某电子元器件分销配送中心货位优化探究

1、某电子元器件分销配送中心货位优化探究摘要：文章根据电子元器件分销商区域配送中心 的特点，提出运用贪婪算法对其货物在货位储放上进行优 化，并运用实例证明优化后的储位分配方法可以以缩短拣货 人员在货物拣取时的行走距离和作业时间，以提高配送中心 的作业效率。关键词：电子元件分销；配送中心；储位优化；贪婪算 法；存储时间周转率中图分类号：f253. 4文献标识码：a文章编号： 1006-8937 (2013) 09-0006-04在配送中心中，拣货作业是所占成本最密集的作业，拣 货成本差不多要占到总成本的60%以上，而其中储位分配问 题是影响储区拣货作业效率的一项重要因素。科学的储位分 配策略能大大提

2、高货物的入库和拣出效率，提高空间的利用 率，减少拣货作业人员和拣取设备无用消耗，减少等待闲置 时间，对缩短订单履行时间，减少货物搬运和存储成本，降 低货物在搬运和存储过程中的损耗，对提高物流系统收益具 有重要的意义。本文对一电子元件分销商在华东地区的配送中心的储 位进行优化，以低成本、最便利的算法实现储位分配的优化, 从而缩短拣货人员拣货时的行走距离和作业时间，以达到提 高拣货人的作业效率的目的。1配送中心现状随着电子业的飞速发展，元件分销商在整个供应链中担 负起了更重大的作用，可以帮助生产商减轻了库存积压的风 险，降低了资金的占有率。但随着电子行业竞争的白热化， 透明低利的也同样给分销商带来

3、巨大的挑战，不断降低成本 和提高配送中心的作业效率就变成了分销商最基本的生存 法则。1.1配送中心现状本文讨论的配送中心是一跨国电子元件分销商位于华 东地区的二级配送中心，其辐射范围相对较小，整体出货量 正呈稳步增长趋势，但是由于电子元件包装不统一，拣货又 都以单品拣取为主等特点，仓库仍全部实行人工拣取，机械 化程度极低。仓库采用wes库存系统，但未加载任何储位优 化模块，货物分配方式采用人工就近存放。1.2现存的主要问题人工拣货，机械化程度低，库位存放以人工随机存放为 主，直接的后果就是库房拣货效率低下，储位分配不合理， 整体的运作成本居高不下。高成本低效率的运作将配送中心 带入一恶性循环中

4、。而在低成本的前提下，尽快提升拣货作 业的效率视作配送中心的当务之急。而本文试图通过优化储 位分配，来缩短拣货人员的行走距离，以及加快拣取的速度 提高拣取的效率。2优化算法的选择储位分配的算法大多由启发示算法演变而来，如贪婪算 法、遗传算法、褪火算法、蚁群算法、人工神经网络，他们各有其特点和适用环境。其中贪婪算法是一种典型的启发式 算法，一步步进行，通常以当前情况为基础根据某特定的规 则作最优选择，而不考虑各种可能的整体情况。其最大的特 点就是快速便捷，一般可以快速得到较为满意的解，因为它 省去了为找最优解要穷尽所有可能而必须耗费的大量时间。由于此配送中心还处于起步阶段，其作业模式，运作效率都

5、比较初级原始，但低效率运作带来的高成本又阻碍了企 业对配送中心软硬件设备的进一步的投入。所以低成本，快 速地将配送中心的作业效率提上一新的台阶是本文所需要 解决的主要任务，而贪婪算法无疑最适宜的算法之一。虽然 贪婪算法不能保证得到的优化结果为最优解，但是由于配送 中心现用的储位管理模式比较简单，有着很大的提升空间； 而资源方面又极为欠缺，没有大量的人力、物力和时间被占 用于对于最优解的获取上，而贪婪算法简单快速的特点至少 可以解决配送中心这个问题，在不增加过多额外成本的同 时，以一个接近最优的解来大大提升配送中心的作业效率。3优化模型式（1）中，拣货人员的总作业时间即拣货人员出发到 达库行的时

