目前,我国第三方物流企业的仓储管理中的入库管理、出库管理、卸车验货、库存管理等几个物流环节发展很不同步。其中出库管理、卸车验货以及库存管理的水平已经比较先进,但是仓储管理中的入库管理相对比较落后。当前国内大约80%的第三方物流仓储中心,在入库管理时还做不到科学准确的货位优化,只能凭借管理人员的经验进行摆放货物、选择货位,导致入库管理作业效率低下。

大量实证研究表明,我国第三方物流企业仓库运作效率低下的最根本原因是货位安排不够科学。货位安排的不合理可以直接导致拣货效率低下、增加工作量,进而影响到仓储中心的备货效率和即时响应时间。因此,对仓储系统的优化应该从货位优化入手,即在货物仓储过程中,根据货物性质(周转率、重量、大小)对不同的货物选择不同的存放位置,以达到节省货物存储成本的目的[1]。

本文在对大量仓储系统优化文献的研究与分析的基础上,得出影响第三方物流企业仓储成本的影响因素,进而根据影响因素构建数学模型,提出了一种合理的求解函数。最后通过普遍认可的遗传算法来实现系统优化。

国内外关于第三方物流企业仓储系统优化的研究很多,而且绝大部分是从货位优化角度进行研究。仓储系统的核心即货位,货物摆放的位置好坏直接关系到货物周转需要花费的时间以及人力成本等,所以仓储系统的优化分析也集中在货位优化上。

目前按照目标不同,可以把仓储货位优化分为五种:第一种,满足可视化管理要求的仓储货位优化;第二种,达到仓库空间利用率最大化目标的仓储货位优化;第三种,以节省物流成本,降低设备使用率为目的的仓储货位优化;第四种以实现最小库存为目的的仓储货位优化;第五种,以提高作业效率为目标的仓储货位优化。

上述五种货位优化目标都有其一定的适应情况,并不是任何企业都适合可视化管理、仓库空间利用率最大以及最小库存等目标,我们将这五种优化目标按一定的适应情况进行分类,见表1。

表1 仓储货位优化目标及适应情况  下载原图

表1 仓储货位优化目标及适应情况

从表1我们可以看出,以节省物流成本、降低设备使用率为目标的货位优化是最适合第三方物流企业的。而以节省物流成本、降低设备使用率为目标的仓储货位优化的理论依据是物流成本管理学说。物流成本管理,就是通过成本控制来管理物流。其管理的直接对象是物流而不是成本,是通过成本来间接进行物流管理的方法。这类软件以EXE Technologies Inc.公司的EXE Optimize为代表,该软件的原理是把降低物流设备的使用率作为依据,来优化货位。通过减少货物出入仓库的次数以及行走路线长度,降低物流设备搬运货物的次数及距离,从而降低仓储成本[2]。

货位优化是指通过给每一个货物安排一个合理的摆放位置,确立一个最优的空间分配方式。货位优化的目的就是通过货位的优化尽量减少货位在仓库中进出所花费的时间和人力成本,它需要根据不同的货架类型和调度设备特征、货物类别和特征、仓库布局以及人工成本等因素来选择最佳的货位布局。因此货位优化是一个多目标规划问题,但是总体遵循一个原则,即整个仓储货物周转成本最低[3]。

通过对已有文献的研究并结合第三方物流企业实际情况,本文认为第三方物流企业货位优化需要考虑的影响因素主要包括:货物的周转率、货物类别、货物重量。除了这三个因素以外,还有货物存储的一些特殊要求,但是这个不应该在本次优化研究中考虑[4](特殊情况可以特殊处理)。

因此,根据以上三个影响因素,我们可以建立三个目标函数:

F1:货物的周转量最小,即尽量减少货物进出的量。

F2:货架稳定性最高,即货架所载货物重心最低。

F3:物以类聚,即同种类别的货物距离最近、离散度最小。

优化数学模型的建立遵循两个原则:一是提高作业效率;二是满足特殊限制条件。而满足限制条件与提高作业效率必须在同一状态下同时达到,因此,该优化模型是一个多目标的决策问题。

P:货物的周转率

W:托盘中货物的重量

(x,y,z):货物在货架中的位置坐标,即(排,列,层)

Vx:传输带的传输速度

Vy:堆垛机纵向移动的速度

Vz:堆垛机垂直上升运动的速度

S:货物至出入口距离

T:货物从货位移至出口所需时间

其中根据实际情况我们假设Vx:Vy:Vz=1:5:1。

根据上文建立的目标函数,我们结合变量进行量化。

(1)F1:货物的周转量最小,即尽量减少货物进出的量。建立目标函数如下:

其中:x1、x2、y1、y2、z1、z2分别代表排、列、层的下限和上限:

