基于仿真的物流分拣系统优化研究

基于仿真的物流分拣系统优化研究

一、高效响应高分拣作业流程不规范。在快速2013年8月，淮安支线交付中心建成并投入使用。目前运营系统可以满足日常快递业务,但若遇特殊物流时期,系统运营能力明显不足,例如,在“双十一网络购物狂欢节”,会出现爆仓现象,增加仓库压力,导致分拣作业系统存在在较大压力,因此对分拣作业流程进行优化,对于满足客户需求,缓解爆仓期仓库压力来说意义重大。关于流程优化,可以使用传统的工业工程方法,例如,可以通过工作研究的方法减少无效工作,提高流程效率,也可以先对流程进行分析,找出存在问题,提出优化方案,还可以先对业务流程进行分析,提出新的业务流程,通过对比新旧流程以评估新流程的有效性。随着计算机的普及,仿真技术在业务流程优化中的应用越来越广泛。早在上个世纪90年代,ChiumMingLiu就已经将Witness仿真软件应用到拣选系统中,用以提高物流效率。Chin.Chia.二、分段系统的建模和模拟(一)基于flussim的多源异构信息改进方法圆通速递淮安转运中心的分拣作业流程主要包括以下环节:包裹到达→包裹进入待分拣区→进行分拣→包裹进入配送区→扫码后装车→发货。这里提出三点假设:1.各个环节之间的衔接是十分紧密,不发生时间消耗。3.用Flexsim中离散实体的操作员和机器人分别来表示人工作业环境与智能分拣作业环境,操作员代表的是一个工作组,组内会有很多分拣员。通过改变处理器的一些参数的设置,包括处理器的最大容量以及处理器的加工时间等,来调整处理器的加工效率,同时也可以区分人工分拣作业和智能分拣作业。4.在仿真过程中,仿真系统的各种实体要素以及距离会按照一定的比列进行调整,以保证仿真运行之后得到的结果和实际的相差并不是很大。(二)分拣作业仿真在仿真实验中,各个系统要素与模型要素的对应关系表如下表1所示。flexsim没有单位,规定其中时间1代表一小时,其他单位则保持默认。数据是30天之内的包裹数据,即720个小时。在人工分拣条件下,分别将发生器,三个暂存区,四台处理器,四个操作员,两条传送带以及两个吸收器拖入窗口中,然后将它们按照转运中心的分拣流程依次连接起来。包裹到达这一要素按照不同情况产生不同数量的包裹,之后抵达待分拣区,等待人工拣选作业,经过分拣之后的包裹经传送带传送到待发货区,然后再经过人工扫码装车,之后发货。分拣作业仿真如图1所示。在模型中,通过对发生器参数的设定和修改来表示包裹到达的时间和数量,也就是说通过修改发生器的参数,来模拟现实过程中正常状态下和爆仓状态下的包裹到达。首先将发生器命名为包裹到达,以此来表示包裹的到达,之后在发生器的对话框里将到达方式改为到达时间表,到达次数设定为30次,表示30天内的包裹到达,刷新到达后,在两次的仿真过程中根据具体的实验要求,分别到达时间和数量这两列的数值。依照实际情况,将带分拣区的最大容量设置为1000,待分拣区表示包裹到达之后进入待分拣区,之后会由分拣设备进行分拣。在有人工参与的半自动化环境下,处理器需要调整的参数包裹分拣设备的最大容量参数和设备的工作时间参数,其中,约定人工参与作业环境下的最大容量为1,加工时间为0.1小时,即工作组分拣一百个包裹需要的时间是0.1小时。约定传送带的速度是300米/小时(现实生活中的传送带速度肯定是大于300米/小时,虽然数值与实际中差别比较大,但只这样设置是经过不断尝试得到的一个可以有更强表现力的参数,传送带的最大容量为20,间隔值为1。待发货区的参数设置大体和待分拣区的设置相同,其最大容量为1000,其中外围待发货区和内围待发货区的设置相同。采用处理器和操作人员相结合表示装车扫码,加工时间为0.1。(三)模拟结果1.运任务的测定在纯人工作业的条件下,包裹的分拣效率较低。正常情况下,分拣中心每天的包裹量都是稳定的,而且基本上每天都能完成当天的分拣转运任务,即每天的到达转运中心的包裹数量和离开转运中心的包裹数量大体是一致的。由于计时是从0开始的,第一天的arrivaltime为0,第二天的arrivaltime为24,以此类推第三十天的arrivaltime为696,由饼状图可以看出,包裹到达时,generating为100%,与之相对的的blocked则为0%,因此正常状态下包裹到达是不会发生堵塞的。2.分拣区分拣时分拣效率低模拟人工条件下爆仓时的作业系统仿真,发现运行时间为895.367小时,比在正常转态下的多了175个小时的工作时间。爆仓状态下发生器(包裹到达)出现了包裹的积压,由于待分拣区的最大容量为1000,较短时间内包裹到达之后,人工分拣的工作效率低于包裹到达的速率。导致待分拣区包裹数量的逐渐增加,当包裹数量达到1000时,就会造成发生器(包裹到达)的堵塞,这种情况下,发生器有64.2%的时间都是出于blocked的状态。包裹到达这一环节出于工作时的状态占总时间的31.4%,处于堵塞状态的则为68.6%,与正常状态相比,堵塞率大大提高。三、系统完善(一)基于机器人的智能分拣系统第一次优化通过降低系统的堵塞率,提高作业系统的分拣效率。为了降低堵塞率,通过使用智能分拣设备取代人工分拣,即将图2-1中的“操作员”改为“机器人”,设智能分拣设备的加工时间为0.01小时(工作效率是人工分拣状态下的10倍),修改参数后得到的结果如表2所示。可以看出,虽然分拣效率明显提升,但是分拣作业系统是一个完整的系统,只单独地改进某一方面不能满足系统优化的要求。例如,人工装车扫码效率太低直接导致分拣设备堵塞率较高。为此,可以通过采用相应措施来提高扫码设备的扫码效率。(二)算法运行结果提高码效率具体有以下四种方法:(1)提高扫码人员的熟练度;(2)增加扫码作业人数;(3)提高扫码人员作业熟练度和增加扫码作业人数相结合;(4)采用智能设备代替人工扫码。对于方法(1),装车扫码处理器的加工时间设置为0.05(是最开始人工扫码时工作效率的2倍)。对于方法(2),扫码设备的处理器加工时间设置为0.033(是原来初始人工扫码时的3倍)。对于方法(3),扫码设备的处理器加工时间设置为0.02(是原来初始人工扫码时的5倍)。对于方法(4),仿真系统中扫码设备处理器的加工时间为0.01。依次运行上述情况下的仿真系统,主要得到如下结果:随着相应扫码效率的提升,各方案的空闲率分别为36.7%、60.5%、76.8%、100%,其空闲率正在不断上升;扫码设备的加工时间占比分别为:61.9%、41.7%、25.3%、12.7%。使用方法(1)、(2)、(4)均可有效改善系统,但是成本较高,