基于Flexsim的工廠園區(qū)物流運(yùn)輸仿真及優(yōu)化

房殿軍，李 偉，張新艷

（1.同濟(jì)大學(xué) 中德學(xué)院，上海 201804；2.同濟(jì)大學(xué) 機(jī)械與能源工程學(xué)院，上海 201804）

1 引言

隨著工業(yè)4.0和中國(guó)制造2025概念的提出，越來越多企業(yè)希望通過系統(tǒng)和技術(shù)層面的革新來緊跟時(shí)代的腳步，以此在新一次的工業(yè)革命中占得先機(jī)[1]，其中智能物流成為了制造型企業(yè)首要發(fā)展的目標(biāo)。Flexsim作為新一代離散事件系統(tǒng)仿真的有效工具，可以模擬智能物流下的多種場(chǎng)景，目前主要用于物流及生產(chǎn)制造業(yè)，包括車間調(diào)度自動(dòng)化立體倉(cāng)庫(kù)貨物分配[2]、設(shè)施布局優(yōu)化[3]、生產(chǎn)物流[4]，以及用于公交車調(diào)度[5]中。本文基于Y工廠的智能物流項(xiàng)目，通過Flexsim對(duì)其園區(qū)物流運(yùn)輸進(jìn)行仿真，研究在調(diào)整運(yùn)輸模式下，不同運(yùn)輸車輛數(shù)、發(fā)車趟數(shù)和發(fā)車間隔對(duì)運(yùn)輸任務(wù)完成率、訂單通過時(shí)間和車輛空閑率等指標(biāo)的影響，并通過與Y工廠當(dāng)前園區(qū)運(yùn)輸現(xiàn)狀進(jìn)行對(duì)比，得到一組更加優(yōu)化的車輛調(diào)配方案。

2 Y工廠園區(qū)物流運(yùn)輸現(xiàn)狀

2.1 Y工廠園區(qū)概況

Y工廠是一家大型制造企業(yè)，園區(qū)內(nèi)共有14座獨(dú)立的廠房，廠房總占地面積約為40萬m2。由于該園區(qū)業(yè)務(wù)量大，客戶定制化產(chǎn)品多，以及一些歷史遺留原因，導(dǎo)致整個(gè)園區(qū)目前有著很大的垂直運(yùn)輸和水平運(yùn)輸，這不僅降低了生產(chǎn)效率，也增加了物流成本。表1顯示了2017年11月份某班次（11h）內(nèi)，不同廠房之間的托盤運(yùn)輸，總計(jì)1 210板。

表1 Y工廠園區(qū)跨期運(yùn)輸從至表

根據(jù)現(xiàn)場(chǎng)調(diào)研，園區(qū)內(nèi)用于托盤運(yùn)輸?shù)能囕v信息見表2，共有7輛不同型號(hào)的車輛進(jìn)行運(yùn)輸，3臺(tái)貨車、4臺(tái)牽引車。加上配合貨車進(jìn)行裝卸貨的叉車，以及核數(shù)員和掃描員，不僅使運(yùn)營(yíng)成本變得很高，而且在員工管理上也比較困難。

表2 園區(qū)內(nèi)物流運(yùn)輸車輛功能和參數(shù)描述

2.2 建立當(dāng)前園區(qū)物流的仿真模型

首先建立當(dāng)前園區(qū)物流的仿真模型。在該模型中，用到了Flexsim里的發(fā)生器、暫存區(qū)、吸收器、任務(wù)調(diào)度器、叉車和網(wǎng)絡(luò)節(jié)點(diǎn)等模塊。在實(shí)際的運(yùn)輸操作中，物流人員會(huì)在托盤裝載和卸載時(shí)進(jìn)行掃描，并錄入到報(bào)收系統(tǒng)中，模型中的發(fā)生器以此上車掃描時(shí)間作為產(chǎn)生臨時(shí)實(shí)體的時(shí)刻。根據(jù)Y工廠提供的白班內(nèi)運(yùn)各期送貨清單，模擬了2017年11月份的園區(qū)跨廠房運(yùn)輸，模型運(yùn)行時(shí)間為11h。

2.3 當(dāng)前園區(qū)物流仿真結(jié)果及分析

通過多次運(yùn)行模型，記錄每臺(tái)運(yùn)輸車輛的使用效率（包括空閑率、負(fù)載率和空載率），以及每輛車的運(yùn)輸量和行駛里程，得到統(tǒng)計(jì)表3。

