

四向穿梭車的使用效率對比如表4所示。

表4對比了ASRS與AGV的使用情況，出入庫利用率均差巨大，最大均差為73.04%，嚴重影響了運輸系統平衡；而3臺AGV入庫平均利用率提高到48.47%，出入庫均差比最多降到40.80%，可明顯看出運輸系統所受沖擊減小，承載能力得到提升[10]。

3.3 優化后出、入庫輸送線數據分析

圖3是對所有進、出庫輸送線的數據分析，一層的中間出庫輸送線輸送壓力較小，利用率不高，而2～3層僅有一個中間出庫輸送線，雖然沒有堵塞情況，利用率達到40%左右，但出庫貨物數量龐大，后期出庫能力有所不足；而在一些傳送帶上的平均停留時間高達30.3s，下游布局略顯擁擠，出庫密集時貨物堆積在輸送線上，可作后續優化；入庫輸送線則比較通暢。

4 結語

通過對某物流智能倉儲系統的仿真優化，對各個設備數據進行分析統計，尋找系統瓶頸和設備閑置嚴重的環節著重進行優化，并改善設備布局，撤掉空閑設備，換用先進運輸工具四向穿梭車，提高了貨物存取速率，增強了運輸系統的魯棒性，提高了關鍵設備利用率。將出、入庫輸送系統劃分為多個模塊，既節省了成本，使空間布局更為緊湊，整體輸送能力也得到優化[11]。然而，優化模型高層的出貨輸送線與中間送貨電梯會成為整個系統的瓶頸，可作進一步優化。

參考文獻：

[1] 慶璃，王轉.現代物流設施與規劃[M].北京：機械工業出版社，2004.

[2] 谷曼.基于Flexsim的自動化立體倉庫系統規劃與仿真研究[D].武漢：武漢理工大學，2010.

[3] 翟躍文，馮云，蔡曉來.基于Flexsim的自動化立體倉庫仿真研究[J].物流技術，2008，30（1）：38-40.

[4] 顧嘉，張華，李順，等.立體倉庫出入庫仿真與優化技術[J].南昌大學學報：工科版，2013，35（4）：369-374.

[5] 新萍，劉玉坤.系統仿真軟件Flexsind3.0實用教程[M].北京：清華大學出版社，2006.

[6] 張李威.基于Flexsim的物流倉儲中心系統仿真與優化[D].武漢：湖北大學，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.基于Flexsim的自動化立體倉庫出入庫的仿真與優化[J].高新技術通信，2017，27（1）：81-87.

[9] 楊瑋，羅洋洋，楊甜，等.基于Flexsim對某醫藥物流中心立體倉庫優化[J].包裝工程，2017，38（7）：210-215.

[10] 李梅娟.自動化倉儲系統優化方法的研究[D].大連：大連理工大學，2008.

[11] 張志剛，曹京西，劉晶祺，等.自動化立體倉庫系統仿真的研究[J].計算機仿真，2005，22（7）：115-117.

（責任編輯：黃 健）