CN105373909A - 一种基于仿真软件的物流配送中心选址方法 - Google Patents

Abstract

本发明公开了一种基于仿真软件的物流配送中心选址方法，步骤包括：选择配送中心的候选地；确定容量上限、固定投资和流转费率；确定运输费率；构建物流成本模型和最短距离模型；构建仿真模型；仿真模型的运行；最小物流成本优化；根据初选配送中心地址与需要该初选配送中心配送的多个需求点及为该初选配送中心供应商品的多个资源点之间的关系构建仿真模型；通过仿真软件提供的连接规则、工作模式、系统函数、分布函数，从而完成仿真模型的运行；仿真软件根据构建的最短距离模型及进行最短距离优化，获得最优的配送中心地址。本发明利用它自带的优化算法模块OPTIMIZER来得到系统的最优配置，最后得出配送过程中满足最小物流成本和最短距离的条件下的物流配送中心。

Description

一种基于仿真软件的物流配送中心选址方法

技术领域

本发明涉及物流配送中心选址方法，特别是一种基于仿真软件的物流配送中心选址方法。

背景技术

配送中心是现代物流系统的重要组成部分，为了降低物流成本，提高流通效率，科学的建立配送中心是市场竞争的必然结果。配送中心建设的合理与否将直接影响着整个物流系统的效率与服务质量。因此，在配送中心建立之前，需要进行系统的，全面的规划。配送中心选址是配送中心规划的一个环节，较佳的配送中心选址方案是使商品通过配送中心的汇集、中转、分发，直至输送到需求点的全过程的效益最好。配送中心拥有众多建筑物，构筑物以及固定机械设备，一旦建成很难搬迁，如果选址不佳，将付出长远代价。因此，配送中心的选址是配送中心规划中至关重要的一步。配送中心的合理选址，可以有效节省费用，大幅度的降低运营成本，促进生产和消费的协调与配合，保证物流系统的平衡发展。

在企业配送系统设计中，配送中心的选址问题是一个十分重要的决策问题，被称为是最重要的物流战略规划问题。它决定了整个物流系统的模式，结构和形状。如果能够解决物流系统中的选址问题，那么整个物流系统将得到快速运转，相应的企业发展速度将得到提高，同时，也促使了我国的国民经济的运行方式和结构的优化。因此，寻找较好的建模方法，确定一个实际有效的系统模型和相应的优化算法极其重要。

发明内容

针对所提到的问题，本发明提供了一种基于仿真软件的物流配送中心选址方法，包括如下步骤：

1)从目标城市的地图上选择多个地址作为配送中心的候选地；

2)确定各个配送中心候选地的容量上限、固定投资和流转费率；

3)确定为配送中心候选地供应商品的多个资源点及各个资源点到各个配送中心候选地的运输费率；

4)确定需要配送中心配送的多个需求点及各个需求点的需求量和各个需求点到各个配送中心候选地的运输费率；

5)根据配送中心候选地与资源点和需求点之间的关系构建物流成本模型和最短距离模型；

6)根据配送中心候选地与资源点和需求点之间的关系构建仿真模型；

7)通过仿真软件提供的连接规则、工作模式、系统函数、分布函数，从而完成步骤6构建的仿真模型的运行；

8)仿真软件根据步骤5构建的物流成本模型及步骤1～4获得的数据进行最小物流成本优化，得到初选的配送中心地址；

9)确定步骤8得到的初选的配送中心到需要该初选配送中心配送的多个需求点的距离及该初选配送中心到为该初选配送中心供应商品的多个资源点的距离；

10)根据初选配送中心地址与需要该初选配送中心配送的多个需求点及为该初选配送中心供应商品的多个资源点之间的关系构建仿真模型；

11)通过仿真软件提供的连接规则、工作模式、系统函数、分布函数，从而完成步骤10构建的仿真模型的运行；

12)仿真软件根据步骤5构建的最短距离模型及步骤9获得的数据进行最短距离优化，获得最优的配送中心地址。

优选方案是：所述的物流成本模型如下：

$\min U=\underset{k=1}{\overset{l}{\Σ}}\underset{i=1}{\overset{m}{\Σ}}{c}_{ki}{w}_{ki}+\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}{h}_{ij}{x}_{ij}+\underset{k=1}{\overset{l}{\Σ}}\underset{i=1}{\overset{m}{\Σ}}{g}_i{w}_{ki}+\underset{i=1}{\overset{m}{\Σ}}\frac{f_i{z}_i}{t}---\left(1\right)$