6、间t'和在库位上作业时间t之和。在库位上的 作业时间由拣取订单的数量和拣取货物的数量所决定，当订 单和拣取数量一旦确定，这部分时间也就确定，所以本次优 化不考虑这部分的作业时间。只对拣货人员到达储位的时间 作出考虑。式（2）中，拣货人员到达储位的时间由水平移动到库 位的时间th和垂直移动到库位的时间ti共同组成。式（3）中，拣货人员在水平方向的移动时间由其在水 平方向的移动距离s和其移动速度v决定，如设其移动速度 恒定，则水平移动距离决定拣货人员的移动时间。而水平移 动距离又由拣货人员去某储位的次数与储位到出口距离所 决定。如果行走距离最短的货位拣货人员拣取时去的次数最 多，行走距离较

7、短的货位拣货人员去的次数在能够保证行走 距离最短的存位拣货人员去的次数最高的前提下达到最高， 并以此类推，就得到了最优的一种分配方案。拣货人员去储位拣取货物的次数由两个因素决定，一即 是存放在此货位的货物的拣取频率，即在某一个时间段时被 拣取的次数，出货的频率越高，拣货人员去此货位上拣取此 货物的次数越多。二即是存放存储时间短的货物，使货位即 快腾空，让出空间存放新的货物，让库位充分被使用，以加 大拣货人员去此货位拣取货物的概率。为了将这两个不同的因素统一成可衡量比较的数值，本 文采用了存储时间周转率比这一新指标。存储时间即指某个 货位被某个货物占用了开始计算，直至此货位腾空，可以再 次存放入

8、新货物为止这段时间我们认为是此货物在此货位 的储存时间。而在这段时间内的此货物被拣取的次数，就被 称为存储时间周转率。存储时间周转率比越高说明此货物存 放在此库位时被拣取的次数越多，拣货人员需去此库位的概 率也越多，此类货物就应该放在距离近的货位上；相反存储 时间周转率比低的货物指存放去库位后被拣取的次数也较 少。存储时间周转率同时考虑了货物的存放时间和周转率的 因素，避免了如果只考虑存放时间或者周转率进行库位优化 时的片面性。4贪婪算法的建立4. 1建立贪婪法则 将所有储位按行走时间进行非降序排列，形成储位集 合u。 将所有的货物按存储时间周转率比进行非升序排列， 形成货物集合so如果存储时

9、间周转率比一样时，按货物入 库时间先后进行排序，先到的排序在前，后到排序在后。 将货物集合s中的货物按照己排好的顺序，逐次储放去储 位集合u中行走时间短的空储位。以下为该贪婪算法的一个例子，设货物集合s中有6个 需要储存的货物，即：s=s1, s2, s3, s4, s5, s6,为了 建立模型的方便，将整个规划时期离散化为t个时间段，并 假设货物只在时间段的交接点上改变存放状态，如在ti时 间段上存放，即用1表示，如不存放此分配方案下，拣货人 员到达储位u1拣取货物的次数为si, s2, s6的拣货次数之 和为12, u2储位的拣货次数为s3的拣货次数4, u3储位的 拣货次数为s5的拣货次

10、数2次，u4储位被拣货人员拣取的 次数为货物s4的拣货次数2次，可见行走时间最短的储位 u1的被拣取的次数最高，而储位u2被拣取的次数在保证u1 的拣取次数最高后，也达到最高，其余储位依次类推。如果 设总行走时间为t,每个储位被拣取的总次数为xi,每个储 位的行走时间为ti ,则此方案的总行走时间为： zt= zxi11=12x1+4x2+2x3+2x4=34,单程的行走时间为 1.7。4.2数据的提取要实现此贪婪算法，需要能够快速方便地获取物料到达 或将要到达的时间，预计出货时间，和在此段存放时间内会 被拣取的次数这些数据。电子分销商特有的采购方式和物料 管理系统的应用，保证了这些数据方便快

