基于Flexsim的配送中心仿真分析报告

（3）连接端口：根据各临时实体的路径连接端口，如图4所示。

图4 完成端口连接后的模型

（4）设置发生器1的参数

? 到达方式：按时间间隔到达（Inter-Arrival Time），返回一个58的常值时间。

依据：每天入库500箱，按每天工作8小时计算，可计算出到达时间为58=3600/(500/8)。

? 发生器的离开出发设置：SourceTriggers下的OnExit的下拉菜单框中选择

Set Itemtype and Color，为临时实体指定一种类型号duniform（1,3），并为每种实体指定一种颜色。

依据：有三种类型的货物，即方便面、饼干、巧克力。 （5）设置暂存区1的参数

暂存区1作为货物到达与检验之间的过渡，不需要改变参数，采用默认的参

数，即默认的最大容量为1000。 （6）设置处理器的参数

? 处理时间：处理时间设置为48。

依据：因为到达时间为58，理论上处理的时间应该比到达的时间要快一些。 ? 货物流向设置：在Flow/Output下的Send to port中选择Matching itemtypes，

货物就能按类型分别放置到不同的货架中。 （7）设置货架1、2、3的参数

最大容量：货架1、2、3的最大容量设置为1000。

依据：A库总面积为600平方米，3个货架按总面积300平方米计算，货

架高为2米，箱子的体积为0.2立方米，则可以存放的箱子总数为：300*2/0.2=3000个。平均分配到每个货架的最大容量就为1000。 （8）设置分解器1、2、3的参数 ? 处理时间：处理时间设置为30。

依据：货物分解的时间应该比货物处理的时间要更快一些。 ? 分解器：将一个实体分解成20个。

依据：每一箱的货物有20件，故将一个实体分解成20个。 （9）设置暂存区2、3、4的参数

最大容量：将暂存区2、3、4的最大容量分别设置为200。

依据：除去货架、暂存区1等面积后，暂存区2、3、4的总面积并不算大，

因此设置为200。 （10）设置合成器的参数

? 处理时间：设置为常数值48。

? 装盘：假设顾客的要求40件商品，第一种货物10件，第二种货物16件，

第三种货物14件。设置的时候改变Combiner/Components list下的“target quantity”即可。 （11）设置发生器2的参数

处理时间：返回一个常数为48的时间值。

依据：发生器2产生的是托盘，是为了将货物运走，所以处理时间与合成时间一致。

三、模型的运行与分析 1、模型的运行

模型编译完成后，运行28800s（8小时）后，得到下列结果：

图5 模型运行结果

2、运行数据

（1）发生器1运行数据

Output：496，即入货496箱 Generating：28800，100% （2）暂存区1运行数据

Input：496；Output：496 （3）处理器运行数据 Input：496；Output：495

Idle：5008，17.4%；Processing：23792，82.6% （4）货架运行数据 货架1 货架2 货架3 Input 159 169 168 Output 13 31 43 Maximum 145 138 125 Average 71.40 61.92 55.57 （5）分解器运行数据 分解器1 分解器2 分解器3 Input Output Maximum Average 13 32 43 241 610 856 19 19 19 10.42 14.20 9.80 Idle 1594,5.5% 1594,5.5% 17674,61.4% Processing 390,1.4% 930,3.2% 1290,4.5% Blocked 26816,93.1% 26276,91.2% 9836,34.2% （6）暂存区2、3、4运行数据 暂存区2 暂存区3 暂存区4 Input 241 610 856 Output 41 410 656 Maximum 200 200 200 Average 197.16 190.81 174.15 Empty 136,0.5% 832,2.9% 2060,7.2% Releasing 28664,99.5% 27960,97.1% 26740,92.8% （7）合成器运行数据 Input：1681；Output：40

Idle：136，0.5%；Processing：1964，6.8%；Collecting：26700，92.7% （8）发生器2运行数据

Output：570；Blocked：1204，4.2%；Generating：27596，95.8% （9）生成器运行数据 Input：40，即出货量40。 3、瓶颈分析

从图5和以上的运行数据可以看出，该模型运行时主要的瓶颈体现在以下两个方面：

（1）货架上堆积的货物较多，是存储的货物过多，增加仓储成本。 （2）暂存区2、3、4堆积的货物过多，尤其是暂存区2、3，运行时它们的空闲时间所占比较不到3%，而暂存区4的空闲时间比例也不到5%，说明运行时间较长。

产生以上瓶颈的原因有以下几个方面：

（1）分解器处理速度较慢。由分解器的运行数据可以看到，分解器1和2运行时阻塞的时间比例占到了93.1%，91.2%，说明分解的速度较慢，因此上游的货物只有堆积在货架上，致使货架上的存储货物增加。

（2）合成器处理速度较慢。由合成器的运行数据可以看到，合成器的处理时间所占比例仅为6.8%，而集合产品的时间比例占到了92.7%，说明其大部分时间都在集合产品，合成处理速度较慢，从而导致暂存区2、3、4的货物堆积。

四、模型的优化 1、瓶颈问题的解决方案

由前面的瓶颈分析我们可以看到，瓶颈产生的原因主要是由于分解器及合成器的处理速度较慢造成的，因此，针对这两个问题提出了以下两个解决方案： （1）提高分解器运行速度。将分解器的处理时间由原来的30降低到15。 （2）提高合成器运行速度，将合成器的处理时间由原来的48降低到30，或者也可以考虑增加合成器。

（3）加快托盘的产生速度，将发生器2的处理时间由原来的48降低到30。 2、优化后的运行数据 （1）发生器1运行数据

Output：496，即入货496箱；Generating：28800，100% （2）暂存区1运行数据 Input：496；Output：496 （3）处理器运行数据 Input：496；Output：495

Idle：5008，17.4%；Processing：23792，82.6% （4）货架运行数据 货架1 货架2 货架3 Input 158 169 168 Output 15 44 63 Maximum 143 138 105 Average 70.82 61.92 46.70 （5）分解器运行数据 分解器1 分解器2 分解器3 Input Output Maximum Average 15 102 56 291 2020 1110 19 19 19 10.95 14.09 9.80 Idle 13214,45.8% 15266,53.0% 17756,61.4% Processing 140,0.5% 440,1.5% 630,2.2% Blocked 15446,53.7% 13094,45.5% 10414,36.2% （6）暂存区2、3、4运行数据

暂存区2 暂存区3 暂存区4 Input 291 2020 1110 Output 91 1820 910 Maximum 200 200 200 Average 197.36 191.14 174.15 Empty 116,0.4% 812,2.8% 2248,7.8% Releasing 28684,99.6% 27988,97.2% 26552,92.2% （7）合成器运行数据 Input：3721；Output：90

Idle：116，0.4%；Processing：1800，6.3%；Collecting：26884，93.3% （8）发生器2运行数据

Output：900；Blocked：1778，4.2%；Generating：27022，93.8% （9）生成器运行数据 Input：90，即出货量90。

五、结论

由上面的运行数据可以看出，将分解器和合成器的速度提高后，产出量增加了由40提高到了90，提高了一倍多，基本上解决了该配送中心当前的问题。从而实现了提高该配送中心分拣能力和仓储能力的目标，使该配送中心的利润得出提高。

但是，优化后的模型仍然存在一个瓶颈，那就是货架1的产出量较小，导致了分解器1的产出量较小，暂存区2的输入量和输出量都受到影响，因此到达合成器的该类型的产品量较小，在合成的时候由于缺乏该产品从而使得合成后的产量较小，而其余两种类型的产品在合成器的量又有剩余。因此，后续还可以就该模型的这一问题继续进行研究，从而达到使模型更进一步优化。