$\underset{j=1}{\overset{n}{\Σ}}{x}_{ij}\≤\underset{k=1}{\overset{l}{\Σ}}{w}_{ki},i=1,2,...,m---\left(3\right)$

符号意义：

U:配送中心总的运行成本；

m:配送中心备选点的个数；

n:需求点的个数；

l:供应工厂的数目；

p:可兴建配送中心最大个数

x_ij:从配送中心i到需求点j的运输量

z_i:0－1变量，当z_i＝1时，表示i地被选中，当z_i＝0时，表示i地未被选中。

D_j:需求点的需求量；

m_i:备选配送中心i的建设容量；

f_i:备选配送中心i的固定费用；

w_ki:从工厂k到配送中心i的运输量；

A_k:工厂k的供应能力；

c_ki:从工厂k到配送中心i的运输单价；

h_ij:从配送中心到需求点j的运输单价；

g_i:配送中心i的流转单价；

t:固定资产使用的年限

式(2)表示从工厂k到配送中心的物资总量不能超过其供应能力；

式(3)表示通过配送中心i的货物运出总量不能超过其供应能力；

式(4)表示各配送中心到需求点j的配送量要大于其需求量；

式(5)表示各工厂运输给配送中心i的物资不能超过其容量；

式(6)表示兴建配送中心的个数不能超过指定值。

优选方案是：步骤8优化算法采用AdaptiveThermostatisticalSA模拟退火算法。

优选方案是：采用WITNESS仿真软件。

优选方案是：设计者使用Display模块在系统本身或外部提供的图库里面选择合适的图形和颜色对系统进行逼真的布局。

优选方案是：通过使用Witness提供的连接规则、工作模式、系统函数和一些处理离散事件需要用到的分布函数，从而完成对模型的联接。

本发明对选出来的候选点进行定量分析，通过构建的最小物流成本模型和最短距离模型，结合可视化数字仿真软件Witness的强大的优化器功能，利用它自带的优化算法模块OPTIMIZER来得到系统的最优配置，最后得出配送过程中满足最小物流成本和最短距离的条件下的物流配送中心。

附图说明

图1为本发明模型元素定义界面；

图2为本发明系统仿真布局图；

图3为本发明优化器设置窗口。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不配出一个或多个其它元件或其组合的存在或添加。

实施例

假设某地欲建设大型物流配送中心，经综合评价法初步考察，在符合条件的备选配送区域中，选排序靠前的候选地，初选4个配送中心D₁,D₂,D₃,D₄,有两个资源点A₁,A₂为配送中心供应商品，有5个用户B₁,B₂,B₃,B₄,B₅从配送中心进货。在整个过程中只有一种商品进行流动。需求点及需求量的数据如表1所示:

表1需求点及需求量(吨)

Table1Requirementnodeandrequirementamount

配送中心候选地及其容量的数据如表2所示:

表2配送中心候选地及其容量(吨)

Table.2Distributioncenterscandidatenodeandcapacity

各备选点的固定投资(万元)和流转费率(元/吨)如表3所示:

表3各备选点的固定投资和流转费率

Table3Fixedcostofcandidatenodeandflowrate

供应点到各备选点的运输费率(元/吨)如表4所示:

表4供应点到各备选点的运输费率

Table4Transportratefromsupplynodetocandidatenode

备选点到各需求点的运输费率(元/吨)。如表5所示:

表5备选点到各需求点的运输费率

Table.5Transportratefromcandidatenodetorequirementnode

本文用U表示配送中心总的运行成本，则选址模型如下：

$\min U=\underset{k=1}{\overset{l}{\Σ}}\underset{i=1}{\overset{m}{\Σ}}{c}_{ki}{w}_{ki}+\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}{h}_{ij}{x}_{ij}+\underset{k=1}{\overset{l}{\Σ}}\underset{i=1}{\overset{m}{\Σ}}{g}_i{w}_{ki}+\underset{i=1}{\overset{m}{\Σ}}\frac{f_i{z}_i}{t}---\left(1\right)$

$\underset{j=1}{\overset{n}{\Σ}}{x}_{ij}\≤\underset{k=1}{\overset{l}{\Σ}}{w}_{ki},i=1,2,...,m---\left(3\right)$