11、速的预测和采集。4. 2. 1储位排序贪婪算法要求对仓库内的所有储位按行走时间进行非 降序排列。现设拣货人员的移动速度恒定不变，则拣货人员 到达储位的行走时间即由其到库位的行走距离所决定。拣货 人员到达储位的行走距离可以简单地分为水平移动距离和 垂直移动距离。垂直移动距离。因为研究对象是以人力拣货为主，一 般不会选用过高的货架。在日常操作中，对以就近存储为存 放原则的仓库发现，如果货物体积不大，重量不重的情况下, 拣货人员往往更愿意将货物放在位于近自己腰部的库位，在 这部分储位作业速度最快，这部分库位往往被称为“黄金储 位”。相比需要借助外界工具，如梯子，作业台车才能到达 的库位相比，作业人员

12、次倾向于低于自己腰部位置，作业时 需蹲下的库位。虽然这些库位作业方便性，作业速度等不及 “黄金储位”，但由于货位位置往往处于货架低位，更适合 某些体积大重量重的货物的操作，所以从作业难度来说仅次 于“黄金储位”，称为“低层储位”。而高于作业人员徒手 作业范围的货位，称为“高层储位”由于需要借助外界工具 才能到达，作业时间长，作业方便性最差，如存放体积大重 量重的货物作业难度更是加大不少，所以最不被作业人员所 青睐。拣货人在垂直方向上的移动时间主要还是由于储位的高低决定的，所以在研究拣货人员在垂直方向上的移动时间 时，仍以其在垂直方向的移动距离来判断，本文采用了垂直 绝对距离值来表述拣货人员在距

13、“黄金储位”作为原点而 作出移动到达储位的距离。如果拣货人员在“黄金储位”拣 取货物时，被认为在垂直方向上没有作出移动的话，移动距 离为0；那么拣货人员去“底层储位” b层拣取货物时，即 移动了 h/6,去a层拣取货物时即移动了 h/3；而拣货人员 去往“高层储位”拣取时，虽然从垂直绝对值上看，拣货人 员到达e层，移动距离也是h/6,到过f层，移动距离也为 h/3,但是在实际作业中，由于需要借助外界登高工具辅助 才能到达，所以其到达时间要比去往“底层储位”时间长一 倍，所以“高层储位”的绝对移动距离为“底层储位”的一 倍。如果设货架总高度上h,平均分为n层，“黄金储位”的高度为h',则

14、储位i相对于“黄金储位的”绝对距离如下:水平移动距离。本文为了研究的方便和直接，直接采用了配送中心现在所用的货架布局进行研究，配送中心采用 轻型货架背靠背摆放，出入口位于第一排货架的右下方，具 体布局如图1所示。设货架间的列间距为f,行间距为k,货架长度为l,宽 度为w,高度为h,单排货架又分为6横层，6纵列。设个储 位的编码为abed来表示，其中a为储位所在货架的列数，b 为储位所在货架的行数，c为此储位所在的货架上的列数，d 为此储位所在的货架上的行数，如第一排货架右起第一列的 储位自上而上分别是111a, 111b, 111c, 111d, 111e和llllfo通过储位的编码，拣货人员

15、到过此储位的总移动距离可 由下式表示为:4. 2.2货物存储时间周转率比除去储位的排序，贪婪算法中另一重要的数据即是货物 的存储时间周转率比。一个货物的存放时间周转率比实际是 由货物入库时间或预测入库时间，预计出库时间和在整批货 物在全部出库前会被拣取的次数来决定的，而这些数据预测 的准确性直接关系到此贪婪算法对储位分配的最终结果。本文的研究对象是一电子元件分销配送中心，电子元件 分销商独有的采购模式为这些数据的采集、预测提供了很大 的便利。电子元件分销商的采购模式一般分为如下两种：按需采购。即按照下游客人对于物料的需求，为其采 购其所需的物料及所需数量的采购模式。随着分销商越来越 多的参与下

