Simio Case Studies

配送中心分层仿真建模

作者:Simio | 2026-3-26 19:18:42

挑战

作者:Dusan Sormaz 和 Mandvi Malik(俄亥俄大学)

在 2017 年冬季模拟大会上发表

订单拣选是配送中心最昂贵的操作。由于在订单分拣中使用了大量劳动力,与劳动力相关的成本很高。本文旨在建立一个仿真模型,帮助配送中心经理通过优化工人配置来预测吞吐量。研究采用分层方法建立仿真模型。仿真模型被划分为多个小的子模型。子模型之间完全独立。子模型可以组合成各种不同的完整模型。在本研究中,子模型被用来建立一个实际工业配送中心的仿真模型。然后将模型运行 24 小时,并将结果与同一配送中心的平面仿真模型进行比较。

引言

仿真已成为供应链公司作为决策支持工具使用的一种有效技术[1]。在供应链中,仿真有很多好处,因为它可以帮助识别瓶颈,并进行实验以尽量减少变化的风险[2]。本研究的目的是建立一个可重复使用的仿真模型,以制作各种不同的配送中心模型。该模型使用 Simio [3]。

在 Simio 中解决问题有两种方法。第一种方法是建立一个模型,在这个模型中,每个对象的实体流逻辑都是单独完成的,并且每个相似对象都会重复。这种模型被称为使用标准对象的平面仿真模型。第二种方法是分层方法,即把问题分成几个小的子问题。在分层方法中,会创建一个子模型库。子模型被用作创建综合模型的对象。子模型可以重复使用,以创建另一个模型。本文采用分层方法。与平面仿真模型相比,使用分层方法创建仿真模型的好处如下[4]:

  • 可以包含解决问题的所有选项,这在平面仿真模型中是不可能实现的、
  • 由于逻辑将在较小的子模型层次上进行测试,因此验证和确认的速度更快,可靠性更高、
  • 修改模型的速度更快、
  • 通过多种模型和不同的模型设计方法,我们最终可以在未来建立更好的模型。

就我们的研究而言,采用分层方法有以下好处:

  • 低层模型可重复用于不同的配送中心配置、
  • 组件模型可用于其他订单到达策略、
  • 单独验证组件模型可加快模型开发速度。

解决方案

方法论

为了制作配送中心的仿真模型,第一步是制作配送中心分拣操作的潜在子模型。本研究的重点是分区拣选策略。在分区拣选策略中,工人被分配到一个分区,并从他/她的分区中拣选物品。一个订单可能有多个分区的物品。设计模型时使用的假设是配送中心分为多个区域。配送中心的各个楼层包含多个区域。有的塔楼由多个楼层组成。只有当某个塔中有物品需要分拣时,贴有条形码的手提箱才会进入该塔。工人在分区中完成订单拣选。在配送中心,有传送带将周转箱从一个位置运送到另一个位置。

可能创建的子模型包括区、层、塔、夹层、发货和到达子模型。本文将介绍基本的子模型。这些子模型的定义如下:

  • 区域子模型:使用两个服务器创建一个双面区域子模型。分区子模型中定义的逻辑是,如果中央传送带上有物品要从某一分区提取,该周转箱就会被引导到该分区。周转箱被建模为承载单个订单物品的父实体,每个物品都有定义其在配送中心位置的属性。我们创建了以下属性:区域位置、分拣时间和区域工人。分拣时间和工人属性将在完整模型中定义。
  • 级别子模型:水平子模型由多个区域子模型组合而成。该模型继承区域子模型的所有属性。这里定义了区段位置属性,该属性将为层中的区段提供一个标识号。
  • 塔子模型:塔子模型是由多个关卡组合而成的。这里定义的关卡位置与区域位置相同。在此模型中定义了手推车到达塔中某层的逻辑。创建了一个塔位置属性。图 1 显示了建立塔子模型的步骤。
  • 拣选塔子模型:分拣塔子模型是通过组合多个塔来创建的。该模型定义了进入塔的单元/货箱的逻辑。塔位置属性也在此模型中定义。
  • 到达模型:创建到达模型的目的是对订单到周转箱的分配进行建模。它使用经验分布定义周转箱中的物品数量,以及物品分拣顺序的排序策略。该模型通常由历史数据配置。这些模型构建在图 2 所示的顶层模型中,并在下一节中进行说明。
图 1:建立塔式子模型的步骤 图 2:配送中心仿真模型

业务影响

案例研究

创建子模型后,我们制作了俄亥俄州哥伦布市配送中心的完整仿真模型(图 2)。Sormaz人[5] 对同一配送中心进行了平面模拟。该配送中心有三座塔楼。每个塔楼有三层,每层有八个区域。还有一个夹层,有六个区域。通过将分拣塔、夹层、运输塔和到达子模型结合起来,进行了完整的模拟。该模型中定义的属性包括分拣时间、工人数量和包装时间。

结果

分层模型运行了 24 小时,其结果与同一配送中心的 [5] 平面模拟模型进行了比较。表 1 列出了平面模拟模型和分层模型的结果。结果不相上下。因此,该模型是有效的。
表 1:平面模拟模型和分层模拟模型 (HM) 的模拟结果

实验

塔楼工人 夹层工人 平均吞吐量 [5] 平均吞吐量(HM)

1

48 15 151,026 151,863

2

30 10 150,915 151,874

3

35 11 150,802 150,191

4

40 12 151,173 151,079

5

55 18 150,515 150,749

结论

所介绍的分层模型有助于配送中心人员通过配置工人数量来预测吞吐量。建立组件模型可以更容易地验证模型逻辑,因为每个子模型在用于高级模型之前都经过了独立测试。仿真模型目前仅限于分拣操作,未来的工作将包括配送中心的其他操作。分层模型的建立减少了 40% 的模型实施时间。