多層穿梭車立體倉庫仿真及優(yōu)化研究

潘康杰，寧方華

（浙江理工大學機械與自動控制學院，浙江杭州 310018）

0 引言

工業(yè)自動化與智能化對企業(yè)效益的影響力與日俱增，物流作為三流之一，正朝著智慧物流穩(wěn)步發(fā)展，自動化立體倉庫大幅提高了物流效率［1-3］。隨著信息技術的飛速發(fā)展，系統(tǒng)建模技術以其直觀的特點成為立體倉庫系統(tǒng)的重要研究方法［4］。Flexsim 能對物流系統(tǒng)進行仿真建模，在倉庫布局規(guī)劃中有著廣泛應用［5-7］。王海燕等［8］運用Flexsim動態(tài)模擬食品冷鏈物流配送中心作業(yè)流程并對仿真進行優(yōu)化；陳影等［9］利用Flexsim 對煙草物流配送中心規(guī)劃進行仿真，對配送中心瓶頸節(jié)點進行優(yōu)化，確定最佳的模型參數(shù)；安科樹等［10］對卷煙倉儲作業(yè)流程進行優(yōu)化與仿真，通過吞吐能力及設備利用率的比較驗證優(yōu)化方案可行性；刁麗慧等［11］對智能立體倉庫進行仿真優(yōu)化，成功找出方案的瓶頸，使設備利用率明顯提高；文獻［12］對北京站進行建模仿真，為北京站提供不同情況下的設備安排方案；文獻［13］對冷鏈物流立體倉庫運作過程進行建模與仿真，找出瓶頸和閑置資源，優(yōu)化仿真后取得較好效果。

現(xiàn)有文獻中，雖然基于Flexsim 的仿真方法應用非常廣泛，但絕大多數(shù)研究對象是基于堆垛機式的立體倉庫系統(tǒng)［14］。相對堆垛機式的倉庫系統(tǒng)，多層穿梭車模式的自動化立體倉庫（以下簡稱“多穿立體倉庫”）在并行取貨、串行出庫的運作模式下［15］，因其成本低且出入庫效率高等優(yōu)勢受到歡迎，但目前對于多穿立體倉庫的相關研究較少。

因此，基于Flexsim 平臺研究多穿立體倉庫的建模方法和優(yōu)化方案，不僅對豐富系統(tǒng)仿真原理與方法具有重要的理論價值［16-17］，也對優(yōu)化資源配置、提高系統(tǒng)運行效率、降低企業(yè)成本具有現(xiàn)實意義。

1 多穿立體倉庫建模

1.1 多穿立體倉庫布局

本文的多穿立體倉庫負責對某半導體生產(chǎn)商產(chǎn)品進行集貨、分揀和配貨作業(yè)。生產(chǎn)商將貨物運往立體倉庫儲存，收到訂單后進行揀選作業(yè)，將貨物運送至下游企業(yè)，以高度的配送水平進行供貨。該多穿立體倉庫作業(yè)功能區(qū)域劃分為入庫區(qū)、儲存區(qū)、出庫揀選區(qū)，如圖1 所示。

Fig.1 Layout of multi-tier shuttle stereoscopic warehouse圖1 多穿立體倉庫布局

1.2 出入庫作業(yè)流程

各作業(yè)區(qū)域操作工作內(nèi)容如下：

入庫區(qū)：貨物到達后，在入庫臺處進行檢驗，將同類型貨物裝箱后再傳送至儲存區(qū)。

儲存區(qū)：升降機將貨物提升至指定的入庫平臺，再由穿梭車將貨物運送至指定貨位。

出庫揀選區(qū)：收到出庫訂單后，由穿梭車運送貨物至出庫緩存平臺，升降機對貨物進行提升，通過傳送帶傳遞至出庫分揀臺進行人工揀選，完成出庫作業(yè)。

1.3 穿梭車在Flexsim 中的實現(xiàn)

由于2020 版本Flexsim 中沒有穿梭車實體模型，因此需要對該立體倉庫用到的子母穿梭車進行二次開發(fā)。子母穿梭車在Flexsim 軟件中的元素是任務執(zhí)行器，可以從固定資源類實體導入并執(zhí)行裝載、卸載、行走等各類任務。

本文運用3D Max 對子母穿梭車建模并導入3ds 文件，導入后效果如圖2 所示。

Fig.2 Shuttle-carrier圖2 子母車穿梭車

穿梭車出庫作業(yè)流程如下：①訂單到達（Source），依據(jù)FCFS 原則［18］與子母穿梭車進行任務綁定并產(chǎn)生一個指令［19］，在貨物上附上標簽（Labels），根據(jù)目標貨架更新列表，若此時有空閑的穿梭車則尋找目標貨架，若無空閑穿梭車則進入等待序列，直到有完成任務的穿梭車出現(xiàn)；②穿梭車運行至目標貨位取貨，子車移出并移動目標貨物（Move Object），更新任務序列（xloc 列表）。穿梭車請求所在巷道升降機至目標層，若升降機忙碌則進入等待序列直到其空閑；③穿梭車更新列表并運行（Move）至目標出庫站臺放置貨物，完成放貨。

