基于循环取货的汽车零部件入厂物流路径优化研究.pdf

物流科技 2023 年第 19 期 10 月上收稿日期：2022-12-26作者简介：孙慧（1978），女，山东德州人，山东科技大学交通学院，副教授，博士，硕士生导师，研究方向：物流系统规划仿真、物流装备与控制；王学敏（1999），女，山东济南人，山东科技大学交通学院硕士研究生，研究方向：物流系统规划与路径优化。引文格式：孙慧，王学敏，孙丙琦.基于循环取货的汽车零部件入厂物流路径优化研究J.物流科技，2023,46(19):18-21.誗理论研究誗文章编号：1002-3100 渊2023冤 19-0018-04物流科技 2023 年第 19 期 10 月上Logistics Sci-Tech October,2023（the first half）摘要：由于汽车零部件入厂物流在总物流成本中占比较大，所以国内外学者不断提出多种汽车零部件入厂物流优化问题和解决方法以降低物流成本。文章基于循环取货的要求设计数学模型，并根据问题的特点来设计遗传算法中编码、适应度函数、初始种群等进行求解，最后，结合相关案例以及模型算法，使用 MATLAB 进行求解，从而得到最优路径。通过对数据结果的分析表明，循环取货能大幅降低物流成本，实现准时化生产；文章设计的数学模型和构造遗传算法进行求解是可行的，能高效地解决路径规划问题。关键词：循环取货；入厂物流；车辆路径优化；遗传算法中图分类号：F252.14文献标志码：ADOI：10.13714/ki.1002-3100.2023.19.005Abstract:Because the logistics of automobile parts entering the factory is relatively large in total logistics costs,scholars at homeand abroad have continued to propose a variety of automotive component logistics optimization problems and solutions to reducelogistics costs.This article is based on the requirements of milk-run to design mathematical models,and designed the coding,adaptation function,initial population,etc.in the genetic algorithm according to the characteristics of the problem.Finally,com原bined with relevant cases and model algorithms to solve unexpected path.According to the analysis of data results,milk-run cansignificantly reduce logistics costs and achieve timely production;it is feasible to solve the mathematical model and constructinggenetic algorithm designed in this article,which can efficiently solve path planning problems.Key words:milk-run;inbound logistics;vehicle routing optimization;genetic algorithm0引言入厂物流是汽车生产的开端，是将汽车零部件从供应商运送到总装厂的物流运输环节。对于如何降低零部件入厂物流成本的同时提高管理效率也成为各大汽车制造商追求的目标。为了改善这一现象，比较高效的循环取货开始得到了众多企业的关注。在循环取货过程中，通过合理的车辆路径规划可以有效地提高循环取货的效率，从而降低企业的物流成本。车辆路径规划问题起初由 Glover 等1提出，它属于 NP-Hard 难题，通常用启发式算法来解决。刘云等2在 VRP 模型的基础上加入了车辆等待的最大容忍时间和最大运输时间的约束，建立了以总行驶路径最短和车辆使用数量最小的双目标数学模型。Bocewicz3提出了一种陈述性模型来求解正向和反向的循环取货问题，通过该模型可以确定向装卸点运输物料所需的频次和时间。