基于Anylogic的配送中心存儲策略仿真研究

陳瑩瑩

(華北電力大學 北京 102206)

引言

隨著經濟全球化以及互聯網技術的快速發展，每日產生數以千萬計的快遞商品使得電子商務呈爆發式的增長，直接推動了整個物流行業的發展?，F代物流的發展趨勢呈現出全球化、多功能化、系統化、信息化和標準化的特征，其中信息化是現代物流的核心?，F代物流將貨物進行運輸、存儲、裝卸搬運和包裝以及充分利用現代信息技術形成一種集成式管理,有利于降低物流成本、減少轉運周期、為顧客提供好的服務。

配送中心是將運輸、倉儲、裝卸、搬運、配送、流通加工和信息服務等物流各環節進行有效銜接的重要節點，是從事物流活動的場所或組織，是物流產業的載體[1]。配送中心不僅是物流行業非常重要的一環，同時也是成本投入最多的環節。根據調查顯示，在配送中心，訂單揀貨過程的勞動量占到了配送中心作業量的60%，占到了倉庫運營成本的50%-75%[2]。

由此可見，采取科學高效的存儲策略和路徑策略，就可以在很大的程度上降低企業在配送中心環節的成本，提高企業的收益，使得物流管理變得更加透明化和精細化，有利于整個物流行業在市場環境下愈加現代化和規范化。

本文通過運用Anylogic仿真技術建立立體倉庫，附加邊際條件，通過每日訂單情況，確定每種物品的補貨數量，通過研究配送中心的不同存儲策略，用相對最優的方法確保存貨滿足需要，保證合理的庫存量，降低庫存成本，防止延遲和缺貨。旨在為企業提供科學的存儲管理方案。

一、相關理論

(一)配送中心存儲策略

配送中心作為現代物流系統的重要組成部分，將物流各環節進行有效銜接，先進的存儲策略與庫存管理可促使貨物流轉變得更加高效，提高物流調節水平。

倉儲作為供應者與需求者之間的重要紐帶，是企業能夠實現高效供應鏈管理水平的一個重要組成部分，在整個企業的供應鏈系統中起著調節和平衡的作用[12]。倉儲作為現代物流系統的關鍵環節，它在整個系統中起著承上啟下的作用,如何合理的選擇倉儲策略，對于提高配送中心倉儲效率以及減少配送中心的運營成本就顯得尤為重要。良好的存儲策略可以合理的分配存貨單元存儲位置，減少出人庫移動的距離、縮短作業時間，甚至能夠充分利用儲存空間。存儲策略主要有以下幾種:隨機存儲、定位存儲、分類存儲。其中ABC 分類法是常用分類存儲法。ABC 分類法是18世紀意大利經濟學家威利弗雷德·帕雷特提出的，又叫做帕累托分析法，其主要內容是將存儲的庫存物品按照重要程度分為 A 類商品、B 類商品、C 類商品。以此來進行分類排隊進而分清主次，從而區別管理方式的一種分析方法。一般情況下，運用 ABC 分類管理都是以資金占用率為劃分依據確定 A類、B類、C類商品。

配送中心庫存管理的策略有很多，補貨系統訂貨點法最基本的策略有4種：①連續性檢查的固定訂貨量、固定訂貨點策略，即(Q,R)策略；②連續性檢查的固定訂貨點、最大庫存策略，即(R,S)策略；③周期性檢查策略，即(T,S)策略；④綜合庫存策略，即(T,R,S)策略。

(二)Anylogic仿真

系統仿真是指利用計算機仿真軟件建立并運行一些經過調查研究后實際存在或規劃未建系統的仿真模型，通過對仿真過程的觀察及運行結果的分析，達到對真實系統內的指標進行分析的目的。系統仿真作為有效的系統分析工具，它以建模理論、計算方法、評估理論為基礎；以計算機技術、網絡技術、圖形圖像技術、多媒體技術、軟件工程、信息處理、自動控制及系統工程等相關技術為支撐。