表3 每輛運(yùn)輸車輛的使用效率、運(yùn)輸量和行駛里程

通過仿真結(jié)果的對(duì)比，可以得到如下幾點(diǎn)：

（1）每輛車的空閑率（包括中間1h的午餐和休息時(shí)間）在50%～70%；

（2）運(yùn)輸量最大的為227，最小的為131，相差1.7倍；

（3）行駛里程最長(zhǎng)的為35.8km，最短的為4km，相差8.9倍。

這表明在目前的運(yùn)輸模式下，車輛的整體效率比較低，并且每輛車的工作負(fù)荷嚴(yán)重不均衡。此外，在運(yùn)輸過程中，每班次不同時(shí)段的工作負(fù)荷差別也比較大，常常會(huì)出現(xiàn)車輛在某一小段時(shí)間內(nèi)特別繁忙，而其他部分時(shí)間比較空閑的狀態(tài)。對(duì)于想實(shí)現(xiàn)智能物流的Y工廠來說，這種主要依靠員工之間的口頭或電話溝通進(jìn)行運(yùn)輸，較低的工作效率和信息的不透明化等，成為了亟需改善的問題。為此，針對(duì)園區(qū)運(yùn)輸?shù)默F(xiàn)狀以及訂單需求，從提高效率和優(yōu)化資源配置的角度，可以通過改變車輛調(diào)度方式，增減車輛數(shù)量和行駛路線等方式進(jìn)行優(yōu)化。

3 循環(huán)取貨模式下的園區(qū)運(yùn)輸優(yōu)化

3.1 園區(qū)循環(huán)取貨模式

循環(huán)取貨模式（Milk-Run）源于汽車制造商的零配件配送模式，可以通過不同的約束條件來進(jìn)行優(yōu)化[6]。針對(duì)目前Y工廠園區(qū)內(nèi)的運(yùn)輸情況，引進(jìn)循環(huán)取貨模式，使運(yùn)輸貨車沿著固定路徑按照發(fā)車時(shí)間往返運(yùn)行，依次在每一個(gè)廠房站點(diǎn)進(jìn)行卸貨和裝貨，如圖1所示。

圖1 園區(qū)物流循環(huán)取貨模式簡(jiǎn)圖

3.2 建模仿真目標(biāo)和評(píng)價(jià)指標(biāo)

建立新模型的目標(biāo)在于通過在園區(qū)運(yùn)輸中采用循環(huán)取貨的模式，確定具體的調(diào)配方案（包括所需貨車的數(shù)量，每班次的發(fā)車趟數(shù)以及不同貨車的發(fā)車時(shí)間間隔），使得園區(qū)跨期運(yùn)輸?shù)男矢撸杀靖汀?/p>

為此，設(shè)定以下3個(gè)評(píng)價(jià)指標(biāo)：

（1）貨車的空閑率=貨車停車休息的時(shí)間/一個(gè)班次的總時(shí)間；

（2）不同貨車運(yùn)輸量的偏差=（最大運(yùn)輸量-最小運(yùn)輸量）/貨車的平均運(yùn)輸量；

（3）運(yùn)輸任務(wù)完成率=已運(yùn)輸?shù)挠唵?一班次內(nèi)產(chǎn)生的總訂單數(shù)。

通過仿真找到一個(gè)合適的方案，使每輛貨車的空閑率能保持一定水平（25%左右），這樣司機(jī)的工作量既不會(huì)過重，貨車的利用率也比較高；每輛貨車的運(yùn)輸量大體相當(dāng)，盡量避免某輛車運(yùn)輸量很大，而某輛車的運(yùn)輸量很?。徊捎米钌贁?shù)量的貨車和最小的運(yùn)輸趟數(shù)，完成盡可能多的訂單運(yùn)輸任務(wù)。

另外，該模型需要確定以下三個(gè)獨(dú)立變量：

（1）車輛數(shù)—車輛數(shù)是首先需要設(shè)定的參數(shù)，決定了當(dāng)前模型是否優(yōu)于現(xiàn)狀；

（2）發(fā)車趟數(shù)—趟數(shù)的確定在一定程度上受車輛數(shù)的影響，決定了訂單運(yùn)輸任務(wù)的完成情況；

（3）發(fā)車間隔時(shí)間—合理的發(fā)車間隔可以最大限度地保證任務(wù)的均衡分配。

3.3 建立循環(huán)取貨仿真模型

根據(jù)上述的循環(huán)取貨模式，首先在Flexsim里搭建了運(yùn)輸車輛循環(huán)取貨的路線圖，如圖2所示，圖中的數(shù)字表示了不同的站點(diǎn)及其所在的位置。為了更清晰地表現(xiàn)該路徑，暫時(shí)隱藏了園區(qū)布局圖。在目前園區(qū)物流運(yùn)輸中，Y工廠用到了多種運(yùn)輸車輛，區(qū)分了不同的運(yùn)輸區(qū)域，而在循環(huán)取貨模式中，將采用統(tǒng)一的車輛以及調(diào)度方式，徹底地拉通整個(gè)園區(qū)物流流程，建立標(biāo)準(zhǔn)化管理?？紤]到園區(qū)現(xiàn)狀，在新的模式中，采用了貨車進(jìn)行運(yùn)輸。