穿梭車入庫作業(yè)流程如下：①入庫作業(yè)（Source）到達，按FCFS 原則與子母穿梭車進行任務綁定，邏輯與出庫作業(yè)流程第1 步相同；②穿梭車運行至目標入庫站臺。若穿梭車不在目標層則須通過升降機至目標層并更新任務序列（xloc 列表）。若升降機忙碌，則進入等待序列直至其空閑；③穿梭車運行至目標貨位，子車攜帶貨物橫向運行至目標貨位，釋放貨物（release），完成入庫作業(yè)。

近年來，具有子母穿梭車的立體倉庫建模大都采用代碼編譯實現(xiàn)穿梭車功能，然而其效果并不理想且代碼冗余。巷道內(nèi)的作業(yè)任務由多臺穿梭車完成［20］，在穿梭車運動軌跡問題上難以獲取坐標，從而與實際情況相脫節(jié)。

基于此，本文采用2020 版本Flexsim 中Process Flow 模塊（以下簡稱PF 模塊）來實現(xiàn)上述運行邏輯，子母穿梭車PF 模塊實現(xiàn)如圖3、圖4 所示。

Fig.3 PF logic of outbound shuttle圖3 穿梭車出庫PF 邏輯

Fig.4 PF logic of warehousing shuttle圖4 穿梭車入庫PF 邏輯

1.4 在Flexsim 中的模型布局

運用Flexsim 對多穿立體倉庫進行仿真，其出入庫作業(yè)在Flexsim 中的布局如圖5 所示。

Fig.5 Layout of multi-tier stereoscopic warehouse system圖5 多穿立體倉庫系統(tǒng)布局

運用Flexsim 實現(xiàn)穿梭車實體后，軟件集成了立體倉庫仿真所需全部實體。多穿立體倉庫模擬目標對象與Flex?sim 實體對應關系見表1。

Table 1 Correspondence relationship of simulation target object and simulation entity表1 模擬目標對象與仿真實體對應關系

1.5 多穿立體倉庫模型參數(shù)配置

（1）貨架參數(shù)配置。共6 個巷道，12 排貨架。貨架規(guī)格統(tǒng)一，每排貨架18 層，220 列，列寬0.7m，層高0.5m，每個貨位存放一個貨物。

（2）貨物到達對象參數(shù)配置。分為兩部分：①初始庫存設置，初始庫存為總貨位的50%，貨物包括60%的A 類品、40%的B 類品、20%的C 類品。A 類品設置：在Source 實體屬性菜單中選擇“到達時間表”，臨時實體種類為“Tote”，到達次數(shù)為1 次，到達時間間隔為“0”，貨物類型記為“1”，數(shù)量均按占比配置為“14256”，均勻發(fā)送至貨架。用同樣的方法對B、C 類品初始庫存進行設置；②模擬入庫區(qū)貨物的到達，配置參數(shù)如表2 所示。

Table 2 Technical parameters of the generator in the storage area表2 入庫區(qū)發(fā)生器技術參數(shù)

（3）入庫臺參數(shù)配置。每一入庫臺配備一名操作員完成檢驗及裝箱，入庫臺數(shù)量為6 個，與發(fā)生器數(shù)量相對應。依據(jù)每日入庫需求量為580 箱/h，工作時間6h，設置單個入庫臺加工時間為37.2s，裝箱模式下合成清單為1 個Tote 中裝6 個貨物。

（4）分揀臺參數(shù)配置。立體倉庫設置10 個分揀臺，分別配置一名操作員進行分揀作業(yè)，依據(jù)每日出庫需求量為500 箱/h，設置單個分揀臺加工時間為72s。

（5）傳送帶參數(shù)配置如表3 所示。

Table 3 Conveyor belt parameters in each area表3 各區(qū)域傳送帶參數(shù)

（6）穿梭車參數(shù)配置。穿梭車數(shù)量30 臺，加速度2m/s2，最大速度4m/s。

（7）升降機參數(shù)配置。升降機數(shù)量12 臺，加速度2m/s2，最大速度3m/s。

2 立體倉庫模型運行與結(jié)果分析

模型運行時間為6h，為確保實驗結(jié)果準確性，將該立體倉庫模型運行30 次，取各設備數(shù)據(jù)均值加以分析，重點考察該系統(tǒng)主要業(yè)務區(qū)域的物流效率。

（1）主要業(yè)務區(qū)域傳送帶運行結(jié)果如表4 所示。

Table 4 Conveyor belt operation results表4 傳送帶運行結(jié)果

立體倉庫采用出庫優(yōu)先策略，對儲存區(qū)出入庫傳送帶及揀選傳送帶等主要傳送帶的阻塞時間進行分析，由表4可知入庫傳送帶阻塞時間過長，出庫傳送帶阻塞時間為入庫阻塞時間的1/4 左右，揀選傳送帶阻塞可能的原因是由于后端分揀臺效率不高所致。