符号意义：

U:配送中心总的运行成本；

m:配送中心备选点的个数；

n:需求点的个数；

l:供应工厂的数目；

p:可兴建配送中心最大个数

x_ij:从配送中心i到需求点j的运输量

z_i:0－1变量，当z_i＝1时，表示i地被选中，当z_i＝0时，表示i地未被选中。

D_j:需求点的需求量；

m_i:备选配送中心i的建设容量；

f_i:备选配送中心i的固定费用；

w_ki:从工厂k到配送中心i的运输量；

A_k:工厂k的供应能力；

c_ki:从工厂k到配送中心i的运输单价；

h_ij:从配送中心到需求点j的运输单价；

g_i:配送中心i的流转单价；

t:固定资产使用的年限

式(2)表示从工厂k到配送中心的物资总量不能超过其供应能力；

式(3)表示通过配送中心i的货物运出总量不能超过其供应能力；

式(4)表示各配送中心到需求点j的配送量要大于其需求量；

式(5)表示各工厂运输给配送中心i的物资不能超过其容量；

式(6)表示兴建配送中心的个数不能超过指定值。

根据仿真的对象和仿真的目的，通过在系统布局窗口单击鼠标右键，在弹出的Witness定义窗口中,定义元素类型。在定义了对象的物理单元(如part、buffer等)之后，还要进行逻辑单元的定义(如variable)。如图1所示。

元素定义好之后，通过使用Witness特有的动画仿真模拟软件，对模拟系统的每一个对象进行可视化定义。设计者可以使用Display模块在系统本身或外部提供的图库里面选择合适的图形和颜色对系统进行逼真的布局。需要指出的是Witness除了可以显示二维动画外，在增加虚拟现实模块后，还可以进行三维的动画模拟。系统仿真布局图如图2所示。

在仿真一个实际系统的时候，往往希望得出系统绩效最优时的系统配置或者希望得出系统绩效相对较好的几种方案的系统配置，通过比较和权衡，选择其中的一种配置进行实际的实施。为了解决这一问题，Lanner公司通过使用最新的优化技术研究成果以及启发式算法，开发了一种独特的优化算法模块Optimizer，通过使用该模块，设定了目标函数以及模型元素可能选择值，就可以连续的、按照特定算法快速有效的搜索出模型的最优解决方案。

在该多配送中心的选址系统中，把chanpin零件在系统中循环一次看作是有1吨的货物从供应点运输到需求点。那么chanpin零件在运输中，存在着对供货点、配送中心、需求点的选择问题，也即对运输路径的选择问题。在上文对该系统中的元素进行完定义和详细设计之后，选用Witness自带的优化器进行多重迭代，从而达到目标函数objfunction最小的目的。

本模型的配置方案繁多，采用手工方式逐个方案进行设计和运行，显然不太容易。系统通过这些参数组合，使用优化模块就能够很方便的获得最优目标函数值的变量取值，得出优化方案。优化器设置窗口如图3所示。

在优化设置过程中，在优化器对话框中选取目标函数objfunction，同时选定Minimum，即优化搜索朝着该函数值可能减小的方向进行；优化算法采用AdaptiveThermostatisticalSA模拟退火算法；点击“Run”按钮，开始运行优化。完成了上百次优化搜索之后，优化运行的五种优化方案。如表6所示:

表6优化结果表

Table6Thefiveoptimizeresultsaftersimulationrunning

数据总结：由于g₁₁,g₂₂,g₃₃,g₄₄分别表示D₁,D₂,D₃,D₄这四个配送中心从供货点进货概率，运行最优结果表明，只有g₁₁,g₂₂,g₃₃大于零，由此可知，配送中心应建在D₁,D₂,D₃上，总费用为2335350元。

然后对选择D₁,D₂,D₃物流配送中心进行最短距离优化，最短距离优化方法现有文献中有大量记载，这里不再赘述。最终选出D₁和D₂为物流配送中心的地址。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (6)

