拣货作业系统仿真

基于Arena的不同拣货策略下拣货系统仿真（东南大学交通学院港航工程系，江苏南京210096）摘要：拣货作业作为配送中心系统的核心环节，选取合理的拣货策略将有效地提高配送中心的作业效率。

本文提出了拣货作业系统的评价指标，并定性比较了多种拣货策略的适用范围和优缺点，选择单一拣货策略和固定订单量分批拣货策略具体分析；基于Arena仿真软件对拣货系统建模，着重分析了2种拣货策略下拣货时间、车辆数及货物品项数与拣货效率之间的关系，讨论了2种拣货策略的优劣性；结果表明拣货车辆的配备数量对拣货效率有很大影响，在相同的仓储条件下，应根据到达订单的货物数量合理选择拣货策略。

相关研究将为配送中心拣货作业系统的优化提供决策支持。

关键词：配送中心；拣货策略；仿真；Arena软件0 引言随着物流理念在现代市场经济环境的发展，物流在降低社会和企业的流通成本中起着至关重要的作用，配送中心的配送需求由少品种、大批量转变为多品种、少批量或多批次，因而对仓储物流系统各个运作环节的效率提出了更高的要求。

仓储物流系统主要包括了：进货作业系统、搬运作业系统、仓储作业系统、拣货作业系统、补货作业系统、发货作业系统和订单处理作业系统这七个作业系统。

在配送中心搬运成本中，拣货作业的搬运成本约占90%；在劳动密集型的配送中心，与拣货作业直接相关的人力占50%；拣货作业时间约占整个配送中心作业时间的30%-40%[1]。

因此，在配送作业的各环节中，拣货作业是整个配送中心作业系统的核心。

合理规划与管理拣货作业，对配送中心作业效率的提高具有决定性的影响。

由于拣货系统涉及到仓储物流系统中的多个环节，因此拣货作业的效率受到了多种因素的影响，主要有：仓储区货位的布局方式、拣货人员和拣货设备的配备、拣货策略的安排、拣货路径的选择、搬运车辆的停放位置及调度。

其中，拣货策略对减少拣货作业总时间的影响最大[2]，具体决策时，应优先考虑拣货策略的选择，在确定其已经有效的情况下再考虑路径策略，以使拣货效率达到整体最优。

在国内外学者对拣货策略的相关研究中，H. Brynzer[3]提出了两种主要的拣货方式：在仓库中进行分区和将最接近的订单成批拣货；Charles G. Petersen和Gerald Aase[4]提出了严格按照订单拣货，先到先服务分批拣货和按整箱分批三种拣货方式；李诗珍[5]以聚类分析的启发式算法为基础，建立了以最小行走距离为目标函数的订单分批拣选模型，设计了对于订单分批模型的求解算法；万杰等[6]改进了种子订单确定方法，对比了随机选取种子订单与以拣选货物体积最大为原则确定种子订单。

王艳艳等[7]对拣选行走距离及订单等待时间设计了不同的权重，建立了以成本最小为目标函数的订单分批数学模型。

考虑到拣货作业系统在很大程度上属于一个随机系统，利用概率方法解决该问题对实际情况中可能出现的峰值不能进行有效预测，故本文基于Arena仿真软件对拣货作业系统进行仿真，根据仿真运行后输出的数据，分析单一订单拣货策略和分批订单拣货策略下配送中心的工作效率，为实际工程提供可靠依据。

1拣货作业系统建模1.1 拣货策略建模的目标与评价指标拣货作业是依据顾客的订货要求或配送中心的送货计划，尽可能迅速、准确地将商品从其储位或其他区域拣取出来，并按一定的方式进行分类、集中、等待配装送货的作业流程[8]。

