基于數字孿生的物流配送調度優化探討

呂自超

（青島中車四方車輛物流有限公司，山東青島 266009）

0.引言

在先進技術的推動下，產業升級轉型成為競爭、生存趨勢，物流業也從傳統物流向智能物流轉變。作為物流行業的主要業務，物流配送成本占總成本的較大比重，配送過程中的道路優化、車輛調度等和配送成本息息相關。由于物流配送不確定性因素多，增加了配送難度和額外成本。為實現物流配送的透明化，提出基于新技術的智能模型。近年來，數字孿生技術作為一種智能技術，被廣泛用于制造業。通過國內外學者的研究提出一種智能化的物流配送系統，既能高效管理物流配送流程，又能動態監控物流配送的過程和結果，實現物流的精準性配送。

1.基于數字孿生的物流配送調度系統設計

1.1 物流配送調度系統模型和功能規劃

1.1.1 物流配送調度系統模型

為了能在物流配送中有效運用數字孿生，本文基于五維DT、建模方法，結合物流配送過程提出數字孿生應用模型（見圖1），主要包括幾點內容：（1）物流配送作業面，是指在物流配送中，配送中心基于客戶要求，在既定條件下安排車輛完成指定任務。（2）配送系統服務，集控制、追蹤等算法于一體，結合車載終端的數據進行分析，構建以配送成本為導向的數字模型，依據孿生系統的算法優化處理。（3）虛擬配送作業面，是配送作業面的數字化“鏡像”，借助智能軟件模擬真實的配送工作。（4）系統連接，目的是連接4個部分于一體，實時、有效地傳遞數據，實現真實和虛擬仿真配送數據的協同交互。（5）配送孿生數據是將物流配送的數據、虛擬數據進行融合，并基于配送狀態及時更新和優化。物流配送過程中，孿生數據的作用是為配送作業面提供追蹤數據，使虛擬配送作業面精準模擬真實配送；為配送作業面提供預測數據，動態調整實際物流配送進度[1]。

1.1.2 物流配送調度系統功能規劃

數字孿生下的物流配送調度系統核心是對配送生命周期進行管理，實時同步配送數據，實現數據的可視化、集成化管理，經由孿生模型反映數據信息、反向管理，保證物流配送的安全性，優化配送流程，提高配送服務質量。因此，物流配送調度系統功能涉及信息管理、裝箱方案（數字孿生）等方面，基于相關內容構建配送模型，實時調整裝箱方案；結合物流配送狀態，動態監控車輛、貨物等情況；物流配送調度過程中的提升服務，包括送達控制、增值服務，比如為客戶提供物流定位查詢。

1.2 物流配送調度系統的整體框架

1.2.1 虛擬層

在數字孿生下的物理配送調度系統中，虛擬層是最關鍵的一層，依據底層物理層的數據、內核算法，進行優化和調整，實現道路優化、車輛調度。最后，經由5G無線網絡將方案下發至車載終端，為實時調度提供支持。

1.2.2 服務層

服務層的任務是為數字孿生下的物理配送調度提供數據支撐，基于物理層的數據信息和輸出層數據進行融合，實現孿生層、物理層的實時交互，從而為整個系統提供智能化的服務。

1.2.3 物理層

物理層要求配送車輛具有通信、決策能力，采集配送車輛的位置、路況等信息。主要借助GPS系統采集車輛位置、運輸軌跡，基于OBDII接口采集車輛的運行狀態，方便及時維修出現故障的車輛。同時，利用5G技術上傳物流配送過程的相關數據。

1.2.4 其他

（1）數據層。在數字孿生物流配送調度系統中，數據是核心也是基礎。數據層的作用是負責運維服務層的孿生數據，存儲和處理系統數據，為物流配送調度系統提供數據支持。（2）模型層。為物流配送調度系統提供模型庫，涉及兩個模型，即管理服務模型、孿生模型，前者為運維管理服務提供決策支持，如路徑規劃、裝箱規劃等；后者對物流配送、管理提供數字化描述，基于相關數據形成動態數字孿生模型，用來描述系統中的對象幾何和信息結構，涉及配送調度優化的數字孿生模型、裝箱規劃的數字孿生模型[2]。

2.問題描述和數字建模

2.1 問題描述

物流配送調度建立于已知客戶的位置、需求量，配送中心的車輛載重、位置條件下，通過對配送客戶信息的采集，以數字孿生為依托對物流配送調度過程進行模擬，向物理模型反饋最佳的配送方案，從而減少綜合成本。而且，數字孿生模型也對故障車輛的維修處理進行了考慮。在數字模型中引進時間窗，對于物流無法按時送達的情況進行處罰。鑒于此，本文做出幾點假設：（1）每輛車只配送一條路徑，從配送中心出發，最后再返回到配送中心。（2）必須服務于每位客戶，且只能訪問一次。（3）每輛車的客戶需求量不能超出車輛載重，在為客戶提供服務時，要在客戶規定的時間到達配送點，早到、晚到都面臨處罰。（4）配送中心資源充足，貨物為單一品種。（5）車輛在行駛過程中，要勻速行駛，不考慮路況、車況等問題。