圖2 循環(huán)取貨路徑和站點(diǎn)位置

為了提高運(yùn)輸效率和方便管理，將14個(gè)不同地方的廠房根據(jù)距離遠(yuǎn)近及產(chǎn)生的訂單數(shù)量進(jìn)行劃分，分為9個(gè)不同的站點(diǎn)，見表4。根據(jù)表1不同廠房托盤運(yùn)輸從至表數(shù)據(jù)，一個(gè)班次按照10h算，由于生產(chǎn)的連續(xù)性，可以認(rèn)為這些運(yùn)輸任務(wù)是按照一定的時(shí)間間隔產(chǎn)生，得出每個(gè)站點(diǎn)產(chǎn)生訂單的時(shí)間間隔，比如表4中的2 571表示平均每隔2 571s將有一個(gè)訂單從2號(hào)站點(diǎn)產(chǎn)生，該訂單要去往1號(hào)站點(diǎn)；表中的“null”表示兩個(gè)站點(diǎn)之間沒有訂單需要運(yùn)輸。該表格的時(shí)間間隔，將作為循環(huán)取貨模型中每個(gè)相應(yīng)發(fā)生器的輸入，采用正態(tài)分布作為隨機(jī)分布。

表4 循環(huán)取貨站點(diǎn)和發(fā)生器產(chǎn)生訂單的時(shí)間間隔

該模型中用到了Flexsim里的發(fā)生器（根據(jù)正態(tài)分布產(chǎn)生臨時(shí)實(shí)體）、暫存區(qū)（用于存放發(fā)生器產(chǎn)生的托盤，等待被運(yùn)輸）、處理器（將托盤移到卡車或者從卡車上卸載下來）、任務(wù)執(zhí)行器（作為貨車，將不同托盤移到相應(yīng)的目的地）、任務(wù)分配器（根據(jù)時(shí)間調(diào)度不同的貨車進(jìn)行運(yùn)輸）、網(wǎng)絡(luò)節(jié)點(diǎn)（設(shè)置貨車的行走路徑和方向）、吸收器（接收托盤，運(yùn)至產(chǎn)線），相關(guān)的重要參數(shù)設(shè)置見表5。

表5 園區(qū)跨期運(yùn)輸循環(huán)取貨模式重要參數(shù)列表

3.4 仿真運(yùn)行結(jié)果分析

通過設(shè)定不同數(shù)量的車輛和趟數(shù)可以初步計(jì)算出每輛貨車的空閑率，得到初步可行的參數(shù)配置。如表6所示，當(dāng)使用4輛貨車時(shí)，可行的最大趟數(shù)為9，當(dāng)超過9趟時(shí)，每輛貨車的一半左右時(shí)間處于行駛狀態(tài)，運(yùn)輸任務(wù)將無法完成；如果車輛的數(shù)量偏多，趟數(shù)太少，則每輛車的空閑率將太高，這樣通過計(jì)算可以縮小模型的參數(shù)選擇范圍，便于高效找到最優(yōu)的參數(shù)配置。

表6 不同參數(shù)組合下的車輛使用效率情況對(duì)比

根據(jù)數(shù)據(jù)輸入和上述表格的初步計(jì)算結(jié)果，模型從4輛車7趟開始進(jìn)行仿真，通過調(diào)整不同的發(fā)車時(shí)間間隔，使不同貨車運(yùn)輸量的最大偏差盡可能小，然后減少發(fā)車趟數(shù)。如圖3-圖6所示，分別設(shè)定4輛貨車跑6趟，5趟和4趟的情況，對(duì)比可以看到當(dāng)每輛每班跑4趟時(shí)，有一個(gè)暫存區(qū)的容量持續(xù)上升，說明當(dāng)前的參數(shù)組合無法全部完成任務(wù)。