何茵楠等4针对能源消耗严重和环境污染双重压力下的现象，提出对汽车企业零部件循环取货路径的优化建议。陈荣等5以最小物流成本为目标函数，加入车辆装载和时间窗的约束，建立模型，通过模拟退火算法改善早熟现象，使用企业提供的数据进行仿真。本文在汽车零部件入厂物流环节采用循环取货模式，对运输路径进行合理规划，在一定程度上实现了“零库存”管理，帮助企业降低库存成本。同时还能解决因库存成本降低而导致运输成本升高的问题，提高装载效率，减少卡车用量和路径距离，减少了运输和管理费用，帮助汽车企业实现降本增效。1循环取货路径规划模型的建立1.1问题描述针对循环取货路径规划问题的建模可以描述为：在一个存在供求关系的入厂物流系统中，在计划好的时刻，运输车辆从配送中心出发，根据之前计划好的取货路线依次到各个供应商处进行取货，供应商将汽车零部件包装在箱中，合理安排车辆的路径，使得运输成本与库存资金成本之和最小。基于循环取货的汽车零部件入厂物流路径优化研究Research on Optimization of Inbound Logistics Path for Auto Parts Based on Milk-run孙慧，王学敏，孙丙琦SUN Hui,WANG Xuemin,SUN Bingqi（山东科技大学 交通学院，山东 青岛 266590）（Transportation College,Shandong University of Science and Technology,Qingdao 266590,China）18物流科技 2023 年第 19 期 10 月上基于循环取货的汽车零部件入厂物流路径优化研究1.2模型假设本文在进行循环取货的最优路径研究时，均采用以下假设前提：（1）总装厂：地理位置已知，在该循环取货系统中仅存在一个总装厂。（2）供应商：地理位置、供货量、时间窗均已知，每个供应商的需求不可拆分，因此每个供应商只会被分配到一条取货路径上，同一条取货路线上供应商的取货频次相同。（3）配送中心：地理位置、库存量已知，根据需求实现对总装厂的 JIT 配送，在系统中仅存在一个配送中心，循环取货获得的所有零部件最终送至物流配送中心，车辆到达物流配送中心的时间没有限制。（4）运输车辆：车辆数有限制，车辆速度、装载能力已知，所有车辆取得零部件的总重量不能超过其最大装载量，且每条路径的取货量不能超过该运输车辆的装载能力，整个循环取货的路线是一个闭环，即车辆从配送中心出发，完成取货任务后返回配送中心，车辆运输循环取货作业在时间上为连续状态。（5）零部件：零件名称、零件种类、零件数量、包装尺寸均已知。（6）路况：总装厂与配送中心、配送中心与各个供应商、供应商与供应商之间的距离均已知可通行，用彼此之间的直线距离表示，运输车辆匀速行驶，不考虑实际交通情况如天气影响、交通事故等。1.3参数和变量参数设置：（1）A：表示供应商集合，A=i|i=0,1,2,n嗓瑟，其中 i=0 代表配送中心；（2）H：表示提供服务的车辆集合，H=1,2,3,k嗓瑟；（3）L：表示路径的集合，L=l|l=0,1,2,m嗓瑟；（4）dij：供应商 i 到供应商 j 的距离；（5）Vi：第 i 个供应商当天的总供货量，以体积（m3）表示；（6）Vmax：取货车辆的最大装载量，以体积（m3）表示；（7）tarr,i：取货车辆到达供应商 i 的时间；（8）tlea,i：取货车辆离开供应商 i 的时间；（9）tij：取货车辆从供应商 i 到供应商 j 的行驶时间；（10）ti：取货车辆在供应商 i 处的取货时间；（11）v：取货车辆的平均行驶速度；（12）c：取货车辆的单位运输成本；（13）c0：取货车辆的一次启用成本；（14）Qmax：库存的最大限制；（15）ETi：供应商 i 能接受取货的时间。决策变量：（1）xijl：表示从供应商 i 到供应商 j 是否有路径完成，是为 1，否为 0；（2）yjl：供应商 i 是否由路径 l 完成取货，是为1，否为 0；（3）qi：对供应商的单次取货量；（4）fl：路径 l 的取货频次；（5）m：安排的路径总数。1.4建立模型（1）目标函数零部件循环取货目标函数的建立主要考虑车辆的运输成本，为实现 JIT 供应要考虑车辆到达供应商处进行取货的时间窗约束，以及车辆每次启动的固定成本费用之和。minZ=c移l=1m移i=1n移j=1ndijxijl蓸蔀+M移i=1nmax ETi-tarr,i,0蓸蔀+移i=1nmax tarr,i-LTi,0蓸蔀蓸蔀+c0k（1）（2）约束条件本文在建立循环取货路径规划模型时主要考虑路径约束、车辆约束、时间约束和库存约束。