基于Anylogic的配送中心存储策略仿真研究

陈莹莹

(华北电力大学 北京 102206)

引言

随着经济全球化以及互联网技术的快速发展，每日产生数以千万计的快递商品使得电子商务呈爆发式的增长，直接推动了整个物流行业的发展。现代物流的发展趋势呈现出全球化、多功能化、系统化、信息化和标准化的特征，其中信息化是现代物流的核心。现代物流将货物进行运输、存储、装卸搬运和包装以及充分利用现代信息技术形成一种集成式管理,有利于降低物流成本、减少转运周期、为顾客提供好的服务。

配送中心是将运输、仓储、装卸、搬运、配送、流通加工和信息服务等物流各环节进行有效衔接的重要节点，是从事物流活动的场所或组织，是物流产业的载体[1]。配送中心不仅是物流行业非常重要的一环，同时也是成本投入最多的环节。根据调查显示，在配送中心，订单拣货过程的劳动量占到了配送中心作业量的60%，占到了仓库运营成本的50%-75%[2]。

由此可见，采取科学高效的存储策略和路径策略，就可以在很大的程度上降低企业在配送中心环节的成本，提高企业的收益，使得物流管理变得更加透明化和精细化，有利于整个物流行业在市场环境下愈加现代化和规范化。

本文通过运用Anylogic仿真技术建立立体仓库，附加边际条件，通过每日订单情况，确定每种物品的补货数量，通过研究配送中心的不同存储策略，用相对最优的方法确保存货满足需要，保证合理的库存量，降低库存成本，防止延迟和缺货。旨在为企业提供科学的存储管理方案。

一、相关理论

(一)配送中心存储策略

配送中心作为现代物流系统的重要组成部分，将物流各环节进行有效衔接，先进的存储策略与库存管理可促使货物流转变得更加高效，提高物流调节水平。

仓储作为供应者与需求者之间的重要纽带，是企业能够实现高效供应链管理水平的一个重要组成部分，在整个企业的供应链系统中起着调节和平衡的作用[12]。仓储作为现代物流系统的关键环节，它在整个系统中起着承上启下的作用,如何合理的选择仓储策略，对于提高配送中心仓储效率以及减少配送中心的运营成本就显得尤为重要。良好的存储策略可以合理的分配存货单元存储位置，减少出人库移动的距离、缩短作业时间，甚至能够充分利用储存空间。存储策略主要有以下几种:随机存储、定位存储、分类存储。其中ABC 分类法是常用分类存储法。ABC 分类法是18世纪意大利经济学家威利弗雷德·帕雷特提出的，又叫做帕累托分析法，其主要内容是将存储的库存物品按照重要程度分为 A 类商品、B 类商品、C 类商品。以此来进行分类排队进而分清主次，从而区别管理方式的一种分析方法。一般情况下，运用 ABC 分类管理都是以资金占用率为划分依据确定 A类、B类、C类商品。

配送中心库存管理的策略有很多，补货系统订货点法最基本的策略有4种：①连续性检查的固定订货量、固定订货点策略，即(Q,R)策略；②连续性检查的固定订货点、最大库存策略，即(R,S)策略；③周期性检查策略，即(T,S)策略；④综合库存策略，即(T,R,S)策略。

(二)Anylogic仿真

系统仿真是指利用计算机仿真软件建立并运行一些经过调查研究后实际存在或规划未建系统的仿真模型，通过对仿真过程的观察及运行结果的分析，达到对真实系统内的指标进行分析的目的。系统仿真作为有效的系统分析工具，它以建模理论、计算方法、评估理论为基础；以计算机技术、网络技术、图形图像技术、多媒体技术、软件工程、信息处理、自动控制及系统工程等相关技术为支撑。

AnyLogic流程建模库是离散事件的标准库,是以流程为中心的建模。近年来在物流、供应链、行人疏散、应急管理、业务流程、Petri网、经济学、GIS信息等应用领域广泛，通过虚拟环境，设计离散、连续和混合行为的复杂系统，其拥有流程建模库、行人库、道路交通库、轨道库、流体库和物料处理库[6]。该软件可以使用“拖-拉式”建模，这种建模方式形象直观，对于流程的更改方式能够做到便捷的调整。其建模技术以UML-RT为基础，可封装其他对象，可以通过构建相关的模块形象直观地去模拟现实中的各种事物，并通过编写Java代码定义变量，实现建模仿真的目的。

二、配送中心仿真模型的实现

本文仿真以某公司的实际数据为案例，根据客户的订单数据以及每种货物的库存数据为建模依据。

假设有8种商品，编号为0-7，日需求量分别为：d0=179，d1=255，d2=274，d3=219，d4=218，d5=148，d6=148，d7=120，单价分别为：p0=399,p1=400,p2=700,p3=899,p4=599,p5=699,p6=288,p7=1099客户每天下达订单次数为9，每周订单次数为63，订货提前期为2天，每次订货成本为240元，每个商品的日保管费用为10元。根据每种商品的日需求量情况按照正态分布条件将每种商品的日需求量分派到每日订单中。

(一)数据库设计

基于订单信息需求分析，本文采用 E-R 图建立Access数据库E-R模型。E-R图也称之为实体-联系图(Entity Relationship Diagram)，它采用结构图的方式来表示实体、属性和联系,清晰直观的描述了现实世界的概念性模型。E-R模型中每个实体都需转换成表,属性转换成列或字段。在本数据库中共有两个表单，分别为订单明细表和补货表。