1.一种基于仿真软件的物流配送中心选址方法，其特征在于，包括如下步骤：

1)从目标城市的地图上选择多个地址作为配送中心的候选地；

2)确定各个配送中心候选地的容量上限、固定投资和流转费率；

3)确定为配送中心候选地供应商品的多个资源点及各个资源点到各个配送中心候选地的运输费率；

4)确定需要配送中心配送的多个需求点及各个需求点的需求量和各个需求点到各个配送中心候选地的运输费率；

5)根据配送中心候选地与资源点和需求点之间的关系构建物流成本模型和最短距离模型；

6)根据配送中心候选地与资源点和需求点之间的关系构建仿真模型；

7)通过仿真软件提供的连接规则、工作模式、系统函数、分布函数，从而完成步骤6构建的仿真模型的运行；

8)仿真软件根据步骤5构建的物流成本模型及步骤1～4获得的数据进行最小物流成本优化，得到初选的配送中心地址；

9)确定步骤8得到的初选的配送中心到需要该初选配送中心配送的多个需求点的距离及该初选配送中心到为该初选配送中心供应商品的多个资源点的距离；

10)根据初选配送中心地址与需要该初选配送中心配送的多个需求点及为该初选配送中心供应商品的多个资源点之间的关系构建仿真模型；

11)通过仿真软件提供的连接规则、工作模式、系统函数、分布函数，从而完成步骤10构建的仿真模型的运行；

12)仿真软件根据步骤5构建的最短距离模型及步骤9获得的数据进行最短距离优化，获得最优的配送中心地址。

2.根据权利要求1所述的基于仿真软件的物流配送中心选址方法，其特征在于，所述的物流成本模型如下：

$\min U=\underset{k=1}{\overset{l}{\Σ}}\underset{i=1}{\overset{m}{\Σ}}{c}_{ki}{w}_{ki}+\underset{i=1}{\overset{m}{\Σ}}\underset{j=1}{\overset{n}{\Σ}}{h}_{ij}{x}_{ij}+\underset{k=1}{\overset{l}{\Σ}}\underset{i=1}{\overset{m}{\Σ}}{g}_i{w}_{ki}+\underset{i=1}{\overset{m}{\Σ}}\frac{f_i{z}_i}{t}---\left(1\right)$

$s.t.\underset{i=1}{\overset{m}{\Σ}}{w}_{ki}\≤A_k,k=1,2,...l---\left(2\right)$

$\underset{j=1}{\overset{n}{\Σ}}{x}_{ij}\≤\underset{k=1}{\overset{l}{\Σ}}{w}_{ki},i=1,2,...,m---\left(3\right)$

$\underset{i=1}{\overset{m}{\Σ}}{x}_{ij}\≥D_j,j=1,2,...n---\left(4\right)$

$\underset{k=1}{\overset{l}{\Σ}}{w}_{ki}\≤m_i{z}_i,i=1,2,...m,---\left(.5\right)$

$\underset{i=1}{\overset{m}{\Σ}}{z}_i\≤p,i=1,2,...m,---\left(6\right)$

x_ij≥0,w_ki≥0j＝1,2,…,n(7)

符号意义：

U:配送中心总的运行成本；

m:配送中心备选点的个数；

n:需求点的个数；

l:供应工厂的数目；

p:可兴建配送中心最大个数

x_ij:从配送中心i到需求点j的运输量

z_i:0－1变量，当z_i＝1时，表示i地被选中，当z_i＝0时，表示i地未被选中。

D_j:需求点的需求量；

m_i:备选配送中心i的建设容量；

f_i:备选配送中心i的固定费用；

w_ki:从工厂k到配送中心i的运输量；

A_k:工厂k的供应能力；

c_ki:从工厂k到配送中心i的运输单价；

h_ij:从配送中心到需求点j的运输单价；

g_i:配送中心i的流转单价；

t:固定资产使用的年限

式(2)表示从工厂k到配送中心的物资总量不能超过其供应能力；

式(3)表示通过配送中心i的货物运出总量不能超过其供应能力；

式(4)表示各配送中心到需求点j的配送量要大于其需求量；

式(5)表示各工厂运输给配送中心i的物资不能超过其容量；

式(6)表示兴建配送中心的个数不能超过指定值。

3.根据权利要求1所述的基于仿真软件的物流配送中心选址方法，其特征在于，步骤8优化算法采用AdaptiveThermostatisticalSA模拟退火算法。

4.根据权利要求1所述的基于仿真软件的物流配送中心选址方法，其特征在于，采用WITNESS仿真软件。

5.根据权利要求1所述的基于仿真软件的物流配送中心选址方法，其特征在于，设计者使用Display模块在系统本身或外部提供的图库里面选择合适的图形和颜色对系统进行逼真的布局。

6.根据权利要求1所述的基于仿真软件的物流配送中心选址方法，其特征在于，通过使用Witness提供的连接规则、工作模式、系统函数和一些处理离散事件需要用到的分布函数，从而完成对模型的联接。