Pxyz是指存储在货位(x,y,z)上的货物的周转率。

(2)F2:货架稳定性最高,即货架所载货物重心最低。仓储系统中,除了要提高货物运作的效率,还要考虑货架的安全及稳定性。因此,为了使货架的受力情况良好,装载货物的时候遵循“上轻下重”的原则。所以,保证货架稳定性的问题等同于货架所载货物的整体重心最低,即每排货架上的总重心最低,目标函数表示如下:

其中:Wxyz是指存储在货位(x,y,z)上的货物的重量。

(3)F3:物以类聚,即同种类别的货物距离最近、离散度最小。根据同类货物就进摆放的原则,我们假设第三方物流企业仓库中有M种货物,即分为M族。第i(i=1,2,…,m)族货物里有Ni个物品,每个物品的位置用三维空间坐标表示为(xi,yi,zi),Ni个同类物品的坐标向量组合表示为:

①同类货物内部离散度衡量:各类物品的均值向量坐标qi为(i=1,2,…,Ni):

我们将衡量每族物品的类内离散度的值定义为此族中的每个物品到qi的距离之和,即:

则m族物品的类内离散度表示为:

②同类货物内部离散度衡量:所有m族物品的中心qi(i=1,2,…,Ni)的均值坐标向量表示为:

我们将衡量所有物品类中心到Qj的离散度的值定义为每类的中心到Q的距离之和,即:

综合考虑同类物品之间离散度以及不同类物品之间离散度,即类内离散度和类间离散度,我们认为应该确定的优化目标是:同类物品尽量摆放在一起,即同类物品类内离散度最小;不同类物品均匀摆放于仓库中,并且离仓库入口距离之和最近,即不同类物品类间离散度最大,而且最小。

所以目标函数如下:

(4)综上所述,根据式(3)(4)(5)(13)我们的多目标函数可以表示为如下形式:

通过国内外相关文献的研究和对比分析,发现遗传算法在解决非线性决策问题表现出的稳健、高效以及普遍使用性,且非常适合本文所要解决的问题。因此,本文采用遗传算法来进行求解,应用适应性权重方法详细的进行讨论,具体的实现步骤如下:

(1)初始化。根据实际情况确定种群中个体的表达方式,就是把要求的解编码成基因串。在遗传算法中如何描述需要解决的问题的可行解,需要一种转换方式,我们称之为编码。编码即把一个现实问题的可行解依照一定的编码方式一一对应到遗传算法中可识别的可搜索空间中。这是运用遗传算法前必须做好的准备工作,也是关键性的一步。目前国际上流行的编码方式有很多种,通常采用编码方法有二进制编码、浮点数编码以及格雷码编码等,本文采用比较简单的二进制编码方式。

①采用一维染色体编码,根据物品的从属关系进行编码。在基于货物的表示方法中,基因的位置代表货物,基因的值代表该货物存放的货位。然后将每条基因分为n段(n为该区域内货物的总数),每段用二进制来表示,代表要储存货物的货位坐标(排,行,列),然后再转化为十进制。因此,基于货物来表示的编码式如图1。

图1 基于货物的编码式  下载原图

②确定种群规模M的大小。

③生成种群规模为M的初始种群。初始种群的产生意味生成了M个初始的货物摆放方案。遗传算法采用并行全局随机搜索方法,对一维染色体编码的确定我们采用随机分配的方法,随机生成数量为M的初始个体。然后将产生的个体编码转化为十进制形式,检查一下坐标是否在限定的范围之内,以及是否有重复。如果有不满足条件的个体则重新生成,直到满足为止。

(2)对初始种群进行评级。对初始种群的目标函数值和适应值进行评价。

(3)对产生的后代进行选择、杂交和变异操作,产生新的个体。

①确定选择方法,然后进行选择操作。由于初始种群所产生的货物摆放方案一般都不是理想方案,需要使用进一步的遗传操作来优化。本文采用最优选择方法来进行操作。

②确定PC,进行交叉操作。

③确定Pm,进行变异操作。

(4)评价。对生成的新一代个体进行评价,计算其目标函数值及适应值。

(5)Pareto集。根据计算的目标函数值和适应值,得出该代群体中的最优个体并记录下来,实施最优保留策略,更新Pareto集。

(6)终止。如果迭代次数小于规定迭代次数,转到第三步。

(7)输出最优解。得到最优解并输出,即最优的货位系统布局。

本文在已有的对仓储货位系统优化研究的基础上,进一步以第三方物流企业为例,探究适合国内第三方物流企业的货位优化模型和实现方法。本文中优化模型的建立主要考虑了货物的周转率、货物重量、货物种类三个因素,也是影响仓储货位选择的最主要因素,但是也存在一定的不足,比如没有将货物的储存要求和仓库类型考虑在内,这还需要进一步的研究。