目前物流已经成为海内外,尤为重要的供应链之一,而仓储在物流中占有很是重要的职位
基于文献
从图1中可以看出,此次剖析的Fishbone型储位结构,将仓储储位分为了四个货区,图中存取点设计在了仓储前端底部中心,且各条巷道交叉间,泛起45°
此时,将如图1所示的Fishbone型储位结构中,其货物存放战略接纳随机分类的方法,且在同一货架上,摆放着形状体积相同、质量差别的货物;每种货物的质量为M,周转率为P;可是,一个储位只能存放一个种类的货物;堆垛机和输送机匀速运动,其运动速度为v;在建立储位应急分派模型时,只考虑拣选作业时间,忽略存取货物的时间;货物架上的托盘,标准、质量统一,可是所存储的货物质量差别。此时,即可凭据上述剖析内容,建立储位应急分派模型,对模型求解,分派仓储储位。
此次建立储位应急分派模型,需要从收支库效率和货架稳定性两方面,建立储位应急分派模型。由于堆垛机的运动速度一定,可是在水平偏向和竖直偏向保存速度差,而提高收支库的效率,就需要减少收支库作业历程中的一定距离。所以设堆垛机在y水平偏向的平均移动速度为vy,在z竖直偏向的平均移动速度为vz。此时,堆垛机将货物从货架收支口存入货格的时间为
式中(a,b,c)体现货架的a排,b列,c层;pxyz体现储位(x,y,z)上货物的周转率
从图1中可以看出,货架多是两排货架,接纳一台堆垛机进行仓储,且货架在x偏向的宽度,远小于y偏向上的长度,因此需要两排货架,坚持基本一致的总重量,且单排货架的货物质量与其所在层的乘积之和最小。此时包管货架稳定,储位应急分派的目标函数f2(x,y,z)为:
式中,Mi体现第i类货物的单位质量;nxyzi体现存储在(x,y,z)储位上的第i类货物数量;q体现货架,即x=2q和x=2q+1,q∈N且
综上所述,(1)、(2)和(3)式即为储位应急分派模型。此时,针对如(1)、(2)和(3)式所示的储位应急分派模型求解,即可针对仓储物流机械搬运密集区,进行储位应急分派。
此次储位应急分派,接纳遗传算法,分派应急储位,其储位应急分派流程如图2所示。
在如图2所示的储位应急分派流程中�;诖舜谓⒌拇⑽挥狈峙赡P�,确定储位分派的选择算子。因此设(1)、(2)和(3)式函数的总优化目标函数值为F,储位分派的最大适应度为Gmax,目今储位分派的最小适应值为Gmin,目今选择的循环次数为t,终止循环次数为T。此时,关于选择的储位分派概率P为
此时,当(4)式处于储位分派初期时,
凭据(4)式的盘算结果,将最大循环次数T,设定为仓储应急分派的终止条件,中选择的循环次数t>T时,即直接退出循环分派历程,分派应急储位。此时,将上述叙述历程,带入图2储位应急分派流程,即可获得应急储位最优分派结果。
此次试验,选择MATLAB仿真平台,验证此次研究的仓储物流机械搬运密集区储位应急分派要领。因此,将此次提出的储位应急分派要领记为实验A组,将文献中提到的两种储位应急分派要领,划分记为实验B组和实验C组。凭据储位应急分派要领,对储位分派的特点,以拣货行走距离为实验研究偏向,统计三组要领与原始要领,14天总计拣货行走距离和日均行走距离,盘算拣选路径缩短率,比照三种储位应急分派要领,在仿真平台上,拣货行走距离是非和拣选路径缩短率巨细。
此次选择的MATLAB仿真平台,所具有的仿真情况为Intel(R) Xeon(R) i3 CPU型号的效劳器,其处理器为2.10 GHz的双核处理器,处理内存16 GB,关于三组要领中,保存的算法,均接纳MATLAB R2015b仿真平台上的翻译功效,c#语言设计开发仿真程序,进行算法翻译,此次的仿真平台的操作程序为64位的Windows7操作程序,在该仿真平台上,其信息存储数据库为Microsoft SQL Server2014。