拣货作业的基本过程包括如下四个环节：①拣货信息的处理，即在拣货作业开始前先行处理指示拣货作业的单据或信息；②行走与搬运货物，即拣货作业人员以步行或搭乘拣货车辆方式到达货物储位拿取货物的过程；③拣货，即利用人工目视或读取条码的方式确认拣货信息，人工或设备捡取指定货物的过程。

④分类与集中，即拣取完毕后对订单核对，将多品种货物进行分类与集中出货。

通过合理地选取拣货策略，可以有效缩短以上四个作业时间，提高拣货作业效率。

拣货信息处理行走与搬运拣货分类与集中出货图1拣货作业基本过程拣货策略系统设计的目标是：在其它条件（如仓库布局、订单批量、人员和机械配备、拣货路径、仓储策略等）相同的情况下，针对某一仓库或物流中心，比较单一订单拣货和分批拣货作业策略，使拣货作业的效率高、时间少、成本低，同时设备和人员达到合理的利用率，最后确定适合该仓库或物流中心的拣货策略。

因此，对拣货策略系统进行评价的主要指标应包括时间指标和效率指标。

订单的滞留时间是最能反应拣货作业的处理能力的指标，通常情况下，时间指标包括：①订单从到达仓库到开始拣货的时间（即等待时间）；②拣货员根据订单到货架取出相应货物并进行集中与分类的时间（即拣货时间）。

另外，采用运输车辆进行拣货时，可能出现并非所有运输车辆都正在拣货的情况，且各运输车辆均有着最大的拣货容量，故效率指标可以拣货车辆的利用率来判别。

1.2 拣货策略的确定拣货策略是影响拣货效率的重要因素，在决定采取何种拣货策略时，首先要考虑货物的特性、货物的储存和拣货单位、储存方式、各种拣货方式的优缺点以及适应范围和拣货的设备等。

常用的拣货策略一般有单一订单拣货订单分批拣货、订单分割拣货和拣货员分区拣货等，本文选取单一订单拣货和订单分批拣货策略进行对比。

单一订单拣货是针对每一张订单，拣货员巡回在仓库间，将客户所需的产品逐项从仓库中挑出的方法，是较为传统的拣货方法；订单分批拣货是为了提高拣货效率而将多张订单集合成一批，依商品的类别将数量相加后再进行拣货，之后按客户订单作分类处理。

这两种拣货策略各有优缺点，且各有其适用条件，表1给出了这两种拣货策略的比较与分析。

表1两种拣货策略的适应范围及优缺点比较在分批订单生成过程中，必须决定如何从已到达的订单中将合适的订单选择出来组成新的订单，使得在这种组合下，拣货的时间更短、设备利用率更高。

常用的订单分批策略有综合计量分批、时窗分批、固定订单量分批和智能型分批四种，四种订单分批方式的特点各有不同，适用条件也有差异，实际应用时，需要根据实际情况找出比较合适的订单分批方式[9]。

本文选取固定订单量分批方法确定分批订单，采取先到先处理（FCFS）的原则，按订单到达的先后顺序做批次安排。

1.3 拣货作业系统的假设（1）仓储区布局假设假设该仓库的仓储区布置如图2所示，该仓储区为货架仓储区，共布置了7排货架，中间5排货架是两侧均可存放货物的货架，两端的两排仅有一侧可以存放货物，货架的长度为20m，宽度为2.2m，通道的宽度为2.5m，可以允许两辆搬运车辆同时通过；拣货区位于仓储区的左下方，拣货人员和车辆街道拣货命令后的出发点和拣货以后的卸货点均位于仓储区的左下方。

仓储区共存放了6种货物，分别用A~F表示，每一种货物都通过托盘的方式存放在货架上，每一列货架只能存放一种货物。

本例中假设货物在仓储区固定分布，且占用的货架空间相同；根据货物的周转率决定其分布位置，由A~F周转率依次降低，既需求量最大的A货物位置最靠近拣货人员出发点和卸货点。