淤路径约束移i沂Ax0il=1,坌l沂L（2）移i沂Axi0l=1,坌l沂L（3）移i沂Axijl=yil,坌l沂L,坌j沂A,且 j屹0（4）移j沂Axijl=yjl,坌l沂L,坌i沂A,且 i屹0（5）移l沂Lyil=1,坌i沂A,且 i屹0（6）移j沂A移l沂Lxijl逸1,坌i沂A,且 i屹0（7）移i沂Axijl=移j沂Axjil,坌l沂L,坌i 沂A,且 i屹0（8）移i沂A移j沂Axijl臆 U-1,坌U哿A,0埸U,U 逸2,坌l沂L（9）式（2）和式（3）表示运输车辆从配送中心出发最后回到配送中心，形成闭环。式（4）、式（5）、式（6）表示每个供应商只被分配到一条取货路径上。式（7）表示所有供应商都被访问。式（8）表示访问该供应商的车辆数与离开的车辆数相同，运输车辆在完成取货后离开。式（9）表示消除子回路约束。于车辆约束移i沂Aqi伊yil臆Vmax,坌l沂L（10）19物流科技 2023 年第 19 期 10 月上k=int移i沂AViVmax蓘蓡+1（11）式（10）表示一条路径上的总取货量要在运输车辆的容积范围之内，否则无法完成取货。式（11）表示循环取货过程中需要用到的车辆数，设置车辆数不超过 10。盂时间约束yilfl=移i沂Axijltij+tlea,i-tarr,i蓸蔀蓘蓡（12）tarr,j=xijltij+tlea,i蓸蔀（13）tarr,i+ti+tij-G1-xijl蓸蔀臆tarr,j,i、j沂A,l沂L（14）ETi臆tarr,i臆LTi（15）0臆ti臆LTi-ETi（16）式（12）表示循环取货的时间连续，相邻取货周期间没有时间间隔。式（13）表示运输车辆到达供应商 j 的时间等于从供应商 i 出发的时间加上供应商 i 到 j 之间路途的行驶时间。式（14）表示车辆不能在规定的时间 tarr,i+ti+tij蓸蔀之前从供应商 i 到供应商 j 处取货，保证取货的秩序，G 是足够大的正数。式（15）、式（16）表示运输车辆应当在规定的时间窗内完成取货，且取货时间不能超过能接受取货的时间窗长度。榆库存约束移i沂A移l沂Lqi伊yil臆Qmax（17）式（17）表示整个循环取货量不能超过配送中心的最大库存水平。2模型求解2.1基于循环取货的遗传算法设计（1）染色体编码。编码为配送中心和供应商点的各种顺序组合，因此，一条取货路径便可以编码为如下染色体：0,1,2,m,0,m+1，m+2，s,0,0，t+1，t+2，n，0蓸蔀其中将物流配送中心编号为自然数 0，用整数 1n 对 n 家供应商进行编号，按照估算的车辆数，这条染色体的结构可以看作运输车辆 1 从配送中心 0 出发，依次访问供应商 1,2,m 后返回配送中心，运输车辆 2 从配送中心 0 出发，依次访问供应商 m垣1，m垣2，s 后返回配送中心，按上述方式直到完成对所有供应商的取货任务。（2）适应度函数。因为在循环取货路径规划中行驶距离越短越好，且排除违反时间窗和容量约束的染色体，所以惩罚函数的值越小越能说明染色体代表的解越好，而适应度函数与惩罚函数相反，因此将适应度函数设置为惩罚函数的倒数即：ft=1/Ft。（3）初始种群。对于种群规模来说，一般设置在 20200，种群规模太小会得不到最优解，种群数量太大会使求解时间过长，本文中将种群规模设置为 200。（4）选择算子。常用的选择算子有：轮盘赌、蒙特卡洛选择、随机遍历、锦标赛、排序选择、适应度缩放选择等方法。轮盘赌作为一种简单易操作的选择算子，经常被使用，因此本文的选择算子使用轮盘赌方式。（5）交叉算子。本文的编码方式为自然数编码，因此在 PMX 算子的基础上，选择了类 PMX 算子，该算子更加适合自然数编码，与 PMX 算子不同的是，类 PMX 在交叉时会将交叉区域放在父代染色体的最前面，之后再消除重复基因中的第 2 个基因，得到新的染色体。（6）变异算子。根据循环取货路径规划问题的特点，结合变异算子的适用范围，使用交换突变算子。交换突变常用于编码为二进制或整数编码、有序列表的染色体，交换突变随机交换两个基因的值，因此新染色体上仍然会有与原染色体上相同的基因，适合用于循环取货路径规划问题。2.2MATLAB 求解2.2.1数据处理本文以某汽车制造公司为例，研究通过配送中心与 23 家零部件供应商进行循环取货的路径规划问题。运输车辆从物流配送中心出发，不考虑交通堵塞的情况。详细数据如表 1 所示。2.2.2参数设定本文综合考虑各方面因素，如月台高度、车辆参数和适用范围、运输道路情况和零部件的包装尺寸等因素，选择 9.6 米箱式货车。表 2 和表 3 分别为运输车辆的相关参数和自适应遗传算法的相关参数。