根据分析绘制数据库系统的E-R图,订单明细是订单和商品类型实体之间的联系，联系中需要记录订单编号，商品编号和数量。订单信息实体E-R关系图如图1所示。补货信息包含商品ID，补货数量，补货周期，安全库存。补货信息实体E-R关系图如图2所示。

图1 订单信息实体E-R关系图

图2 补货信息实体E-R关系图

(二)仿真模型设计与实现

1.仓库布局

(1)托盘货架摆放

规定仓库内共存储8种商品，每种商品占用两排货架，在rackSystem中设置托盘货架的顺序，typeID(0-7)分别分放两排货架，共16排货架，typeID的0分货架11和12，依次类推。两货架设置通道，每个货架宽为10米，高为14米，一共五层，每个位置只能放一个商品。

(2)拣货路线的规划

叉车拣货是在仓库中进行的，在仓库中四通八达，无论是货架中间还是仓库四周，叉车都可以根据规定路线进行拣货行走。

2.智能体的创建

在Anylogic中创建智能体，并为智能体添加参数并设置类型。

(1)创建订单智能体Order和智能体群orders；添加的参数为：capacities、id、dateoforder,其分别代表的含义为：订单里面每种商品的数量、订单的ID、订货的日期。

(2)创建订单明细智能体OD和订单明细智能体群ODs。添加的参数为：orderID、typeID、amount；其分别代表的含义为：订单的ID、货物的ID、订货的数量。

(3)创建商品智能体Type和商品智能体群types并在商品智能体中添加属性、事件和动态事件。

①QR补货策略的商品智能体属性的设置。添加的参数为：typeID、amount、s、palletRacks；其分别代表的含义为：货物的ID、库存最大数量、安全库存、托盘。

②QT补货策略的商品智能体属性的设置。添加的参数为：typeID、amount、period、palletRacks；其分别代表的含义为：货物的ID、补货数量、补货的周期、托盘。

3.数据导入

在主类上添加数据库控件database，将该控件与数据库(oderInformation)连接。订单明细数据与库存策略数据的导入与存储均需添加查询query并进行相应设置，连接数据库中的表单orderdetails与表单QT。

4.订单的生成和拣选

在订单智能体中创建event事件和动态事件My_DynamicEvent。event事件在初始化后一段时间后触发，触发后的行为是在订单的dataoforder设定的时间启动订单拣选。

5.缺货订单的处理

若发生缺货情况，需将被退回的订单进行相应整合，在面板中添加集合并做相应设置。

为了更好的观察缺货情况，在仿真模型中增加了柱形图与饼状图对8种商品的库存情况及缺货情况进行观察和统计。

三、补货策略

当叉车接到拣选订单的指令时，按订单顺序从最近的货架开始拣选物品，如若订单增加，此时其他叉车共同进行订单拣选，按照订单的编号顺序进行防止遗漏。当货架上商品缺失时，则不再拣选需要此商品的订单，叉车返去直到该商品有存货时再次开始进行拣选任务。

(一)QR补货策略

每间隔一定的时间T检查一次库存情况，若库存量降至订货点R时，发出一次订货，每次订货量不变均为Q。再订货点值为安全库存s。订单发生模式为循环，每天0点进行订单拣选。拣货后货物数量减少，此时若仓库中的货物数量低于s时，就会进行自动补货，补货数量是根据数据库中QT的amount 进行补货的。

(二)QT补货策略结果

图3所示的是QT补货策略的补货结果，运行后仓库会按照设定的补货间隔时间进行每种货物的补货，补货数量是Q。QT补货策略的拣货结果与QR策略的拣货结果相同，因为提取的订单相同。

图3 QT补货场景

(三)statistics的结果

饼状图中所显示的是运行后订单的拣货情况。Queue是在排队中的订单数量，此时排队订单数为87；Wait assembling是等待拣货的订单，此时数量为0；Assemling是拣货结束的订单数量，此时数量为13。订单详情如图4所示。

图4 订单详情图

柱形图所显示的是运行后库存情况，8种货物用不同颜色标注，每种货物的库存情况如图5所示。

图5 库存详情

柱形图所显示的是运行后订单中的缺货情况，可根据对应所缺少的商品进行相应补货请求。缺货详情如图6所示。

图6 缺货详情

通过statistics的运行结果，可观察到8种商品所需要的数量各有差异，若用相同的存储策略就会出现缺货或商品补货导致货架容量超负荷的问题，因此，应对每种货物进行分类，对于不同的商品应选用不同的补货策略。本文仅截取了某个时刻的运行结果，再此不能完整的展现整个运行效果。后期可通过场景需求修正模型的设置情况，从而更好地调整与优化模型。

四、结论

本文从配送中心货物的存储策略角度出发，从建立数据库与仓库模型两方面实现基于Anylogic的配送中心存储策略仿真研究。实现了QR与QT两种补货策略的模型创建并成功运行。研究表明应用Anglogic仿真进行存储策略具有其可行性,动态仿真有利于补货策略的选取。通过对运行结果的观察进行系统的优化，最终可实现对成本的控制。此外，模型在设计过程中还存在很多不足,在应用的过程可考虑实现更多的功能并进行完善。(1)在仿真模型中添加补货口并由卡车运送货物(2)由于每种商品的订货量不一样，为了节约仓库的空间即成本，可将货物的摆放尽量紧密一些，需求高的货物可设计三或四排货架，需求低的货物可减半。这部分功能可在rackSystem和createTypes函数中进行设置。