图2仓储区布局图拣货过程是以拣货人员从出发点进入仓储区开始的，在此之前，仓库内的工作人员收到订单，通过整理以单一订单或分批的订单方式将拣货命令传递给拣货人员，拣货人员拿到拣货命令后，按照命令的要求（单一或分批订单）在仓储区拣取相应的货物，并回到卸货点将货物卸下；至此，一次拣货作业完成。

这一拣货过程只涉及到拣货人员的拣货过程，对于货物的补货和出货过程，系统中均假设为高效的，即仓储区的货物可以得到及时的补充，在拣货区卸下的货物能及时的运出，不会出现仓储区缺货以及拣货区货物堆积的现象。

（2）订单到达假设拣货作业是由订单驱动的，即一切拣货作业都是以订单的到达为开端，拣货人员按照订单的要求在仓储区拣货。

本文的重点在于比较不同拣货策略的优劣，所以对订单到达必须进行合理假设，综合国内外对订单到达的描述，在本例中假设订单的到达服从泊松分布，即在一天内的某一时段，到达k（k=0，1，2……）个订单的概率是：P(k)=λk e−λk!在该时间段内到达的平均值为λ，以一个小时为时间段。

由于在一天内不同的时间段内订单到达的平均值是不尽相同的，在某些时间段内存在峰值，所以订单的到达服从分时段的泊松分布。

（3）订单品项数假设每一订单中包含的货物品项数服从负二项分布，即在某一个订单中包含k（k=r，r+l，r+2…）项货物的概率为：P(k)=(r−1k−1)p r(1−p)k−r平均每一个订单包含的货物品项数为r/ p个，在本例中，假设平均每一订单包含的货物品项数为8，服从负二项分布。

（4）作业时间假设作业主要包含两个方面：①拣货车辆在仓储区内拣货移动所需的时间，②拣货人员在仓储区拣取货物和在拣货区卸下货物所需的时间。

假设拣货人员的拣货路径为S形启发路径，搬运车辆的速度比较稳定或者接近于恒定的速度v，并且加速和减速的时间都比较短，可以不考虑。

这样，只要知道了各个作业区之间的距离，就可以估算出在作业区之间进行一次搬运的时间；假设装卸货作业的时间与其它仓储作业时间相比较小，且作业时间的波动较小，所以在仿真中用三角分布来模拟人员和设备的装卸货作业，其概率密度函数为：f(x)={2(x−a)(m−a)(b−a)a≤x≤m2(b−x)(b−m)(b−a)m≤x≤b0 其它式中：b和a分别为装卸时间的最大值与最小值，m为最有可能值。

2拣货策略仿真建模2.1 Arena 14.0及主要功能模块简介本例采用的仿真平台为Arena 14.0仿真软件，Arena是美国System modeling公司于1993年开始研发的新一代可视化通用交互集成仿真环境，具有十分友好的用户界面和方便的动画元素，易于学习和使用；此外，Arena还可以Visual Basic或C通用程序语言相集成，大大增强了建模能力[10]。

它不仅仅是一种仿真工具，更是一种优化工具。

在Arena中主要包括7个模型：实体（Entities）、属性（Attributes）、变量（Variables）、资源（Resource）、队列（Queues）、统计累加器（Statistical Accumulator）、事件（Events）。

在Arena仿真中，程序的编制是通过软件中的预制模块来实现的，通过选择合适的模块，在模块中设置合理的参数，并按照算法的要求将模块按照一定的顺序连接来实现仿真。

所以，模块是仿真的基础。

Arena中经常使用的模块包括三大类：基本流程模块（basic process）、高级流程模块（advanced process）和高级运输模块（advanced transfer）。

在这三类模块中经常使用的模块包括：产生（Create）模块、处理（Dispose）模块、加工（Process）模块、决定（Decide）模块、分批（Batch）和分开（Separate）模块、赋值（Assign）模块、记录（Record）模块、位置（Station）模块、路径（Route）模块、运输（Transport）模块。