設(shè)定每組參數(shù)組合下模型重復(fù)運(yùn)行30次后，將得到的統(tǒng)計(jì)數(shù)據(jù)整理成圖7所示的折線對(duì)比圖。其中實(shí)線表示所有暫存區(qū)積累托盤的最大值（左邊縱坐標(biāo)），虛線表示訂單完成的百分率（右邊縱坐標(biāo)），橫坐標(biāo)表示不同的參數(shù)組合方案，比如“4-7-21”表示4輛貨車進(jìn)行運(yùn)輸，每輛貨車跑7趟，同一起點(diǎn)處不同車輛的發(fā)車間隔時(shí)間為21min。從中可以看到在4輛車運(yùn)行的不同趟數(shù)中，當(dāng)減少到4趟時(shí)任務(wù)的完成率出現(xiàn)了很大程度的下降，并且暫存區(qū)的最大暫存量從16突增到77。4輛5趟的情況不僅能完成運(yùn)輸任務(wù)，并且能保證65%～75%的車輛利用率和較高的車輛效率，是4輛車中的最優(yōu)方案。

3輛車最多可行的運(yùn)行趟數(shù)是5趟，其空閑率為10%，而4輛車運(yùn)行的結(jié)果可以得到，它運(yùn)行的總趟數(shù)要大于16趟，而3輛5趟的總趟數(shù)是15趟，顯然3輛車不能完成運(yùn)輸任務(wù)。雖然5輛貨車可以完成任務(wù)，但是它的車輛使用數(shù)更多，車輛的運(yùn)行成本將變高；根據(jù)不同參數(shù)設(shè)定的綜合分析，可以得到4輛車跑5趟，2輛從始發(fā)站出發(fā)，2輛從終點(diǎn)站出發(fā)，不同車輛發(fā)車間隔時(shí)間為67min時(shí)的設(shè)定是最優(yōu)方案。

圖3 4輛7趟發(fā)車間隔21min時(shí)不同參數(shù)組合仿真結(jié)果

圖4 4輛6趟發(fā)車間隔54min時(shí)不同參數(shù)組合仿真結(jié)果

圖5 4輛5趟發(fā)車間隔67min時(shí)不同參數(shù)組合仿真結(jié)果

圖6 4輛4趟發(fā)車間隔91min時(shí)不同參數(shù)組合仿真結(jié)果

4 結(jié)論

本研究的特色在于將類似于公

圖7 不同趟數(shù)時(shí)的任務(wù)完成率和最大暫存量對(duì)比

交車運(yùn)行系統(tǒng)的循環(huán)取貨模式用于工廠園區(qū)物流運(yùn)輸中，并通過Flexsim建立了Y工廠當(dāng)前園區(qū)物流運(yùn)輸模型以及基于循環(huán)取貨的園區(qū)物流模型，對(duì)比前后的結(jié)果可以得到:

（1）采用循環(huán)取貨后使用的總車輛數(shù)從7輛變成了4輛，減少了近一半的數(shù)量，整體的車輛使用效率也從原來的不到50%提高到70%左右，極大地節(jié)約了運(yùn)行成本和工作效率，充分證明了這一方案的優(yōu)化性。

（2）新的模式減少了運(yùn)輸峰值，使園區(qū)運(yùn)輸車輛得到合理利用和分配，有助于員工管理并提高員工滿意度。

（3）傳統(tǒng)意義上的循環(huán)取貨模式多用于零配件配送，基于Flexsim的仿真可以發(fā)現(xiàn)，這樣的模式也可以用于園區(qū)物流運(yùn)輸中，為園區(qū)物流運(yùn)輸提供了方案借鑒。

[參考文獻(xiàn)]

[1]王友發(fā),周獻(xiàn)中.國(guó)內(nèi)外智能制造研究熱點(diǎn)與發(fā)展趨勢(shì)[J].中國(guó)科技論壇,2016，(4):154-160.

[2]張鵬.自動(dòng)化立體庫(kù)貨位分配與Flexsim仿真研究[D].長(zhǎng)春:吉林大學(xué),2017.

[3]張惠,李成松,李玉林,等.基于SLP法和Flexsim仿真的機(jī)加工車間設(shè)施布置優(yōu)化研究[J].現(xiàn)代制造工程,2016,(5):63-68.

[4]師瑋謙.基于Flexsim的J公司生產(chǎn)物流仿真研究[D].廈門:廈門大學(xué),2014.

[5]徐曉昱.基于Flexsim的城市公交系統(tǒng)仿真[D].沈陽(yáng):東北大學(xué),2014.

[6]裴志超.帶時(shí)間窗和庫(kù)存約束的汽車零部件循環(huán)取貨路徑優(yōu)化研究[D].長(zhǎng)春:吉林大學(xué),2014.