2.2 數字模型

全面考慮運輸費用、車輛費用和懲罰成本，具體描述如：（1）運輸費用。是指在貨物運輸中消耗的燃料成本，成本和距離呈正相關。（2）車輛使用成本，是第n輛車成本、總車輛成本的乘積。（3）懲罰成本，添加時間窗，要求車輛盡量在指定時間到達，否則就會產生懲罰成本。

2.3 算法內核

以遺傳算法為內核，求解物流配送調度問題，具體步驟如[3]：（1）編碼。利用實數編碼的方式，操作簡單，方便表示配送中心的解，借助自然數對客戶編碼，以客戶點為基因。（2）解碼。對實數編碼進行解碼處理，即表示配送中心安排車輛滿足客戶需求，再服務其他客戶。當車輛達最大重量時，配送中心再安排其他車輛服務未配送客戶，以此類推，直到滿足每位客戶的實際需求。（3）適應度函數。基于物流配送調度的問題，以綜合配送成本為適應度。（4）個體選擇。結合輪盤賭法、精英保留策略進行個體選擇，先使用輪盤賭法，結合染色體適應度值進行選擇。（5）交叉。使用部分映射法交叉處理，先常規交叉父代，然后結合交叉區域基因值的關系，對區域外的基因值進行修改。（6）變異。結合編碼特征，采用兩點交互的方式生成變異算子，交互后重新判斷個體是否符合要求，最終確定個體是否可行。

3.實驗和驗證

3.1 案例分析

以某物流配送中心為例，共20個客戶，171件貨物，總體積80.69m3，總重量17421kg，基于數字孿生建立物流配送調度系統。物流配送模型參數見表1。

表1 物流配送模型相關參數設定

3.2 裝箱規劃

在數字孿生物流配送調度系統中輸入客戶、貨物信息，應用系統功能完成裝箱規劃。先按模型設置裝箱約束，包括配送中心、重量、體積等。根據設定約束和信息生成配送方案，結果涉及車輛的配送路線、車輛數量等。結合裝箱方案，系統自動生成可視化孿生模型，直觀顯示車輛數量、裝箱布局。一般來講，初始方案不一定滿足需求，要判斷其是否合理，借助系統的分析功能和仿真模擬場景，評估車輛的裝箱方案。將車輛的路況、配送線路等錄入模擬參數，發現個別車輛運行不平穩。對于這類貨物，可直接在模型中調整位置。再次仿真分析，比較調整前后的穩定性。結果顯示，優化前的車輛穩定性為1.96，個別貨物發生位移；調整后，貨物位移波動折線平緩，均差低于0.5，貨物晃動幅度減小，和之前相比較穩定。說明在裝箱布局優化中，裝箱合理性評估模型是可行、有效的。和以往模型、規劃相比，數字孿生下的配送模型可通過仿真發現裝箱問題，并基于可視化模型調整方案，實時優化裝箱方案，提高裝載的科學性和車輛利用率。

3.3 運輸監控和服務優化

當前，系統實現了路線、溫度、物流配送狀態的可視化監控，將溫度傳感器的數量設為可配置。當物流配送通過RFID反饋完成配送后，對應孿生模型的客戶貨物會消失。以車輛1為例，運輸路徑0、13、18、20、0，0分別表示起始點、終點，13、18、20表示客戶，而且不同客戶的商品顏色不同。例如：客戶13的商品顏色為橘色，客戶18的商品顏色為綠色，客戶20的商品顏色為藍色，一共在車廂放置6個溫度傳感器。如圖2所示，狀態1代表車輛剛出發，此時只有1個傳感器為紅色；狀態2代表商品已配送到特定地點，有2個傳感器亮起說明溫度上升為紅色；狀態3代表還有一處貨物需要配送。同時，采用交互操控窗在可視化模型中查詢貨物，結果顯示在可視模型中，方便配送人員精準獲取客戶貨物的位置和數量，防止出錯或漏送，提高物流配送質量。當車輛上的全部貨物都消失后，說明車輛已完成所有貨物的配送。

上述功能顯示，和傳統物流配送調度相比，數字孿生下的配送調度不僅能直觀、清晰地描述出裝箱方案，也能根據模型直接進行調整，驅動物理配送操作，仿真預測、評估裝箱方案的可行性，保證物流配送的效果，實時可視化服務和監控，提高配送效率，為無人配送的實現奠定基礎。

4.結語

在物流配送調度中應用數字孿生技術，可以提高物流配送效率，提升物流管理水平。通過上述分析得出幾點結論：（1）基于數字孿生理論提出物流配送調度架構、五維模型，結合GPS技術、車載診斷系統實時采集車輛信息，并借助5G技術進行傳輸。（2）以遺傳算法為內核，全面考慮物流配送調度中的問題，以最小成本為目標，建立帶有時間窗的數字模型。（3）采用算法內核模擬配送過程，能夠豐富配送調度系統的功能，為配送工作提供可視化管理，特別是在裝箱方案優化中，要提前預判方案的合理性，進一步提高裝箱的便利性，為智能化配送奠定基礎。