AnyLogic流程建模庫是離散事件的標準庫,是以流程為中心的建模。近年來在物流、供應鏈、行人疏散、應急管理、業務流程、Petri網、經濟學、GIS信息等應用領域廣泛，通過虛擬環境，設計離散、連續和混合行為的復雜系統，其擁有流程建模庫、行人庫、道路交通庫、軌道庫、流體庫和物料處理庫[6]。該軟件可以使用“拖-拉式”建模，這種建模方式形象直觀，對于流程的更改方式能夠做到便捷的調整。其建模技術以UML-RT為基礎，可封裝其他對象，可以通過構建相關的模塊形象直觀地去模擬現實中的各種事物，并通過編寫Java代碼定義變量，實現建模仿真的目的。

二、配送中心仿真模型的實現

本文仿真以某公司的實際數據為案例，根據客戶的訂單數據以及每種貨物的庫存數據為建模依據。

假設有8種商品，編號為0-7，日需求量分別為：d0=179，d1=255，d2=274，d3=219，d4=218，d5=148，d6=148，d7=120，單價分別為：p0=399,p1=400,p2=700,p3=899,p4=599,p5=699,p6=288,p7=1099客戶每天下達訂單次數為9，每周訂單次數為63，訂貨提前期為2天，每次訂貨成本為240元，每個商品的日保管費用為10元。根據每種商品的日需求量情況按照正態分布條件將每種商品的日需求量分派到每日訂單中。

(一)數據庫設計

基于訂單信息需求分析，本文采用 E-R 圖建立Access數據庫E-R模型。E-R圖也稱之為實體-聯系圖(Entity Relationship Diagram)，它采用結構圖的方式來表示實體、屬性和聯系,清晰直觀的描述了現實世界的概念性模型。E-R模型中每個實體都需轉換成表,屬性轉換成列或字段。在本數據庫中共有兩個表單，分別為訂單明細表和補貨表。

根據分析繪制數據庫系統的E-R圖,訂單明細是訂單和商品類型實體之間的聯系，聯系中需要記錄訂單編號，商品編號和數量。訂單信息實體E-R關系圖如圖1所示。補貨信息包含商品ID，補貨數量，補貨周期，安全庫存。補貨信息實體E-R關系圖如圖2所示。

圖1 訂單信息實體E-R關系圖

圖2 補貨信息實體E-R關系圖

(二)仿真模型設計與實現

1.倉庫布局

(1)托盤貨架擺放

規定倉庫內共存儲8種商品，每種商品占用兩排貨架，在rackSystem中設置托盤貨架的順序，typeID(0-7)分別分放兩排貨架，共16排貨架，typeID的0分貨架11和12，依次類推。兩貨架設置通道，每個貨架寬為10米，高為14米，一共五層，每個位置只能放一個商品。

(2)揀貨路線的規劃

叉車揀貨是在倉庫中進行的，在倉庫中四通八達，無論是貨架中間還是倉庫四周，叉車都可以根據規定路線進行揀貨行走。

2.智能體的創建

在Anylogic中創建智能體，并為智能體添加參數并設置類型。

(1)創建訂單智能體Order和智能體群orders；添加的參數為：capacities、id、dateoforder,其分別代表的含義為：訂單里面每種商品的數量、訂單的ID、訂貨的日期。

(2)創建訂單明細智能體OD和訂單明細智能體群ODs。添加的參數為：orderID、typeID、amount；其分別代表的含義為：訂單的ID、貨物的ID、訂貨的數量。

(3)創建商品智能體Type和商品智能體群types并在商品智能體中添加屬性、事件和動態事件。

①QR補貨策略的商品智能體屬性的設置。添加的參數為：typeID、amount、s、palletRacks；其分別代表的含義為：貨物的ID、庫存最大數量、安全庫存、托盤。

②QT補貨策略的商品智能體屬性的設置。添加的參數為：typeID、amount、period、palletRacks；其分別代表的含義為：貨物的ID、補貨數量、補貨的周期、托盤。