2.2.3数据求解通过 MATLAB 编程求解。将设定的参数以及程序代码导入 MATLAB，得到相应的配送方案，如图 1 所示。基于循环取货的汽车零部件入厂物流路径优化研究20物流科技 2023 年第 19 期 10 月上表 1供应商详细数据序号经度纬度供货量（m3）装卸时间（min）序号经度纬度供货量（m3）装卸时间（min）0121.191 14531.314 91012121.183 99431.310 2223.52251121.150 30831.315 5760.112013121.208 93331.327 79110.32602121.246 76831.284 2591.963514121.210 58331.313 08013.33653121.182 77631.293 21325.679015121.246 51031.316 35121.43904121.185 29231.335 32414.246016121.213 41131.317 4980.14205121.242 17031.294 1480.132017121.227 77431.319 10319.93806121.172 50131.295 12830.279018121.233 86231.298 0160.26207121.200 79931.313 7112.982019121.204 20231.312 3115.78308121.181 65731.302 6674.863020121.204 88231.321 06417.83709121.191 73031.309 3314.923521121.173 52131.324 2981.132010121.200 55431.341 6966.986522121.155 07631.307 5087.803011121.157 43831.288 1209.746523121.185 69731.347 16816.6760由表 4 可知，由以上 5 条最优路径完成零部件的运输，可以提高运输的效率，有效降低运输距离和运输成本，最大程度上实现 JIT 供应。3结论本文是在查阅了大量文献和实际案例分析基础上完成的，通过理论基础为研究做好准备，基于建立的模型和设计的算法进行了案例分析。设计了循环取货路径规划方案，有利于配送中心和总装厂建立时间窗和控制取货周期，优化配送路径，提高配送效率，最大程度上杜绝了空车返回的现象，从而达到节省库存成本和运力浪费的目的。供应商减少了配送成本，有利于总装厂对上游供应链的控制。该算法为解决汽车零部件的运输问题提供了新思路。参考文献：1GLOVER F,TAILLARD E.A users guide to tabu searchJ.Annals of Operations Research,1993,41(1):1-28.2刘云，张惠珍.多目标带时间窗的车辆路径问题的单亲遗传混合蚁群算法J.公路交通科技，2016,33(6):95-100,106.3BOCEWICZ GRZEGORZ,et al.Reference model of milk-run traffic systems prototypingJ.International Journal of ProductionResearch,2020,59(15):1-18.4何茵楠，王帮俊，魏宇茜,等.碳减排下的汽车零部件循环取货路径优化研究J.重庆工商大学学报（自然科学版），2021,38(3):71-78.5陈荣，王雯阳，卞东东.基于鲸鱼算法的循环取货路径优化研究J.物流科技，2021,44(10):28-32.表 2车辆数据参数数值体积长 9.6 米伊宽 2.4 米伊高 2.7 米容积50m3平均行驶速度35km/h单位运输成本7 元/公里启动成本200 元/次表 3算法控制参数参 数 名 称取值种群规模200最大迭代次数600交叉概率0.90变异概率0.05表 4配送方案路径最优路径行驶距离运输成本装置量10寅13寅10寅23寅4寅018.30328.1048.5120寅19寅14寅20寅07.15250.0537.0330寅12寅8寅3寅9寅010.90276.3039.0740寅18寅2寅5寅15寅17寅16寅7寅029.62407.3446.8350寅21寅1寅22寅11寅6寅021.20350.5049.05最优取货方案路线图807060504030201010080120140160180200图 1路径仿真基于循环取货的汽车零部件入厂物流路径优化研究21