在此次实验设计的仿真实验情况下,选择某区域仓储物流机械搬运货仓,作为此次实验的仿真工具。在该货仓中,保存近两个月的订单数据信息,并将此次仿真实验,选择的近两个月订单数据信息,存储在Microsoft SQL Server2014数据库中。此次实验的仿真历程如下:(1)此次仿真实验,接纳原始的储位应急分派要领,盘算两个月内,每天订单的拣货行走距离总和,并统计货物品规之间的相关性、出库量等信息;(2)确定此次仿真实验历程中,最合适的品规动态调解数量,包管此次实验的严谨性。因此选取50、100、300、300四个层次的品规,进行动态调解的仿真;(3)此时,在办法2确定的调解品规基础上,接纳三组储位应急分派要领,分派此次实验选择的近两个月订单数据。纪录三组储位应急分派要领,对此次实验选择的近两个月订单数据,仓储分派仿真得出的拣货行走距离及拣选路径缩短率,进行统计。其中拣选路径缩短率?的表达式为:
式中,D1体现三组要领中,所有拣货人员的日均行走距离;D2体现原始要领中,所有拣货人员的日均行走距离。
关于办法2中,差别品规的动态仿真结果,如表1所示。
表1 差别品规的动态仿真结果
日期 | 订单 行数 | 订单数 | 四个层次品规的拣货行走距离/km | |||
50 | 100 | 200 | 300 | |||
| 1 | 1 634 | 55 | 43.6 | 43.6 | 43.2 | 43.4 |
2 | 1 864 | 42 | 65.0 | 64.4 | 64.3 | 64.2 |
3 | 1 594 | 52 | 95.0 | 94.3 | 94.1 | 93.8 |
4 | 2 876 | 101 | 96.1 | 95.4 | 95.0 | 95.7 |
5 | 1 745 | 125 | 97.1 | 96.3 | 96.4 | 97.2 |
6 | 2 761 | 88 | 100.1 | 99.7 | 99.4 | 99.7 |
7 | 925 | 46 | 33.2 | 33.1 | 33.2 | 33.2 |
8 | 1 516 | 68 | 69.4 | 69.4 | 69.4 | 69.7 |
9 | 2 396 | 71 | 92.0 | 91.3 | 91.3 | 92.2 |
10 | 1 632 | 53 | 63.7 | 63.7 | 63.7 | 63.7 |
11 | 3 092 | 104 | 132.5 | 132.1 | 131.7 | 133.1 |
12 | 3 009 | 48 | 127.4 | 126.5 | 126.5 | 126.7 |
13 | 2 276 | 84 | 86.5 | 86.1 | 86.1 | 86.2 |
14 | 765 | 49 | 36.5 | 36.6 | 36.4 | 47.2 |
总计 | 28 019 | 986 | 1 138.3 | 1 132.3 | 1 130.6 | 1 135.8 |
日均 | 2 007 | 70 | 81.31 | 80.87 | 80.75 | 81.12 |
此时,凭据表1所示的差别品规动态仿真结果,将其绘制成如图3所示的折线图,统计表1中所有工人的拣货行走距离的总和,及其每天所有工人的拣货行走距离的总和。
从图3可以看出,当每次调解200品规时,是最为适合该库区的品规调解数量。因此,此次仿真实验,选择200个品规,作为此次三组储位应急分派要领的仿真参数。
在此次实验确定的实验参数下,对三种要领,在200品规下,同样14天下,订单行数和订单数如表1所示。此时,对同等日期的拣货行走距离进行统计,比照三种要领,拣货行走距离是非,其统计结果,如表2所示。
表2 拣货行走距离比照表(km)
日期 | 实验A组 | 实验B组 | 实验C组 | 原始要领 |
1 | 42.95 | 44.45 | 44.98 | 46.38 |
2 | 64.21 | 64.53 | 68.11 | 71.36 |
3 | 93.25 | 94.65 | 96.98 | 99.12 |
4 | 94.59 | 97.90 | 103.06 | 104.35 |
5 | 96.82 | 100.21 | 103.20 | 108.20 |
6 | 98.52 | 104.44 | 104.07 | 107.90 |