3.數據導入

在主類上添加數據庫控件database，將該控件與數據庫(oderInformation)連接。訂單明細數據與庫存策略數據的導入與存儲均需添加查詢query并進行相應設置，連接數據庫中的表單orderdetails與表單QT。

4.訂單的生成和揀選

在訂單智能體中創建event事件和動態事件My_DynamicEvent。event事件在初始化后一段時間后觸發，觸發后的行為是在訂單的dataoforder設定的時間啟動訂單揀選。

5.缺貨訂單的處理

若發生缺貨情況，需將被退回的訂單進行相應整合，在面板中添加集合并做相應設置。

為了更好的觀察缺貨情況，在仿真模型中增加了柱形圖與餅狀圖對8種商品的庫存情況及缺貨情況進行觀察和統計。

三、補貨策略

當叉車接到揀選訂單的指令時，按訂單順序從最近的貨架開始揀選物品，如若訂單增加，此時其他叉車共同進行訂單揀選，按照訂單的編號順序進行防止遺漏。當貨架上商品缺失時，則不再揀選需要此商品的訂單，叉車返去直到該商品有存貨時再次開始進行揀選任務。

(一)QR補貨策略

每間隔一定的時間T檢查一次庫存情況，若庫存量降至訂貨點R時，發出一次訂貨，每次訂貨量不變均為Q。再訂貨點值為安全庫存s。訂單發生模式為循環，每天0點進行訂單揀選。揀貨后貨物數量減少，此時若倉庫中的貨物數量低于s時，就會進行自動補貨，補貨數量是根據數據庫中QT的amount 進行補貨的。

(二)QT補貨策略結果

圖3所示的是QT補貨策略的補貨結果，運行后倉庫會按照設定的補貨間隔時間進行每種貨物的補貨，補貨數量是Q。QT補貨策略的揀貨結果與QR策略的揀貨結果相同，因為提取的訂單相同。

圖3 QT補貨場景

(三)statistics的結果

餅狀圖中所顯示的是運行后訂單的揀貨情況。Queue是在排隊中的訂單數量，此時排隊訂單數為87；Wait assembling是等待揀貨的訂單，此時數量為0；Assemling是揀貨結束的訂單數量，此時數量為13。訂單詳情如圖4所示。

圖4 訂單詳情圖

柱形圖所顯示的是運行后庫存情況，8種貨物用不同顏色標注，每種貨物的庫存情況如圖5所示。

圖5 庫存詳情

柱形圖所顯示的是運行后訂單中的缺貨情況，可根據對應所缺少的商品進行相應補貨請求。缺貨詳情如圖6所示。

圖6 缺貨詳情

通過statistics的運行結果，可觀察到8種商品所需要的數量各有差異，若用相同的存儲策略就會出現缺貨或商品補貨導致貨架容量超負荷的問題，因此，應對每種貨物進行分類，對于不同的商品應選用不同的補貨策略。本文僅截取了某個時刻的運行結果，再此不能完整的展現整個運行效果。后期可通過場景需求修正模型的設置情況，從而更好地調整與優化模型。

四、結論

本文從配送中心貨物的存儲策略角度出發，從建立數據庫與倉庫模型兩方面實現基于Anylogic的配送中心存儲策略仿真研究。實現了QR與QT兩種補貨策略的模型創建并成功運行。研究表明應用Anglogic仿真進行存儲策略具有其可行性,動態仿真有利于補貨策略的選取。通過對運行結果的觀察進行系統的優化，最終可實現對成本的控制。此外，模型在設計過程中還存在很多不足,在應用的過程可考慮實現更多的功能并進行完善。(1)在仿真模型中添加補貨口并由卡車運送貨物(2)由于每種商品的訂貨量不一樣，為了節約倉庫的空間即成本，可將貨物的擺放盡量緊密一些，需求高的貨物可設計三或四排貨架，需求低的貨物可減半。這部分功能可在rackSystem和createTypes函數中進行設置。