16、游客户的物料管理，与客户的物料需求系统如 mrp、vmi等直接对接，第一时间掌握客户在一定时间内对物 料的需求而进行准备。但无论是哪种方式或者技术，这一类 都可被视作为按需采购。在电子元件行业，为了方便分销商和下游客计算物料的 生产时间和交货时间各大生产厂商都会给出自己物料的生 产周期，一般以“周”为计算单位。所以当分销商接到下游 客人的物料需求后，即可马上下单给原厂，并且根据其给出 的交货周期，即可算出此批货物预计的到库时间。而客人对 于物料的需求时间就可作为此物料预计的出货时间。而此货 物在库期间被拣取的次数拣由相应的订单数所决定。本文算 法所需要的存储周转率也就能顺利地得到。批量采购。除

17、了需求采购外，分销商也需要对很多常 用物料进行批量采购，以应对多种原因造成的供方或需方市 场波动过大时，造成的供货不足。现货供应能力依然是电子 元件供应商的竞争力的表现之一。流通率高，使用范围广， 需求客户多，用量大的常规物料，分销商往往会根据客户用 量及专业经验，确认安全库量，当物料在库库存低于此安全 库存量即会下单进行批量采购。对于批量采购的物料，各大电子分销商都往往会基于对历史订单的分析，继而 应用预测算法进行预测，从而下单采购。iq分析法是现在最 常用的对历史订单进行分析的方法这一，主要利用“e”、“i”、“q”这三个关键要素来分析物料的订购特性。本文研究对象的电子分销中心通过对物料过

18、往出货记 录的eiq分析后，对某个物料后可以得到如下几项重要数据: 一定时期内采购此物料的不同客户数；一定时期内此物料的 出货次数；此物料单次出货的平均数量；此物料出货的频率。利用这些物料出库的历史数据，再利用上短期预测的方 法，如简单的移动平均法即可得出本文贪婪算法所需要的数 据。下式为简单的移动平均法的数学模型。过试算求得。通过运用简单的移动平均法对eiq分析得来物料的存放 特性，出货特性的预测，共同预测贪婪算法所需的货物存储 时间和其间的出货次数。物料某一客户单次出货的平均数与 一定时间内的平均出货次数，即可得知此客户在单位时间内 对此物料的平均使用量。现在采购入库的物料的量能供给多 少

19、客户多长时间的用量也就可以得之，而拣货次数即客户数 和此客户在一定时间内的订单数的乘积。如某一物料共有三家客户共同订购，每个客户的月平均 用量如表4所示。现此货物到达货550 000件，约是此三家客户近三个月 的用量，所以当此批货物到达仓库时，即可得知存放时间约 为3个月，其间的拣货次数大概会被拣取45次，而其储存 时间周转率比也很相应地得到为0.5o5优化结果本节将选取仓库中实际到达出货的113个物料运用贪婪 算法对其进行库位分配的仿真，并且与仓库现使用的就近储 存的方法进行比较。 表5为部分本次研究抽取的113个存货产品的预计或 实际进出库时间，及在此段存放时间内的被拣取的次数等数 据。 最优存放结果。根据己经设定的贪婪法则，即将货物 的存放时间周转率比最大的货物尽量放在行走距离最小的 库位上，存放时间周转率次大的货物放在行走距离次小的库 位上，并以此类推将对所有货物进行库位分配。这样即达到 对行走距离小的货的库位的充分使用，从而降低拣货人员的 行走距离的目的。表6即部分货库经贪婪算法被分配的存放库位。如表7所示，经贪婪算法对选取的113个货物进行库位分配后，存货时拣货人员的行走路径之和是444