7 | 32.94 | 33.11 | 35.14 | 36.42 |
8 | 69.42 | 71.85 | 73.86 | 77.78 |
9 | 91.24 | 94.89 | 96.76 | 102.45 |
10 | 63.31 | 65.53 | 69.75 | 72.50 |
11 | 131.19 | 136.04 | 137.35 | 141.90 |
12 | 126.28 | 130.70 | 135.39 | 143.23 |
13 | 85.80 | 89.67 | 92.37 | 97.03 |
14 | 39.65 | 41.04 | 42.20 | 44.43 |
总计 | 1 130.2 | 1 169.0 | 1 203.2 | 1 253.1 |
日均 | 80.73 | 83.50 | 85.94 | 89.50 |
从表2中可以看出,该区域的仓储物流机械搬运货仓,原始应急分派要领拣货行走距离,14天总计抵达了1253.1 km, 日均抵达了89.50 km; 实验B组比原始要领14天总计拣货行走距离少了84 km, 日均少了6 km; 实验C组比原始要领14天总计拣货行走距离少了49.9 km, 日均少了3.56 km; 实验A组比原始要领14天总计拣货行走距离少了122.9 km, 日均少了8.77 km。由此可见,此次研究的储位应急分派要领,在分派速度上是三组要领中最快的。
在第一组实验的基础上,进行第二组实验。接纳(5)式,盘算表2中三组要领的拣选路径缩短率,比照与原始要领缩短的距离,其(5)式的盘算统计结果如表3所示。
表3 拣选路径缩短率比照表(%)
日期 | 实验A组 | 实验B组 | 实验C组 |
1 | 7.40 | 4.15 | 3.02 |
2 | 10.01 | 9.56 | 4.56 |
3 | 5.92 | 4.51 | 2.16 |
4 | 9.35 | 6.18 | 1.24 |
5 | 10.52 | 7.39 | 4.63 |
6 | 8.69 | 3.21 | 3.55 |
7 | 9.55 | 9.10 | 3.51 |
8 | 10.75 | 7.62 | 5.04 |
9 | 10.95 | 7.39 | 5.55 |
10 | 12.67 | 9.61 | 3.79 |
11 | 7.55 | 4.13 | 3.21 |
12 | 11.84 | 8.75 | 5.47 |
13 | 11.57 | 7.59 | 4.08 |
14 | 10.76 | 7.63 | 5.02 |
总计 | 9.81 | 4.92 | 3.98 |
日均 | 9.80 | 4.91 | 3.98 |
从表3中可以看出,经过(5)式的盘算,所统计出的拣选路径缩短率,实验A组最高,实验C组最低,与表2拣货行走距离比照表一致,盘算结果有效;且实验A组的日均拣选路径缩短率,横跨实验C组5.82%,实验B组4.89%。由此可见,此次研究的储位应急分派要领,关于密集区域的仓储物流储位分派迅速,效率高。
综合上述两组实验结果可知,此次研究的储位应急分派要领,拣货行走距离最短,与原始要领的拣选路径缩短率最高。
综上所述,此次研究仓储物流机械搬运密集区储位应急分派要领,考虑差别储位漫衍模式,对储位分派的影响,建立与储位相适应的分派模型,缩短拣货行走距离;经过仿真实验,从日均行走距离和日均拣选路径缩短率两个实验结果,确定拣货行走距离日均比原仓储应急分派要领少了8.77 km, 经过盘算,日均拣选路径缩短率抵达了9.8%。可是此次研究的仓储物流机械搬运密集区储位应急分派要领,仅考虑了Fishbone型储位结构模式,储位应急分派要领,未曾考虑其他储位结构模式,储位应急要领的适应性。因此,在今后的研究中,还需不绝深入研究仓储物流机械搬运密集区储位应急分派要领,深入剖析差别储位结构模式下,储位应急漫衍战略,研究出所有储位结构模式,均可使用的储位应急分派要领。
【本文标签】
【责任编辑】yd2333云顶电子游戏云仓