（2）分揀臺仿真運行結(jié)果如表5 所示。

Table 5 Sorting table operation results表5 分揀臺運行結(jié)果 （%）

分揀臺平均利用率為96.09%，分揀臺利用率過高可能導致?lián)矶?，阻塞時間較長，影響出庫效率。

（3）穿梭車運行結(jié)果如表6 所示。

Table 6 Shuttle operation results表6 穿梭車運行結(jié)果 （%）

穿梭車利用率主要分為空閑率和利用率，其中利用率為負載運行率、空載運行率、裝載率及卸載率總和。由表6可知穿梭車空閑率較高，利用率低下。

（4）數(shù)據(jù)分析。由上述運行結(jié)果可知，該系統(tǒng)工作時間6h，總?cè)霂鞌?shù)為3 601 箱，總出庫數(shù)為3 145 箱，符合出入庫能力要求。在出庫優(yōu)先策略下，出庫傳送帶阻塞時間為512.6s，入庫傳送帶平均阻塞時間為2 214.6s，可知在此處形成瓶頸，原因為入庫傳送帶速率過低及分揀臺分揀速度過慢所致。分揀臺利用率為96.09%，處于過度使用狀態(tài)。多穿庫中穿梭車平均空閑率為59.89%，平均利用率僅為40.11%，穿梭車運行能力富余，造成較高閑置率。

3 立體倉庫系統(tǒng)仿真優(yōu)化

3.1 仿真優(yōu)化方案

由上述分析可知，系統(tǒng)瓶頸產(chǎn)生的主要原因是傳送帶速率、后端分揀臺處理效率及穿梭車利用率過低，針對這3個問題提出以下方案：

（1）將入庫傳送帶速度從原來的0.8m/s 升至1m/s，加快入庫效率。

（2）針對分揀臺處出現(xiàn)的堵塞現(xiàn)象，可從增加設備角度提升物流效率。

（3）穿梭車富余，在保證系統(tǒng)吞吐量的同時減少穿梭車數(shù)量。

3.2 優(yōu)化后運行結(jié)果

（1）方案優(yōu)化后的仿真運行結(jié)果如表7-表9 所示。

Table 7 Conveyor belt operation results after optimization表7 優(yōu)化后傳送帶運行結(jié)果 （s）

Table 8 Sorting table operation results after optimization表8 優(yōu)化后分揀臺運行結(jié)果 （%）

Table 9 Shuttle operation results after optimization表9 優(yōu)化后穿梭車運行結(jié)果 （%）

對傳送帶速率優(yōu)化后，出庫傳送帶平均堵塞時間大幅縮短，傳送帶速率的提升使得出庫效率提高，相對的入庫效率也得到一定提升。

考慮到后端分揀臺處出現(xiàn)阻塞情況而導致分揀傳送帶產(chǎn)生較長阻塞時間，因此采用增加分揀臺數(shù)量的措施來緩解其阻塞狀況，優(yōu)化后的分揀臺利用率維持在85%左右。

穿梭車數(shù)量縮減至18 個，即每個巷道配置3 臺穿梭車，數(shù)據(jù)表明穿梭車空閑率得到大幅縮減，穿梭車利用率提升。

（2）優(yōu)化前后運行結(jié)果對比如表10 所示。

Table 10 Comparison of results before and after optimization表10 優(yōu)化前后結(jié)果對比

3.3 結(jié)論

由上述對比結(jié)果可知，改變了重要節(jié)點上傳送帶輸送速率并將后端分揀臺數(shù)量增加5 個之后，物流輸送效率大幅提升，有效縮減了傳送帶上的堵塞時間。入庫傳送帶阻塞時間由原來的2 214.60s 降到了833.43s，出庫傳送帶堵塞時間由512.60s 降到了160.82s，揀選傳送帶堵塞時間由280.7s 下降到了41.49s。通過減少穿梭車數(shù)量后，穿梭車利用率得到大幅提升，由原來的40.11%利用率提升至現(xiàn)在的83.43%利用率。系統(tǒng)在滿足立體倉庫吞吐量的同時成本得到降低，從而實現(xiàn)提高立體倉庫出入庫能力及降低成本目標。

4 結(jié)語

本文基于Flexsim 軟件強大的仿真功能，通過三維建模軟件設計出穿梭車模型并將其導入系統(tǒng)，通過PF 實現(xiàn)穿梭車邏輯功能。以某多穿立體倉庫作業(yè)流程為例，對其出入庫作業(yè)進行系統(tǒng)仿真。在仿真結(jié)果分析基礎上，提出減少穿梭車數(shù)量、增加分揀臺數(shù)量、提升部分傳送帶運輸速率的改進建議。仿真結(jié)果的前后對比驗證了優(yōu)化方案的可行性及優(yōu)越性。

通過對立體倉庫在Flexsim 中的仿真與應用，更深刻認識到Flexsim 對于多層穿梭車系統(tǒng)立體倉庫的仿真預測效果很好。本文結(jié)果是基于貨位隨機分配原則下產(chǎn)生的，后續(xù)將繼續(xù)研究在不同貨位分配原則下的多層穿梭車立體倉庫仿真，從而對立體倉庫出入庫作業(yè)進行更科學的預測與優(yōu)化。